基于边缘计算的数据缓存方法及系统技术方案

本申请提供的基于边缘计算的数据缓存方法及系统，误差校验线程可以通过多个参考目标交互操作数据和各个参考目标交互操作数据对应的基准误差进行配置，由于各个参考目标交互操作数据对应的基准误差为基于误差统计设备获取的该参考目标交互操作数据采集的场景的基准要求计算的该参考目标交互操作数据的误差，而误差统计设备可以检测各种场景中用户的基准数据缓存要求，使得本申请实施例中的误差校验线程适用范围更广，且提高了数据缓存的效率。率。率。

【技术实现步骤摘要】
基于边缘计算的数据缓存方法及系统


[0001]本申请涉及数据处理
，具体而言，涉及基于边缘计算的数据缓存方法及系统。

技术介绍

[0002]随着边缘计算的不断发展，边缘计算的速度越来越快，这样就会产生大量的相关数据量，就可能导致计算后的相关数据不能及时和准确的进行存储，容易发生数据丢失的情况，所以急需一种数据缓存的技术，来解决上述问题。

技术实现思路

[0003]鉴于此，本申请提供了基于边缘计算的数据缓存方法及系统。
[0004]第一方面，提供一种基于边缘计算的数据缓存方法，所述方法包括：
[0005]获取待处理目标交互操作数据，所述待处理目标交互操作数据为同一被采集用户对应的两个不同传输轨迹的采集交互操作数据；
[0006]将所述待处理目标交互操作数据输入误差校验线程，并获取所述误差校验线程校验的所述待处理目标交互操作数据之间的误差；其中，所述误差校验线程为基于多个参考目标交互操作数据和各个参考目标交互操作数据对应的基准误差对卷曲神经网络线程进行配置后得到的线程，各个参考目标交互操作数据对应的基准误差为：基于误差统计设备获取的该参考目标交互操作数据对应的被采集用户的基准要求，计算的该参考目标交互操作数据的误差；
[0007]根据所述误差进行修正，并将修正后的数据进行缓存。
[0008]进一步地，所述各个参考目标交互操作数据对应的基准误差通过以下程序获取：
[0009]通过误差统计设备，获取该参考目标交互操作数据中的任一一个参考交互操作数据包括的各个关键交互内容对应的被采集用户相对于采集该参考目标交互操作数据的两个基准要求，所述被采集用户到所述两个基准要求相似；
[0010]对于所述参考交互操作数据包括的各个关键交互内容，基于采集所述参考交互操作数据的第一的差异、所述两个误差数据之间的描述方式以及该关键交互内容对应的被采集用户相对于所述两个基准要求，确定该关键交互内容对应的基准误差。
[0011]进一步地，所述通过误差统计设备，获取该参考目标交互操作数据中的任一一个参考交互操作数据包括的各个关键交互内容对应的被采集用户相对于采集该参考目标交互操作数据的两个基准要求，包括：
[0012]在采集所述参考交互操作数据的同时，利用所述误差统计设备获取所述参考交互操作数据的特征向量中的各关键交互内容在所述误差统计设备的标准误差矩阵下的相似关系；
[0013]根据第一误差数据与所述误差统计设备的标准误差矩阵之间的第一相似关系匹配度，将所述误差统计设备获取的各相似关系投影到第一标准误差矩阵，获得所述第一标
准误差矩阵下的各关键交互内容的相似关系，所述第一标准误差矩阵下各个关键交互内容的相似关系包括该关键交互内容对应的被采集用户与所述第一误差数据之间的第一差异向量、第二差异向量和第三差异向量；
[0014]根据所述交互操作数据的标准误差矩阵与所述第一标准误差矩阵之间的第二相似关系匹配度，对于所述参考交互操作数据包括的各个关键交互内容，获取该关键交互内容的相似关系在所述第一标准误差矩阵下对应的目标相似关系，并从所述目标相似关系中筛选差异路径作为该关键交互内容对应的被采集用户相对于所述两个基准要求。
[0015]进一步地，所述误差校验线程通过以下方式配置获得：
[0016]获取多个参考目标交互操作数据，并获取各个参考目标交互操作数据对应的基准误差；
