CN116628049B - 一种基于大数据的信息系统维护管理系统及方法 - Google Patents

Abstract

本发明实施例中提供了一种基于大数据的信息系统维护管理系统及方法，属于大数据技术领域，该方法包括：获取信息系统中存储的N个不同分类的数据单元以及所述N个不同分类的数据单元在预设时间段内的搜索次数向量；对N个不同分类的数据单元的搜索历史字段进行分析，生成与所述M个搜索项目相关的关联矩阵；利用所述关联矩阵对所述N个不同分类的数据单元中存储的数据进行特征计算；在信息系统中获得新的搜索内容S之后，将所述搜索内容S通过所述搜索项目P以及关联矩阵G进行归一化计算。采用本方案，能够精确的对信息系统中存储的数据进行管理，提升数据管理的效率。

Description

一种基于大数据的信息系统维护管理系统及方法

技术领域

本发明涉及大数据技术领域，尤其涉及一种基于大数据的信息系统维护管理系统及方法。

背景技术

“大数据”（Big data）是一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。从技术上看，大数据与云计算的关系密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。大数据通常包括大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。

大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（MPP）数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。

在信息系统维护的过程中，如何基于大数据技术来挖掘信息系统数据之间的联系，进而提高信息系统维护管理的效率，是需要解决的问题。

发明内容

有鉴于此，本发明实施例提供一种基于大数据的信息系统维护管理系统及方法，至少部分解决现有技术中存在的问题。

第一方面，本发明实施例提供了一种基于大数据的信息系统维护管理方法，包括：

获取信息系统中存储的N个不同分类的数据单元以及所述N个不同分类的数据单元在预设时间段内的搜索次数向量K=[K1,K2,…KN]；

对N个不同分类的数据单元的搜索历史字段进行分析，获得M个搜索项目P=[P1,P2,…PM]，通过挖掘所述M个搜索项目之间的内在匹配度、以及搜索次数向量K在M个搜索项目上的分布，生成与所述M个搜索项目相关的关联矩阵G={G1, G2,…GM}；

利用所述关联矩阵对所述N个不同分类的数据单元中存储的数据进行特征计算，得到N个数据特征矩阵T={T1, T2,… TN}；

在信息系统中获得新的搜索内容S之后，将所述搜索内容S通过所述搜索项目P以及关联矩阵G进行归一化计算，得到搜索矩阵H，以便于基于搜索矩阵H与数据特征矩阵T={T1, T2,… TN}之间的相似度，确定在N个不同分类的数据单元中选取L个数据单元进行数据检索，其中，L＜N。

根据本公开实施例的一种具体实现方式，所述获取信息系统中存储的N个不同分类的数据单元以及所述N个不同分类的数据单元在预设时间段内的搜索次数向量K=[K1,K2,…KN]，包括：

对信息系统中存在的所有数据进行关联性分析；

基于关联性分析的结果，确定N个具有数据关联的数据组成部分；

将N个具有数据关联的数据组成部分确定为N个不同分类的数据单元。

根据本公开实施例的一种具体实现方式，所述获取信息系统中存储的N个不同分类的数据单元以及所述N个不同分类的数据单元在预设时间段内的搜索次数向量K=[K1,K2,…KN]，包括：

针对N个不同分类数据单元中的第i个数据单元，获取其在预设时间段内的搜索次数Ki；

通过遍历N个不同分类的数据单元，获得N个不同分类的数据单元在预设时间段内的搜索次数向量K=[K1,K2,…KN]。

根据本公开实施例的一种具体实现方式，所述对N个不同分类的数据单元的搜索历史字段进行分析，获得M个搜索项目P=[P1,P2,…PM]，包括：

定义N个不同分类的数据单元中搜索项目中包含的关键字Ki的数量为ni，关键字Ki在第i个数据单元中出现的次数为fi，第i个数据单元中出现的关键词的数目为bi：

则定义搜索项目Pi对应的特征值；

基于搜索项目Pi对应的特征值Di，形成特征值向量D=[D1,D2,…DM]。

根据本公开实施例的一种具体实现方式，所述通过挖掘所述M个搜索项目之间的内在匹配度、以及搜索次数向量K在M个搜索项目上的分布，生成与所述M个搜索项目相关的关联矩阵G={G1, G2,…GM}，包括：

