面向企业数字化服务的云存储分配方法、系统及云服务器与流程

1.本发明涉及数据处理技术领域，具体而言，涉及一种面向企业数字化服务的云存储分配方法、系统及云服务器。


背景技术：

2.企业数字化服务是指将企业的诸多信息进行数字化处理，以进行存储。其中，由于需要存储的数据的数据量较大，一般是通过云存储系统包括的多个云存储设备分别进行存储，然后，在现有技术中，一般是基于数据的形成时间以分别进行存储（即基于时间分类），使得分类存储的可靠度。


技术实现要素：

3.有鉴于此，本发明的目的在于提供一种面向企业数字化服务的云存储分配方法、系统及云服务器，以在一定程度上提高企业行为数据的分类存储的可靠度。
4.为实现上述目的，本发明实施例采用如下技术方案：一种面向企业数字化服务的云存储分配方法，应用于云服务器，所述面向企业数字化服务的云存储分配方法包括：提取到目标企业对应的目标企业数字化信息，所述目标企业数字化信息包括所述目标企业对应的目标企业行为数据，所述目标企业行为数据包括所述目标企业对应的多条目标企业行为信息；采用目标行为数据分析神经网络，分别对所述目标企业行为数据包括的每一个目标企业行为数据片段进行数据分析处理，以输出每一个所述目标企业行为数据片段对应的目标企业行为属性信息，每一个所述目标企业行为数据片段包括至少一条目标企业行为信息；依据每一个所述目标企业行为数据片段对应的目标企业行为属性信息，并通过所述云服务器通信连接的云存储系统包括的多个云存储设备，对所述目标企业行为数据包括的多条目标企业行为信息进行分类存储。
5.在一些优选的实施例中，在上述面向企业数字化服务的云存储分配方法中，所述提取到目标企业对应的目标企业数字化信息的步骤，包括：提取到目标企业对应的当前企业数字化信息和历史企业数字化信息，所述当前企业数字化信息为所述目标企业当前未通过所述云存储系统进行分类存储的企业数字化信息，所述历史企业数字化信息为所述目标企业当前已经通过所述云存储系统进行分类存储的企业数字化信息；将所述当前企业数字化信息和所述历史企业数字化信息进行信息拼接，以形成所述目标企业对应的目标企业数字化信息，并控制所述云存储系统对所述历史企业数字化信息进行删除。
6.在一些优选的实施例中，在上述面向企业数字化服务的云存储分配方法中，所述
采用目标行为数据分析神经网络，分别对所述目标企业行为数据包括的每一个目标企业行为数据片段进行数据分析处理，以输出每一个所述目标企业行为数据片段对应的目标企业行为属性信息的步骤，包括：从所述目标企业行为数据中，提取到进行数据分析处理的目标企业行为数据片段；在预先构建的参考重要行为有序集合组中，分析输出与所述目标企业行为数据相关联的第一参考重要行为有序集合，所述参考重要行为有序集合组包括参考重要行为有序集合和所述参考重要行为有序集合对应的集合重要性数据，所述集合重要性数据用于反映在典型企业行为数据集合中所述参考重要行为有序集合的分布情况；依据所述第一参考重要行为有序集合对应的集合重要性数据，分析输出所述目标企业行为数据中的辅助企业行为数据片段对应的集合重要性数据，所述辅助企业行为数据片段属于所述目标企业行为数据中所述目标企业行为数据片段外的剩余企业行为数据片段；采用目标行为数据分析神经网络，并依据所述辅助企业行为数据片段对应的行为数据描述向量和对应的集合重要性数据，对所述目标企业行为数据片段进行行为关键描述信息挖掘操作，以输出所述目标企业行为数据片段对应的第一行为数据描述向量；基于所述第一行为数据描述向量和所述目标企业行为数据对应的第二行为数据描述向量，对所述目标企业行为数据片段进行企业行为属性分析处理，以输出所述目标企业行为数据片段在所述目标企业行为数据中具有的目标企业行为属性信息，所述第二行为数据描述向量基于所述目标企业的企业类型信息确定。
7.在一些优选的实施例中，在上述面向企业数字化服务的云存储分配方法中，所述在预先构建的参考重要行为有序集合组中，分析输出与所述目标企业行为数据相关联的第一参考重要行为有序集合的步骤，包括：对所述目标企业行为数据进行数据拆分操作，以输出所述目标企业行为数据对应的至少一个企业行为数据片段；依据所述企业行为数据片段，在所述目标企业行为数据中具有的分布信息，对所述至少一个企业行为数据片段进行排列，以形成所述目标企业行为数据对应的数据片段排序结果；在预先构建的参考重要行为有序集合组中，提取出符合预先配置的参考数据片段排序规则的与所述数据片段排序结果匹配的参考重要行为有序集合，以标记为与所述目标企业行为数据相关联的第一参考重要行为有序集合。
