[發明專利]多副本數據的時效性判斷方法及裝置

有效

• 申請號: 201911303750.5
• 申請日: 2019-12-17
• 公開（公告）號: CN111061595B
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 宋韶旭;孫宇;王建民
• 申請（專利權）人: 清華大學
• 主分類號: G06F11/14
• 分類號: G06F11/14;G06F16/27
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 楊明月

1.一種多副本數據的時效性判斷方法，其特征在于，包括：

獲取當前時刻的k個相互鄰近的歷史時刻的副本，并計算每兩個相鄰副本的時間差值和數據差值，以及當前時刻和最近副本的時間差值；

將所有時間差值和數據差值，輸入至預設的差值模型，輸出當前時刻和最近副本的數據差值預測結果；

若所述預測結果小于預設閾值，則判斷所述最近副本具備時效性；

其中，所述差值模型，根據具有時效性的兩兩相鄰的k個時間差值和數據差值樣本，進行訓練后得到。

2.根據權利要求1所述的多副本數據的時效性判斷方法，其特征在于，所述將所有時間差值和數據差值，輸入至預設的差值模型之前，還包括：

獲取n+1個時間相互鄰近的有時效性的數據副本，并計算每兩個相鄰時刻的時間差值和數據差值；

將每k個相鄰的時間差值和數據差值作為一個訓練樣本，得到n-k+1個訓練樣本，利用n-k+1個訓練樣本對建立的差值模型進行訓練，得到所述預設的差值模型。

3.根據權利要求2所述的多副本數據的時效性判斷方法，其特征在于，所述利用n-k+1個訓練樣本對建立的差值模型進行訓練，包括：

對于任意一個長度為k的樣本，將時間較早的k-1個數據差值和k個時間差值，輸入至建立的差值模型，得到最近的數據差值的預計值；

根據最近的數據差值和所述預計值，對所述差值模型進行更新。

4.根據權利要求1所述的多副本數據的時效性判斷方法，其特征在于，所述差值模型包括線性回歸模型、多項式回歸模型和邏輯斯蒂回歸模型。

5.根據權利要求3所述的多副本數據的時效性判斷方法，其特征在于，對所述差值模型進行更新的方法包括最小二乘法和梯度下降法。

6.一種多副本數據的時效性判斷裝置，其特征在于，包括：

差值獲取模塊，用于獲取當前時刻的k個相互鄰近的歷史時刻的副本，并計算每兩個相鄰副本的時間差值和數據差值，以及當前時刻和最近副本的時間差值；

模型處理模型，用于將所有時間差值和數據差值，輸入至預設的差值模型，輸出當前時刻和最近副本的數據差值預測結果；

時效判斷模塊，用于若所述預測結果小于預設閾值，則判斷所述最近副本具備時效性；

其中，所述差值模型，根據具有時效性的兩兩相鄰的k個時間差值和數據差值樣本，進行訓練后得到。

7.根據權利要求6所述的多副本數據的時效性判斷裝置，其特征在于，還包括模型訓練模塊，用于所述將所有時間差值，和待檢測數據差值以外的所有數據差值，輸入至預設的差值模型之前：

獲取n+1個時間相互鄰近的有時效性的數據副本，并計算每兩個相鄰時刻的時間差值和數據差值；

將每k個相鄰的時間差值和數據差值作為一個訓練樣本，得到n-k+1個訓練樣本，利用n-k+1個訓練樣本對建立的差值模型進行訓練，得到所述預設的差值模型。

8.根據權利要求6所述的多副本數據的時效性判斷裝置，其特征在于，模型訓練模塊具體用于：

對于任意一個長度為k的樣本，將時間較早的k-1個數據差值和k個時間差值，輸入至建立的差值模型，得到最近的數據差值的預計值；

根據最近的數據差值和所述預計值，對所述差值模型進行更新。

9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至5任一項所述多副本數據的時效性判斷方法的步驟。

10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執行時實現如權利要求1至5任一項所述多副本數據的時效性判斷方法的步驟。