【技术实现步骤摘要】
本专利技术涉及数据分析，具体为一种基于人工智能的数据仓库管理系统及方法。
技术介绍
1、数据仓库是一个集中存储大量数据的系统，这些数据主要用于支持组织内的决策制定过程，它通常包含了来自内部多个源和外部源的数据；数据仓库和数据库的区别在于：数据库储存的是当前业务操作所需的数据，通常是频繁更新的，以反应最新的业务状态，而数据仓库储存的是经过整合的大量历史数据，并为数据库提供数据支撑。
2、为满足数据库的时效性，更加贴合用户的个性化喜好，数据库中往往会储存用户最新产生的数据并进行分析，然而由于数据库本身的局限性，一部分储存的数据无法与最新储存的数据产生关联性，此时需要调取数据仓库中数据对数据库进行更新替换，然而，如何对数据库进行替换，从而提高数据库分析能力这一问题往往难以解决；且没有一个统一的标准，对这些替换数据的准确性进行验证。
技术实现思路
1、本专利技术的目的在于提供一种基于人工智能的数据仓库管理系统及方法，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：一种基于人工智能的数据仓库管理方法，该方法包括以下步骤：
3、s10、根据数据库中储存的用户历史操作行为数据和历史社交信息浏览数据，生成用户个性化的喜好模板；
4、s20、用户授权登录软件，根据用户的喜好模板为用户推荐相关的社交信息数据，并采集用户在软件上的操作行为数据；
5、s30、对采集的用户操作行为数据进行分析，根据用户实时的
6、s40、将分析的用户操作行为数据和对应的社交信息浏览数据储存在数据库中并记录，当用户退出软件后，从数据仓库中调取该用户的其他历史操作行为数据和对应的社交信息浏览数据，对用户数据库进行更新。
7、进一步的，所述数据库用于储存用户历史操作行为数据；所述数据仓库用于储存用户的其他历史操作行为数据；其中，将用户登录软件到退出软件界面作为一个数据采集周期；当采集的一个周期内的用户操作行为数据结束时，将采集用户操作行为数据和对应的社交信息浏览数据储存在数据库中。
8、进一步的，所述步骤s10的方法步骤为：
9、s101、将社交信息数据划分为m种数据类型；分析不同周期下的用户历史操作行为数据和社交信息浏览数据，确定用户浏览的社交信息数据类型和各数据类型下社交信息浏览情况，得到集合p1、p2、...、pn；其中，pv={pv,1、pv,2、...、pv,m}；；pv表示分析的第v个数据集合；v=1、2、...、n；pv,i表示第v个数据集合中用户浏览的第i种数据类型的社交信息浏览情况；i=1、2、...、m；qv,i,j表示第v个数据集合中用户浏览的第i种数据类型中第j个社交信息的浏览情况；j=1、2、...、sv,i；sv,i表示第v个数据集合中第i种数据类型中用户浏览的社交信息数量；
10、其中，；tv,i,j表示第v个数据集合中用户浏览的第i种数据类型中第j个社交信息所需浏览总时长；hv,i,j表示第v个数据集合中用户浏览的第i种数据类型中第j个社交信息实际浏览时长；
11、s102、根据集合p1、p2、...、pn，计算用户在不同周期下对于不同数据类型下社交信息浏览平均值；根据计算公式：
12、；
13、其中，表示n个数据集合中第i种数据类型的社交信息浏览平均值；
14、将作为用户浏览社交信息的喜好程度，并根据，计算用户在不同周期下对于不同数据类型下社交信息浏览方差值，将计算的方差值用来反映用户浏览社交信息的喜好程度的准确度；根据计算公式：；
15、其中，fv,i表示第v个数据集合中用户浏览的第i种数据类型下社交信息浏览方差值；
16、通过计算方差值，将用户操作行为产生的数字信息进行离散化分析，更能反映用户对于当前浏览社交信息的喜好程度，从而提高系统数据分析的准确性；
17、s103、根据数据库中计算的f1,i、f2,i、...、fn,i，得到用户浏览不同数据类型的社交信息时的最大喜好程度阈值k1、k2、...、km；
18、其中，ki=max{f1,i、f2,i、...、fn,i}；
19、ki表示第i种数据类型的用户社交信息最大喜好程度阈值。
20、进一步的，所述步骤s30的方法步骤为：
21、s301、将数据库中储存的用户历史操作行为数据作为分析数据，根据采集的用户操作行为数据，得到用户浏览不同数据类型下的社交信息浏览情况qi,t；将作为用户社交信息浏览平均值，计算为用户推荐相关的社交信息数据的过程中，用户浏览不同数据类型下的社交信息时对应的准确度变化情况；根据计算公式：
22、；