8.在一些优选的实施例中，在上述面向企业数字化服务的云存储分配方法中，所述依据所述第一参考重要行为有序集合对应的集合重要性数据，分析输出所述目标企业行为数据中的辅助企业行为数据片段对应的集合重要性数据的步骤，包括：从所述目标企业行为数据中，筛选出与所述第一参考重要行为有序集合相关联的目标企业行为有序集合；针对所述目标企业行为数据包括的所述目标企业行为有序集合内的辅助企业行为数据片段，将所述第一参考重要行为有序集合对应的集合重要性数据，标记为该辅助企业行为数据片段对应的集合重要性数据；
针对所述目标企业行为数据包括的所述目标企业行为有序集合外的辅助企业行为数据片段，将预先配置的设定集合重要性数据，标记为该辅助企业行为数据片段对应的集合重要性数据。
9.在一些优选的实施例中，在上述面向企业数字化服务的云存储分配方法中，所述采用目标行为数据分析神经网络，并依据所述辅助企业行为数据片段对应的行为数据描述向量和对应的集合重要性数据，对所述目标企业行为数据片段进行行为关键描述信息挖掘操作，以输出所述目标企业行为数据片段对应的第一行为数据描述向量的步骤，包括：对所述辅助企业行为数据片段对应的行为数据描述向量和对应的集合重要性数据进行信息聚合操作，以形成所述目标企业行为数据对应的聚合行为数据描述向量；采用目标行为数据分析神经网络，并基于所述聚合行为数据描述向量，对所述目标企业行为数据片段进行行为关键描述信息挖掘操作，以输出所述目标企业行为数据片段对应的第一行为数据描述向量。
10.在一些优选的实施例中，在上述面向企业数字化服务的云存储分配方法中，在所述采用目标行为数据分析神经网络，并依据所述辅助企业行为数据片段对应的行为数据描述向量和对应的集合重要性数据，对所述目标企业行为数据片段进行行为关键描述信息挖掘操作，以输出所述目标企业行为数据片段对应的第一行为数据描述向量的步骤之前，所述采用目标行为数据分析神经网络，分别对所述目标企业行为数据包括的每一个目标企业行为数据片段进行数据分析处理，以输出每一个所述目标企业行为数据片段对应的目标企业行为属性信息的步骤，还包括：提取到神经网络优化数据，所述神经网络优化数据包括典型企业行为数据中需要进行企业行为属性分析处理的第一典型企业行为数据片段对应的参考行为数据描述向量，所述神经网络优化数据还包括辅助典型企业行为数据片段对应的行为数据描述向量和对应的集合重要性数据，所述辅助典型企业行为数据片段属于所述典型企业行为数据中所述第一典型企业行为数据片段外的剩余企业行为数据片段；采用待优化行为数据分析神经网络，对所述辅助典型企业行为数据片段对应的行为数据描述向量和对应的集合重要性数据进行信息聚合操作，以输出所述典型企业行为数据对应的聚合行为数据描述向量；基于所述聚合行为数据描述向量，对所述第一典型企业行为数据片段进行行为关键描述信息挖掘操作，以输出所述第一典型企业行为数据片段对应的挖掘行为数据描述向量；依据所述第一典型企业行为数据片段对应的参考行为数据描述向量和对应的挖掘行为数据描述向量之间的差异信息，对所述待优化行为数据分析神经网络的网络信息进行优化操作，以及，在所述差异信息收敛的情况，形成目标行为数据分析神经网络。
11.在一些优选的实施例中，在上述面向企业数字化服务的云存储分配方法中，所述依据每一个所述目标企业行为数据片段对应的目标企业行为属性信息，并通过所述云服务器通信连接的云存储系统包括的多个云存储设备，对所述目标企业行为数据包括的多条目标企业行为信息进行分类存储的步骤，包括：依据每一个所述目标企业行为数据片段对应的目标企业行为属性信息，对所述目标企业行为数据进行分类处理，以形成所述目标企业行为数据对应的至少一个数据片段集
合，每一个所述数据片段集合包括至少一个所述目标企业行为数据片段，所述目标企业行为数据包括的多条目标企业行为信息中的每一条目标企业行为信息属于一个所述目标企业行为数据片段，使得所述目标企业行为数据片段能够拼接形成所述目标企业行为数据；依据所述至少一个数据片段集合的数量，在所述云服务器通信连接的云存储系统包括的多个云存储设备中，确定出对应数量的目标云存储设备；依据所述对应数量的目标云存储设备分别对所述至少一个数据片段集合中的每一个数据片段集合包括的目标企业行为数据片段进行存储，所述目标云存储设备和所述数据片段集合之间具有一一对应的存储关系。
12.本发明实施例还提供一种面向企业数字化服务的云存储分配系统，应用于云服务器，所述面向企业数字化服务的云存储分配系统包括：数字化信息提取模块，用于提取到目标企业对应的目标企业数字化信息，所述目标企业数字化信息包括所述目标企业对应的目标企业行为数据，所述目标企业行为数据包括所述目标企业对应的多条目标企业行为信息；数据分析处理模块，用于采用目标行为数据分析神经网络，分别对所述目标企业行为数据包括的每一个目标企业行为数据片段进行数据分析处理，以输出每一个所述目标企业行为数据片段对应的目标企业行为属性信息，每一个所述目标企业行为数据片段包括至少一条目标企业行为信息；信息分类存储模块，用于依据每一个所述目标企业行为数据片段对应的目标企业行为属性信息，并通过所述云服务器通信连接的云存储系统包括的多个云存储设备，对所述目标企业行为数据包括的多条目标企业行为信息进行分类存储。
