一种青少年行为干预的云端管理数据库建立方法及系统

本技术涉及数据处理，具体而言，涉及一种青少年行为干预的云端管理数据库建立方法及系统。

背景技术：

1、随着信息化的发展速度越来越快，青少年行为干预数据量也越来越多，需要将青少年行为干预数据进行管理的难度也越来越大，从而难以搭建云端管理数据库，因此，亟需一种技术方案以改善上述技术问题。

技术实现思路

1、为改善相关技术中存在的技术问题，本技术提供了一种青少年行为干预的云端管理数据库建立方法及系统。

2、第一方面，提供一种青少年行为干预的云端管理数据库建立方法，所述方法包括：

3、获得待分析青少年行为干预数据集和人工智能线程，其中，所述人工智能线程以数据集合的置信度为分析数据配置获得，所述数据集合的置信度依据第一种类的置信度和第二种类的置信度得到，所述第一种类用于表征所述数据集合中的第一数据集合中涵盖数据数目最多的种类，所述第二种类是指所述数据集合中涵盖数据数目最多的种类；所述数据集合的置信度与所述第一种类的置信度不存在联系，所述数据集合的置信度与所述第二种类的置信度存在联系；

4、使用所述人工智能线程对所述待分析青少年行为干预数据集进行处理，得到所述待分析青少年行为干预数据集的数据管理结果，根据所述待分析青少年行为干预数据集的数据管理结果进行搭建，获得管理数据库。

5、其中，所述以数据集合的置信度为分析数据配置获得所述人工智能线程，包括：

6、获得待配置分析线程、第一待配置数据集合和第二待配置数据集合；

7、经所述待配置分析线程对所述第一待配置数据集合和所述第二待配置数据集合进行处理，得到先整合所述第一待配置数据集合的第一可能性；

8、结合所述第一待配置数据集合的第一置信度和所述第二待配置数据集合的第二置信度，得到先整合所述第一待配置数据集合的第二可能性；

9、结合所述第一可能性和所述第二可能性的区分，得到所述待配置分析线程的质量评估结果；

10、基于所述质量评估结果调试所述待配置分析线程的系数，得到所述人工智能线程。

11、其中，所述第一待配置数据集合还包括第二数据集合，所述第二待配置数据集合包括第三数据集合，在所述结合所述第一待配置数据集合的第一置信度和所述第二待配置数据集合的第二置信度，得到先整合所述第一待配置数据集合的第二可能性之前，所述方法还包括：

12、结合所述第一待配置数据集合中的数据的标签信息，确定所述第一待配置数据集合中不少于一个种类涵盖的数据的数目，确定为第一数目集；

13、结合所述第二待配置数据集合中的数据的标签信息，确定所述第二待配置数据集合中不少于一个种类涵盖的数据的数目，确定为第二数目集，其中，所述标签信息携带数据的种类信息；

14、结合所述第一数目集中的最大值与所述第一待配置数据集合中涵盖的数据的数目，得到第三置信度，结合所述第二数目集中的最大值与所述第二待配置数据集合中涵盖的数据的数目，得到第四置信度，其中，所述第三置信度用于表征所述第一待配置数据集合中涵盖数据的数目最多的种类的置信度，所述第四置信度用于表征所述第二待配置数据集合中涵盖数据的数目最多的种类的置信度；

15、确定所述第二数据集合中涵盖数据的数目最多的种类的置信度得到第五置信度，确定所述第三数据集合中涵盖数据的数目最多的种类的置信度得到第六置信度；

16、结合所述第三置信度和所述第五置信度得到所述第一置信度，结合所述第四置信度和所述第六置信度得到所述第二置信度。

17、其中，所述结合所述第一数目集中的最大值与所述第一待配置数据集合中的数据的数目，得到第三置信度，结合所述第二数目集中的最大值与所述第二待配置数据集合中的数据的数目，得到第四置信度，包括：

18、将所述第一数目集中的最大值与所述第一待配置数据集合中的数据的数目的比较结果确定为所述第三置信度；

19、将所述第二数目集中的最大值与所述第二待配置数据集合中的数据的数目的比较结果确定为所述第四置信度。

20、其中，所述第一待配置数据集合包括第二数据集合，所述第二待配置数据集合包括第三数据集合，在所述结合所述第一待配置数据集合的第一置信度和所述第二待配置数据集合的第二置信度，得到先整合所述第一待配置数据集合的第二可能性之前，所述方法还包括：

