本發(fā)明涉及數(shù)據(jù)管理，尤其涉及一種多模態(tài)數(shù)據(jù)庫(kù)的數(shù)據(jù)管理方法及系統(tǒng)。

背景技術(shù)：

1、多模態(tài)數(shù)據(jù)庫(kù)的數(shù)據(jù)管理技術(shù)源于多種數(shù)據(jù)類型的增加和復(fù)雜性的提升，這些數(shù)據(jù)類型包括文本、圖像、視頻、音頻以及多種傳感器數(shù)據(jù)等，特別是在處理復(fù)雜的、多源的、異構(gòu)的數(shù)據(jù)時(shí)，傳統(tǒng)的單一數(shù)據(jù)模型數(shù)據(jù)庫(kù)由于其局限性，已經(jīng)難以滿足現(xiàn)代應(yīng)用的需求；一般的數(shù)據(jù)管理是指對(duì)數(shù)據(jù)進(jìn)行有效的采集、存儲(chǔ)、安全管理、驗(yàn)證和處理的一系列策略和技術(shù)，但隨著技術(shù)的發(fā)展，普通的數(shù)據(jù)管理方法無(wú)法滿足大部分用戶的需求，需要對(duì)數(shù)據(jù)進(jìn)行深層次的分析，挖掘內(nèi)部特征，對(duì)多樣化的多模態(tài)數(shù)據(jù)提供智能化、個(gè)性化的管理模式，對(duì)內(nèi)部存儲(chǔ)結(jié)構(gòu)進(jìn)行調(diào)整和優(yōu)化，針對(duì)多模態(tài)數(shù)據(jù)的特征優(yōu)化數(shù)據(jù)存儲(chǔ)策略。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明旨在提供一種多模態(tài)數(shù)據(jù)庫(kù)的數(shù)據(jù)管理方法及系統(tǒng)，針對(duì)多模態(tài)數(shù)據(jù)的特征優(yōu)化數(shù)據(jù)存儲(chǔ)策略。

2、一種多模態(tài)數(shù)據(jù)庫(kù)的數(shù)據(jù)管理方法，包括以下步驟：

3、獲取待管理多模態(tài)數(shù)據(jù)集，待管理多模態(tài)數(shù)據(jù)集包含有n條待管理多模態(tài)數(shù)據(jù)dn，待管理多模態(tài)數(shù)據(jù)dn為文本數(shù)據(jù)或圖像數(shù)據(jù)；基于待管理多模態(tài)數(shù)據(jù)集和多模態(tài)數(shù)據(jù)特征分析模型中進(jìn)行分析，得到待管理多模態(tài)數(shù)據(jù)融合特征rn，n=1，2，…，n；

4、多模態(tài)數(shù)據(jù)特征分析模型包括有數(shù)據(jù)預(yù)處理層、特征提取層、綜合分析層和融合特征輸出層，基于知識(shí)圖譜算法對(duì)基礎(chǔ)cnn模型進(jìn)行改進(jìn)，并引入特征自適應(yīng)閾值因子z，用于提取待管理多模態(tài)數(shù)據(jù)dn的深層次特征；

5、基于待管理多模態(tài)數(shù)據(jù)融合特征rn和多模態(tài)數(shù)據(jù)管理分配模型，對(duì)待管理多模態(tài)數(shù)據(jù)dn進(jìn)行數(shù)據(jù)庫(kù)存儲(chǔ)分配，將待管理多模態(tài)數(shù)據(jù)集存儲(chǔ)至多模態(tài)數(shù)據(jù)庫(kù)中；其中，多模態(tài)數(shù)據(jù)庫(kù)中包含有m個(gè)多模態(tài)數(shù)據(jù)庫(kù)分區(qū)pm，m=1，2，…，m；每個(gè)多模態(tài)數(shù)據(jù)庫(kù)分區(qū)pm對(duì)應(yīng)一個(gè)數(shù)據(jù)庫(kù)訪問(wèn)隱含值ym；

6、多模態(tài)數(shù)據(jù)管理分配模型包括有特征匹配層、分區(qū)存儲(chǔ)層和結(jié)果輸出層，利用特征匹配技術(shù)對(duì)待管理多模態(tài)數(shù)據(jù)dn進(jìn)行數(shù)據(jù)庫(kù)存儲(chǔ)分配；