计算搜索项目Pi对应的特征值Di对应的匹配度值Ui=J(Di, Dj)，其中，i，j小于等于M，J(Di, Dj)为特征值Di与特征值 Dj之间的相似度值；

将匹配度向量U=[U1,U2,…UM]与搜索次数向量K=[K1,K2,…KN]进行向量计算，得到关联矩阵G={G1, G2,…GM}，其中Gi=Ui*K’。

根据本公开实施例的一种具体实现方式，所述利用所述关联矩阵对所述N个不同分类的数据单元中存储的数据进行特征计算，得到N个数据特征矩阵T={T1, T2,… TN}，包括：

计算项目P和N个不同分类的数据单元对应的关键字之间的相似性矩阵；

将所述相似性矩阵与所述关联矩阵G={G1, G2,…GM}进行矩阵乘法计算，得到N个数据特征矩阵T={T1, T2,… TN}。

根据本公开实施例的一种具体实现方式，所述利用所述关联矩阵对所述N个不同分类的数据单元中存储的数据进行特征计算，得到N个数据特征矩阵T={T1, T2,… TN}之后，还包括：

计算N个数据特征矩阵T={T1, T2,… TN}中每个特征矩阵的特征值。

根据本公开实施例的一种具体实现方式，所述在信息系统中获得新的搜索内容S之后，将所述搜索内容S通过所述搜索项目P以及关联矩阵G进行归一化计算，得到搜索矩阵H，包括：

对所述搜索内容S进行数据解析，得到搜索内容所包含的关键词序列Z；

将关键词序列Z与搜索项目P中包含的关键词进行匹配计算，得到匹配向量Y；

将所述匹配向量Y与所述关联矩阵G进行计算，得到搜索矩阵H。

根据本公开实施例的一种具体实现方式，所述基于搜索矩阵H与数据特征矩阵T={T1, T2,… TN}之间的相似度，确定在N个不同分类的数据单元中选取L个数据单元进行数据检索，包括：

针对搜索矩阵H与数据特征矩阵T的计算结果，进行特征值计算，得到特征值序列；

在所述特征值序列中，选取特征值大于预设值的特征值所对应的L个数据单元；

在所述L个数据单元中进行数据检索。

第二方面，本发明实施例提供了一种基于大数据的信息系统维护管理系统，包括：

获取模块，用于获取信息系统中存储的N个不同分类的数据单元以及所述N个不同分类的数据单元在预设时间段内的搜索次数向量K=[K1,K2,…KN]；

分析模块，用于对N个不同分类的数据单元的搜索历史字段进行分析，获得M个搜索项目P=[P1,P2,…PM]，通过挖掘所述M个搜索项目之间的内在匹配度、以及搜索次数向量K在M个搜索项目上的分布，生成与所述M个搜索项目相关的关联矩阵G={G1, G2,…GM}；

计算模块，用于利用所述关联矩阵对所述N个不同分类的数据单元中存储的数据进行特征计算，得到N个数据特征矩阵T={T1, T2,… TN}；

确定模块，用于在信息系统中获得新的搜索内容S之后，将所述搜索内容S通过所述搜索项目P以及关联矩阵G进行归一化计算，得到搜索矩阵H，以便于基于搜索矩阵H与数据特征矩阵T={T1, T2,… TN}之间的相似度，确定在N个不同分类的数据单元中选取L个数据单元进行数据检索，其中，L＜N。

第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：

至少一个处理器；以及，

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述任第一方面或第一方面的任一实现方式中的基于大数据的信息系统维护管理方法。

第四方面，本发明实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的基于大数据的信息系统维护管理方法。

第五方面，本发明实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述第一方面或第一方面的任一实现方式中的基于大数据的信息系统维护管理方法。

