CN116383154A - 文件处理方法、文件处理装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了一种文件处理方法、文件处理装置、电子设备及存储介质，可以应用于文件处理和金融技术领域。该方法包括：响应于文件处理请求，调用数据接口从目标数据库中获取多个待处理文件以及与每个待处理文件对应的文件属性信息；根据待处理文件的使用信息利用第一分类算法对多个待处理文件进行分类处理，得到第一分类结果；在第一分类结果表明待处理文件的使用信息满足预设使用条件的情况下，将待处理文件确定为待删除文件；根据待删除文件的读写权限信息利用第二分类算法对待删除文件进行分类处理，得到第二分类结果；在第二分类结果表明待删除文件不属于与预设文件类型的情况下，将待删除文件确定为目标删除文件。

Description

文件处理方法、文件处理装置、电子设备及存储介质

技术领域

本公开涉及文件处理和金融领域，尤其涉及一种文件处理方法、文件处理装置、电子设备、存储介质和程序产品。

背景技术

很多文件存储服务器存在着过期的资源占用浪费，例如很久之前的无用备份文件，文件属主也不主动删除或忘记删除，导致越来越多的无用文件堆积，占用大量的服务器空间，只能通知所有人排查文件。然而通过人工查询哪些文件需要删除的方式效率较低，而且人工查询方式筛选后的文件存储服务器中可能还会存留大量的无用文件。

发明内容

鉴于上述问题，本公开提供了一种文件处理方法、文件处理装置、电子设备、存储介质和程序产品。

根据本公开的第一个方面，提供了一种文件处理方法，包括：

响应于文件处理请求，调用数据接口从目标数据库中获取多个待处理文件以及与每个上述待处理文件对应的文件属性信息，其中，上述文件属性信息包括上述待处理文件的使用信息和读写权限信息；

根据上述待处理文件的使用信息利用第一分类算法对多个待处理文件进行分类处理，得到第一分类结果；

在上述第一分类结果表明上述待处理文件的使用信息满足预设使用条件的情况下，将上述待处理文件确定为待删除文件；

根据上述待删除文件的读写权限信息利用第二分类算法对上述待删除文件进行分类处理，得到第二分类结果；

在上述第二分类结果表明上述待删除文件不属于与预设文件类型的情况下，将上述待删除文件确定为目标删除文件。

根据本公开的实施例，文件处理方法还包括：

在上述第二分类结果表明上述待删除文件属于与预设文件类型的情况下，将上述待删除文件确定为待确认文件。

根据本公开的实施例，上述第一分类算法和上述第二分类算法均包括梯度提升机，上述梯度提升机是基于梯度提升树算法构建的；

其中，上述梯度提升机是通过如下方式训练的：

获取训练样本集，其中，上述训练样本集包括多个训练信息和与每个上述训练信息对应的标签信息，上述训练信息包括训练使用信息或训练权限信息，上述标签信息包括标签使用信息或标签权限信息；

将多个上述训练信息输入初始梯度提升机，输出训练分类信息，其中，上述训练分类信息表征每个上述训练信息是否属于删除信息类型；

根据上述训练分类信息和多个上述标签信息确定曲线下面积；

在上述曲线下面积满足不预设数值的情况下，利用上述初始梯度提升机迭代地对多个上述训练信息进行分类处理，以得到新的训练分类信息；

在上述曲线下面积满足预设数值的情况下，将上述初始梯度提升机确定为经训练的上述梯度提升机。

根据本公开的实施例，上述根据上述训练分类信息和多个上述标签信息确定曲线下面积，包括：

根据上述训练分类信息构建接受者操作特性曲线；

根据上述接受者操作特性曲线与参考线确定上述曲线下面积，其中，上述参考线是根据多个上述标签信息构建的。

根据本公开的实施例，文件处理方法还包括：

获取验证样本集，其中，上述验证样本集包括多个验证信息和与每个上述验证信息对应的验证标签信息，上述验证信息包括验证使用信息或验证权限信息，上述验证标签信息包括使用验证信息或权限验证信息；

