[发明专利]一种数据处理方法及数据状态预测模型的训练方法

权利要求书

1.一种数据处理方法，包括：

提取待处理的数据的混合特征，所述混合特征包括静态特征和动态特征；

根据所述混合特征，形成待处理的数据的特征向量集；

将所述特征向量集输入到预先训练好的数据状态预测模型中，以预测所述数据对应的状态；

若所述状态指示所述数据为冷数据，则将所述数据进行迁移，

其中，所述静态特征包括：从所述待处理的数据的多个数据字段中筛选出满足预设的筛选规则的一个或多个数据字段，所述动态特征包括预定时段内对所述待处理的数据的访问次数。

2.如权利要求1所述的方法，其中，所述筛选规则包括至少以下一项：

对连续型的数据字段，若所述数据字段的值变化连续和/或值分布合理，则确定所述数据字段可作为所述数据的静态特征；

对离散型的数据字段，若所述数据字段的值指示所述数据字段对应的状态属性正常，则确定所述数据字段可作为所述数据的静态特征。

3.如权利要求1所述的方法，其中，所述访问次数包括对数据进行选择操作的次数和更新操作的次数。

4.如权利要求1所述的方法，所述根据所述混合特征，形成待处理的数据的特征向量集，包括：

对所述混合特征中的各静态特征，若所述静态特征的值为非数值类型，则对所述静态特征的值进行编码处理，以生成对应的静态特征向量；

若所述静态特征的值为数值类型，则根据所述静态特征的值形成对应的静态特征向量；

基于所述混合特征中的动态特征的值形成对应的动态特征向量；

组合各静态特征向量和所述动态特征向量，以形成所述数据的特征向量集。

5.如权利要求4所述的方法，所述对所述静态特征的值进行编码处理，包括：

通过独热码和/或词嵌入的编码方式，对所述静态特征的值进行编码处理。

6.如权利要求1所述的方法，其中，所述数据状态预测模型基于预先获取的训练数据集合进行模型训练，以便所述数据状态预测模型的输出指示输入特征向量集对应数据的状态。

7.如权利要求6所述的方法，其中，所述训练数据集合包括多条训练数据，每条训练数据包括训练特征向量集和所述训练特征向量集对应数据的真实状态，所述基于预先获取的训练数据集合进行模型训练，包括：

对所述训练数据集合中的各条训练数据，将所述训练数据中的训练特征向量集作为输入，输入到所述数据状态预测模型，以得到所述数据状态预测模型输出的、所述训练特征向量集对应数据的预测状态；

基于所述训练数据中的训练特征向量集对应数据的预测状态和真实状态，调整所述数据状态预测模型的参数。

8.如权利要求6或7所述的方法，其中，还包括预先获取训练数据集合，所述预先获取训练数据集合，包括：

对数据操作日志进行解析，根据解析结果提取所述数据操作日志中各数据的混合特征和生命周期；

对所述数据操作日志中各数据，基于所述数据的混合特征形成对应的训练特征向量集；

根据所述数据的生命周期，确定所述数据的真实状态是热数据状态还是冷数据状态；

关联所述数据的训练特征向量集和真实状态，形成对应的训练数据；

汇集所述数据操作日志中各数据对应的训练数据，以生成训练数据集合。

9.如权利要求8所述的方法，其中，所述对数据操作日志进行解析，根据解析结果提取所述数据操作日志中各数据的混合特征和生命周期，包括：

对数据操作日志进行解析，以获取所述数据操作日志中各数据的多个数据字段；

对所述数据操作日志中各数据，基于所述数据的多个数据字段，确定所述数据的一个或多个静态特征；

统计预定时段内对所述数据的访问次数，将所述访问次数作为所述数据的动态特征；

计算所述数据进行插入操作和最后一次访问操作的时间间隔，作为所述数据的生命周期。