本发明实施例中的基于大数据的信息系统维护管理方案，包括：获取信息系统中存储的N个不同分类的数据单元以及所述N个不同分类的数据单元在预设时间段内的搜索次数向量K=[K1,K2,…KN]；对N个不同分类的数据单元的搜索历史字段进行分析，获得M个搜索项目P=[P1,P2,…PM]，通过挖掘所述M个搜索项目之间的内在匹配度、以及搜索次数向量K在M个搜索项目上的分布，生成与所述M个搜索项目相关的关联矩阵G={G1, G2,…GM}；利用所述关联矩阵对所述N个不同分类的数据单元中存储的数据进行特征计算，得到N个数据特征矩阵T={T1, T2,… TN}；在信息系统中获得新的搜索内容S之后，将所述搜索内容S通过所述搜索项目P以及关联矩阵G进行归一化计算，得到搜索矩阵H，以便于基于搜索矩阵H与数据特征矩阵T={T1, T2,… TN}之间的相似度，确定在N个不同分类的数据单元中选取L个数据单元进行数据检索，其中，L＜N。采用本方案，能够精确的对信息系统中存储的数据进行管理，提高信息系统中数据的检索效率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还根据这些附图获得其它的附图。

图1为本发明实施例提供的基于大数据的信息系统维护管理方法流程示意图；

图2为本发明实施例提供的另一基于大数据的信息系统维护管理方法流程示意图；

图3为本发明实施例提供的另一基于大数据的信息系统维护管理方法流程示意图；

图4为本发明实施例提供的另一基于大数据的信息系统维护管理方法流程示意图；

图5本发明实施例提供的基于大数据的信息系统维护管理系统结构示意图；

图6为本发明实施例提供的电子设备示意图。

实施方式

下面结合附图对本发明实施例进行详细描述。

以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本发明中所描述的方面可体现于广泛多种形式中，且本发明中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本发明中所描述的一个方面可与任何其它方面独立地实施，且各种方式组合这些方面中的两者或两者以上。举例来说，可使用本发明中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本发明中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。

还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。

本公开实施例提供一种基于大数据的信息系统维护管理方法。本实施例提供的基于大数据的信息系统维护管理方法由一计算装置来执行，该计算装置实现为软件，或者实现为软件和硬件的组合，该计算装置集成设置在服务器、终端设备等中。

参见图1，图2，图3及图4，本公开实施例提供了一种基于大数据的信息系统维护管理方法，包括：

S101，获取信息系统中存储的N个不同分类的数据单元以及所述N个不同分类的数据单元在预设时间段内的搜索次数向量K=[K1,K2,…KN]。

信息系统中通常存在海量的数据，且随着时间的累积，海量的数据中通常会潜伏着很多的无用数据或使用频率较低的数据。常规的信息系统在进行数据使用的过程中，通常需要对所有的数据进行检索，这就导致数据管理需要花费较长的时间，同时也会导致数据检索较慢。

为了克服上述问题，可以首先读取信息系统中存储的数据，通过对这些数据进行分析，将这些数据切分成N个不同分类的数据单元。具体的，可以对信息系统中存在的所有数据进行关联性分析，基于关联性分析的结果，确定N个具有数据关联的数据组成部分，将N个具有数据关联的数据组成部分确定为N个不同分类的数据单元。

进一步的，可以获取不同分类的数据单元在预设时间段内的搜索次数，例如，可以针对N个不同分类数据单元中的第i个数据单元，获取其在预设时间段内的搜索次数Ki；通过遍历N个不同分类的数据单元，获得N个不同分类的数据单元在预设时间段内的搜索次数向量K=[K1,K2,…KN] ，通过搜索次数向量K，能够确定不同的数据单元的搜索频次。

S102，对N个不同分类的数据单元的搜索历史字段进行分析，获得M个搜索项目P=[P1,P2,…PM]，通过挖掘所述M个搜索项目之间的内在匹配度、以及搜索次数向量K在M个搜索项目上的分布，生成与所述M个搜索项目相关的关联矩阵G={G1, G2,…GM}。

除了获取数据单元的搜索次数之外，还需要进一步的获取这些搜索次数所对应的搜索历史字段，通过将这些搜索字段进行聚类计算，可以聚合到M个搜索项目P=[P1,P2,…PM]，通过搜索项目能够反映出信息系统通常接收到的信息检索服务内容。

进一步的，可以统计N个不同分类的数据单元中搜索项目中包含的关键字Ki的数量ni，关键字Ki在第i个数据单元中出现的次数fi，以及第i个数据单元中出现的关键词的数目bi，通过统计这些数据，能够进一步的对每个数据单元以及各个搜索项目的特征及重要度进行量化。

