一种基于树状模型的深度数据挖掘方法和装置制造方法及图纸

一种基于树状模型的深度数据挖掘方法和装置，包括：根据段区分模式与行区分模式分别获取数据库内存储的目标数据的段落数与行数；构建一个主挖掘模型；根据获取到的段落数构建对应数量的分挖掘模型；根据获取到的行数构建对应数量的子挖掘模型；将目标数据发送给主挖掘模型，将段数据发送给各分挖掘模型，将行数据发送给各子挖掘模型；基于数据挖掘请求控制主挖掘模型、分挖掘模型以及子挖掘模型同时进行数据挖掘；融合生成行融合结果并判断其与段挖掘结果的相差阈值超出第一预设阈值时获取第一差异结果；融合生成段融合结果并判断其与主挖掘结果的相差阈值超出第二预设阈值时获取第二差异结果；显示主挖掘结果、第一差异结果及第二差异结果。

A method and device of deep data mining based on tree model

【技术实现步骤摘要】
一种基于树状模型的深度数据挖掘方法和装置
本专利技术涉及数据挖掘
，特别涉及一种基于树状模型的深度数据挖掘方法和装置。
技术介绍
数据挖掘是人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。现有的数据挖掘方法只能基于数据库进行整体式的数据挖掘，从而导致挖掘的结果较为单一化，没有深度利用数据库内的数据信息，即对数据库的数据挖掘的结果不充分。
技术实现思路
专利技术目的：为了克服
技术介绍
中的缺点，本专利技术实施例提供了一种基于树状模型的深度数据挖掘方法和装置，能够有效解决上述
技术介绍
中涉及的问题。技术方案：一种基于树状模型的深度数据挖掘方法，所述方法包括：根据段区分模式与行区分模式分别获取数据库内存储的目标数据的段落数与行数；主挖掘模型构建：构建一个主挖掘模型；分挖掘模型构建：根据获取到的段落数构建对应数量的分挖掘模型，其中分挖掘模型与所述主挖掘模型之间建立有分数据传输链；子挖掘模型构建：根据获取到的行数构建对应数量的子挖掘模型，其中子挖掘模型与所述分挖掘模型之间建立有子数据传输链；将所述目标数据发送给所述主挖掘模型，将所述目标数据按照所述段区分模式进行区分并将区分后的段数据分别发送给各分挖掘模型，将所述目标数据按照所述行区分模式进行区分并将区分后的行数据分别发送给各子挖掘模型；接收数据挖掘请求，并基于所述数据挖掘请求控制所述主挖掘模型、分挖掘模型以及子挖掘模型同时进行数据挖掘，其中，所述子挖掘模型在挖掘结束后生成行挖掘结果并传输至所述分挖掘模型，所述分挖掘模型在挖掘结束后生成段挖掘结果并传输至所述主挖掘模型；通过所述分挖掘模型将各子挖掘模型传输的行挖掘结果进行融合生成行融合结果并判断行融合结果与所述分挖掘模型生成的段挖掘结果的相差阈值是否超出第一预设阈值，若超出则获取第一差异结果；通过所述主挖掘模型将各分挖掘模型传输的段挖掘结果进行融合生成段融合结果并判断段融合结果与所述主挖掘模型生成的主挖掘结果的相差阈值是否超出第二预设阈值，若超出则获取第二差异结果；对所述主挖掘结果、第一差异结果以及第二差异结果进行显示。作为本专利技术的一种优选方式，所述主挖掘模型以及分挖掘模型在进行数据挖掘时，是根据数据的排列顺序自上而下进行正向挖掘。作为本专利技术的一种优选方式，所述主挖掘模型、分挖掘模型以及子挖掘模型内置有至少两种挖掘算法，并依次根据所述至少两种挖掘算法进行至少两次的数据挖掘，生成至少两次数据挖掘结果。作为本专利技术的一种优选方式，所述方法还包括：主逆向挖掘模型构建：构建一个主逆向挖掘模型，其中所述主逆向挖掘模型与所述主挖掘模型处于同一个节点上；分逆向挖掘模型构建：根据获取到的段落数构建对应数量的分逆向挖掘模型，其中分逆向挖掘模型与所述主逆向挖掘模型之间建立有分逆向数据传输链，所述分逆向挖掘模型与所述分挖掘模型处于同一个节点上；将所述目标数据发送给所述主逆向挖掘模型，将区分后的段数据分别发送给各分逆向挖掘模型；基于所述数据挖掘请求控制所述主逆向挖掘模型与分逆向挖掘模型同时进行逆向的数据挖掘，其中，所述分逆向挖掘模型在挖掘结束后生成段逆向挖掘结果并传输至所述分逆向挖掘模型；通过所述分挖掘模型将所述行融合结果发送给所述分逆向挖掘模型；通过所述分逆向挖掘模型判断行融合结果与所述分逆向挖掘模型生成的段逆向挖掘结果的相差阈值是否超出所述第三预设阈值，若超出则获取第三差异结果；通过所述主逆向挖掘模型将各分逆向挖掘模型传输的段逆向挖掘结果进行融合生成段逆向融合结果并判断段逆向融合结果与所述主逆向挖掘模型生成的主逆向挖掘结果的相差阈值是否超出第四预设阈值，若超出则获取第四差异结果；对所述主逆向挖掘结果、第三差异结果以及第四差异结果进行显示。一种基于树状模型的深度数据挖掘装置，包括：段落数获取模块，用于根据段区分模式获取数据库内存储的目标数据的段落数；行数获取模块，用于根据行区分模式获取数据库内存储的目标数据的行数；主挖掘模型构建模块，用于构建一个主挖掘模型；分挖掘模型构建模块，用于根据获取到的段落数构建对应数量的分挖掘模型，其中分挖掘模型与所述主挖掘模型之间建立有分数据传输链；子挖掘模型构建模块，用于根据获取到的行数构建对应数量的子挖掘模型，其中子挖掘模型与所述分挖掘模型之间建立有子数据传输链；第一目标数据发送模块，用于将所述目标数据发送给所述主挖掘模型，将所述目标数据按照所述段区分模式进行区分并将区分后的段数据分别发送给各分挖掘模型，将所述目标数据按照所述行区分模式进行区分并将区分后的行数据分别发送给各子挖掘模型；第一数据挖掘模块，用于接收数据挖掘请求，并基于所述数据挖掘请求控制所述主挖掘模型、分挖掘模型以及子挖掘模型同时进行数据挖掘，其中，所述子挖掘模型在挖掘结束后生成行挖掘结果并传输至所述分挖掘模型，所述分挖掘模型在挖掘结束后生成段挖掘结果并传输至所述主挖掘模型；行融合模块，用于通过所述分挖掘模型将各子挖掘模型传输的行挖掘结果进行融合生成行融合结果；第一行融合判断模块，用于判断行融合结果与所述分挖掘模型生成的段挖掘结果的相差阈值是否超出第一预设阈值；第一差异结果获取模块，用于行融合结果与所述分挖掘模型生成的段挖掘结果的相差阈值超出第一预设阈值时获取第一差异结果；段融合模块，用于通过所述主挖掘模型将各分挖掘模型传输的段挖掘结果进行融合生成段融合结果；段融合判断模块，用于判断段融合结果与所述主挖掘模型生成的主挖掘结果的相差阈值是否超出第二预设阈值；第二差异结果获取模块，用于段融合结果与所述主挖掘模型生成的主挖掘结果的相差阈值超出第二预设阈值时获取第二差异结果；第一显示模块，用于对所述主挖掘结果、第一差异结果以及第二差异结果进行显示。作为本专利技术的一种优选方式，所述主挖掘模型以及分挖掘模型在进行数据挖掘时，是根据数据的排列顺序自上而下进行正向挖掘。作为本专利技术的一种优选方式，所述主挖掘模型、分挖掘模型以及子挖掘模型内置有至少两种挖掘算法，所述第一数据挖掘模块进一步用于依次根据所述至少两种挖掘算法进行至少两次的数据挖掘，生成至少两次数据挖掘结果。作为本专利技术的一种优选方式，还包括：主逆向挖掘模型构建模块，用于构建一个主逆向挖掘模型，其中所述主逆向挖掘模型与所述主挖掘模型处于同一个节点上；分逆向挖掘模型构建模块，用于根据获取到的段落数构建对应数量的分逆向挖掘模型，其中分逆向挖掘模型与所述主逆向挖掘模型之间建立有分逆向数据传输链，所述分逆向挖掘模型与所述分挖掘模型处于同一个节点上；第二目标数据发送模块，用于将所述目标数据发送给所述主逆向挖掘模型，将区分后的段数据分别发送给各分逆向挖掘模型；第二数据挖掘模块，用于基于所述数据挖掘请求控制所述主逆向挖本文档来自技高网...

