应用于可视化数据库的交互行为大数据挖掘方法及系统与流程

本发明涉及大数据、人工智能、可视化和数据库，特别涉及一种应用于可视化数据库的交互行为大数据挖掘方法及系统。

背景技术：

1、gui（graphical user interface，图形用户界面）技术的发展，其生动、友好的图形界面已经广泛应用于众多领域。在数据库（database）领域中，数据库设计者往往为好的数据定义而大费精力。同样，用户也要为严格、枯燥的数据操纵语言大伤脑经。为了解决上述问题，基于图形用户界面的可视化数据库（visual database）系统构成了数据库发展的又一方向。

2、随着大数据（big data）和人工智能（artificial intelligence）的不断成熟，可视化数据库系统所应对的交互任务数量和类型与日俱增，由于可视化数据库系统的一系列交互功能基于图形界面实现，因此用户在通过可视化数据库系统进行数据库交互使用时的操作行为数据也呈图像形式。为了实现可视化数据库系统的升级优化以进一步地提升可视化数据库系统的交互智能化程度，准确可靠地挖掘用户的操作行为偏好至关重要。

技术实现思路

1、本发明至少提供一种应用于可视化数据库的交互行为大数据挖掘方法及系统。

2、本发明的技术方案是通过如下至少部分实施例实现的。

3、一种应用于可视化数据库的交互行为大数据挖掘方法，应用于大数据解析系统，所述方法包括：

4、获取触发视觉交互行为解析机制的数据库操作行为图像记录；

5、对所述数据库操作行为图像记录进行图像描述子挖掘处理，得到所述数据库操作行为图像记录的图像小波描述子；其中，所述图像小波描述子中包含多个量化图像描述成员；

6、对所述图像小波描述子进行图像描述变更处理，将所述图像小波描述子中的多个量化图像描述成员变更成非量化图像描述成员，得到所述图像小波描述子的联动操作行为描述知识；其中，所述联动操作行为描述知识包含多个不同关注面的非量化图像描述成员；

7、对所述联动操作行为描述知识分别进行知识分团操作，得到所述图像小波描述子的联动分团结果，所述联动分团结果包括所述多个不同关注面的分团结果；

8、对所述联动分团结果进行聚合解析操作，确定所述数据库操作行为图像记录的可视化操作偏好解析报告。

9、在一些示例实施例中，所述联动操作行为描述知识包括场景操作行为描述知识、事件操作行为描述知识和业务项目操作行为描述知识；其中，所述场景操作行为描述知识用于表征所述数据库操作行为图像记录所对应的交互场景，所述事件操作行为描述知识用于表征所述数据库操作行为图像记录的通信终端所匹配的行为事件，所述业务项目操作行为描述知识用于表征与所述场景和所述行为事件所匹配的数据库业务项目。

10、在一些示例实施例中，所述对所述联动操作行为描述知识分别进行知识分团操作，得到所述图像小波描述子的联动分团结果，包括：

11、对于目标关注面，采用第一ai学习算法对目标关注面操作行为描述知识进行处理，获取所述目标关注面操作行为描述知识的平均描述知识；其中，所述平均描述知识用于表征所述目标关注面操作行为描述知识在知识关系网中的平均定位变量；

12、采用第二ai学习算法对所述目标关注面操作行为描述知识进行处理，获取所述目标关注面操作行为描述知识的偏离描述知识；其中，所述偏离描述知识用于表征所述目标关注面操作行为描述知识在知识关系网中的偏离定位变量；