将多个上述验证信息输入至上述经训练的上述梯度提升机，输出验证分类结果；

根据上述验证分类结果和多个上述验证标签信息计算分类准确率；

在上述分类准确率不满足准确率阈值的情况下，根据上述验证分类结果迭代地对上述经训练的上述梯度提升机的参数进行调整；

在上述分类准确率满足准确率阈值的情况下，将上述经训练的上述梯度提升机确定为最终的梯度提升机。

根据本公开的实施例，上述文件属性信息还包括文件属主信息；

其中，上述文件处理方法还包括：

根据目标文件的文件属主信息，将上述目标文件传输至属主设备，以使得上述属主设备对上述目标文件进行可视化展示，其中，上述目标文件包括以下至少一种：目标删除文件和待确认文件；

响应于上述属主设备发送的删除指令，将与上述目标文件对应的上述待处理文件从上述目标数据库中删除。

根据本公开的实施例，在进行分类处理之前，还包括：

在上述待处理文件的文件属性信息存在数据缺失的情况下，基于预设补全规则对上述文件属性信息进行补全处理，得到新的文件属性信息。

根据本公开的实施例，上述文件属性信息还包括以下至少一种：文件属主信息、创建时间信息、组别信息、文件名称信息和上述读写权限信息；

其中，上述基于预设补全规则对上述文件属性信息进行补全处理，得到新的文件属性信息，包括：

根据上述文件属性信息确定与上述待处理文件关联的文件夹信息；

根据与上述文件夹信息对应的属性信息对上述文件属性信息进行补全处理，得到与上述待处理文件对应的上述新的文件属性信息。

本公开的第二方面提供了一种文件处理装置，包括：

调用模块，用于响应于文件处理请求，调用数据接口从目标数据库中获取多个待处理文件以及与每个上述待处理文件对应的文件属性信息，其中，上述文件属性信息包括上述待处理文件的使用信息和读写权限信息；

第一分类模块，用于根据上述待处理文件的使用信息利用第一分类算法对多个待处理文件进行分类处理，得到第一分类结果；

第一确定模块，用于在上述第一分类结果表明上述待处理文件的使用信息满足预设使用条件的情况下，将上述待处理文件确定为待删除文件；

第二分类模块，用于根据上述待删除文件的读写权限信息利用第二分类算法对上述待删除文件进行分类处理，得到第二分类结果；

第二确定模块，用于在上述第二分类结果表明上述待删除文件不属于与预设文件类型的情况下，将上述待删除文件确定为目标删除文件。

本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述方法。

本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。

本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法。

通过利用第一分类算法对文件的使用信息进行分类处理，可以根据待处理文件在多个周期内的使用情况确定待处理文件是否为待删除文件，此后利用第二分类算法基于读写权限信息对待删除文件进行二次分类，可以准确地对待删除文件的文件类型进行分类，从而能够得到及时获知该待处理文件是否属于需要删除的目标删除文件，进而能够及时对目标数据库中存储的大量文件进行分类确定是否需要向文件属主提示对存储的某些文件进行清理，避免数据库长期被无用文件占用所造成的资源浪费以及人工对每个待处理文件是否删除进行确认造成的筛选效率低下的问题。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的文件处理方法的应用场景图；

图2示意性示出了根据本公开实施例的文件处理方法的流程图；

图3示意性示出了根据本公开实施例的梯度提升机的训练方法的流程图；

图4示意性示出了根据本公开实施例的接受者操作特性曲线示意图；

图5示意性示出了根据本公开实施例的文件处理装置的结构框图；以及

图6示意性示出了根据本公开实施例的适于实现文件处理方法的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

在本公开的技术方案中，所涉及的数据(如包括但不限于用户个人信息)的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。

本公开的实施例提供了一种文件处理方法、文件处理装置、电子设备及存储介质，该方法包括：响应于文件处理请求，调用数据接口从目标数据库中获取多个待处理文件以及与每个待处理文件对应的文件属性信息，其中，文件属性信息包括待处理文件的使用信息和读写权限信息；根据待处理文件的使用信息利用第一分类算法对多个待处理文件进行分类处理，得到第一分类结果；在第一分类结果表明待处理文件的使用信息满足预设使用条件的情况下，将待处理文件确定为待删除文件；根据待删除文件的读写权限信息利用第二分类算法对待删除文件进行分类处理，得到第二分类结果；在第二分类结果表明待删除文件不属于与预设文件类型的情况下，将待删除文件确定为目标删除文件。

