[發明專利]緩存區數據的預處理方法及系統

有效

• 申請號: 201510412138.7
• 申請日: 2015-07-14
• 公開（公告）號: CN105022699B
• 公開（公告）日: 2018-04-24
• 發明（設計）人: 施文進;胡芳槐;閻九吉;吳青;王飛
• 申請（專利權）人: 惠龍易通國際物流股份有限公司;鎮江惠龍長江港務有限公司;江蘇惠銀科技股份有限公司
• 主分類號: G06F12/0806
• 分類號: G06F12/0806;G06F12/0879;G06F12/0895
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 湯磊

技術領域

本發明涉及一種數據的預處理方法及系統，尤其涉及一種應用于緩存區數據的預處理方法及系統。

背景技術

目前數據預處理技術主要是單純的采用一種技術，而電子商務數據具有突發性強和瞬間數據負責異常繁重等特點，單純使用一種處理技術會造成很大的數據處理負擔，不能滿足電子商務的需求。

先入先出隊列是一種傳統的按序執行方法，當緩存區數據滿時，最先進入緩存區的數據/指令先完成執行并離開緩存區，跟著才執行第二條數據/指令。是一種先進先出的數據緩存器，他與普通存儲器的區別是沒有外部讀寫地址線，這樣使用起來非常簡單，但缺點就是只能順序寫入數據，順序的讀出數據，其數據地址由內部讀寫指針自動加1完成，不能像普通存儲器那樣可以由地址線決定讀取或寫入某個指定的地址，其不能精確預估在電子商務數據系統中的用戶查詢時間、停留時間、查詢內容；統計方法，利用數學統計方法，統計數據的系統頻率，把活躍用戶信息優選存在緩存區，通過顏色寄存器緩存在緩存器內與當前訪問的物理地址的內存區域的顏色對應的緩存區中，能夠提高緩存的使用效率，提高系統性能，但該方法仍然無法滿足電子商務數據的特點。

本發明提供了一種緩存區數據的預處理方法，該方法通過機器學習的方法，研究用戶的行為準則，預測用戶查詢時間，每次工作時間和查詢內容等，系統將根據預測信息提前設置緩存區數據，從而使用戶的查詢體驗最優化。

發明內容

本發明實施例提供了一種緩存區數據的預處理方法，該方法通過機器學習的方法，研究用戶的行為準則，預測用戶查詢時間，每次工作時間和查詢內容等，系統將根據預測信息提前設置緩存區數據，從而使用戶的查詢體驗最優化。

為達到上述目的，本發明的實施例采用如下技術方案：

本發明第一方面提供一種緩存區數據預處理方法，包括：

記錄構造基礎數據，對基礎數據預處理；

建立最小二乘法模型模擬用戶行為，預測用戶工作時間和查詢內容等參數之間的數據關系；

存儲從緩存輸入接收的數據到緩存區，按照先進先出順序從所述緩存區中輸出。

優選的，根據第一方面，所述記錄構造基礎數據，具體包括：

基礎數據是指用戶查詢時間TimeUserQuery、用戶停留時間TimeUserStand和用戶查詢內容ContentUserQuery。構造TimeUserQuery，TimeUserStand和ContentUserQuery接口函數從初始服務器端獲取客戶端用戶的查詢時間，停留時間和查詢內容；在所述TimeUserQuery和TimeUserStand函數中預設計時器Timer，并采用cookie控件技術，獲取當前行為中用戶的查詢時間和停留時間；將收集到的數據通過GET、POST異步的方式發送到目標服務器端；所述基礎數據通過接口以JSON格式展示到所述目標服務器端。

優選的，所述用戶查詢內容ContentUserQuery，具體包括：

系統預設用戶可以操作的所有查詢內容有Loading、Unloading、Cargo、Carrier和Route中的一種或其任意組合(不同的行業和需求可預設不同查詢內容)，ContentUserQuery接口函數的參數為Loading、Unloading、Cargo、Carrier和Route，根據用戶的不同操作行為，返回和展示的參數值不同，進行了所述查詢內容的參數返回值設為1，沒有進行所述查詢內容的參數返回值設為0。

優選的，根據第一方面，所述對基礎數據預處理，具體包括：

所述目標服務器接收到返回值和返回內容后，系統使用JObject或JArray的Parse方法將JSON字符串轉換為JSON對象，通過所述JSON對象的方式提取所述基礎數據，分析所述基礎數據查詢內容和查詢時間之間的關聯即構造Loading、Unloading、Cargo、Carrier、Route和TimeUserQuery以及TimeUserStand的關系圖。

優選的，根據第一方面，所述構造Loading、Unloading、Cargo、Carrier、Route和TimeUserQuery以及TimeUserStand的關系圖，一種可能實現方式為：

優選的，所述關系圖中，TimeUserQuery和TimeUserStand各自作為因變量和Loading、Unloading、Cargo、Carrier、Route作為自變量，觀察圖形發現具有一定的線性回歸趨勢，考慮用最小二乘法做出預測。