7、獲取目標(biāo)用戶操作記錄；基于目標(biāo)用戶操作記錄和多模態(tài)數(shù)據(jù)庫(kù)管理更新模型，對(duì)多模態(tài)數(shù)據(jù)庫(kù)分區(qū)pm進(jìn)行動(dòng)態(tài)更新，得到新的多模態(tài)數(shù)據(jù)庫(kù)分區(qū)pm，并賦予新的多模態(tài)數(shù)據(jù)庫(kù)分區(qū)pm新的數(shù)據(jù)庫(kù)訪問(wèn)隱含值ym；

8、多模態(tài)數(shù)據(jù)庫(kù)管理更新模型包括有操作特征量化層、隱含值變更層和數(shù)據(jù)庫(kù)存儲(chǔ)更新層，基于啟發(fā)式改進(jìn)的群體優(yōu)化算法進(jìn)行優(yōu)化。

9、作為本發(fā)明的一種優(yōu)選技術(shù)方案，多模態(tài)數(shù)據(jù)特征分析模型包括有數(shù)據(jù)預(yù)處理層、特征提取層、綜合分析層和融合特征輸出層；

10、數(shù)據(jù)預(yù)處理層用于對(duì)待管理多模態(tài)數(shù)據(jù)dn進(jìn)行預(yù)處理，得到預(yù)處理待管理多模態(tài)數(shù)據(jù)dn’；

11、特征提取層用于利用改進(jìn)后的知識(shí)圖譜算法和cnn模型對(duì)預(yù)處理待管理多模態(tài)數(shù)據(jù)dn’進(jìn)行特征提取，得到待管理多模態(tài)數(shù)據(jù)特征tn；

12、綜合分析層用于將所有預(yù)處理待管理多模態(tài)數(shù)據(jù)dn’進(jìn)行融合特征分析，得到多模態(tài)數(shù)據(jù)集特征；

13、融合特征輸出層用于將待管理多模態(tài)數(shù)據(jù)特征tn和多模態(tài)數(shù)據(jù)集特征進(jìn)行特征融合，得到待管理多模態(tài)數(shù)據(jù)融合特征rn。

14、作為本發(fā)明的一種優(yōu)選技術(shù)方案，特征提取層中進(jìn)行特征提取的具體步驟，包括：

15、特征提取層由i層卷積層構(gòu)成，i=1，2，…，i；設(shè)定特征自適應(yīng)閾值因子z，，σ是多模態(tài)數(shù)據(jù)卷積特征j3i-2的標(biāo)準(zhǔn)差，表示特征的波動(dòng)范圍；μ是多模態(tài)數(shù)據(jù)卷積特征j3i-2的均值，表示特征的平均水平；h（f）是多模態(tài)數(shù)據(jù)卷積特征j3i-2的熵，表示特征的復(fù)雜度；α、β和?是一個(gè)調(diào)整系數(shù)；

16、在第3i-2卷積層中，對(duì)預(yù)處理待管理多模態(tài)數(shù)據(jù)dn’或多模態(tài)數(shù)據(jù)卷積特征j3i進(jìn)行特征識(shí)別，得到多模態(tài)數(shù)據(jù)卷積特征j3i-2；計(jì)算當(dāng)前的特征自適應(yīng)閾值因子z；當(dāng)特征自適應(yīng)閾值因子z大于預(yù)設(shè)特征調(diào)整閾值時(shí)，則在將第3i-1卷積層降低池化強(qiáng)度；否則，保持不變；

17、在第3i-1卷積層中，對(duì)多模態(tài)數(shù)據(jù)卷積特征j3i-2進(jìn)行池化操作，得到多模態(tài)數(shù)據(jù)卷積特征j3i-1；

18、在第3i卷積層中，對(duì)多模態(tài)數(shù)據(jù)卷積特征j3i-1進(jìn)行實(shí)體識(shí)別，得到多模態(tài)數(shù)據(jù)卷積特征j3i；

