[发明专利]分层方法、系统、电子设备及计算机可读存储介质

权利要求书

1.一种分层方法，其特征在于，用于分布式分层存储系统，包括以下步骤：

获取多个文件的属性信息和分层结果，构建获得训练样本集；

对获得的训练样本集中的各个属性信息进行量化处理，获得各个属性信息的量化值；将文件的各个属性信息的量化值和分层结果作为输入，构建获得机器学习模型；采用训练样本集对机器学习模型进行有监督训练，迭代优化各个属性信息的影响因子，获得分层模型；

获取待存储文件的属性信息输入所述分层模型中，所述分层模型输出分层结果。

2.根据权利要求1所述的分层方法，其特征在于，所述对获得的训练样本集中的各个属性信息进行量化处理，获得各个属性信息的量化值的步骤具体包括：

采用激活函数将属性信息的量化值收敛至预设区间；

或者，采用赋值法获得属性信息的量化值。

3.根据权利要求1所述的分层方法，其特征在于，

构建获得的机器学习模型表示为：ω1x1+ω2x2+…+ωnxn＝y；

损失函数定义为：

式中，ω1、ω2、…、ωn表示需要迭代优化的影响因子；x1、x2、…、xn表示文件属性信息的量化值；Y表示实际分层结果；y表示计算分层结果；m表示计算的总组数；j表示第j组计算。

4.根据权利要求1所述的分层方法，其特征在于，采用训练样本集对机器学习模型进行有监督训练时，使用随机梯度算法进行训练。

5.根据权利要求4所述的分层方法，其特征在于，使用随机梯度算法训练的过程中，在做梯度下降时，沿着梯度的反方向进行权重更新，获得全局的最优解。

6.一种分层系统，其特征在于，用于分布式分层存储系统，包括：

训练样本集获取模块，用于获取多个文件的属性信息和分层结果，构建获得训练样本集；

模型获取模块，用于对获得的训练样本集中的各个属性信息进行量化处理，获得各个属性信息的量化值；将文件的各个属性信息的量化值和分层结果作为输入，构建获得机器学习模型；采用训练样本集对机器学习模型进行有监督训练，迭代优化各个属性信息的影响因子，获得分层模型；

分层模块，用于获取待存储文件的属性信息输入所述分层模型中，所述分层模型输出分层结果。

7.根据权利要求6所述的分层系统，其特征在于，所述模型获取模块中，对获得的训练样本集中的各个属性信息进行量化处理，获得各个属性信息的量化值的步骤具体包括：

采用激活函数将属性信息的量化值收敛至预设区间；

或者，采用赋值法获得属性信息的量化值。

8.根据权利要求1所述的分层系统，其特征在于，所述模型获取模块中，构建获得的机器学习模型表示为：ω1x1+ω2x2+…+ωnxn＝y；

损失函数定义为：

式中，ω1、ω2、…、ωn表示需要迭代优化的影响因子；x1、x2、…、xn表示文件属性信息的量化值；Y表示实际分层结果；y表示计算分层结果；m表示计算的总组数；j表示第j组计算。

9.一种电子设备，包括：处理器；存储器，用于存储计算机程序指令；其特征在于，

所述计算机程序指令由所述处理器加载并运行时，所述处理器执行权利要求1至5中任一项所述的分层方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器加载并运行时，所述处理器执行权利要求1至5中任一项所述的分层方法。