【技术实现步骤摘要】
本专利技术涉及数据库，尤其涉及一种基于云端使用记录的数据库管理方法及系统。
技术介绍
1、数据处理设备性能的发展，以及数字化技术的发展，让数据库中的数据量和数据复杂程度有了很大的提升，对于数据库的管理技术手段也提出了更高的技术要求。
2、但现有技术在实现数据库的管理时，没有充分考虑到对数据库的历史交互记录进行预测模型的训练以及对新的访问请求进行行为预测，因此显然现有技术实现的数据库管理方案的智能化程度有所欠缺。可见，现有技术存在缺陷，亟需解决。
技术实现思路
1、本专利技术所要解决的技术问题在于，提供一种基于云端使用记录的数据库管理方法及系统，能够有效提高数据库管理和交互的智能化程度，提高交互效率和效果。
2、为了解决上述技术问题，本专利技术第一方面公开了一种基于云端使用记录的数据库管理方法，所述方法包括：
3、获取目标数据库在历史时间段被多个历史云端设备访问的多个历史交互记录；
4、根据所述多个历史交互记录，训练得到所述目标数据库对应的行为预测算法模型；
5、接收目标云端设备发送的对所述目标数据库的访问请求，根据所述访问请求的请求参数，以及所述行为预测算法模型，预测所述目标云端设备对应的预测交互行为；
6、根据所述预测交互行为，以及预设的行为和策略的对应关系，确定所述目标数据库的管理策略。
7、作为一种可选的实施方式，在本专利技术第一方面中，所述历史交互记录包括交互设备信息、交互行为、交互时间、交
8、作为一种可选的实施方式，在本专利技术第一方面中，所述根据所述多个历史交互记录，训练得到所述目标数据库对应的行为预测算法模型，包括：
9、将每一所述历史交互记录中的交互设备信息和交互时间作为第一训练输入数据，将每一所述历史交互记录中的交互设备信息和交互场景作为第二训练输入数据，将每一所述历史交互记录中的交互设备信息和交互设备环境作为第二训练输入数据，将每一所述历史交互记录中的交互行为作为训练输出数据；
10、根据所述第一训练输入数据和所述训练输出数据，对预设的神经网络模型进行训练直至收敛，得到所述目标数据库对应的第一行为预测算法模型；
11、根据所述第二训练输入数据和所述训练输出数据，对预设的神经网络模型进行训练直至收敛，得到所述目标数据库对应的第二行为预测算法模型；
12、根据所述第三训练输入数据和所述训练输出数据，对预设的神经网络模型进行训练直至收敛，得到所述目标数据库对应的第三行为预测算法模型。
13、作为一种可选的实施方式，在本专利技术第一方面中，所述根据所述访问请求的请求参数，以及所述行为预测算法模型，预测所述目标云端设备对应的预测交互行为，包括：
14、根据所述访问请求的请求参数中的数据类型和数据完整度，确定所述访问请求对应的预测模型集合；所述预测模型集合中包括所述第一行为预测算法模型、所述第二行为预测算法模型和所述第三行为预测算法模型中的至少一个；
15、将所述请求参数中的对应数据类型的数据，输入至所述预测模型集合中的每一预测算法模型中，以得到所述请求参数对应的多个输出预测交互行为和对应的预测概率；
16、将所述多个输出预测交互行为中出现次数最多或合计预测概率最高的交互行为，确定为所述目标云端设备对应的预测交互行为。
17、作为一种可选的实施方式，在本专利技术第一方面中，所述根据所述访问请求的请求参数中的数据类型和数据完整度，确定所述访问请求对应的预测模型集合，包括：
18、获取所述访问请求的请求参数中的所有参数数据；
19、根据每一所述参数数据的数据类型，确定所述请求参数对应的数据类型集合；所述数据类型为请求设备信息、请求时间、请求场景或请求设备环境；
20、将每一所述参数数据，输入至对应的数据类型所对应的数据完整度判断神经网络模型中，以得到每一所述参数数据对应的数据完整度参数；所述数据完整度判断神经网络模型通过包括有多个同一所述对应的数据类型的训练参数数据和对应的完整度标注的训练数据集训练得到；
21、计算所述数据类型集合中的每一所述数据类型对应的所有所述参数数据的所述数据完整度参数的平均值，得到每一所述数据类型对应的完整度权重；
22、将所述数据类型集合中的所述完整度权重小于预设的权重阈值的所述数据类型进行剔除，并判断：
23、当所述数据类型集合中的剩余的数据类型中包括请求时间时，确定所述访问请求对应的预测模型集合中包括所述第一行为预测算法模型；
24、当所述数据类型集合中的剩余的数据类型中包括请求场景时，确定所述访问请求对应的预测模型集合中包括所述第二行为预测算法模型；
25、当所述数据类型集合中的剩余的数据类型中包括请求设备环境时，确定所述访问请求对应的预测模型集合中包括所述第三行为预测算法模型。
26、作为一种可选的实施方式，在本专利技术第一方面中，所述目标云端设备包括多个目标云端设备；所述根据所述预测交互行为，以及预设的行为和策略的对应关系，确定所述目标数据库的管理策略，包括：