21、结合所述第一待配置数据集合中的数据的标签信息，确定所述第一待配置数据集合中每个种类涵盖的数据的数目，确定为第三数目集，结合所述第二待配置数据集合中的数据的标签信息，确定所述第二待配置数据集合中每个种类涵盖的数据的数目，确定为第四数目集，其中，所述标签信息携带数据的种类信息；

22、结合所述第三数目集中的要素和所述第一待配置数据集合中的数据的数目，得到第七置信度，结合所述第四数目集中的要素和所述第一待配置数据集合中的数据的数目，得到第八置信度，其中，所述第七置信度用于表征所述第一待配置数据集合中涵盖数据的数目最多的种类的置信度，所述第八置信度用于表征所述第二待配置数据集合中涵盖数据的数目最多的种类的置信度；

23、确定所述第二数据集合中涵盖数据数目最多的种类的置信度得到第五置信度，确定所述第三数据集合中涵盖数据数目最多的种类的置信度得到第六置信度；

24、结合所述第五置信度和所述第七置信度得到所述第一置信度，结合所述第六置信度和所述第八置信度得到所述第二置信度。

25、其中，所述结合所述第三数目集中的要素和所述第一待配置数据集合中的数据的数目，得到所述第七置信度，结合所述第四数目集中的要素和所述第一待配置数据集合中的数据的数目，得到所述第八置信度，包括：

26、确定所述第三数目集中涵盖的要素的函数处理结果，得到第一过渡数，确定所述第四数目集中涵盖的要素的函数处理结果，得到第二过渡数；

27、确定所述第一待配置数据集合中涵盖的数据的数目的函数处理结果，得到第三过渡数，确定所述第二待配置数据集合中涵盖的数据的数目的函数处理结果，得到第四过渡数；

28、将所述第一过渡数与所述第三过渡数的比较结果确定为所述第七置信度，将所述第二过渡数与所述第四过渡数的比较结果确定为所述第八置信度。

29、其中，所述结合所述第一待配置数据集合的第一置信度和所述第二待配置数据集合的第二置信度，得到先整合所述第一待配置数据集合的第四可能性，包括：

30、在所述第一置信度大于所述第二置信度的前提下，确定所述第四可能性为第一值；

31、在所述第一置信度等于所述第二置信度的前提下，确定所述第四可能性为第二值；

32、在所述第一置信度小于所述第二置信度的前提下，确定所述第四可能性为第三值；

33、所述第一值大于所述第二值，所述第二值大于所述第三值。

34、其中，所述结合所述第一待配置数据集合的第一置信度和所述第二待配置数据集合的第二置信度，得到先整合所述第一待配置数据集合的第二可能性，包括：

35、确定所述第一置信度与所述第二置信度的差，得到第四值；在所述第四值处于第一取值区间内的前提下，确定所述第二可能性为第五值；

36、在所述第四值处于第二取值区间内的前提下，确定所述第二可能性为第六值；所述第五值与所述第六值不同；所述第一取值区间与所述第二取值区间之间无交集。

37、其中，所述经所述待配置分析线程对所述第一待配置数据集合和所述第二待配置数据集合进行处理，得到先整合所述第一待配置数据集合的第一可能性，包括：

38、经所述待配置分析线程对所述第一待配置数据集合和所述第二待配置数据集合进行处理，得到第三可能性和第四可能性，其中，所述第三可能性与整合所述第一待配置数据集合得到的整合结果的准确度存在联系，所述第四可能性与整合所述第二待配置数据集合得到的整合结果的准确度存在联系；

39、结合所述第三可能性和所述第四可能性得到所述第一可能性。

40、第二方面，提供一种青少年行为干预的云端管理数据库建立系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。

41、本技术实施例所提供的一种青少年行为干预的云端管理数据库建立方法及系统，依据整合置信度和数据集合中不少于一个数据集合的置信度得到数据集合的置信度，可在确定数据集合的置信度过程中，不仅考虑数据集合中涵盖数据的数目最多的种类的置信度，而且考虑数据集合中不少于一个数据集合的置信度，进而可降低误整合发生的可能性，从而提高整合准确度，从而能够提高数据库搭建的可靠性。