13、采用目标扰动特征对所述偏离描述知识进行扰动特征增添处理，得到处理后的偏离描述知识；

14、结合所述平均描述知识和所述处理后的偏离描述知识，确定所述目标关注面操作行为描述知识对应的拟分团操作行为描述知识；

15、对所述拟分团操作行为描述知识进行知识分团操作，得到所述图像小波描述子的目标关注面分团结果。

16、在一些示例实施例中，所述对所述联动分团结果进行聚合解析操作，确定所述数据库操作行为图像记录的可视化操作偏好解析报告之后，还包括：

17、根据所述可视化操作偏好解析报告，从数据库操作行为图像记录集中获取与所述可视化操作偏好解析报告所匹配的数据库界面优化案例作为备选数据库界面优化案例；

18、在所述备选数据库界面优化案例的个数为多个的情况下，获取各个所述备选数据库界面优化案例的优化反馈度量值；

19、从所述备选数据库界面优化案例中，挑选所述优化反馈度量值符合要求的备选数据库界面优化案例作为所述数据库操作行为图像记录对应的数据库界面优化案例。

20、在一些示例实施例中，所述方法通过可视化操作偏好解析网络实施，所述可视化操作偏好解析网络的调试步骤包括：

21、获取可视化操作偏好解析网络的最少一个调试学习信息，所述调试学习信息包括过往数据库操作行为图像记录和所述过往数据库操作行为图像记录对应的学习注释；

22、对所述过往数据库操作行为图像记录进行图像描述子挖掘处理，得到所述过往数据库操作行为图像记录的图像小波描述子；其中，所述图像小波描述子中包含多个量化图像描述成员；

23、对所述图像小波描述子进行图像描述变更处理，将所述图像小波描述子中的多个量化图像描述成员变更成非量化图像描述成员，得到所述图像小波描述子的联动操作行为描述知识；其中，所述联动操作行为描述知识包含多个不同关注面的非量化图像描述成员；

24、对所述联动操作行为描述知识分别进行知识分团操作，得到所述图像小波描述子的联动分团结果，所述联动分团结果包括所述多个不同关注面的分团结果；

25、对所述联动分团结果进行聚合解析操作，确定所述过往数据库操作行为图像记录的可视化操作偏好解析报告；

26、结合所述联动分团结果、所述可视化操作偏好解析报告，以及所述过往数据库操作行为图像记录对应的学习注释，确定所述可视化操作偏好解析网络的网络学习代价变量；

27、结合所述网络学习代价变量对所述可视化操作偏好解析网络的网络配置参量进行改进。

28、在一些示例实施例中，所述联动分团结果包括场景分团结果、行为事件分团结果和数据库业务项目分团结果；

29、所述学习注释包括所述过往数据库操作行为图像记录对应的场景分团学习注释、行为事件分团学习注释和数据库业务项目分团学习注释，以及所述过往数据库操作行为图像记录对应的可视化操作偏好学习注释。

30、在一些示例实施例中，所述结合所述联动分团结果、所述可视化操作偏好解析报告，以及所述过往数据库操作行为图像记录对应的学习注释，确定所述可视化操作偏好解析网络的网络学习代价变量，包括：

31、结合所述场景分团结果、所述行为事件分团结果、所述数据库业务项目分团结果，结合所述场景分团学习注释、所述行为事件分团学习注释和所述数据库业务项目分团学习注释，确定所述可视化操作偏好解析网络对应的第一网络学习代价变量；其中，第一网络学习代价指标用作表征所述可视化操作偏好解析网络的联动分团结果的精度；

32、结合所述可视化操作偏好解析报告和所述可视化操作偏好学习注释，确定所述可视化操作偏好解析网络对应的第二网络学习代价变量；其中，第二网络学习代价指标用作表征所述可视化操作偏好解析网络的可视化操作偏好解析报告的精度；

33、结合所述第一网络学习代价变量和所述第二网络学习代价变量，确定所述可视化操作偏好解析网络的网络学习代价变量。

34、在一些示例实施例中，所述结合所述场景分团结果、所述行为事件分团结果、所述数据库业务项目分团结果，结合所述场景分团学习注释、所述行为事件分团学习注释和所述数据库业务项目分团学习注释，确定所述可视化操作偏好解析网络对应的第一网络学习代价变量，包括：

35、结合所述场景分团结果，结合所述场景分团学习注释、所述行为事件分团学习注释和所述数据库业务项目分团学习注释，确定所述可视化操作偏好解析网络中场景分团组件对应的网络学习代价变量；

36、结合所述行为事件分团结果，结合所述场景分团学习注释、所述行为事件分团学习注释和所述数据库业务项目分团学习注释，确定所述可视化操作偏好解析网络中行为事件分团组件对应的网络学习代价变量；

37、结合所述数据库业务项目分团结果，结合所述场景分团学习注释、所述行为事件分团学习注释和所述数据库业务项目分团学习注释，确定所述可视化操作偏好解析网络中数据库业务项目分团组件对应的网络学习代价变量；

38、根据所述场景分团组件对应的网络学习代价变量、所述行为事件分团组件对应的网络学习代价变量和所述数据库业务项目分团组件对应的网络学习代价变量，确定所述第一网络学习代价变量。