图1示意性示出了根据本公开实施例的文件处理方法的应用场景图。

如图1所示，根据该实施例的应用场景100可以包括金融领域中的文件服务器。网络104用以在第一终端设备101、第二终端设备102、第三终端设备103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用第一终端设备101、第二终端设备102、第三终端设备103中的至少一个通过网络104与服务器105交互，以接收或发送消息等。第一终端设备101、第二终端设备102、第三终端设备103上可以安装有各种通讯客户端应用，例如文件处理类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

第一终端设备101、第二终端设备102、第三终端设备103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用第一终端设备101、第二终端设备102、第三终端设备103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的文件处理方法一般可以由服务器105执行。相应地，本公开实施例所提供的文件处理装置一般可以设置于服务器105中。本公开实施例所提供的文件处理方法也可以由不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的文件处理装置也可以设置于不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

以下将基于图1描述的场景，通过图2～图6对公开实施例的文件处理方法进行详细描述。

图2示意性示出了根据本公开实施例的文件处理方法的流程图。

如图2所示，该实施例的文件处理方法包括操作S210～操作S250。

在操作S210，响应于文件处理请求，调用数据接口从目标数据库中获取多个待处理文件以及与每个待处理文件对应的文件属性信息，其中，文件属性信息包括待处理文件的使用信息和读写权限信息。

在操作S220，根据待处理文件的使用信息利用第一分类算法对多个待处理文件进行分类处理，得到第一分类结果。

在操作S230，在第一分类结果表明待处理文件的使用信息满足预设使用条件的情况下，将待处理文件确定为待删除文件。

在操作S240，根据待删除文件的读写权限信息利用第二分类算法对待删除文件进行分类处理，得到第二分类结果。

在操作S250，在第二分类结果表明待删除文件不属于与预设文件类型的情况下，将待删除文件确定为目标删除文件。

根据本公开的实施例，多个待处理文件可以存储在一个目标数据库中，也可以存储在多个目标数据库中，目标数据库可以位于服务器或者个人计算机的存储器中。使用信息可以指在预设周期或者时间段内文件被查看或者下载的情况，例如次数或者频率。读写权限信息可以包括只读、读写、执行、全权限等。第一分类算法和第二分类算法可以是梯度提升树算法(Gradient Boosting Machine，GBM)、二叉树(Binary Tree)算法等分类算法中的任一个。若第一分类算法和第二分类算法分别使用上述两种不同的分类算法，能够避免第一分类算法和第二分类算法中某一算法得到的分类结果存在误差时，另一个算法能够对该误差进行适当的纠正，从而进一步提升待处理文件的识别准确率。

根据本公开的实施例，文件处理请求可以由工作人员在输入设备上输入，也可以是在间隔一固定时间段后系统自动生成。

根据本公开的实施例，响应于文件处理请求，调用数据接口从目标数据库中获取多个待处理文件以及与每个待处理文件对应的文件属性信息，利用第一分类算法根据待处理文件的使用信息对多个待处理文件进行分类处理，得到第一分类结果，第一分类结果中通过使用信息对不同的待处理文件进行了归类，其中，某一类别表征该类别的待处理文件的使用信息为预设使用条件，从而将该类别下的所有待处理文件确定为待删除文件，其中，预设使用条件可以指文件在几个周期内均未被使用过，或者是指文件的被查看或者下载的次数或频率低于预设数值。

根据本公开的实施例，在确定该待处理文件为待删除文件的情况下，需要利用第二分类算法对该类别下的所有的待删除文件进行二次分类，得到第二分类结果，第二分类结果中通过读写权限信息对不同的待删除文件进行了归类，其中，不同文件类型的读写权限信息不同，例如会议类文件的读写权限信息仅为只读，而开发类文件的读写权限信息则为读取执行写入，因此在第二分类结果中某一类别表征该类别下的待删除文件属于预设文件类型的情况下，此时可以将该类别下的所有待删除文件确定为目标删除文件，其中，预设文件类型可以指重要文件，例如，非重要文件包括团体活动类文件、软件开发类文件等，重要文件可以指会议类文件、产品数据文件等。

需要说明的是，上述预设文件类型可以根据实际情况进行具体调整，并非限制本公开的预设文件类型只能为上述示例。

根据本公开的实施例，通过利用第一分类算法对文件的使用信息进行分类处理，可以根据待处理文件在多个周期内的使用情况确定待处理文件是否为待删除文件，此后利用第二分类算法基于读写权限信息对待删除文件进行二次分类，可以准确地对待删除文件的文件类型进行分类，从而能够得到及时获知该待处理文件是否属于需要删除的目标删除文件，进而能够及时对目标数据库中存储的大量文件进行分类确定是否需要向文件属主提示对存储的某些文件进行清理，避免数据库长期被无用文件占用所造成的资源浪费以及人工对每个待处理文件是否删除进行确认造成的筛选效率低下的问题。

