[发明专利]数据压缩方法、装置、电子设备及计算机可读介质

权利要求书

1.一种数据压缩方法，其特征在于，所述方法包括：

对待压缩的数据块进行特征提取处理，以获得所述数据块的特征数据；

基于所述数据块的特征数据，确定所述数据块的压缩特征数据；

基于所述数据块的压缩特征数据，对预先确定的数据压缩方式的集合中的数据压缩方式进行筛选处理，以确定用于压缩所述数据块的数据压缩方式。

2.根据权利要求1所述的方法，其特征在于，所述对待压缩的数据块进行特征提取处理，以获得所述数据块的特征数据，包括：

对所述数据块中用于分别表示至少一条数据记录的二进制比特流分别进行转换，以获得所述至少一条数据记录分别对应的浮点数；

基于所述至少一条数据记录分别对应的浮点数，确定所述数据块的特征数据。

3.根据权利要求2所述的方法，其特征在于，所述对所述数据块中用于分别表示至少一条数据记录的二进制比特流分别进行转换，以获得所述至少一条数据记录分别对应的浮点数，包括：

对用于表示所述至少一条数据记录中的每条数据记录的二进制比特流进行分组，以获得所述二进制比特流的每个分组对应的二进制数；

对所述二进制比特流的每个分组对应的二进制数分别进行转换，以获得所述二进制比特流的每个分组对应的十进制数；

基于所述二进制比特流的每个分组对应的十进制数，确定所述至少一条数据记录中的每条数据记录对应的浮点数。

4.根据权利要求1所述的方法，其特征在于，所述基于所述数据块的特征数据，确定所述数据块的压缩特征数据，包括：

基于第一数据块样本所属的压缩类别的标识标注数据，对待训练的数据块压缩特征提取模型进行训练；

通过训练后的所述数据块压缩特征提取模型，基于所述数据块的特征数据，预测所述数据块的压缩特征数据。

5.根据权利要求4所述的方法，其特征在于，所述通过训练后的所述数据块压缩特征提取模型，基于所述数据块的特征数据，预测所述数据块的压缩特征数据，包括：

通过训练后的所述数据块压缩特征提取模型的输入全连接层，对所述数据块的特征数据进行映射处理，以获得所述特征数据对应的特征矩阵；

通过训练后的所述数据块压缩特征提取模型的长短期记忆网络，基于所述特征数据对应的特征矩阵，预测所述数据块的第一压缩特征数据；

通过训练后的所述数据块压缩特征提取模型的输出全连接层，对所述数据块的第一压缩特征数据进行映射处理，以获得所述数据块的第二压缩特征数据。

6.根据权利要求5所述的方法，其特征在于，所述通过训练后的所述数据块压缩特征提取模型的输入全连接层，对所述数据块的特征数据进行映射处理，以获得所述特征数据对应的特征矩阵，包括：

通过所述输入全连接层，对所述数据块的特征数据进行分组，以获得所述特征数据的每个分组对应的数据；

通过所述输入全连接层，将所述特征数据的每个分组对应的数据与所述输入全连接层中的输入权值矩阵进行矩阵乘法运算，并将乘法运算结果与所述输入全连接层中的输入偏置数据进行加法运算，以获得所述特征矩阵中与所述特征数据的每个分组对应的行数据；

通过所述输入全连接层，对所述行数据进行合并处理，以获得所述特征数据对应的特征矩阵。

7.根据权利要求5所述的方法，其特征在于，所述通过训练后的所述数据块压缩特征提取模型的输出全连接层，对所述数据块的第一压缩特征数据进行映射处理，以获得所述数据块的第二压缩特征数据，包括：

通过所述输出全连接层，将所述第一压缩特征数据与所述输出全连接层中的输出权值矩阵进行矩阵乘法运算，并将乘法运算结果与所述输出全连接层中的输出偏置数据进行加法运算，以获得所述数据块的第二压缩特征数据。