19、重復(fù)上述操作，在第i卷積層中，得到待管理多模態(tài)數(shù)據(jù)特征tn。

20、作為本發(fā)明的一種優(yōu)選技術(shù)方案，多模態(tài)數(shù)據(jù)管理分配模型包括有特征匹配層、分區(qū)存儲(chǔ)層和結(jié)果輸出層；

21、特征匹配層用于對(duì)待管理多模態(tài)數(shù)據(jù)融合特征rn進(jìn)行特征匹配，得到數(shù)據(jù)庫(kù)訪問(wèn)匹配預(yù)測(cè)結(jié)果gn；

22、分區(qū)存儲(chǔ)層用于基于數(shù)據(jù)庫(kù)訪問(wèn)匹配預(yù)測(cè)結(jié)果gn匹配最接近的數(shù)據(jù)庫(kù)訪問(wèn)隱含值ym，得到數(shù)據(jù)庫(kù)管理分配結(jié)果qn；

23、結(jié)果輸出層用于基于所有數(shù)據(jù)庫(kù)管理分配結(jié)果qn將待管理多模態(tài)數(shù)據(jù)dn存儲(chǔ)至對(duì)應(yīng)的多模態(tài)數(shù)據(jù)庫(kù)分區(qū)pm中。

24、作為本發(fā)明的一種優(yōu)選技術(shù)方案，訓(xùn)練特征匹配層的具體步驟，包括：

25、收集若干組帶有標(biāo)簽值的數(shù)據(jù)特征匹配樣本；每一組數(shù)據(jù)特征匹配樣本中包含有已驗(yàn)證的數(shù)據(jù)對(duì)應(yīng)的數(shù)據(jù)融合特征和標(biāo)簽值，標(biāo)簽值表示數(shù)據(jù)訪問(wèn)標(biāo)簽；若干組帶有標(biāo)簽值的數(shù)據(jù)特征匹配樣本組合，得到數(shù)據(jù)特征匹配訓(xùn)練集；

26、將數(shù)據(jù)特征匹配訓(xùn)練集輸入至多模態(tài)數(shù)據(jù)管理分配模型中對(duì)特征匹配層利用標(biāo)簽值為目標(biāo)進(jìn)行訓(xùn)練，得到初始特征匹配層；對(duì)初始特征匹配層進(jìn)行模型評(píng)估，得到初始特征匹配層模型評(píng)估結(jié)果；若初始特征匹配層模型評(píng)估結(jié)果為通過(guò)，則將初始特征匹配層作為多模態(tài)數(shù)據(jù)管理分配模型中的特征匹配層；否則，利用數(shù)據(jù)特征匹配訓(xùn)練集繼續(xù)進(jìn)行模型訓(xùn)練。

27、作為本發(fā)明的一種優(yōu)選技術(shù)方案，多模態(tài)數(shù)據(jù)庫(kù)管理更新模型包括有操作特征量化層、隱含值變更層和數(shù)據(jù)庫(kù)存儲(chǔ)更新層；

28、操作特征量化層用于對(duì)目標(biāo)用戶操作記錄進(jìn)行特征量化，得到目標(biāo)用戶操作特征量化值lm；

29、隱含值變更層用于根據(jù)目標(biāo)用戶操作特征量化值lm和數(shù)據(jù)庫(kù)隱含值變更函數(shù)進(jìn)行分析，得到新的數(shù)據(jù)庫(kù)訪問(wèn)隱含值ym；數(shù)據(jù)庫(kù)隱含值變更函數(shù)由啟發(fā)式改進(jìn)群體優(yōu)化算法確定；

30、數(shù)據(jù)庫(kù)存儲(chǔ)更新層用于基于新的數(shù)據(jù)庫(kù)訪問(wèn)隱含值ym重新分配多模態(tài)數(shù)據(jù)庫(kù)分區(qū)pm中的多模態(tài)數(shù)據(jù)，得到新的多模態(tài)數(shù)據(jù)庫(kù)分區(qū)pm。