根据本公开的实施例，文件处理方法还包括如下操作：

在第二分类结果表明待删除文件属于与预设文件类型的情况下，将待删除文件确定为待确认文件。

在一种实施例，在第二分类结果表明该待删除文件为会议类文件的情况下，可以将该待删除文件确定为待确认文件，该待确认文件可以向文件属主进行展示以让文件属主确认是否可以删除该待确认文件。通过文件属主对该待确认文件进行二次确认可以避免目标服务器中存储大量的文件造成的资源浪费的问题，实现了文件的及时确认、清理的效果。

图3示意性示出了根据本公开实施例的梯度提升机的训练方法的流程图。

根据本公开的实施例，第一分类算法和第二分类算法均包括梯度提升机，梯度提升机是基于梯度提升树算法或二叉树算法构建的。

根据本公开的实施例，如图3所示，梯度提升机的训练方法包括操作S310～操作S350。

在操作S310，获取训练样本集，其中，训练样本集包括多个训练信息和与每个训练信息对应的标签信息，训练信息包括训练使用信息或训练权限信息，标签信息包括标签使用信息或标签权限信息；

在操作S320，将多个训练信息输入初始梯度提升机，输出训练分类信息，其中，训练分类信息表征每个训练信息是否属于删除信息类型；

在操作S330，根据训练分类信息和多个标签信息确定曲线下面积；

在操作S340，在曲线下面积满足不预设数值的情况下，利用初始梯度提升机迭代地对多个训练信息进行分类处理，以得到新的训练分类信息；

在操作S350，在曲线下面积满足预设数值的情况下，将初始梯度提升机确定为经训练的梯度提升机。

根据本公开的实施例，初始梯度提升机在处理多个训练信息时是基于二分类原理进行分类，从而得到训练分类信息，根据多个训练分类信息和每个训练分类信息对应的标签信息得到曲线下面积，即AUC值，在曲线下面积满足预设数值的情况下即可以将该初始梯度提升机确定为经训练的梯度提升机。

需要说明的是，AUC值一般在0.5至1之间，0.5为随机分类，1为完全分类。当AUC值接近1时，模型效果最好。因此，本公开的预设数值应尽可能地接近于1，例如可以设置为0.9。

图4示意性示出了根据本公开实施例的接受者操作特性曲线示意图。

根据本公开的实施例，根据训练分类信息和多个标签信息确定曲线下面积，包括：

根据训练分类信息构建接受者操作特性曲线；

根据接受者操作特性曲线与参考线确定曲线下面积，其中，参考线是根据多个标签信息构建的。

根据本公开的实施例，在构建操作特性曲线时，即ROC曲线，需要根据训练分类信息和多个标签信息生成如表1所示的对照表。

表1

其中，正、负可以分别指两种分类结果，例如训练分类中的正、负可以分别指训练使用信息是否在多个周期内被查看或者下载，同理，标签分类中的正、负可以分别指基于标签使用信息确定的多个周期内被查看或者下载。TP、FIV、FP、TIV分别为对应数值的字母表示。

根据本公开的实施例，根据表1分别确定假正率FPR(False Positive Rate)和真正率TPR(True Positive Rate)，其中，FPR和TPR的计算分别如公式(1)和公式(2)所示：

FPR ＝ FP/(FP+TN) (1)

TPR ＝ TP/(TP+FN) (2)

其中，假正率FPR表示错误的判定为正例的概率，真正率TPR表示正确的判定为正例的概率。

根据本公开的实施例，以假正率FPR作为横坐标、真正率TPR作为纵坐标构建坐标系，即可得到接受者操作特性曲线，如图4所示。图中直线(即参考线)上方的三条曲线即在三次迭代(第i-1次迭代、第i次迭代、第i+1次迭代)中产生的三条接受者操作特性曲线。

根据本公开的实施例，针对每条接受者操作特性曲线，根据参考线即可确定该接受者操作特性曲线与参考线之间的曲线下面积。由图4可知，最靠近纵坐标的曲线(即第i+1次迭代)其曲线下面积最大，此时对应的梯度提升机的分类效果要优于其他两条曲线对应的梯度提升机的分类效果。