13.本发明实施例还提供一种云服务器，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现上述的面向企业数字化服务的云存储分配方法。
14.本发明实施例提供的一种面向企业数字化服务的云存储分配方法、系统及云服务器，可以先提取到目标企业对应的目标企业数字化信息；然后，再采用目标行为数据分析神经网络，分别对目标企业行为数据包括的每一个目标企业行为数据片段进行数据分析处理，以输出每一个目标企业行为数据片段对应的目标企业行为属性信息；最后，依据每一个目标企业行为数据片段对应的目标企业行为属性信息，并通过云服务器通信连接的云存储系统包括的多个云存储设备，对目标企业行为数据包括的多条目标企业行为信息进行分类存储，相较于直接按照时间进行分类存储的常规技术方案，可以在一定程度上提高企业行为数据的分类存储的可靠度。
15.为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
16.图1为本发明实施例提供的云服务器的结构框图。
17.图2为本发明实施例提供的面向企业数字化服务的云存储分配方法包括的各步骤的流程示意图。
18.图3为本发明实施例提供的面向企业数字化服务的云存储分配系统包括的各模块
的示意图。
具体实施方式
19.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
20.因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
21.如图1所示，本发明实施例提供了一种云服务器。其中，所述云服务器可以包括存储器和处理器。
22.应当理解，在一些示例性的实施方式中，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件的形式，存在的软件功能模块（计算机程序）。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例提供的面向企业数字化服务的云存储分配方法。
23.应当理解，在一些示例性的实施方式中，所述存储器可以是，但不限于，随机存取存储器（random access memory，ram），只读存储器（read only memory，rom），可编程只读存储器（programmable read-only memory，prom），可擦除只读存储器（erasable programmable read-only memory，eprom），电可擦除只读存储器（electric erasable programmable read-only memory，eeprom）等。所述处理器可以是一种通用处理器，包括中央处理器（central processing unit，cpu）、网络处理器（network processor，np）、片上系统(system on chip，soc)等；还可以是数字信号处理器（dsp）、专用集成电路（asic）、现场可编程门阵列（fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
24.结合图2，本发明实施例还提供一种面向企业数字化服务的云存储分配方法，可应用于上述云服务器。其中，所述面向企业数字化服务的云存储分配方法有关的流程所定义的方法步骤，可以由所述云服务器实现。
25.下面将对图2所示的具体流程，进行详细阐述。
26.步骤s110，提取到目标企业对应的目标企业数字化信息。
27.在本发明实施例中，所述云服务器可以提取到目标企业对应的目标企业数字化信息。所述目标企业数字化信息包括所述目标企业对应的目标企业行为数据，所述目标企业行为数据包括所述目标企业对应的多条目标企业行为信息（如目标企业进行经营的各种行为）。
28.步骤s120，采用目标行为数据分析神经网络，分别对所述目标企业行为数据包括的每一个目标企业行为数据片段进行数据分析处理，以输出每一个所述目标企业行为数据片段对应的目标企业行为属性信息。
29.在本发明实施例中，所述云服务器可以采用目标行为数据分析神经网络，分别对所述目标企业行为数据包括的每一个目标企业行为数据片段进行数据分析处理，以输出每一个所述目标企业行为数据片段对应的目标企业行为属性信息。每一个所述目标企业行为数据片段包括至少一条目标企业行为信息（即一条或多条目标企业行为信息）。
30.步骤s130，依据每一个所述目标企业行为数据片段对应的目标企业行为属性信息，并通过所述云服务器通信连接的云存储系统包括的多个云存储设备，对所述目标企业行为数据包括的多条目标企业行为信息进行分类存储。