31、作為本發(fā)明的一種優(yōu)選技術(shù)方案，確定數(shù)據(jù)庫(kù)隱含值變更函數(shù)的具體步驟，包括：

32、構(gòu)建2k個(gè)模擬隱含值變更函數(shù)個(gè)體ak，k=1，2，…，2k；每一個(gè)模擬隱含值變更函數(shù)個(gè)體ak中包含有對(duì)數(shù)據(jù)庫(kù)隱含值變更函數(shù)的解；將前k個(gè)模擬隱含值變更函數(shù)個(gè)體ak作為探索隱含值變更函數(shù)種群，后k個(gè)模擬隱含值變更函數(shù)個(gè)體ak作為開發(fā)隱含值變更函數(shù)種群；設(shè)定迭代次數(shù)b，b=1，2，…，b；記開發(fā)隱含值變更函數(shù)種群中適應(yīng)度最大的值為哨兵隱含值變更函數(shù)個(gè)體；

33、計(jì)算適應(yīng)度的具體步驟，包括：

34、收集若干組已驗(yàn)證初始特征量化值和對(duì)應(yīng)的數(shù)據(jù)庫(kù)分配結(jié)果作為一組數(shù)據(jù)庫(kù)隱含值變更訓(xùn)練樣本；

35、根據(jù)模擬隱含值變更函數(shù)個(gè)體ak對(duì)數(shù)據(jù)庫(kù)隱含值變更訓(xùn)練樣本進(jìn)行模擬計(jì)算，得到模擬變更隱含值，并根據(jù)模擬特征量化值進(jìn)行數(shù)據(jù)庫(kù)分區(qū)匹配，得到模擬數(shù)據(jù)庫(kù)分區(qū)結(jié)果；計(jì)算模擬數(shù)據(jù)庫(kù)分區(qū)結(jié)果和對(duì)應(yīng)的數(shù)據(jù)庫(kù)分配結(jié)果的準(zhǔn)確率，得到模擬計(jì)算準(zhǔn)確率；將所有模擬計(jì)算準(zhǔn)確率作為模擬隱含值變更函數(shù)個(gè)體ak的適應(yīng)度sk；

36、當(dāng)b%2=0時(shí)，探索隱含值變更函數(shù)種群進(jìn)行種群迭代，得到更新探索隱含值變更函數(shù)種群；同時(shí)，開發(fā)隱含值變更函數(shù)種群進(jìn)行種群迭代，得到更新開發(fā)隱含值變更函數(shù)種群，并選出新的哨兵隱含值變更函數(shù)個(gè)體；

37、當(dāng)b%2≠0時(shí)，探索隱含值變更函數(shù)種群不進(jìn)行種群迭代，且無(wú)操作；開發(fā)隱含值變更函數(shù)種群中圍繞哨兵隱含值變更函數(shù)個(gè)體進(jìn)行種群迭代，得到更新開發(fā)隱含值變更函數(shù)種群；

38、當(dāng)b=b時(shí)，輸出探索隱含值變更函數(shù)種群和開發(fā)隱含值變更函數(shù)種群中適應(yīng)度最大的模擬隱含值變更函數(shù)個(gè)體，即為最優(yōu)模擬隱含值變更函數(shù)個(gè)體；將最優(yōu)模擬隱含值變更函數(shù)個(gè)體中對(duì)數(shù)據(jù)庫(kù)隱含值變更函數(shù)的解作為數(shù)據(jù)庫(kù)隱含值變更函數(shù)。

39、一種多模態(tài)數(shù)據(jù)庫(kù)的數(shù)據(jù)管理系統(tǒng)，包括：

40、多模態(tài)數(shù)據(jù)分析模塊，包括有數(shù)據(jù)獲取單元和數(shù)據(jù)分析單元；數(shù)據(jù)獲取單元用于獲取待管理多模態(tài)數(shù)據(jù)集，待管理多模態(tài)數(shù)據(jù)集包含有n條待管理多模態(tài)數(shù)據(jù)dn，待管理多模態(tài)數(shù)據(jù)dn為文本數(shù)據(jù)或圖像數(shù)據(jù)；數(shù)據(jù)分析單元用于基于待管理多模態(tài)數(shù)據(jù)集和多模態(tài)數(shù)據(jù)特征分析模型中進(jìn)行分析，得到待管理多模態(tài)數(shù)據(jù)融合特征rn，n=1，2，…，n；