根据本公开的实施例，文件处理方法还包括如下操作：

获取验证样本集，其中，验证样本集包括多个验证信息和与每个验证信息对应的验证标签信息，验证信息包括验证使用信息或验证权限信息，验证标签信息包括使用验证信息或权限验证信息；

将多个验证信息输入至经训练的梯度提升机，输出验证分类结果；

根据验证分类结果和多个验证标签信息计算分类准确率；

在分类准确率不满足准确率阈值的情况下，根据验证分类结果迭代地对经训练的梯度提升机的参数进行调整；

在分类准确率满足准确率阈值的情况下，将经训练的梯度提升机确定为最终的梯度提升机。

根据本公开的实施例，为了保证训练后的梯度提升机的分类效果能够在文件处理方法中达到优良的效果，可以在训练后利用验证样本集对梯度提升机的分类效果进行验证，其中，训练样本集和验证样本集中样本数量的比例可以为7:2。

根据本公开的实施例，在验证的过程中，通过利用梯度提升机输出的验证分类结果与验证标签信息进行分类准确率的计算，若分类准确率不满足准确率阈值的情况下，可以利用验证样本集重新对梯度提升机进行训练，也可以利用上述训练样本集对其进行训练，直至验证样本集验证得到的分类准确率满足该预设的准确率阈值。

需要说明的是，准确率阈值的大小决定了梯度提升机的分类准确率，该准确率阈值可以根据实际需求具体设定，例如在本公开的实施例中可以将其设定为95％。

根据本公开的实施例，还可以设置测试集对该梯度提升机的准确性进行测试，其中，训练样本集、验证样本集、测试集中样本数量的比例可以为7:2:1。由于测试与验证的方法大体相同，在此不进行赘述。

根据本公开的实施例，文件属性信息还包括文件属主信息。

根据本公开的实施例，文件处理方法还包括如下操作：

根据目标文件的文件属主信息，将目标文件传输至属主设备，以使得属主设备对目标文件进行可视化展示，其中，目标文件包括以下至少一种：目标删除文件和待确认文件；

响应于属主设备发送的删除指令，将与目标文件对应的待处理文件从目标数据库中删除。

根据本公开的实施例，为了避免直接删除文件可能误删除文件属主的文件，因此需要将本公开方法确定的目标文件在对应属主的属主设备上进行可视化展示，只有文件属主在属主设备上确认该文件可以删除并输入删除指令的情况下，才会将目标数据库中的目标文件进行删除。

根据本公开的实施例，通过文件属主对目标文件的确认，能够保证目标数据库中存储的文件的安全性，避免在文件属主不知情的情况下擅自对待处理文件进行删除造成的文件安全性降低的问题。

根据本公开的实施例，在进行分类处理之前，还包括如下操作：

在待处理文件的文件属性信息存在数据缺失的情况下，基于预设补全规则对文件属性信息进行补全处理，得到新的文件属性信息。

根据本公开的实施例，由于目标数据库中存储的待处理文件的创建时间不确定，例如部分文件的创建时间较为长远，从而可能使得部分文件的文件属性信息发生缺失，在此情况下，利用本公开的文件处理方法可能无法准确地对待处理文件进行分类，因此，在进行分类处理之前需要利用预设补全规则对文件属性信息进行补全。

根据本公开的实施例，文件属性信息还包括以下至少一种：文件属主信息、创建时间信息、组别信息、文件名称信息、文件大小信息和读写权限信息。

根据本公开的实施例，基于预设补全规则对文件属性信息进行补全处理，得到新的文件属性信息，包括如下操作：

根据文件属性信息确定与待处理文件关联的文件夹信息；

根据与文件夹信息对应的属性信息对文件属性信息进行补全处理，得到与待处理文件对应的新的文件属性信息。

根据本公开的实施例，预设补全规则可以指根据与该待处理文件关联的文件夹信息对该待处理文件的文件属性信息进行补全。

在一种实施例中，若该待处理文件存在文件属性缺失的情况，则可以将该待处理文件的父文件夹的文件夹信息对该待处理文件进行属性补全，例如该待处理文件的属主信息缺失，而关联的文件夹的属主为A，则可以将该待处理文件的属主信息更新为A。以下用具体示例对补全进行示例性说明。

