[发明专利]一种基于预测模型的数据表接入方法及系统

权利要求书

1.一种基于预测模型的数据表接入方法，包括：

收集表征数据表的记录内容变化状态的历史相关数据；

对所述历史相关数据进行数列描述，转换为多维特征历史数据；

将所述多维特征历史数据输入到预测模型中进行运算；

基于所述预测模型运算后输出的预测值，确定所述数据表是否接入。

2.如权利要求1所述的方法，其中，所述收集表征数据表的记录内容变化状态的历史相关数据，进一步包括：

以预设时间段为单位，收集所述数据表的记录内容变化状态，作为所述用于表征数据表的记录内容变化状态的历史相关数据。

3.如权利要求2所述的方法，其中，所述历史相关数据进一步包括：数据表变化状态结果值，以及一个或多个数据表相关属性特征值。

4.如权利要求3所述的方法，其中，对所述历史相关数据进行数列描述，转换为多维特征历史数据，进一步包括：

按时间顺序将所述历史相关数据中的所述数据表变化状态结果值描述为状态变化数列，并将所述一个或多个数据表相关属性特征值分别对应所述状态变化数列中的各个变化状态结果值进行标注，转换为多维特征历史数据。

5.如权利要求3所述的方法，其中，将所述多维特征历史数据输入到预测模型中进行运算之前，还包括：

将预设一定历史时段内的数据表，及对应的历史相关数据作为样本数据用于训练所述预测模型。

6.如权利要求5所述的方法，其中，所述将预设一定历史时段内的数据表作为样本数据用于训练所述预测模型，进一步包括：

将预设一定历史时段内的数据表作为样本数据，将所述历史时段结束时的接入状态作为分类标识，提取样本数据中相关的一个或多个属性特征值作为特征变量；

使用所述特征变量训练所述预测模型。

7.如权利要求6所述的方法，其中，所述提取样本数据中相关的一个或多个属性特征值作为特征变量，进一步包括：

提取样本数据中相关的一个或多个属性特征值，基于信息评价指标进行变量筛选；

将筛选后的属性特征值作为特征变量。

8.如权利要求6或7所述的方法，其中，使用所述特征变量训练所述预测模型，还包括：

设置所述预测模型运算后的分类判定阈值，通过绘制不同阈值下的P-R曲线调整匹配需求的阈值；

使用调整后的阈值作为所述预测模型确定数据表是否接入的分类判定标准。

9.如权利要求8所述的方法，其中，基于所述预测模型运算后输出的预测值，确定所述数据表是否接入，进一步包括：

将所述输出的预测值与所述调整后的阈值进行比较，确定所述数据表是否接入。

10.如权利要求1所述的方法，还包括：

设置数据表发生记录内容变化作为接入状态，需对数据表进行接入，且设置数据表未发生记录内容变化作为不接入状态，需不对数据表进行接入；

构建i*k的接入状态矩阵T，用以记录待接入的数据表在一定历史时段的接入状态，所述接入状态矩阵T由元素t(i,k)构成，由此数据表接入状态的判定规则与取值如下：

其中，t(i,k)表示第i个待接入的数据表在第k日的接入状态，c(i,k)表示第i个数据表在第k日的数据记录条数。

11.如权利要求10所述的方法，还包括：

分析所述接入状态矩阵T，依据数据表接入状态的稳定程度将所述数据表归入三种接入模式，第i个数据表的接入模式t(i)计算规则如下：

其中S1、S2和S3代表三种接入模式，即

S1:数据表在k日内的接入状态没有变化，皆为0，数据记录条数保持不变；

S2:数据表在k日内的接入状态没有变化，皆为1，数据记录条数每日都会发生变动；

S3:数据表在k日内的接入状态发生变化，有的日期记录条数会变动，有的不变动。