31.在本发明实施例中，所述云服务器可以依据每一个所述目标企业行为数据片段对应的目标企业行为属性信息，并通过所述云服务器通信连接的云存储系统包括的多个云存储设备，对所述目标企业行为数据包括的多条目标企业行为信息进行分类存储。
32.基于上述方法，可以先提取到目标企业对应的目标企业数字化信息；然后，再采用目标行为数据分析神经网络，分别对目标企业行为数据包括的每一个目标企业行为数据片段进行数据分析处理，以输出每一个目标企业行为数据片段对应的目标企业行为属性信息；最后，依据每一个目标企业行为数据片段对应的目标企业行为属性信息，并通过云服务器通信连接的云存储系统包括的多个云存储设备，对目标企业行为数据包括的多条目标企业行为信息进行分类存储，相较于直接按照时间进行分类存储的常规技术方案，可以在一定程度上提高企业行为数据的分类存储的可靠度。
33.应当理解，在一些示例性的实施方式中，步骤“提取到目标企业对应的目标企业数字化信息”，可以进一步包括以下具体的内容：提取到目标企业对应的当前企业数字化信息和历史企业数字化信息，所述当前企业数字化信息为所述目标企业当前未通过所述云存储系统进行分类存储的企业数字化信息，所述历史企业数字化信息为所述目标企业当前已经通过所述云存储系统进行分类存储的企业数字化信息；将所述当前企业数字化信息和所述历史企业数字化信息进行信息拼接，以形成所述目标企业对应的目标企业数字化信息（示例性地，所述当前企业数字化信息可以在所述历史企业数字化信息之后），并控制所述云存储系统对所述历史企业数字化信息进行删除。
34.应当理解，在一些示例性的实施方式中，步骤“采用目标行为数据分析神经网络，分别对所述目标企业行为数据包括的每一个目标企业行为数据片段进行数据分析处理，以输出每一个所述目标企业行为数据片段对应的目标企业行为属性信息”，可以进一步包括以下具体的内容：从所述目标企业行为数据中，提取到进行数据分析处理的目标企业行为数据片段（示例性地，可以依次将所述目标企业行为数据包括的每一个企业行为数据片段都作为目标企业行为数据片段，再基于后续的步骤依次计算出每一个企业行为数据片段对应的目标企业行为属性信息）；在预先构建的参考重要行为有序集合组中，分析输出与所述目标企业行为数据相关联的第一参考重要行为有序集合，所述参考重要行为有序集合组包括参考重要行为有序集合和所述参考重要行为有序集合对应的集合重要性数据，所述集合重要性数据用于反映在典型企业行为数据集合中所述参考重要行为有序集合的分布情况（如所述典型企业行为数据集合中包括的所述参考重要行为有序集合的数量等）；
依据所述第一参考重要行为有序集合对应的集合重要性数据，分析输出所述目标企业行为数据中的辅助企业行为数据片段对应的集合重要性数据，所述辅助企业行为数据片段属于所述目标企业行为数据中所述目标企业行为数据片段外的剩余企业行为数据片段（也就是说，所述目标企业行为数据由所述目标企业行为数据片段和所述辅助企业行为数据片段构成）；采用目标行为数据分析神经网络，并依据所述辅助企业行为数据片段对应的行为数据描述向量和对应的集合重要性数据，对所述目标企业行为数据片段进行行为关键描述信息挖掘操作，以输出所述目标企业行为数据片段对应的第一行为数据描述向量；基于所述第一行为数据描述向量和所述目标企业行为数据对应的第二行为数据描述向量，对所述目标企业行为数据片段进行企业行为属性分析处理，以输出所述目标企业行为数据片段在所述目标企业行为数据中具有的目标企业行为属性信息，所述第二行为数据描述向量基于所述目标企业的企业类型信息确定（即先确定出企业类型信息，再确定出所述第二行为数据描述向量，例如，可以通过对所述企业类型信息进行特征提取，以得到所述第二行为数据描述向量，特征提取可以通过作为特征提取模型的编码网络实现；示例性地，可以将第一行为数据描述向量和第二行为数据描述向量进行融合，如拼接或叠加等，再基于得到的融合行为数据描述向量分析输出所述目标企业行为数据片段在目标企业行为数据中具有的目标企业行为属性信息。也就是说，在进行企业行为属性分析处理时，不仅要考虑行为本身的内容，还需求结合对应的企业类型，例如，不同企业类型进行相同的企业行为可能具有的含义并不相同，因此，通过融入对应的企业类型信息，可以使得确定出目标企业行为属性信息的可靠度更高）。