27、根据同一时间段接收的所述多个目标云端设备的多个访问请求对应的多个预测交互行为，以及预设的行为和策略的对应关系，确定所述目标数据库的多个管理策略；所述管理策略包括数据库接口准备策略、数据库数据访问权限策略、数据库数据展示准备策略和数据库数据加密策略中的至少一种；
28、根据所述目标数据库的多个管理策略，以及每一所述目标云端设备对应的设备优先级，基于动态规划算法模型，确定所述目标数据库对应的管理策略执行策略；所述管理策略执行策略用于限定任一所述管理策略的执行顺序和执行与否。
29、作为一种可选的实施方式，在本专利技术第一方面中，所述根据所述目标数据库的多个管理策略，以及每一所述目标云端设备对应的设备优先级，基于动态规划算法模型，确定所述目标数据库对应的管理策略执行策略，包括：
30、确定目标函数为管理策略执行策略中的执行的管理策略的数量最多；
31、确定限制条件包括所述管理策略执行策略中任意两个先后执行的管理策略不符合预设的连续执行矛盾规则、所述管理策略执行策略中对应的所述目标云端设备的设备优先级越高的管理策略的执行顺序越靠前以及所述管理策略执行策略中任意两个管理策略不符合预设的策略矛盾规则；其中，所述连续执行矛盾规则用于限定任意两个管理策略连续执行会导致数据库错误的规则，所述策略矛盾规则用于限定任意两个管理策略的策略参数之间存在矛盾的规则；
32、根据所述目标函数和所述限制条件，基于动态规划算法，对所述目标数据库的多个管理策略进行演算直至最优，以得到所述目标数据库对应的管理策略执行策略。
33、本专利技术第二方面公开了一种基于云端使用记录的数据库管理系统，所述系统本文档来自技高网...
【技术保护点】
1.一种基于云端使用记录的数据库管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于云端使用记录的数据库管理方法，其特征在于，所述历史交互记录包括交互设备信息、交互行为、交互时间、交互场景和交互设备环境；和/或，所述请求参数包括请求设备信息、请求时间、请求场景和请求设备环境。
3.根据权利要求2所述的基于云端使用记录的数据库管理方法，其特征在于，所述根据所述多个历史交互记录，训练得到所述目标数据库对应的行为预测算法模型，包括：
4.根据权利要求3所述的基于云端使用记录的数据库管理方法，其特征在于，所述根据所述访问请求的请求参数，以及所述行为预测算法模型，预测所述目标云端设备对应的预测交互行为，包括：
5.根据权利要求4所述的基于云端使用记录的数据库管理方法，其特征在于，所述根据所述访问请求的请求参数中的数据类型和数据完整度，确定所述访问请求对应的预测模型集合，包括：
6.根据权利要求1所述的基于云端使用记录的数据库管理方法，其特征在于，所述目标云端设备包括多个目标云端设备；所述根据所述预测交互行为，以及预设
7.根据权利要求6所述的基于云端使用记录的数据库管理方法，其特征在于，所述根据所述目标数据库的多个管理策略，以及每一所述目标云端设备对应的设备优先级，基于动态规划算法模型，确定所述目标数据库对应的管理策略执行策略，包括：
8.一种基于云端使用记录的数据库管理系统，其特征在于，所述系统包括：
9.一种基于云端使用记录的数据库管理系统，其特征在于，所述系统包括：
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的基于云端使用记录的数据库管理方法。
...【技术特征摘要】
1.一种基于云端使用记录的数据库管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于云端使用记录的数据库管理方法，其特征在于，所述历史交互记录包括交互设备信息、交互行为、交互时间、交互场景和交互设备环境；和/或，所述请求参数包括请求设备信息、请求时间、请求场景和请求设备环境。
3.根据权利要求2所述的基于云端使用记录的数据库管理方法，其特征在于，所述根据所述多个历史交互记录，训练得到所述目标数据库对应的行为预测算法模型，包括：
4.根据权利要求3所述的基于云端使用记录的数据库管理方法，其特征在于，所述根据所述访问请求的请求参数，以及所述行为预测算法模型，预测所述目标云端设备对应的预测交互行为，包括：
5.根据权利要求4所述的基于云端使用记录的数据库管理方法，其特征在于，所述根据所述访问请求的请求参数中的数据类型和数据完整度，确定所述访问请求对应的...
【专利技术属性】
技术研发人员：朱湘军，汪壮雄，李利苹，唐伟文，孟凯，
申请(专利权)人：广州视声智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。