可以定义搜索项目Pi对应的特征值，其中max{}为最大值计算函数，这样一来，能够基于搜索项目Pi对应的特征值Di，形成特征值向量D=[D1,D2,…DM]。

可以设置计算函数J，用来计算搜索项目Pi对应的特征值Di对应的匹配度值Ui=J(Di, Dj)，其中，i，j小于等于M，J(Di, Dj)为特征值Di与特征值 Dj之间的相似度值。

将匹配度向量U=[U1,U2,…UM]与搜索次数向量K=[K1,K2,…KN]进行向量计算，得到关联矩阵G={G1, G2,…GM}，其中Gi=Ui*K’，关联矩阵用来表示整个信息系统中各个数据单元的关联特征。

S103，利用所述关联矩阵对所述N个不同分类的数据单元中存储的数据进行特征计算，得到N个数据特征矩阵T={T1, T2,… TN}。

具体的，可以计算项目P和N个不同分类的数据单元对应的关键字之间的相似性矩阵，相似性矩阵可以通过定义相似性函数的方式来获得，将所述相似性矩阵与所述关联矩阵G={G1, G2,…GM}进行矩阵乘法计算，得到N个数据特征矩阵T={T1, T2,… TN}。

S104，在信息系统中获得新的搜索内容S之后，将所述搜索内容S通过所述搜索项目P以及关联矩阵G进行归一化计算，得到搜索矩阵H，以便于基于搜索矩阵H与数据特征矩阵T={T1, T2,… TN}之间的相似度，确定在N个不同分类的数据单元中选取L个数据单元进行数据检索，其中，L＜N。

具体的，可以对所述搜索内容S进行数据解析，得到搜索内容所包含的关键词序列Z；将关键词序列Z与搜索项目P中包含的关键词进行匹配计算，得到匹配向量Y；将所述匹配向量Y与所述关联矩阵G进行计算，得到搜索矩阵H。

针对搜索矩阵H与数据特征矩阵T的计算结果，进行特征值计算，得到特征值序列；在所述特征值序列中，选取特征值大于预设值的特征值所对应的L个数据单元；在所述L个数据单元中进行数据检索。

通过上述实施例的内容，能够针对性的在信息系统的不同数据单元中进行数据检索操作，从而提高了数据检索的效率，也方便对信息系统进行有效的数据管理。

参见图2，根据本公开实施例的一种具体实现方式，所述获取信息系统中存储的N个不同分类的数据单元以及所述N个不同分类的数据单元在预设时间段内的搜索次数向量K=[K1,K2,…KN]，包括：

S201，对信息系统中存在的所有数据进行关联性分析；

S202，基于关联性分析的结果，确定N个具有数据关联的数据组成部分；

S203，将N个具有数据关联的数据组成部分确定为N个不同分类的数据单元。

参见图3，根据本公开实施例的一种具体实现方式，所述获取信息系统中存储的N个不同分类的数据单元以及所述N个不同分类的数据单元在预设时间段内的搜索次数向量K=[K1,K2,…KN]，包括：

S301，针对N个不同分类数据单元中的第i个数据单元，获取其在预设时间段内的搜索次数Ki；

S302，通过遍历N个不同分类的数据单元，获得N个不同分类的数据单元在预设时间段内的搜索次数向量K=[K1,K2,…KN]。

根据本公开实施例的一种具体实现方式，所述对N个不同分类的数据单元的搜索历史字段进行分析，获得M个搜索项目P=[P1,P2,…PM]，包括：

定义N个不同分类的数据单元中搜索项目中包含的关键字Ki的数量为ni，关键字Ki在第i个数据单元中出现的次数为fi，第i个数据单元中出现的关键词的数目为bi；

则定义搜索项目Pi对应的特征值；

基于搜索项目Pi对应的特征值Di，形成特征值向量D=[D1,D2,…DM]。

根据本公开实施例的一种具体实现方式，所述通过挖掘所述M个搜索项目之间的内在匹配度、以及搜索次数向量K在M个搜索项目上的分布，生成与所述M个搜索项目相关的关联矩阵G={G1, G2,…GM}，包括：