35.应当理解，在一些示例性的实施方式中，步骤“在预先构建的参考重要行为有序集合组中，分析输出与所述目标企业行为数据相关联的第一参考重要行为有序集合”，可以进一步包括以下具体的内容：对所述目标企业行为数据进行数据拆分操作，以输出所述目标企业行为数据对应的至少一个企业行为数据片段（示例性地，所述企业行为数据片段包括至少一条目标企业行为信息，即至少一个行为）；依据所述企业行为数据片段，在所述目标企业行为数据中具有的分布信息，对所述至少一个企业行为数据片段进行排列，以形成所述目标企业行为数据对应的数据片段排序结果（示例性地，所述目标企业行为信息在所述数据片段排序结果中的排序关系，与所述目标企业行为信息在所述目标企业行为数据中的先后关系可以是一致的；例如，用数字代表企业行为数据片段，目标企业行为数据可以是“1、7、2、5、3”，对应地，该目标企业行为数据的一个数据片段排序结果可以是“1、7、2”，而“1、2、7”不可能是目标企业行为数据的数据片段排序结果，因为，在目标企业行为数据“1、7、2、5、3”中是先出现企业行为数据片段“7”，再出现企业行为数据片段“2”。需要说明的是，数据片段排序结果在目标企业行为数据中可以不是连续的，也可以是连续的，在此不做具体限定）；在预先构建的参考重要行为有序集合组中，提取出符合预先配置的参考数据片段排序规则的与所述数据片段排序结果匹配的参考重要行为有序集合，以标记为与所述目标企业行为数据相关联的第一参考重要行为有序集合（示例性地，所述参考数据片段排序规则可以根据实际情况进行配置，例如，可以将存在于所述参考重要行为有序集合组中、且满
足所述参考数据片段排序规则的与所述数据片段排序结果匹配的参考重要行为有序集合标记为与所述目标企业行为数据匹配的第一参考重要行为有序集合，具体来说，可以将存在于所述参考重要行为有序集合组中的与所述数据片段排序结果匹配的参考重要行为有序集合标记为候选数据片段排序结果，再将最大的候选数据片段排序结果标记为与所述目标企业行为数据匹配的第一参考重要行为有序集合。另外，所述第一参考重要行为有序集合可以具有所述目标企业行为数据片段）。
36.应当理解，在一些示例性的实施方式中，所述参考重要行为有序集合组的形成方式可以有多种，也就是说，所述采用目标行为数据分析神经网络，分别对所述目标企业行为数据包括的每一个目标企业行为数据片段进行数据分析处理，以输出每一个所述目标企业行为数据片段对应的目标企业行为属性信息的步骤，还可以包括形成所述参考重要行为有序集合组的步骤，另外，所述参考重要行为有序集合可以包括参考重要行为片段有序集合，基于此，该步骤可以进一步包括以下具体的内容：提取出典型企业行为数据集合，再对所述典型企业行为数据集合包括的每一个典型企业行为数据进行数据拆分操作，以形成所述典型企业行为数据集合包括的每一个典型企业行为数据的至少一个典型企业行为数据片段（所述典型企业行为数据片段可以包括至少一个典型企业行为信息）；对于每一个所述典型企业行为数据片段，分析输出具有该典型企业行为数据片段的典型企业行为数据的数据数目统计值；对所述数据数目统计值不小于预先配置的数据数目设定值的典型企业行为数据片段进行标记操作，以形成所述典型企业行为数据集合对应的第一典型企业行为数据片段（所述数据数目设定值的具体数值不是限制，如2、4、5、6、10等数值）；依据所述第一典型企业行为数据片段，确定出所述典型企业行为数据集合对应的参考重要行为片段有序集合和所述参考重要行为片段有序集合对应的集合重要性数据，形成参考重要行为有序集合组。
37.应当理解，在一些示例性的实施方式中，步骤“依据所述第一典型企业行为数据片段，确定出所述典型企业行为数据集合对应的参考重要行为片段有序集合和所述参考重要行为片段有序集合对应的集合重要性数据，形成参考重要行为有序集合组”，可以进一步包括以下具体的内容：依据所述第一典型企业行为数据片段，对所述典型企业行为数据进行数据筛选操作，形成筛选典型企业行为数据（示例性地，可以将所述典型企业行为数据中不属于第一典型企业行为数据片段的企业行为数据片段删除，如此，可以形成对应的筛选典型企业行为数据）；将所述第一典型企业行为数据片段标记为首部信息，再从所述筛选典型企业行为数据中分析出所述首部信息对应的尾部信息（示例性地，所述尾部信息可以是指，位于所述首部信息的后文中的信息；例如，所述筛选典型企业行为数据可以为“1、3、4、5、7”，所述第一典型企业行为数据片段可以为“3”，则在所述筛选典型企业行为数据中，首部信息“3”对应的尾部信息为“4、5、7”）；在所述尾部信息具有所述第一典型企业行为数据片段的情况下，依据所述尾部信息，确定出所述典型企业行为数据集合对应的参考重要行为片段有序集合（示例性地，一个
典型企业行为数据具有参考重要行为片段有序集合时，该参考重要行为片段有序集合在该典型企业行为数据中既可以连续分布的，也可以间断分布，另外，所述参考重要行为片段有序集合中各企业行为数据片段在所述典型企业行为数据中的先后关系和在所述参考重要行为片段有序集合中的集合位置关系可以是一样的）；分析出具有所述参考重要行为片段有序集合的典型企业行为数据的数据数目，再依据该数据数目分析出所述参考重要行为片段有序集合对应的集合重要性数据（或者说，该集合重要性数据与该数据数目正相关；另外，基于所述参考重要行为片段有序集合和所述所述参考重要行为片段有序集合对应的集合重要性数据，可以形成参考重要行为有序集合组）。