在一种实施例中，如表2所示，待处理文件D和E可能经过几次文件迁移造成文件属主信息缺失。

表2

待处理文件	文件属主信息
		A	杨XX
B	赵XX
		C	李XX
D	未知
		E	未知

根据本公开的实施例，通过查询待处理文件D和E的父文件夹属主，例如D文件的父文件夹属主为冯XX，E文件为石XX，则可以对待处理文件D和E的文件属主信息进行补全，如表3所示。

表3

待处理文件	文件属主信息
		A	杨XX
B	赵XX
		C	李XX
D	冯XX
		E	石XX

根据本公开的实施例，为了便于梯度提升机的分类和学习，可以对待处理文件或者训练样本集中文件的文件属性信息进行特征编码处理，例如可针对不同的读写权限信息可以进行表4所示的特征编码。

表4

同理，针对不同周期的使用信息同样可以对其进行特征编码，如表5所示。

表5

上个周期是否使用	本周期是否使用	下个周期是否使用	标签
				1	1	1	1
1	1	0	1
				1	0	1	1
1	0	0	1
				0	1	1	1
0	1	0	0
				0	0	0	丢弃
0	0	1	可能丢弃

其中，表5中的标签可以是第一分类结果，例如，“丢弃”可以指待删除文件，“可能丢弃”可以指第一次分类后确定的待确认文件，针对该文件同样可以利用第二分类算法对其进行二次分类，以确定该待确认文件是否为目标删除文件。

基于上述文件处理方法，本公开还提供了一种文件处理装置。以下将结合图5对该装置进行详细描述。

图5示意性示出了根据本公开实施例的文件处理装置的结构框图。

如图5所示，该实施例的文件处理装置500包括调用模块510、第一分类模块520、第一确定模块530、第二分类模块540和第二确定模块550。

调用模块510，用于响应于文件处理请求，调用数据接口从目标数据库中获取多个待处理文件以及与每个待处理文件对应的文件属性信息，其中，文件属性信息包括待处理文件的使用信息和读写权限信息。

第一分类模块520，用于根据待处理文件的使用信息利用第一分类算法对多个待处理文件进行分类处理，得到第一分类结果。

第一确定模块530，用于在第一分类结果表明待处理文件的使用信息满足预设使用条件的情况下，将待处理文件确定为待删除文件。

第二分类模块540，用于根据待删除文件的读写权限信息利用第二分类算法对待删除文件进行分类处理，得到第二分类结果。

第二确定模块550，用于在第二分类结果表明待删除文件不属于与预设文件类型的情况下，将待删除文件确定为目标删除文件。

根据本公开的实施例，通过利用第一分类算法对文件的使用信息进行分类处理，可以根据待处理文件在多个周期内的使用情况确定待处理文件是否为待删除文件，此后利用第二分类算法基于读写权限信息对待删除文件进行二次分类，可以准确地对待删除文件的文件类型进行分类，从而能够得到及时获知该待处理文件是否属于需要删除的目标删除文件，进而能够及时对目标数据库中存储的大量文件进行分类确定是否需要向文件属主提示对存储的某些文件进行清理，避免数据库长期被无用文件占用所造成的资源浪费以及人工对每个待处理文件是否删除进行确认造成的筛选效率低下的问题。

根据本公开的实施例，文件处理装置500还包括第三确定模块。

第三确定模块，用于在第二分类结果表明待删除文件属于与预设文件类型的情况下，将待删除文件确定为待确认文件。

根据本公开的实施例，第一分类算法和第二分类算法均包括梯度提升机，梯度提升机是基于梯度提升树算法构建的。

根据本公开的实施例，梯度提升机是通过第一获取单元、第一分类单元、第一确定单元、第一迭代单元和第二确定单元训练的。

第一获取单元，用于获取训练样本集，其中，训练样本集包括多个训练信息和与每个训练信息对应的标签信息，训练信息包括训练使用信息或训练权限信息，标签信息包括标签使用信息或标签权限信息。

