基于大数据的数据库维护分析方法、服务器及介质与流程

本发明涉及大数据和数据库，具体而言，涉及基于大数据的数据库维护分析方法、服务器及介质。

背景技术：

1、数据库维护（database maintenance）是指当一个数据库被创建以后的工作都叫做数据库维护，包括备份系统数据、恢复数据库系统、产生用户信息表、为信息表授权、监视系统运行状况、及时处理系统错误、保证系统数据安全和周期更改用户口令等，数据库维护比数据库的创建和使用更难。鉴于数据库维护的任务繁杂性，通常需要为数据库维护的操作行为进行打标签处理，以供之后的数据库维护参考，但是传统技术难以满足上述需求。

技术实现思路

1、本发明至少提供基于大数据的数据库维护分析方法、服务器及介质。

2、本发明提供了一种基于大数据的数据库维护分析方法，应用于数据库维护分析服务器，所述方法包括：

3、对拟分析的数据库维护操作行为树分别进行维护操作行为量化编码和ai问答语音量化编码的挖掘处理；

4、通过数据库维护分析网络，分别生成所述维护操作行为量化编码所对应的第一判别变量和所述ai问答语音量化编码所对应的第二判别变量；

5、利用所述第一判别变量和所述第二判别变量判断所述数据库维护操作行为树注释的预配维护意向关键词是否通过审核。

6、在一些可选的实施例中，所述对拟分析的数据库维护操作行为树分别进行维护操作行为量化编码和ai问答语音量化编码的挖掘处理，包括：

7、获取拟分析的数据库维护操作行为树以及所述数据库维护操作行为树牵涉的最少一种维护需求ai问答语音，所述数据库维护操作行为树注释有预配维护意向关键词；

8、提炼所述数据库维护操作行为树的维护操作行为量化编码；结合所述数据库维护操作行为树的最少一种维护需求ai问答语音，确定所述数据库维护操作行为树的ai问答语音量化编码，所述ai问答语音量化编码为所述数据库维护操作行为树的最少一种维护需求ai问答语音中用于表征所述数据库维护操作行为树所对应维护意向关键词的编码知识。

9、在一些可选的实施例中，所述通过数据库维护分析网络，分别生成所述维护操作行为量化编码所对应的第一判别变量和所述ai问答语音量化编码所对应的第二判别变量，包括：

10、调用第一数据库维护分析网络，将所述数据库维护操作行为树的维护操作行为量化编码变更成表征所述数据库维护操作行为树所匹配的预配维护意向关键词的第一判别变量；

11、调用第二数据库维护分析网络，确定所述数据库维护操作行为树的ai问答语音量化编码对应的第二判别变量，所述第二判别变量反映所述数据库维护操作行为树的ai问答语音量化编码中呈现的表征所述数据库维护操作行为树所匹配的预配维护意向关键词的知识向量，第一数据库维护分析网络和第二数据库维护分析网络为基于与所述数据库维护操作行为树存在一致的预配维护意向关键词的多个第一数据库维护操作行为树示例作为网络调试样例，并结合所述第一数据库维护操作行为树示例的维护操作行为量化编码和ai问答语音量化编码调试所得的，所述第一数据库维护操作行为树示例的ai问答语音量化编码为结合所述第一数据库维护操作行为树示例牵涉的维护需求ai问答语音确定的。