38.应当理解，在一些示例性的实施方式中，步骤“在所述尾部信息具有所述第一典型企业行为数据片段的情况下，依据所述尾部信息，确定出所述典型企业行为数据集合对应的参考重要行为片段有序集合”，可以进一步包括以下具体的内容：在所述尾部信息具有所述第一典型企业行为数据片段的情况，将所述尾部信息中的该第一典型企业行为数据片段和所述尾部信息对应的首部信息进行信息融合操作，以形成融合后的首部信息（示例性地，可以将所述尾部信息中的该第一典型企业行为数据片段和所述尾部信息对应的首部信息进行信息进行拼接，以形成对应的融合后的首部信息），再从所述筛选典型企业行为数据中分析出所述融合后的首部信息对应的融合后的尾部信息，然后，再基于该融合后的尾部信息再次执行所述在所述尾部信息具有所述第一典型企业行为数据片段的情况，将所述尾部信息中的该第一典型企业行为数据片段和所述尾部信息对应的首部信息进行信息融合操作，以形成融合后的首部信息的步骤，直到在当前形成的尾部信息具有所述第一典型企业行为数据片段或者当前形成的首部信息（如所述融合后的首部信息）不再对应有尾部信息时，停止步骤的循环执行；对于分析出的每一个首部信息（包括上文的首部信息或融合后的首部信息），对具有该首部信息的典型企业行为数据的数据数目进行确定，再依据对应的数据数目，在分析出的每一个首部信息中，选择出所述典型企业行为数据集合对应的参考重要行为片段有序集合（示例性地，可以将所述数据数目大于或等于所述数据数目设定值对应的首部信息确定为所述典型企业行为数据集合对应的参考重要行为片段有序集合）。
39.应当理解，在一些示例性的实施方式中，步骤“依据所述第一典型企业行为数据片段，确定出所述典型企业行为数据集合对应的参考重要行为片段有序集合”，可以进一步包括以下具体的内容：在所述典型企业行为数据集合中，将每一个集合重要性数据小于预先配置的集合重要性数据阈值的企业行为数据片段筛除掉，以形成有效典型企业行为数据集合；以及，将所述有效典型企业行为数据集合中每一个集合重要性数据大于或等于所述集合重要性数据阈值的企业行为数据片段，都标记为1层次的参考重要行为片段有序集合；确定出每一个a-1层次的参考重要行为片段有序集合对应的尾部信息集合，其中，所述a-1层次的参考重要行为片段有序集合对应的尾部信息集合，包括从所述有效典型企业行为数据集合的每一个典型企业行为数据中确定出的所述a-1层次的参考重要行为片段有序集合的尾部信息（示例性地，对于任意一个参考重要行为片段有序集合，从有效典型企业行为数据集合中确定每一个具有该参考重要行为片段有序集合的典型企业行为数据，然
后，针对每一个具有该参考重要行为片段有序集合的典型企业行为数据，查找出该典型企业行为数据中位于该参考重要行为片段有序集合的最后一个集合位置的企业行为数据片段之后的数据，以标记为该参考重要行为片段有序集合的尾部信息，基于该参考重要行为片段有序集合的每一个尾部信息，形成该参考重要行为片段有序集合对应的尾部信息集合）；将每一个在对应的所述尾部信息集合中的集合重要性数据大于或等于所述集合重要性数据阈值的企业行为数据片段和所述尾部信息集合对应的a-1层次的参考重要行为片段有序集合，确定为a层次的参考重要行为片段有序集合，然后，在a+1后，再次执行所述确定出每一个a-1层次的参考重要行为片段有序集合对应的尾部信息集合的步骤，如果此时在对应的尾部信息集合中不存在集合重要性数据大于或等于所述集合重要性数据阈值的企业行为数据片段为，则停止继续执行该步骤；从形成的每一层次的参考重要行为片段有序集合中，确定出所述典型企业行为数据集合对应的参考重要行为片段有序集合（示例性地，可以选择一个层次的参考重要行为片段有序集合，或者，可以将每一个层次的参考重要行为片段有序集合，都作为所述典型企业行为数据集合对应的参考重要行为片段有序集合，选择的具体方式不做具体限定）。
40.应当理解，在一些示例性的实施方式中，步骤“依据所述第一参考重要行为有序集合对应的集合重要性数据，分析输出所述目标企业行为数据中的辅助企业行为数据片段对应的集合重要性数据”，可以进一步包括以下具体的内容：从所述目标企业行为数据中，筛选出与所述第一参考重要行为有序集合相关联的目标企业行为有序集合；针对所述目标企业行为数据包括的所述目标企业行为有序集合内的辅助企业行为数据片段，将所述第一参考重要行为有序集合对应的集合重要性数据，标记为该辅助企业行为数据片段对应的集合重要性数据；针对所述目标企业行为数据包括的所述目标企业行为有序集合外的辅助企业行为数据片段，将预先配置的设定集合重要性数据，标记为该辅助企业行为数据片段对应的集合重要性数据（示例性地，可以从所述目标企业行为数据中，提取出以所述目标企业行为数据片段为中心或为其它的预定范围大小内的数据，作为对应的目标企业行为有序集合，然后，可以将所述第一参考重要行为有序集合的集合重要性数据，作为目标企业行为有序集合中所包含的企业行为数据片段的集合重要性数据，从而在行为关键描述信息挖掘操作过程中对这部分企业行为数据片段更加关注，另外，所述第一参考重要行为有序集合的集合重要性数据大于所述设定集合重要性数据）。