39、在一些示例实施例中，所述方法还包括：

40、基于设定处理策略，对所述可视化操作偏好学习注释进行分治操作，获取所述场景分团学习注释、所述行为事件分团学习注释和所述数据库业务项目分团学习注释。

41、在一些示例实施例中，所述可视化操作偏好解析网络包括：

42、图像描述子挖掘分支、场景特征挖掘分支、行为事件特征挖掘分支、数据库业务项目特征挖掘分支、第一ai学习算法、第二ai学习算法、扰动特征增添分支、场景分团组件、行为事件分团组件、数据库业务项目分团组件和聚合解析分支；

43、所述图像描述子挖掘分支用于对数据库操作行为图像记录进行图像描述子挖掘处理，获取所述数据库操作行为图像记录对应的图像小波描述子；所述图像小波描述子中包含多个量化图像描述成员；

44、所述场景特征挖掘分支用于对所述图像小波描述子进行场景特征变更处理，将所述图像小波描述子中的多个量化图像描述成员变更成非量化图像描述成员，得到所述图像小波描述子的场景操作行为描述知识；其中，场景操作行为描述知识为非量化图像描述成员；

45、所述行为事件特征挖掘分支用于对所述图像小波描述子进行行为事件特征变更处理，将所述图像小波描述子中的多个量化图像描述成员变更成非量化图像描述成员，得到所述图像小波描述子的事件操作行为描述知识；其中，事件操作行为描述知识为非量化图像描述成员；

46、所述数据库业务项目特征挖掘分支用于对所述图像小波描述子进行数据库业务项目特征变更处理，将所述图像小波描述子中的多个量化图像描述成员变更成非量化图像描述成员，得到所述图像小波描述子的业务项目操作行为描述知识；其中，业务项目操作行为描述知识为非量化图像描述成员；

47、所述第一ai学习算法用于对多个关注面操作行为描述知识分别进行处理，获取所述多个关注面操作行为描述知识分别对应的平均描述知识；其中，所述平均描述知识用于表征关注面操作行为描述知识在知识关系网中的平均定位变量；

48、所述第二ai学习算法用于对多个关注面操作行为描述知识分别进行处理，获取所述多个关注面操作行为描述知识分别对应的偏离描述知识；

49、其中，所述偏离描述知识用于表征关注面操作行为描述知识在知识关系网中的偏离定位变量；所述扰动特征增添分支用于结合所述多个关注面操作行为描述知识分别对应的平均描述知识和偏离描述知识，增添目标扰动特征，确定所述多个关注面操作行为描述知识分别对应的拟分团操作行为描述知识；所述场景分团组件用于对场景关注面的拟分团操作行为描述知识进行知识分团操作，得到所述操作行为描述知识的场景关注面分团结果；所述行为事件分团组件用于对行为事件关注面的拟分团操作行为描述知识进行知识分团操作，得到所述操作行为描述知识的行为事件关注面分团结果；所述数据库业务项目分团组件用于对数据库业务项目关注面的拟分团操作行为描述知识进行知识分团操作，得到所述操作行为描述知识的数据库业务项目关注面分团结果；所述聚合解析分支用于将所述场景分团结果、所述行为事件分团结果和所述数据库业务项目分团结果进行增添，确定所述数据库操作行为图像记录的可视化操作偏好解析报告。

50、一种大数据解析系统，包括：处理器、存储器以及网络接口；所述处理器与所述存储器、所述网络接口相连；所述网络接口用于提供数据通信功能，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，以执行上述方法。

51、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时执行应用于可视化数据库的交互行为大数据挖掘方法。

52、一种计算机程序产品，包括计算机程序或计算机可执行指令，所述计算机程序或计算机可执行指令被处理器执行时，实现应用于可视化数据库的交互行为大数据挖掘方法。

53、根据本发明的一个实施例，通过数据库操作行为图像记录的图像描述变更处理、联动知识分团操作，确定数据库操作行为图像记录的联动分团结果，进而将联动分团结果进行聚合解析操作，确定数据库操作行为图像记录的可视化操作偏好解析报告，从多个关注面进行分析处理确定可视化操作偏好解析报告，可以提高可视化操作偏好解析报告的精度；而且，在图像描述变更处理时，将多个量化图像描述成员变更成联动的非量化图像描述成员，可以尽可能规避之后基于图像描述进行操作偏好解析时的误差累加，这样可以提高可视化操作偏好解析报告的精度和可信度，以便为可视化数据库的操作交互功能升级优化或者个性化操作界面定制提供决策依据。

54、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本发明的技术方案。