12、在一些可选的实施例中，所述利用所述第一判别变量和所述第二判别变量判断所述数据库维护操作行为树注释的预配维护意向关键词是否通过审核，包括：

13、倘若所述第一判别变量和所述第二判别变量的适配性评价满足要求，则确定所述数据库维护操作行为树注释的预配维护意向关键词通过审核。

14、在一些可选的实施例中，所述结合所述数据库维护操作行为树的最少一种维护需求ai问答语音，确定所述数据库维护操作行为树的ai问答语音量化编码，包括：

15、确定所述数据库维护操作行为树牵涉的最少一种维护需求ai问答语音对应的问答语音编码特征；

16、将所述数据库维护操作行为树对应的问答语音编码特征加载至问答语音量化编码处理网络，并提炼所述问答语音量化编码处理网络的隐含层中间结果，将提炼得到的中间结果确定为所述数据库维护操作行为树的ai问答语音量化编码，所述问答语音量化编码处理网络为将注释有预配维护意向关键词的多个第二数据库维护操作行为树示例作为网络调试样例，并结合所述第二数据库维护操作行为树示例牵涉的维护需求ai问答语音所对应的问答语音编码特征调试所得的。

17、在一些可选的实施例中，在确定出所述数据库维护操作行为树的ai问答语音量化编码之后，所述方法还包括：基于维护任务判别网络确定所述数据库维护操作行为树的ai问答语音量化编码对应的目标维护操作行为树种类，所述维护任务判别网络为将注释有预配维护意向关键词的多个第三数据库维护操作行为树示例作为网络调试样例，并结合所述第三数据库维护操作行为树示例牵涉的维护需求ai问答语音对应的ai问答语音量化编码调试得到；确定用于反映所述目标维护操作行为树种类的维护任务判别决策向量；

18、所述调用第二数据库维护分析网络，确定所述数据库维护操作行为树的ai问答语音量化编码对应的第二判别变量，包括：基于第二数据库维护分析网络，将所述维护任务判别决策向量变更成第二判别变量。

19、在一些可选的实施例中，所述确定用于反映所述目标维护操作行为树种类的维护任务判别决策向量，包括：

20、依据不同维护操作行为树种类与维护任务判别决策向量的映射列表，确定所述目标维护操作行为树种类的维护任务判别决策向量，其中，维护操作行为树种类对应的维护任务判别决策向量为根据匹配所述目标维护操作行为树种类的多个第四数据库维护操作行为树示例的ai问答语音量化编码，所确定的对应于核心分团成员的第四数据库维护操作行为树示例的ai问答语音量化编码。

21、在一些可选的实施例中，所述第一数据库维护分析网络和第二数据库维护分析网络为至少基于预配维护意向关键词注释通过审核的最少一个第一数据库维护操作行为树示例作为网络调试样例，并依据预设的调试期望，结合所述第一数据库维护操作行为树示例的维护操作行为量化编码和ai问答语音量化编码调试所得的；所述调试期望为所述预配维护意向关键词注释通过审核的第一数据库维护操作行为树示例对应的第三判别变量与第四判别变量的适配性评价满足要求；

22、其中，所述第三判别变量为所述第一数据库维护分析网络将第一数据库维护操作行为树示例的维护操作行为量化编码确定出的判别变量；所述第四判别变量为结合所述第二数据库维护分析网络所确定的所述第一数据库维护操作行为树示例的ai问答语音量化编码对应的判别变量。

23、在一些可选的实施例中，所述第一数据库维护分析网络和第二数据库维护分析网络基于以下步骤调试得到：

24、获取多个第一数据库维护操作行为树示例以及所述第一数据库维护操作行为树示例牵涉的最少一种维护需求ai问答语音，所述第一数据库维护操作行为树示例的预配维护意向关键词与所述数据库维护操作行为树的预配维护意向关键词一致，且所述多个第一数据库维护操作行为树示例中包括预配维护意向关键词注释通过审核的最少一个第一数据库维护操作行为树示例和预配维护意向关键词注释存在偏差的最少一个第一数据库维护操作行为树示例；