41.应当理解，在一些示例性的实施方式中，步骤“采用目标行为数据分析神经网络，并依据所述辅助企业行为数据片段对应的行为数据描述向量和对应的集合重要性数据，对所述目标企业行为数据片段进行行为关键描述信息挖掘操作，以输出所述目标企业行为数据片段对应的第一行为数据描述向量”，可以进一步包括以下具体的内容：对所述辅助企业行为数据片段对应的行为数据描述向量和对应的集合重要性数据进行信息聚合操作，以形成所述目标企业行为数据对应的聚合行为数据描述向量（示例性地，对于每一个辅助企业行为数据片段，可以将该辅助企业行为数据片段对应的行为数据描述向量和对应的集合重要性数据计算乘积；再将每一个辅助企业行为数据片段对应的乘积计算和值，即形成所述目标企业行为数据的聚合行为数据描述向量）；采用目标行为数据分析神经网络，并基于所述聚合行为数据描述向量，对所述目
标企业行为数据片段进行行为关键描述信息挖掘操作，以输出所述目标企业行为数据片段对应的第一行为数据描述向量。
42.应当理解，在一些示例性的实施方式中，为了使得采用所述目标行为数据分析神经网络能够可靠地进行行为关键描述信息挖掘操作，在所述采用目标行为数据分析神经网络，并依据所述辅助企业行为数据片段对应的行为数据描述向量和对应的集合重要性数据，对所述目标企业行为数据片段进行行为关键描述信息挖掘操作，以输出所述目标企业行为数据片段对应的第一行为数据描述向量的步骤之前，步骤“采用目标行为数据分析神经网络，分别对所述目标企业行为数据包括的每一个目标企业行为数据片段进行数据分析处理，以输出每一个所述目标企业行为数据片段对应的目标企业行为属性信息”，还可以进一步包括以下具体的内容：提取到神经网络优化数据，所述神经网络优化数据包括典型企业行为数据中需要进行企业行为属性分析处理的第一典型企业行为数据片段对应的参考行为数据描述向量，所述神经网络优化数据还包括辅助典型企业行为数据片段对应的行为数据描述向量和对应的集合重要性数据，所述辅助典型企业行为数据片段属于所述典型企业行为数据中所述第一典型企业行为数据片段外的剩余企业行为数据片段；采用待优化行为数据分析神经网络，对所述辅助典型企业行为数据片段对应的行为数据描述向量和对应的集合重要性数据进行信息聚合操作，以输出所述典型企业行为数据对应的聚合行为数据描述向量；基于所述聚合行为数据描述向量，对所述第一典型企业行为数据片段进行行为关键描述信息挖掘操作，以输出所述第一典型企业行为数据片段对应的挖掘行为数据描述向量（对应于上述的第一行为数据描述向量）；依据所述第一典型企业行为数据片段对应的参考行为数据描述向量和对应的挖掘行为数据描述向量之间的差异信息，对所述待优化行为数据分析神经网络的网络信息进行优化操作，以及，在所述差异信息收敛（如小于或等于设定差异度）的情况（即使得所述第一典型企业行为数据片段对应的参考行为数据描述向量接近对应的挖掘行为数据描述向量，如向量相似度大于一定的值），形成目标行为数据分析神经网络。
43.应当理解，在一些示例性的实施方式中，步骤“基于所述第一行为数据描述向量和所述目标企业行为数据对应的第二行为数据描述向量，对所述目标企业行为数据片段进行企业行为属性分析处理，以输出所述目标企业行为数据片段在所述目标企业行为数据中具有的目标企业行为属性信息”，可以进一步包括以下具体的内容：分析输出所述目标企业行为数据片段对应的至少一个待确认企业行为属性信息（示例性地，可以通过进行人工的企业行为属性分析处理，输出所述目标企业行为数据片段对应的至少一个待确认企业行为属性信息）；在所述目标企业行为数据片段对应的至少一个待确认企业行为属性信息中，依据所述目标企业行为数据对应的第一行为数据描述向量，确定出对应的第一待确认企业行为属性信息（示例性地，可以计算所述第一行为数据描述向量和所述目标企业行为数据片段对应的每一个待确认企业行为属性信息之间的相似度；基于该相似度，在所述目标企业行为数据片段对应的至少一个待确认企业行为属性信息中，确定出第一待确认企业行为属性信息，例如，可以将相似度最大的待确认企业行为属性信息标记为第一待确认企业行为属