【技术保护点】
1.一种基于树状模型的深度数据挖掘方法，其特征在于，所述方法包括：/n根据段区分模式与行区分模式分别获取数据库内存储的目标数据的段落数与行数；/n主挖掘模型构建：构建一个主挖掘模型；/n分挖掘模型构建：根据获取到的段落数构建对应数量的分挖掘模型，其中分挖掘模型与所述主挖掘模型之间建立有分数据传输链；/n子挖掘模型构建：根据获取到的行数构建对应数量的子挖掘模型，其中子挖掘模型与所述分挖掘模型之间建立有子数据传输链；/n将所述目标数据发送给所述主挖掘模型，将所述目标数据按照所述段区分模式进行区分并将区分后的段数据分别发送给各分挖掘模型，将所述目标数据按照所述行区分模式进行区分并将区分后的行数据分别发送给各子挖掘模型；/n接收数据挖掘请求，并基于所述数据挖掘请求控制所述主挖掘模型、分挖掘模型以及子挖掘模型同时进行数据挖掘，其中，所述子挖掘模型在挖掘结束后生成行挖掘结果并传输至所述分挖掘模型，所述分挖掘模型在挖掘结束后生成段挖掘结果并传输至所述主挖掘模型；/n通过所述分挖掘模型将各子挖掘模型传输的行挖掘结果进行融合生成行融合结果并判断行融合结果与所述分挖掘模型生成的段挖掘结果的相差阈值是否超出第一预设阈值，若超出则获取第一差异结果；/n通过所述主挖掘模型将各分挖掘模型传输的段挖掘结果进行融合生成段融合结果并判断段融合结果与所述主挖掘模型生成的主挖掘结果的相差阈值是否超出第二预设阈值，若超出则获取第二差异结果；/n对所述主挖掘结果、第一差异结果以及第二差异结果进行显示。/n...