计算搜索项目Pi对应的特征值Di对应的匹配度值Ui=J(Di, Dj)，其中，i，j小于等于M，J(Di, Dj)为特征值Di与特征值 Dj之间的相似度值；

将匹配度向量U=[U1,U2,…UM]与搜索次数向量K=[K1,K2,…KN]进行向量计算，得到关联矩阵G={G1, G2,…GM}，其中Gi=Ui*K’。

根据本公开实施例的一种具体实现方式，所述利用所述关联矩阵对所述N个不同分类的数据单元中存储的数据进行特征计算，得到N个数据特征矩阵T={T1, T2,… TN}，包括：

计算项目P和N个不同分类的数据单元对应的关键字之间的相似性矩阵；

将所述相似性矩阵与所述关联矩阵G={G1, G2,…GM}进行矩阵乘法计算，得到N个数据特征矩阵T={T1, T2,… TN}。

根据本公开实施例的一种具体实现方式，所述利用所述关联矩阵对所述N个不同分类的数据单元中存储的数据进行特征计算，得到N个数据特征矩阵T={T1, T2,… TN}之后，还包括：

计算N个数据特征矩阵T={T1, T2,… TN}中每个特征矩阵的特征值。

参见图4，根据本公开实施例的一种具体实现方式，所述在信息系统中获得新的搜索内容S之后，将所述搜索内容S通过所述搜索项目P以及关联矩阵G进行归一化计算，得到搜索矩阵H，包括：

S401，对所述搜索内容S进行数据解析，得到搜索内容所包含的关键词序列Z；

S402，将关键词序列Z与搜索项目P中包含的关键词进行匹配计算，得到匹配向量Y；

S403，将所述匹配向量Y与所述关联矩阵G进行计算，得到搜索矩阵H。

根据本公开实施例的一种具体实现方式，所述基于搜索矩阵H与数据特征矩阵T={T1, T2,… TN}之间的相似度，确定在N个不同分类的数据单元中选取L个数据单元进行数据检索，包括：

针对搜索矩阵H与数据特征矩阵T的计算结果，进行特征值计算，得到特征值序列；

在所述特征值序列中，选取特征值大于预设值的特征值所对应的L个数据单元；

在所述L个数据单元中进行数据检索。

参见图5，本发明实施例还公开了一种基于大数据的信息系统维护管理系统50，包括：

获取模块501，用于获取信息系统中存储的N个不同分类的数据单元以及所述N个不同分类的数据单元在预设时间段内的搜索次数向量K=[K1,K2,…KN]；

分析模块502，用于对N个不同分类的数据单元的搜索历史字段进行分析，获得M个搜索项目P=[P1,P2,…PM]，通过挖掘所述M个搜索项目之间的内在匹配度、以及搜索次数向量K在M个搜索项目上的分布，生成与所述M个搜索项目相关的关联矩阵G={G1, G2,…GM}；

计算模块503，用于利用所述关联矩阵对所述N个不同分类的数据单元中存储的数据进行特征计算，得到N个数据特征矩阵T={T1, T2,… TN}；

确定模块504，用于在信息系统中获得新的搜索内容S之后，将所述搜索内容S通过所述搜索项目P以及关联矩阵G进行归一化计算，得到搜索矩阵H，以便于基于搜索矩阵H与数据特征矩阵T={T1, T2,… TN}之间的相似度，确定在N个不同分类的数据单元中选取L个数据单元进行数据检索，其中，L＜N。

参见图6，本发明实施例还提供了一种电子设备60，该电子设备包括：

至少一个处理器；以及，

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中基于大数据的信息系统维护管理方法。

本发明实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述方法实施例中。

本发明实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述方法实施例中的基于大数据的信息系统维护管理方法。

下面参考图6，其示出了适于用来实现本公开实施例的电子设备60的结构示意图。本公开实施例中的电子设备包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，电子设备60包括处理装置（例如中央处理器、图形处理器等）601，其根据存储在只读存储器（ROM）602中的程序或者从存储装置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。在RAM 603中，还存储有电子设备60操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出（I/O）接口605也连接至总线604。

通常，以下装置连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备60，但是应理解的是，并不要求实施或具备所有示出的装置。替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，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。在这样的实施例中，该计算机程序通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子包括但不限于：具有一个或多个导线的电连接、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）、光纤、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是任何包含或存储程序的有形介质，该程序被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。

上述计算机可读介质是上述电子设备中所包含的；也是单独存在，而未装配入该电子设备中。

上述计算机可读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该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。

或者，上述计算机可读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该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。