41、多模態(tài)數(shù)據(jù)存儲(chǔ)模塊，包括數(shù)據(jù)存儲(chǔ)單元；數(shù)據(jù)存儲(chǔ)單元用于基于待管理多模態(tài)數(shù)據(jù)融合特征rn和多模態(tài)數(shù)據(jù)管理分配模型，對(duì)待管理多模態(tài)數(shù)據(jù)dn進(jìn)行數(shù)據(jù)庫(kù)存儲(chǔ)分配，將待管理多模態(tài)數(shù)據(jù)集存儲(chǔ)至多模態(tài)數(shù)據(jù)庫(kù)中；其中，多模態(tài)數(shù)據(jù)庫(kù)中包含有m個(gè)多模態(tài)數(shù)據(jù)庫(kù)分區(qū)pm，m=1，2，…，m；每個(gè)多模態(tài)數(shù)據(jù)庫(kù)分區(qū)pm對(duì)應(yīng)一個(gè)數(shù)據(jù)庫(kù)訪問(wèn)隱含值ym；

42、多模態(tài)數(shù)據(jù)更新模塊，包括有數(shù)據(jù)存儲(chǔ)更新單元；數(shù)據(jù)存儲(chǔ)更新單元用于獲取目標(biāo)用戶操作記錄；基于目標(biāo)用戶操作記錄和多模態(tài)數(shù)據(jù)庫(kù)管理更新模型，對(duì)多模態(tài)數(shù)據(jù)庫(kù)分區(qū)pm進(jìn)行動(dòng)態(tài)更新，得到新的多模態(tài)數(shù)據(jù)庫(kù)分區(qū)pm，并賦予新的多模態(tài)數(shù)據(jù)庫(kù)分區(qū)pm新的數(shù)據(jù)庫(kù)訪問(wèn)隱含值ym。

43、本發(fā)明具有以下優(yōu)點(diǎn)：

44、1、本發(fā)明通過(guò)利用多模態(tài)數(shù)據(jù)特征分析模型提取深層次特征，提高了數(shù)據(jù)識(shí)別的準(zhǔn)確性和深度；通過(guò)特征匹配技術(shù)進(jìn)行數(shù)據(jù)庫(kù)存儲(chǔ)分配，優(yōu)化了數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)，提升了查詢效率；引入特征自適應(yīng)閾值因子z和基于知識(shí)圖譜的cnn模型改進(jìn)，增強(qiáng)了模型的泛化能力和適應(yīng)性；通過(guò)多模態(tài)數(shù)據(jù)庫(kù)管理更新模型，實(shí)現(xiàn)了數(shù)據(jù)庫(kù)分區(qū)的動(dòng)態(tài)更新，響應(yīng)用戶操作變化，保持?jǐn)?shù)據(jù)庫(kù)的時(shí)效性和相關(guān)性，共同提升了多模態(tài)數(shù)據(jù)處理的智能化水平，降低了管理成本，增強(qiáng)了用戶體驗(yàn)。

45、2、本發(fā)明通過(guò)融合文本數(shù)據(jù)與圖像數(shù)據(jù)等多模態(tài)信息，能夠更加全面地挖掘待管理數(shù)據(jù)的潛在特征，提高數(shù)據(jù)表示的豐富性和準(zhǔn)確性；引入知識(shí)圖譜算法改進(jìn)cnn模型，使得在特征提取過(guò)程中能夠更好地理解和捕捉數(shù)據(jù)之間的深層關(guān)系，特別是通過(guò)自適應(yīng)閾值因子z對(duì)特征提取的自適應(yīng)調(diào)整，有效提升了特征挖掘的深度與準(zhǔn)確度；通過(guò)多模態(tài)數(shù)據(jù)管理分配模型，能夠根據(jù)待管理多模態(tài)數(shù)據(jù)的融合特征對(duì)其進(jìn)行智能化的數(shù)據(jù)庫(kù)存儲(chǔ)分配，這種方法優(yōu)化了存儲(chǔ)過(guò)程，使得數(shù)據(jù)能夠高效地分配到合適的數(shù)據(jù)庫(kù)分區(qū)，避免了數(shù)據(jù)存儲(chǔ)的沖突和冗余，提高了數(shù)據(jù)庫(kù)的存取效率。