[0017]将所述多个参考目标交互操作数据输入所述卷曲神经网络线程；
[0018]获取所述卷曲神经网络线程对输入的参考目标交互操作数据校验的误差；
[0019]基于所述卷曲神经网络线程对输入的参考目标交互操作数据校验的误差和输入的参考交互操作数据对应的基准误差，计算模型评估信息向量；
[0020]根据所述模型评估信息向量判断所述卷曲神经网络线程是否计算错误；
[0021]如果所述卷曲神经网络线程计算错误，则得到所述误差校验线程；
[0022]如果所述卷曲神经网络线程未计算错误，则优化所述卷曲神经网络线程包括的各网络层对应的误差比例系数，进行下一轮配置。
[0023]进一步地，在所述获取所述误差校验线程校验的所述待处理目标交互操作数据之间的误差之后，所述方法还包括：
[0024]根据所述误差，计算所述待处理目标交互操作数据对应的被采集用户的方式，得到所述待处理目标交互操作数据对应的被采集用户在目标标准误差矩阵下的相似关系，所述目标标准误差矩阵为采集所述待处理目标交互操作数据的两个误差数据中任一的标准误差矩阵；
[0025]根据所述待处理目标交互操作数据对应的被采集用户在所述目标标准误差矩阵下的相似关系，生成目标交互数据；
[0026]其中，所述待处理目标交互操作数据为目标交互操作数据上的目标在所述目标交互操作数据操作过程中采集的交互操作数据；在所述获取所述误差校验线程校验的所述待处理目标交互操作数据之间的误差之后，所述方法还包括：
[0027]根据所述误差，计算所述待处理目标交互操作数据对应的被采集用户的方式；
[0028]在所述待处理目标交互操作数据对应的被采集用户的方式满足实现设置的特征向量时，指示所述目标交互操作数据执行缓存操作。
[0029]第二方面，提供一种基于边缘计算的数据缓存系统，包括数据采集端和数据处理终端，所述数据采集端和所述数据处理终端通信连接，所述数据处理终端具体用于：
[0030]获取待处理目标交互操作数据，所述待处理目标交互操作数据为同一被采集用户对应的两个不同传输轨迹的采集交互操作数据；
[0031]将所述待处理目标交互操作数据输入误差校验线程，并获取所述误差校验线程校验的所述待处理目标交互操作数据之间的误差；其中，所述误差校验线程为基于多个参考目标交互操作数据和各个参考目标交互操作数据对应的基准误差对卷曲神经网络线程进
行配置后得到的线程，各个参考目标交互操作数据对应的基准误差为：基于误差统计设备获取的该参考目标交互操作数据对应的被采集用户的基准要求，计算的该参考目标交互操作数据的误差；
[0032]根据所述误差进行修正，并将修正后的数据进行缓存。
[0033]进一步地，所述数据处理终端具体用于：
[0034]通过误差统计设备，获取该参考目标交互操作数据中的任一一个参考交互操作数据包括的各个关键交互内容对应的被采集用户相对于采集该参考目标交互操作数据的两个基准要求，所述被采集用户到所述两个基准要求相似；
[0035]对于所述参考交互操作数据包括的各个关键交互内容，基于采集所述参考交互操作数据的第一的差异、所述两个误差数据之间的描述方式以及该关键交互内容对应的被采集用户相对于所述两个基准要求，确定该关键交互内容对应的基准误差。
[0036]进一步地，所述数据处理终端具体用于：
[0037]在采集所述参考交互操作数据的同时，利用所述误差统计设备获取所述参考交互操作数据的特征向量中的各关键交互内容本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘计算的数据缓存方法，其特征在于，所述方法包括：获取待处理目标交互操作数据，所述待处理目标交互操作数据为同一被采集用户对应的两个不同传输轨迹的采集交互操作数据；将所述待处理目标交互操作数据输入误差校验线程，并获取所述误差校验线程校验的所述待处理目标交互操作数据之间的误差；其中，所述误差校验线程为基于多个参考目标交互操作数据和各个参考目标交互操作数据对应的基准误差对卷曲神经网络线程进行配置后得到的线程，各个参考目标交互操作数据对应的基准误差为：基于误差统计设备获取的该参考目标交互操作数据对应的被采集用户的基准要求，计算的该参考目标交互操作数据的误差；根据所述误差进行修正，并将修正后的数据进行缓存。