[发明专利]数据归档方法、装置、设备及存储介质

权利要求书

1.一种数据归档方法，其特征在于，包括：

获取预定数量的样本数据，以及每条所述样本数据的类型信息，根据所述类型信息确定所述样本数据对应的多个特征字段数据，每条所述样本数据包括对应的归档时间；

根据预设的数据字典，获取每条所述样本数据中多个所述特征字段数据的向量及对应的归档时间的向量，将每条所述样本数据中多个所述特征字段数据的向量与对应的归档时间的向量进行组合，得到每条所述样本数据对应的多维向量；

将每条所述样本数据对应的多维向量输入预定的向量学习模型中进行训练，获取训练好的向量学习模型；

获取待归档的数据，基于所述训练好的向量学习模型预测所述待归档的数据的归档时间，并按照所述归档时间对所述待归档的数据进行归档；

其中，所述预定的向量学习模型为支持向量机模型，所述将每条所述样本数据对应的多维向量输入预定的向量学习模型中进行训练，获取训练好的向量学习模型的步骤，具体包括：

获取所述支持向量机模型的多项式核函数，所述多项式核函数为：

d(XT)＝αi*d(vi)+ε，其中，αi是拉格朗日乘数，ε是回归函数偏移量，d(vi)是所述支持向量机模型的内置算法原型，v为多维向量，i为多维向量的序号，XT为待归档的数据对应的向量；

基于输入的每条所述样本数据对应的多维向量对所述支持向量机模型进行训练，确定所述多项式核函数并获取训练好的支持向量机模型；

基于交叉验证的方式验证训练好的支持向量机模型，获取多个验证结果；

基于所述多个验证结果计算所述训练好的支持向量机模型的预测准确率，当所述预测准确率达到预定的阈值时，确定所述多项式核函数；

所述获取待归档的数据，基于所述训练好的向量学习模型预测所述待归档的数据的归档时间，并按照所述归档时间对所述待归档的数据进行归档的步骤，具体包括：获取数据库表中的待归档的数据，及每条所述待归档的类型信息，根据所述类型信息确定所述待归档的数据对应的多个特征字段数据；根据所述数据字典，获取每个所述特征字段数据对应的向量；将所述待归档的数据的多个特征字段数据对应的多个向量输入所述训练好的向量学习模型中，获取输出的各个归档时间，并按照所述各个归档时间对对应的所述待归档的数据进行归档。

2.根据权利要求1所述的数据归档方法，其特征在于，所述获取预定数量的样本数据的步骤，具体包括：

分析数据库表中的数据的业务性质或增长性质，对于分析后得到的业务数据或增长数据，使用预定的归档算法对所述业务数据或增长数据进行归档；

将归档后的预定数量的所述业务数据或增长数据作为所述样本数据。

3.根据权利要求2所述的数据归档方法，其特征在于，所述预定的归档算法为最近最少使用算法，所述使用预定的归档算法对所述业务数据或增长数据进行归档的步骤，具体包括：监控所述数据库表中所述业务数据或增长数据的更新或访问状态，当有所述业务数据或增长数据被更新或被访问时，触发预设的触发器，并同步更新所述业务数据或增长数据的归档时间。

4.根据权利要求1所述的数据归档方法，其特征在于，所述根据所述类型信息确定所述样本数据对应的多个特征字段数据的步骤，具体包括：获取预设的关联表，所述关联表中记录有多个类型信息及与每一类型信息对应相关联的多个特征字段数据，基于所述关联表确定所述样本数据对应的多个特征字段数据。