以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，连接到外部计算机（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代表一个模块、程序段、或代码的一部分，该模块、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基本并行地执行，它们有时也按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，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，或者用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元通过软件的方式实现，也通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还被描述为“获取至少两个网际协议地址的单元”。

应当理解，本发明的各部分用硬件、软件、固件或它们的组合来实现。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (5)

1.一种基于大数据的信息系统维护管理方法，其特征在于，包括：

获取信息系统中存储的N个不同分类的数据单元以及所述N个不同分类的数据单元在预设时间段内的搜索次数向量K=[K1,K2,…KN]；

对N个不同分类的数据单元的搜索历史字段进行分析，获得M个搜索项目P=[P1,P2,…PM]，通过挖掘所述M个搜索项目之间的内在匹配度、以及搜索次数向量K在M个搜索项目上的分布，生成与所述M个搜索项目相关的关联矩阵G={G1, G2,…GM}；

利用所述关联矩阵对所述N个不同分类的数据单元中存储的数据进行特征计算，得到N个数据特征矩阵T={T1, T2,… TN}；

在信息系统中获得新的搜索内容S之后，将所述搜索内容S通过所述搜索项目P以及关联矩阵G进行归一化计算，得到搜索矩阵H，以便于基于搜索矩阵H与数据特征矩阵T={T1,T2,… TN}之间的相似度，确定在N个不同分类的数据单元中选取L个数据单元进行数据检索，其中，L＜N；

所述对N个不同分类的数据单元的搜索历史字段进行分析，获得M个搜索项目P=[P1,P2,…PM]，包括：定义N个不同分类的数据单元中搜索项目中包含的关键字Ki的数量为ni，关键字Ki在第i个数据单元中出现的次数为fi，第i个数据单元中出现的关键词的数目为bi：则定义搜索项目Pi对应的特征值；基于搜索项目Pi对应的特征值Di，形成特征值向量D=[D1,D2,…DM]；

所述通过挖掘所述M个搜索项目之间的内在匹配度、以及搜索次数向量K在M个搜索项目上的分布，生成与所述M个搜索项目相关的关联矩阵G={G1, G2,…GM}，包括：计算搜索项目Pi对应的特征值Di对应的匹配度值Ui=J(Di, Dj)，i，j小于等于M，J(Di, Dj)为特征值Di与特征值 Dj之间的相似度值；将匹配度向量U=[U1,U2,…UM]与搜索次数向量K=[K1,K2,…KN]进行向量计算，得到关联矩阵G={G1, G2,…GM}，其中Gi=Ui*K’；

所述利用所述关联矩阵对所述N个不同分类的数据单元中存储的数据进行特征计算，得到N个数据特征矩阵T={T1, T2,… TN}，包括：计算项目P和N个不同分类的数据单元对应的关键字之间的相似性矩阵；将所述相似性矩阵与所述关联矩阵G={G1, G2,…GM}进行矩阵乘法计算，得到N个数据特征矩阵T={T1, T2,… TN}；

所述利用所述关联矩阵对所述N个不同分类的数据单元中存储的数据进行特征计算，得到N个数据特征矩阵T={T1, T2,… TN}之后，还包括：计算N个数据特征矩阵T={T1,T2,… TN}中每个特征矩阵的特征值；

所述在信息系统中获得新的搜索内容S之后，将所述搜索内容S通过所述搜索项目P以及关联矩阵G进行归一化计算，得到搜索矩阵H，包括：对所述搜索内容S进行数据解析，得到搜索内容所包含的关键词序列Z；将关键词序列Z与搜索项目P中包含的关键词进行匹配计算，得到匹配向量Y；将所述匹配向量Y与所述关联矩阵G进行计算，得到搜索矩阵H。

2.根据权利要求1所述的方法，其特征在于，所述获取信息系统中存储的N个不同分类的数据单元以及所述N个不同分类的数据单元在预设时间段内的搜索次数向量K=[K1,K2,…KN]，包括：

对信息系统中存在的所有数据进行关联性分析；

基于关联性分析的结果，确定N个具有数据关联的数据组成部分；

将N个具有数据关联的数据组成部分确定为N个不同分类的数据单元。

3.根据权利要求2所述的方法，其特征在于，所述获取信息系统中存储的N个不同分类的数据单元以及所述N个不同分类的数据单元在预设时间段内的搜索次数向量K=[K1,K2,…KN]，包括：

