[发明专利]一种语法树的优化方法、装置

权利要求书

1.一种语法树的优化方法，其特征在于，包括：

获取用于数据库业务的第一语法树，

提取当前第一语法树的用于表征节点属性的特征数据，

利用神经网络模型，对所述特征数据进行深度学习，得到所述第一语法树的表示向量、以及第一语法树的性能评估结果，在所述性能评估结果达到设定的评估阈值的情况下，获取当前表示向量所映射的第二语法树，得到第一语法树的优化结果，

在所述性能评估结果未达到设定的评估阈值的情况下，根据所述第一语法树的当前表示向量，重构所述第一语法树，以使得所述第一语法树的至少一个节点属性的特征数据被更新，返回执行所述提取所述第一语法树的用于表征节点属性的特征数据的步骤，直至所重构的第一语法树的数量达到设定的穷举阈值。

2.如权利要求1所述的优化方法，其特征在于，该方法进一步包括，

在所述性能评估结果未达到所述评估阈值、且所重构的第一语法树的数量达到所述穷举阈值的情况下，

利用所述数据库业务中的样本数据，对当前神经网络模型进行训练，

根据训练结果调整神经网络模型的模型参数，直至神经网络模型的训练结果达到设定的预测结果，保存当前模型参数；

返回执行所述利用神经网络模型，对所述特征数据进行处理的步骤。

3.如权利要求1所述的优化方法，其特征在于，所述提取当前第一语法树的用于表征节点属性的特征数据，包括，

提取当前第一语法树中每个节点的特征数据，其中，特征数据包括，操作类型特征，谓词特征，以及元数据特征。

4.如权利要求1所述的优化方法，其特征在于，所述神经网络模型包括，长短期记忆网络、以及连接于所述长短期记忆网络输出的全连接神经网络，

其中，

所述长短期记忆网络用于基于所述特征数据学习第一语法树的表示向量，

所述全连接神经网络用于基于所述表示向量进行第一语法树的性能评估。

5.如权利要求4所述的优化方法，其特征在于，所述利用神经网络模型，对所述特征数据进行深度学习，得到所述第一语法树的表示向量、以及第一语法树的性能评估结果，包括，

基于每个节点的特征数据，分别获取每个节点的特征向量，

将每个节点的特征向量逐一地输入至当前神经网络模型，逐一地从所述长短期记忆网络的输出得到每个节点的表示向量，逐一地从所述全连接神经网络的输出得到每个节点的代价和/或基数的评估结果，

根据所有节点的代价和/或基数的评估结果，得到所述第一语法树的代价和/或基数的评估结果；

所述根据所述第一语法树的当前表示向量，重构所述第一语法树，以使得所述第一语法树的至少一个节点属性的特征数据被更新，包括：

至少选择一个用于重构语法树的节点，

根据所选择节点的当前表示向量，更新该节点属性，使得该节点的操作类型特征数据，谓词特征数据，以及元数据特征数据至少之一被更新。

6.如权利要求5所述的优化方法，其特征在于，所述基于每个节点的特征数据，获取每个节点的特征向量，包括，

在存在隶属于同一父节点的第一节点和第二节点的情形下，将所述第一节点的特征向量、以及所述第二节点的特征向量分别更新为第一节点的特征向量和所述第二节点的特征向量的平均值。

7.如权利要求5所述的优化方法，其特征在于，所述逐一地从所述全连接神经网络的输出得到每个节点的代价和/或基数的评估结果，进一步包括，

在节点为子节点的情形下，将该子节点的评估结果进行缓存。

8.如权利要求1所述的优化方法，其特征在于，所述在所述评估结果达到设定的评估阈值的情况下，获取当前表示向量所映射的第二语法树，包括，

在所述性能评估结果达到历次性能评估结果中最小性能评估结果的情况下，按照第一语法树中节点之间的节点关系，基于每个节点的当前表示向量，确定所述第二语法树。