【技术特征摘要】
1.一种基于树状模型的深度数据挖掘方法，其特征在于，所述方法包括：
根据段区分模式与行区分模式分别获取数据库内存储的目标数据的段落数与行数；
主挖掘模型构建：构建一个主挖掘模型；
分挖掘模型构建：根据获取到的段落数构建对应数量的分挖掘模型，其中分挖掘模型与所述主挖掘模型之间建立有分数据传输链；
子挖掘模型构建：根据获取到的行数构建对应数量的子挖掘模型，其中子挖掘模型与所述分挖掘模型之间建立有子数据传输链；
将所述目标数据发送给所述主挖掘模型，将所述目标数据按照所述段区分模式进行区分并将区分后的段数据分别发送给各分挖掘模型，将所述目标数据按照所述行区分模式进行区分并将区分后的行数据分别发送给各子挖掘模型；
接收数据挖掘请求，并基于所述数据挖掘请求控制所述主挖掘模型、分挖掘模型以及子挖掘模型同时进行数据挖掘，其中，所述子挖掘模型在挖掘结束后生成行挖掘结果并传输至所述分挖掘模型，所述分挖掘模型在挖掘结束后生成段挖掘结果并传输至所述主挖掘模型；
通过所述分挖掘模型将各子挖掘模型传输的行挖掘结果进行融合生成行融合结果并判断行融合结果与所述分挖掘模型生成的段挖掘结果的相差阈值是否超出第一预设阈值，若超出则获取第一差异结果；
通过所述主挖掘模型将各分挖掘模型传输的段挖掘结果进行融合生成段融合结果并判断段融合结果与所述主挖掘模型生成的主挖掘结果的相差阈值是否超出第二预设阈值，若超出则获取第二差异结果；
对所述主挖掘结果、第一差异结果以及第二差异结果进行显示。


2.根据权利要求1所述的一种基于树状模型的深度数据挖掘方法，其特征在于，所述主挖掘模型以及分挖掘模型在进行数据挖掘时，是根据数据的排列顺序自上而下进行正向挖掘。


3.根据权利要求1所述的一种基于树状模型的深度数据挖掘方法，其特征在于，所述主挖掘模型、分挖掘模型以及子挖掘模型内置有至少两种挖掘算法，并依次根据所述至少两种挖掘算法进行至少两次的数据挖掘，生成至少两次数据挖掘结果。


4.根据权利要求1所述的一种基于树状模型的深度数据挖掘方法，其特征在于，所述方法还包括：
主逆向挖掘模型构建：构建一个主逆向挖掘模型，其中所述主逆向挖掘模型与所述主挖掘模型处于同一个节点上；
分逆向挖掘模型构建：根据获取到的段落数构建对应数量的分逆向挖掘模型，其中分逆向挖掘模型与所述主逆向挖掘模型之间建立有分逆向数据传输链，所述分逆向挖掘模型与所述分挖掘模型处于同一个节点上；
将所述目标数据发送给所述主逆向挖掘模型，将区分后的段数据分别发送给各分逆向挖掘模型；
基于所述数据挖掘请求控制所述主逆向挖掘模型与分逆向挖掘模型同时进行逆向的数据挖掘，其中，所述分逆向挖掘模型在挖掘结束后生成段逆向挖掘结果并传输至所述分逆向挖掘模型；
通过所述分挖掘模型将所述行融合结果发送给所述分逆向挖掘模型；
通过所述分逆向挖掘模型判断行融合结果与所述分逆向挖掘模型生成的段逆向挖掘结果的相差阈值是否超出第三预设阈值，若超出则获取第三差异结果；
通过所述主逆向挖掘模型将各分逆向挖掘模型传输的段逆向挖掘结果进行融合生成段逆向融合结果并判断段逆向融合结果与所述主逆向挖掘模型生成的主逆向挖掘结果的相差阈值是否超出第四预设阈值，若超出则获取第四差异结果；
对所述主逆向挖掘结果、第三差异结果以及第四差异结果进行显示。


5.一种基于树状模型的深度数据挖掘装置，其特征在于，包括：
段落数获取模块，用于根据段区分模式获取数据库内存储的目标数据的段落数；
行数获取模块，用于根据行区分模式获取数据库内存储的目标数据的行数；
主挖掘模型构建模块，用于构建一个主挖掘模型；
分挖掘模型构建模块，用于根据获取到的段落数构建对应数量的分挖掘模型，其中分挖掘模型与所述主挖掘模型之间建立有分数据传输链；
子挖掘模型构建模...

【专利技术属性】
技术研发人员：金驰，
申请(专利权)人：苏州水易数据科技有限公司，
类型：发明
国别省市：江苏;32