第一分类单元，用于将多个训练信息输入初始梯度提升机，输出训练分类信息，其中，训练分类信息表征每个训练信息是否属于删除信息类型。

第一确定单元，用于根据训练分类信息和多个标签信息确定曲线下面积。

第一迭代单元，用于在曲线下面积满足不预设数值的情况下，利用初始梯度提升机迭代地对多个训练信息进行分类处理，以得到新的训练分类信息。

第二确定单元，用于在曲线下面积满足预设数值的情况下，将初始梯度提升机确定为经训练的梯度提升机。

根据本公开的实施例，第一确定单元包括构建子单元和确定子单元。

构建子单元，用于根据训练分类信息构建接受者操作特性曲线。

确定子单元，用于根据接受者操作特性曲线与参考线确定曲线下面积，其中，参考线是根据多个标签信息构建的。

根据本公开的实施例，梯度提升机的训练还包括第二获取单元、第二分类单元、计算单元、第二迭代单元和第三确定单元。

第二获取单元，用于获取验证样本集，其中，验证样本集包括多个验证信息和与每个验证信息对应的验证标签信息，验证信息包括验证使用信息或验证权限信息，验证标签信息包括使用验证信息或权限验证信息。

第二分类单元，用于将多个验证信息输入至经训练的梯度提升机，输出验证分类结果。

计算单元，用于根据验证分类结果和多个验证标签信息计算分类准确率。

第二迭代单元，用于在分类准确率不满足准确率阈值的情况下，根据验证分类结果迭代地对经训练的梯度提升机的参数进行调整。

第三确定单元，用于在分类准确率满足准确率阈值的情况下，将经训练的梯度提升机确定为最终的梯度提升机。

根据本公开的实施例，文件属性信息还包括文件属主信息。

根据本公开的实施例，文件处理装置500还包括可视化模块和删除模块。

可视化模块，用于根据目标文件的文件属主信息，将目标文件传输至属主设备，以使得属主设备对目标文件进行可视化展示，其中，目标文件包括以下至少一种：目标删除文件和待确认文件。

删除模块，用于响应于属主设备发送的删除指令，将与目标文件对应的待处理文件从目标数据库中删除。

根据本公开的实施例，文件处理装置500还包括补全模块。

补全模块，用于在待处理文件的文件属性信息存在数据缺失的情况下，基于预设补全规则对文件属性信息进行补全处理，得到新的文件属性信息。

根据本公开的实施例，文件属性信息还包括以下至少一种：文件属主信息、创建时间信息、组别信息、文件名称信息和读写权限信息。

根据本公开的实施例，补全模块包括第四确定单元和补全单元。

第四确定单元，用于根据文件属性信息确定与待处理文件关联的文件夹信息。

补全单元，用于根据与文件夹信息对应的属性信息对文件属性信息进行补全处理，得到与待处理文件对应的新的文件属性信息。

根据本公开的实施例，调用模块510、第一分类模块520、第一确定模块530、第二分类模块540和第二确定模块550中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，调用模块510、第一分类模块520、第一确定模块530、第二分类模块540和第二确定模块550中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，调用模块510、第一分类模块520、第一确定模块530、第二分类模块540和第二确定模块550中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图6示意性示出了根据本公开实施例的适于实现文件处理方法的电子设备的方框图。

如图6所示，根据本公开实施例的电子设备600包括处理器601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 603中，存储有电子设备600操作所需的各种程序和数据。处理器601、ROM602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 602和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备600还可以包括输入/输出(I/O)接口605，输入/输出(I/O)接口605也连接至总线604。电子设备600还可以包括连接至输入/输出(I/O)接口605的以下部件中的一项或多项：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至输入/输出(I/O)接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的文件处理方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的文件处理方法。

在该计算机程序被处理器601执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分609被下载和安装，和/或从可拆卸介质611被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (12)

1.一种文件处理方法，包括：

响应于文件处理请求，调用数据接口从目标数据库中获取多个待处理文件以及与每个所述待处理文件对应的文件属性信息，其中，所述文件属性信息包括所述待处理文件的使用信息和读写权限信息；

根据所述待处理文件的使用信息利用第一分类算法对多个待处理文件进行分类处理，得到第一分类结果；

在所述第一分类结果表明所述待处理文件的使用信息满足预设使用条件的情况下，将所述待处理文件确定为待删除文件；

根据所述待删除文件的读写权限信息利用第二分类算法对所述待删除文件进行分类处理，得到第二分类结果；

在所述第二分类结果表明所述待删除文件不属于与预设文件类型的情况下，将所述待删除文件确定为目标删除文件。

2.根据权利要求1所述的方法，还包括：

在所述第二分类结果表明所述待删除文件属于与预设文件类型的情况下，将所述待删除文件确定为待确认文件。

3.根据权利要求1所述的方法，其中，所述第一分类算法和所述第二分类算法均包括梯度提升机，所述梯度提升机是基于梯度提升树算法构建的；

其中，所述梯度提升机是通过如下方式训练的：

获取训练样本集，其中，所述训练样本集包括多个训练信息和与每个所述训练信息对应的标签信息，所述训练信息包括训练使用信息或训练权限信息，所述标签信息包括标签使用信息或标签权限信息；