23、其中，t表示时间戳，fi,t表示采集的用户操作行为数据中用户浏览的第i种数据类型的社交信息对应的准确度随时间t的变化情况；si,t表示用户从登录软件到时间t内浏览第i种数据类型的社交信息数量；表示用户从登录软件到时间t内浏览的si,t个第i种数据类型的社交信息浏览情况与社交信息浏览平均值的平方差累积；
24、s302、将fi,t与ki进行比较；当fi,t≤ki时，判断当前提供的相关社交信息数据符合用户喜好；当fi,t＞ki时，判断当前提供的相关社交信息数据不符合用户喜好；
25、通过最大化的阈值进行比较，从而判断推荐相关的社交信息数据是否是在满足用户个性化需求的合理范围内，当超出合理范围，说明用户喜好习惯发生改变，此时需要对数据库进行更新。
26、进一步的，所述步骤s40的方法步骤为：
27、s401、基于用户操作行为数据中出现社交信息数据不符合用户喜好的历史数据；以软件使用时长为时间线，确定数据库中每条社交信息距离当前时间的浏览时间间隔，得到数据库中储存的社交信息浏览数据的平均时长；根据计算公式：
28、；
29、其中，表示数据库中每条社交信息距离当前时间的浏览时间间隔进行累加；w表示数据库中储存的用户浏览社交信息数量；
30、确定数据库中社交信息浏览方差均值；根据计算公式：
31、；
32、其中，表示用户在对应周期下每条社交信息浏览方差值进行累加；
33、以和为自变量，不同数据储存时长下，出现社交信息数据不符合用户喜好的频率v为因变量，分析不同数据储存时长和社交信息浏览方差均值下，对于用户社交信息喜好分析准确度的影响；根据计算公式：
34、；
35、其中，a、b、c、d和e均为常数；
36、将和v的分析数据代入上述公式中，得到a、b、c、d和e的值；
37、通过分析数据储存时长本文档来自技高网...
【技术保护点】
1.一种基于人工智能的数据仓库管理方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的数据仓库管理方法，其特征在于：所述数据库用于储存用户历史操作行为数据；所述数据仓库用于储存用户的其他历史操作行为数据；其中，将用户登录软件到退出软件界面作为一个数据采集周期；当采集的一个周期内的用户操作行为数据结束时，将采集用户操作行为数据和对应的社交信息浏览数据储存在数据库中。
3.根据权利要求2所述的一种基于人工智能的数据仓库管理方法，其特征在于：所述步骤S10的方法步骤为：
4.根据权利要求3所述的一种基于人工智能的数据仓库管理方法，其特征在于：所述步骤S30的方法步骤为：
5.根据权利要求4所述的一种基于人工智能的数据仓库管理方法，其特征在于：所述步骤S40的方法步骤为：
6.一种基于人工智能的数据仓库管理系统，其特征在于：该系统包括用户数据采集模块、数据调取分析模块、数据准确度验证模块和数据储存管理模块；
7.根据权利要求6所述的一种基于人工智能的数据仓库管理系统，其特征在于：所述用户
8.根据权利要求7所述的一种基于人工智能的数据仓库管理系统，其特征在于：所述数据调取分析模块包含历史数据分析单元、方差计算单元、阈值确认单元和准确度影响分析单元；
9.根据权利要求8所述的一种基于人工智能的数据仓库管理系统，其特征在于：所述数据准确度验证模块包含实时数据分析单元、准确度计算单元和用户喜好判断单元；
10.根据权利要求9所述的一种基于人工智能的数据仓库管理系统，其特征在于：所述数据储存管理模块包含数据库管理单元、数据仓库管理单元和数据库更新管理单元；
...【技术特征摘要】
1.一种基于人工智能的数据仓库管理方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的数据仓库管理方法，其特征在于：所述数据库用于储存用户历史操作行为数据；所述数据仓库用于储存用户的其他历史操作行为数据；其中，将用户登录软件到退出软件界面作为一个数据采集周期；当采集的一个周期内的用户操作行为数据结束时，将采集用户操作行为数据和对应的社交信息浏览数据储存在数据库中。
3.根据权利要求2所述的一种基于人工智能的数据仓库管理方法，其特征在于：所述步骤s10的方法步骤为：
4.根据权利要求3所述的一种基于人工智能的数据仓库管理方法，其特征在于：所述步骤s30的方法步骤为：
5.根据权利要求4所述的一种基于人工智能的数据仓库管理方法，其特征在于：所述步骤s40的方法步骤为：
6.一种基于...
【专利技术属性】
技术研发人员：邱化冬，李智，张鹏，许树辉，姜启升，
申请(专利权)人：山东山科世鑫科技有限公司，
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。