性信息）；在所述目标企业行为数据片段对应的至少一个待确认企业行为属性信息中，依据所述目标企业行为数据对应的第二行为数据描述向量，确定出对应的第二待确认企业行为属性信息（示例性地，可以计算所述第二行为数据描述向量和所述目标企业行为数据片段对应的每一个待确认企业行为属性信息之间的相似度；再基于该相似度，在所述目标企业行为数据片段对应的至少一个待确认企业行为属性信息中，确定出第二待确认企业行为属性信息，例如，可以将相似度最大的待确认企业行为属性信息标记为第二待确认企业行为属性信息）；基于所述第一待确认企业行为属性信息和所述第二待确认企业行为属性信息，分析输出所述目标企业行为数据片段在所述目标企业行为数据中具有的目标企业行为属性信息（示例性地，可以将所述第一待确认企业行为属性信息和所述第二待确认企业行为属性信息进行拼接，以得到所述目标企业行为属性信息；另外，在其它示例中，也可以将所述第一行为数据描述向量和所述目标企业行为数据片段对应的每一个待确认企业行为属性信息之间的相似度，作为第一相似度，将所述第二行为数据描述向量和所述目标企业行为数据片段对应的每一个待确认企业行为属性信息之间的相似度，作为第二相似度；如此，对于每一个待确认企业行为属性信息，都具有对应的第一相似度和第二相似度，然后，可以对该第一相似度和该第二相似度进行加权求和计算，以得到该待确认企业行为属性信息对应的加权相似度，最后，再将具有最大值的加权相似度对应的待确认企业行为属性信息标记为目标企业行为属性信息；其中，在进行加权求和计算的过程中，所述第一相似度对应的加权系数可以大于所述第二相似度对应的加权系数，另外，所述两个加权系数的和值可以等于1；以及，在其它示例中，对于每一个待确认企业行为属性信息，可以将该待确认企业行为属性信息对应的第一相似度和第二相似度作为该待确认企业行为属性信息的作为坐标，然后，在对应的坐标空间进行聚类分析，如此，可以将聚类中心对应的待确认企业行为属性信息作为目标企业行为属性信息等）。
44.应当理解，在一些示例性的实施方式中，步骤“依据每一个所述目标企业行为数据片段对应的目标企业行为属性信息，并通过所述云服务器通信连接的云存储系统包括的多个云存储设备，对所述目标企业行为数据包括的多条目标企业行为信息进行分类存储”，进一步包括以下具体的内容：依据每一个所述目标企业行为数据片段对应的目标企业行为属性信息，对所述目标企业行为数据进行分类处理，以形成所述目标企业行为数据对应的至少一个数据片段集合（示例性地，在同一个数据片段集合中的任意两个目标企业数据片段对应的目标企业行为属性信息之间的信息相似度可以大于配置的相似度阈值），每一个所述数据片段集合包括至少一个所述目标企业行为数据片段，所述目标企业行为数据包括的多条目标企业行为信息中的每一条目标企业行为信息属于一个所述目标企业行为数据片段，使得所述目标企业行为数据片段能够拼接形成所述目标企业行为数据；依据所述至少一个数据片段集合的数量，在所述云服务器通信连接的云存储系统包括的多个云存储设备中，确定出对应数量的目标云存储设备；依据所述对应数量的目标云存储设备分别对所述至少一个数据片段集合中的每一个数据片段集合包括的目标企业行为数据片段进行存储，所述目标云存储设备和所述数
据片段集合之间具有一一对应的存储关系。
45.结合图3，本发明实施例还提供一种面向企业数字化服务的云存储分配系统，可应用于上述云服务器。其中，所述面向企业数字化服务的云存储分配系统可以包括以下的一些软件功能模块：数字化信息提取模块，用于提取到目标企业对应的目标企业数字化信息，所述目标企业数字化信息包括所述目标企业对应的目标企业行为数据，所述目标企业行为数据包括所述目标企业对应的多条目标企业行为信息；数据分析处理模块，用于采用目标行为数据分析神经网络，分别对所述目标企业行为数据包括的每一个目标企业行为数据片段进行数据分析处理，以输出每一个所述目标企业行为数据片段对应的目标企业行为属性信息，每一个所述目标企业行为数据片段包括至少一条目标企业行为信息；信息分类存储模块，用于依据每一个所述目标企业行为数据片段对应的目标企业行为属性信息，并通过所述云服务器通信连接的云存储系统包括的多个云存储设备，对所述目标企业行为数据包括的多条目标企业行为信息进行分类存储。
46.综上所述，本发明提供的一种面向企业数字化服务的云存储分配方法、系统及云服务器，可以先提取到目标企业对应的目标企业数字化信息；然后，再采用目标行为数据分析神经网络，分别对目标企业行为数据包括的每一个目标企业行为数据片段进行数据分析处理，以输出每一个目标企业行为数据片段对应的目标企业行为属性信息；最后，依据每一个目标企业行为数据片段对应的目标企业行为属性信息，并通过云服务器通信连接的云存储系统包括的多个云存储设备，对目标企业行为数据包括的多条目标企业行为信息进行分类存储，相较于直接按照时间进行分类存储的常规技术方案，可以在一定程度上提高企业行为数据的分类存储的可靠度。
47.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。