将多个所述训练信息输入初始梯度提升机，输出训练分类信息，其中，所述训练分类信息表征每个所述训练信息是否属于删除信息类型；

根据所述训练分类信息和多个所述标签信息确定曲线下面积；

在所述曲线下面积满足不预设数值的情况下，利用所述初始梯度提升机迭代地对多个所述训练信息进行分类处理，以得到新的训练分类信息；

在所述曲线下面积满足预设数值的情况下，将所述初始梯度提升机确定为经训练的所述梯度提升机。

4.根据权利要求3所述的方法，其中，所述根据所述训练分类信息和多个所述标签信息确定曲线下面积，包括：

根据所述训练分类信息构建接受者操作特性曲线；

根据所述接受者操作特性曲线与参考线确定所述曲线下面积，其中，所述参考线是根据多个所述标签信息构建的。

5.根据权利要求3所述的方法，还包括：

获取验证样本集，其中，所述验证样本集包括多个验证信息和与每个所述验证信息对应的验证标签信息，所述验证信息包括验证使用信息或验证权限信息，所述验证标签信息包括使用验证信息或权限验证信息；

将多个所述验证信息输入至所述经训练的所述梯度提升机，输出验证分类结果；

根据所述验证分类结果和多个所述验证标签信息计算分类准确率；

在所述分类准确率不满足准确率阈值的情况下，根据所述验证分类结果迭代地对所述经训练的所述梯度提升机的参数进行调整；

在所述分类准确率满足准确率阈值的情况下，将所述经训练的所述梯度提升机确定为最终的梯度提升机。

6.根据权利要求1～5中任一项所述的方法，所述文件属性信息还包括文件属主信息；

其中，所述文件处理方法还包括：

根据目标文件的文件属主信息，将所述目标文件传输至属主设备，以使得所述属主设备对所述目标文件进行可视化展示，其中，所述目标文件包括以下至少一种：目标删除文件和待确认文件；

响应于所述属主设备发送的删除指令，将与所述目标文件对应的所述待处理文件从所述目标数据库中删除。

7.根据权利要求1所述的方法，其中，在进行分类处理之前，还包括：

在所述待处理文件的文件属性信息存在数据缺失的情况下，基于预设补全规则对所述文件属性信息进行补全处理，得到新的文件属性信息。

8.根据权利要求7所述的方法，所述文件属性信息还包括以下至少一种：文件属主信息、创建时间信息、组别信息、文件名称信息和所述读写权限信息；

其中，所述基于预设补全规则对所述文件属性信息进行补全处理，得到新的文件属性信息，包括：

根据所述文件属性信息确定与所述待处理文件关联的文件夹信息；

根据与所述文件夹信息对应的属性信息对所述文件属性信息进行补全处理，得到与所述待处理文件对应的所述新的文件属性信息。

9.一种文件处理装置，包括：

调用模块，用于响应于文件处理请求，调用数据接口从目标数据库中获取多个待处理文件以及与每个所述待处理文件对应的文件属性信息，其中，所述文件属性信息包括所述待处理文件的使用信息和读写权限信息；

第一分类模块，用于根据所述待处理文件的使用信息利用第一分类算法对多个待处理文件进行分类处理，得到第一分类结果；

第一确定模块，用于在所述第一分类结果表明所述待处理文件的使用信息满足预设使用条件的情况下，将所述待处理文件确定为待删除文件；

第二分类模块，用于根据所述待删除文件的读写权限信息利用第二分类算法对所述待删除文件进行分类处理，得到第二分类结果；

第二确定模块，用于在所述第二分类结果表明所述待删除文件不属于与预设文件类型的情况下，将所述待删除文件确定为目标删除文IB231933

件。

10.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～8中任一项所述的方法。

11.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～8中任一项所述的方法。

12.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1～8中任一项所述的方法。

Images