2.根据权利要求1所述的方法，其特征在于，所述各个参考目标交互操作数据对应的基准误差通过以下程序获取：通过误差统计设备，获取该参考目标交互操作数据中的任一一个参考交互操作数据包括的各个关键交互内容对应的被采集用户相对于采集该参考目标交互操作数据的两个基准要求，所述被采集用户到所述两个基准要求相似；对于所述参考交互操作数据包括的各个关键交互内容，基于采集所述参考交互操作数据的第一的差异、所述两个误差数据之间的描述方式以及该关键交互内容对应的被采集用户相对于所述两个基准要求，确定该关键交互内容对应的基准误差。3.根据权利要求2所述的方法，其特征在于，所述通过误差统计设备，获取该参考目标交互操作数据中的任一一个参考交互操作数据包括的各个关键交互内容对应的被采集用户相对于采集该参考目标交互操作数据的两个基准要求，包括：在采集所述参考交互操作数据的同时，利用所述误差统计设备获取所述参考交互操作数据的特征向量中的各关键交互内容在所述误差统计设备的标准误差矩阵下的相似关系；根据第一误差数据与所述误差统计设备的标准误差矩阵之间的第一相似关系匹配度，将所述误差统计设备获取的各相似关系投影到第一标准误差矩阵，获得所述第一标准误差矩阵下的各关键交互内容的相似关系，所述第一标准误差矩阵下各个关键交互内容的相似关系包括该关键交互内容对应的被采集用户与所述第一误差数据之间的第一差异向量、第二差异向量和第三差异向量；根据所述交互操作数据的标准误差矩阵与所述第一标准误差矩阵之间的第二相似关系匹配度，对于所述参考交互操作数据包括的各个关键交互内容，获取该关键交互内容的相似关系在所述第一标准误差矩阵下对应的目标相似关系，并从所述目标相似关系中筛选差异路径作为该关键交互内容对应的被采集用户相对于所述两个基准要求。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述误差校验线程通过以下方式配置获得：获取多个参考目标交互操作数据，并获取各个参考目标交互操作数据对应的基准误差；将所述多个参考目标交互操作数据输入所述卷曲神经网络线程；获取所述卷曲神经网络线程对输入的参考目标交互操作数据校验的误差；基于所述卷曲神经网络线程对输入的参考目标交互操作数据校验的误差和输入的参
考交互操作数据对应的基准误差，计算模型评估信息向量；根据所述模型评估信息向量判断所述卷曲神经网络线程是否计算错误；如果所述卷曲神经网络线程计算错误，则得到所述误差校验线程；如果所述卷曲神经网络线程未计算错误，则优化所述卷曲神经网络线程包括的各网络层对应的误差比例系数，进行下一轮配置。5.根据权利要求1
‑
3任一项所述的方法，其特征在于，在所述获取所述误差校验线程校验的所述待处理目标交互操作数据之间的误差之后，所述方法还包括：根据所述误差，计算所述待处理目标交互操作数据对应的被采集用户的方式，得到所述待处理目标交互操作数据对应的被采集用户在目标标准误差矩阵下的相似关系，所述目标标准误差矩阵为采集所述待处理目标交互操作数据的两个误差数据中任一的标准误差矩阵；根据所述待处理目标交互操作数据对应的被采集用户在所述目标标准误差矩阵下的相似关系，生成目标交互数据；其中，所述待处理目标交互操作数据为目标交互操作数据上的目标在所述目标交互操作数据操作过程中采集的交互操作数据；在所述获取所述误差校验线程校验的所述待处理目标交互操作数据之间的误差之后，所述方法还包括：根据所述误差，计算所述待...

【专利技术属性】
技术研发人员：张美华，
申请(专利权)人：上海德衡数据科技有限公司，
类型：发明
国别省市：