针对N个不同分类数据单元中的第i个数据单元，获取其在预设时间段内的搜索次数Ki；

通过遍历N个不同分类的数据单元，获得N个不同分类的数据单元在预设时间段内的搜索次数向量K=[K1,K2,…KN]。

4.根据权利要求1所述的方法，其特征在于，所述基于搜索矩阵H与数据特征矩阵T={T1, T2,… TN}之间的相似度，确定在N个不同分类的数据单元中选取L个数据单元进行数据检索，包括：

针对搜索矩阵H与数据特征矩阵T的计算结果，进行特征值计算，得到特征值序列；

在所述特征值序列中，选取特征值大于预设值的特征值所对应的L个数据单元；

在所述L个数据单元中进行数据检索。

5.一种基于大数据的信息系统维护管理系统，其特征在于，包括：

获取模块，用于获取信息系统中存储的N个不同分类的数据单元以及所述N个不同分类的数据单元在预设时间段内的搜索次数向量K=[K1,K2,…KN]；

分析模块，用于对N个不同分类的数据单元的搜索历史字段进行分析，获得M个搜索项目P=[P1,P2,…PM]，通过挖掘所述M个搜索项目之间的内在匹配度、以及搜索次数向量K在M个搜索项目上的分布，生成与所述M个搜索项目相关的关联矩阵G={G1, G2,…GM}；

计算模块，用于利用所述关联矩阵对所述N个不同分类的数据单元中存储的数据进行特征计算，得到N个数据特征矩阵T={T1, T2,… TN}；

确定模块，用于在信息系统中获得新的搜索内容S之后，将所述搜索内容S通过所述搜索项目P以及关联矩阵G进行归一化计算，得到搜索矩阵H，以便于基于搜索矩阵H与数据特征矩阵T={T1, T2,… TN}之间的相似度，确定在N个不同分类的数据单元中选取L个数据单元进行数据检索，其中，L＜N；

所述对N个不同分类的数据单元的搜索历史字段进行分析，获得M个搜索项目P=[P1,P2,…PM]，包括：定义N个不同分类的数据单元中搜索项目中包含的关键字Ki的数量为ni，关键字Ki在第i个数据单元中出现的次数为fi，第i个数据单元中出现的关键词的数目为bi：则定义搜索项目Pi对应的特征值；基于搜索项目Pi对应的特征值Di，形成特征值向量D=[D1,D2,…DM]；

所述通过挖掘所述M个搜索项目之间的内在匹配度、以及搜索次数向量K在M个搜索项目上的分布，生成与所述M个搜索项目相关的关联矩阵G={G1, G2,…GM}，包括：计算搜索项目Pi对应的特征值Di对应的匹配度值Ui=J(Di, Dj)，i，j小于等于M，J(Di, Dj)为特征值Di与特征值 Dj之间的相似度值；将匹配度向量U=[U1,U2,…UM]与搜索次数向量K=[K1,K2,…KN]进行向量计算，得到关联矩阵G={G1, G2,…GM}，其中Gi=Ui*K’；

所述利用所述关联矩阵对所述N个不同分类的数据单元中存储的数据进行特征计算，得到N个数据特征矩阵T={T1, T2,… TN}，包括：计算项目P和N个不同分类的数据单元对应的关键字之间的相似性矩阵；将所述相似性矩阵与所述关联矩阵G={G1, G2,…GM}进行矩阵乘法计算，得到N个数据特征矩阵T={T1, T2,… TN}；

所述利用所述关联矩阵对所述N个不同分类的数据单元中存储的数据进行特征计算，得到N个数据特征矩阵T={T1, T2,… TN}之后，还包括：计算N个数据特征矩阵T={T1,T2,… TN}中每个特征矩阵的特征值；

所述在信息系统中获得新的搜索内容S之后，将所述搜索内容S通过所述搜索项目P以及关联矩阵G进行归一化计算，得到搜索矩阵H，包括：对所述搜索内容S进行数据解析，得到搜索内容所包含的关键词序列Z；将关键词序列Z与搜索项目P中包含的关键词进行匹配计算，得到匹配向量Y；将所述匹配向量Y与所述关联矩阵G进行计算，得到搜索矩阵H。