25、针对每个第一数据库维护操作行为树示例，提炼所述第一数据库维护操作行为树示例的维护操作行为量化编码，结合所述第一数据库维护操作行为树示例牵涉的最少一种维护需求ai问答语音，确定所述第一数据库维护操作行为树数据库维护操作行为树的ai问答语音量化编码，基于拟调试的第一数据库维护分析网络，将所述第一数据库维护操作行为树示例的维护操作行为量化编码变更成表征所述第一数据库维护操作行为树示例所匹配的预配维护意向关键词的第三判别变量，并结合拟调试的第二数据库维护分析网络，确定所述第一数据库维护操作行为树示例的ai问答语音量化编码对应的第四判别变量，所述第四判别变量反映所述第一数据库维护操作行为树示例的ai问答语音量化编码中呈现的表征所述第一数据库维护操作行为树示例所匹配的预配维护意向关键词的知识向量；

26、针对预配维护意向关键词注释通过审核的第一数据库维护操作行为树示例，倘若所述第一数据库维护操作行为树示例的第三判别变量和第四判别变量之间的适配性评价满足要求，则确定所述第一数据库维护操作行为树示例的知识向量完成变换；

27、针对预配维护意向关键词注释存在偏差的第一数据库维护操作行为树示例，倘若所述第一数据库维护操作行为树示例的第三判别变量和第四判别变量之间的适配性评价不满足要求，则确定所述第一数据库维护操作行为树示例的知识向量完成变换；

28、倘若结合知识向量完成变换的各第一数据库维护操作行为树示例确定出不符合调试达标要求，则改进所述第一数据库维护分析网络和第二数据库维护分析网络的网络配置权重，直至结合知识向量完成变换的各第一数据库维护操作行为树示例确定出符合调试达标要求。

29、在一些可选的实施例中，在所述数据库维护操作行为树与多种维护需求ai问答语音存在牵涉的基础上，所述确定所述数据库维护操作行为树牵涉的最少一种维护需求ai问答语音对应的问答语音编码特征，包括：

30、基于编码特征变更网络分别将所述数据库维护操作行为树牵涉的每种维护需求ai问答语音变更成问答语音编码特征；

31、对所述数据库维护操作行为树牵涉的多种维护需求ai问答语音各自确定出的问答语音编码特征进行整合，得到所述数据库维护操作行为树牵涉的多种维护需求ai问答语音对应的问答语音编码特征。

32、本发明还提供了一种数据库维护分析服务器，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述方法。

33、本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时实现上述的方法。

34、本发明的实施例提供的技术方案可以包括以下有益效果：通过本发明实施例，能够综合维护操作行为量化编码和ai问答语音量化编码两个层面的特征，然后分别生成维护操作行为量化编码所对应的第一判别变量和ai问答语音量化编码所对应的第二判别变量，这样能够结合第一判别变量和第二判别变量对数据库维护操作行为树注释的预配维护意向关键词的匹配性进行审核分析，从而准确、高效地实现对数据库维护操作行为树的预配维护意向关键词分类审核处理，以便为之后的数据库维护提供参考。

35、进一步地，本发明实施例可以获取该拟分析的数据库维护操作行为树牵涉的最少一种维护需求ai问答语音，在获取数据库维护操作行为树的维护操作行为量化编码的基础上，还可以结合数据库维护操作行为树牵涉的维护需求ai问答语音确定数据库维护操作行为树的ai问答语音量化编码。基于此，针对数据库维护操作行为树的维护操作行为量化编码和ai问答语音量化编码两个层面的知识向量，分别基于适用于该数据库维护操作行为树的预配维护意向关键词的第一数据库维护分析网络和第二数据库维护分析网络，这样可以确定出用于分析数据库维护操作行为树的预配维护意向关键词的第一判别变量和第二判别变量，这样，结合第一判别变量和第二判别变量的适配性评价即可分析该数据库维护操作行为树注释的预配维护意向关键词是否准确，无需额外处理即可识别数据库维护操作行为树注释的预配维护意向关键词是否准确，有效规避了对数据库维护操作行为树的预配维护意向关键词进行过滤所造成的执行难度，进而提高针对数据库维护操作行为树的预配维护意向关键词匹配分析的时效性。

36、关于上述数据库维护分析服务器、计算机可读存储介质的效果描述参见上述方法的说明。

37、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。