[发明专利]一种模型训练方法、数据存储方法、装置及电子设备

说明书

本发明实施例提供了一种模型训练方法、数据存储方法、装置及电子设备，所述方法包括：获取样本用户历史存储数据过程中的操作数据及数据属性；其中，样本用户具有偏好标签，偏好标签用于指示样本用户对文件存储系统类型的实际偏好；从操作数据及数据属性中提取样本用户操作历史存储数据的属性特征；将属性特征输入待训练模型中进行分类预测，得到样本用户的预测偏好标签；根据偏好标签以及预测偏好标签，计算待训练模型的损失，并根据损失对待训练模型的参数进行调整。本发明实施例，能够利用所训练的模型为用户分配更符合需求的文件存储系统，进而能够为用户提供更精细化的数据存储服务。

技术领域

本发明涉及数据处理技术领域，特别是涉及一种模型训练方法、数据存储方法、装置及电子设备。

背景技术

文件存储是一种分布式文件系统，能够为各类客户端用户提供高可用、高可靠、易拓展的文件存储功能。客户端用户可以将文件存储挂载到本地进行使用，在使用的过程中可以像操作本地文件一样访问文件存储中的数据。文件存储能够兼顾多个应用和客户端用户的访问，为多用户提供数据共享的功能。

实际应用中，因客户端用户需求的不确定性，进而无法事先为不同的客户端用户准备其需求对应的文件存储。现有技术中，使用通用的文件存储为不同的客户端用户提供相应的文件存储功能。然而，因客户端用户需求的差异性，使得该通用的文件存储无法为用户提供更精细化的数据存储服务。

发明内容

本发明实施例的目的在于提供一种模型训练方法、数据存储方法、装置及电子设备，以实现为用户提供更精细化的数据存储服务。具体技术方案如下：

在本发明实施的第一方面，首先提供了一种模型训练方法，所述方法包括：

获取样本用户历史存储数据过程中的操作数据及数据属性；其中，所述样本用户具有偏好标签，所述偏好标签用于指示所述样本用户对文件存储系统类型的实际偏好；

从所述操作数据及所述数据属性中提取所述样本用户操作历史存储数据的属性特征；

将所述属性特征输入待训练模型中进行分类预测，得到所述样本用户的预测偏好标签；

根据所述偏好标签以及所述预测偏好标签，计算所述待训练模型的损失，并根据所述损失对所述待训练模型的参数进行调整。

可选地，所述属性特征包括文件存储性能特征以及容量特征，所述偏好标签包括：容量型、均衡型、性能型。

可选地，所述从所述操作数据及所述数据属性中提取所述样本用户操作历史存储数据的属性特征，包括：

从所述操作数据及所述数据属性中提取所述样本用户操作历史存储数据的数据操作频率、数据类型及数据大小；

根据所述数据操作频率、数据类型，确定所述样本用户的文件存储性能特征；

根据所述数据大小，确定所述样本用户的容量特征。

在本发明实施的第二方面，还提供了一种数据存储方法，所述方法包括：

获取目标用户历史存储数据过程中的目标操作数据及目标数据属性；

从所述目标操作数据及所述目标数据属性中提取所述目标用户操作历史存储数据的目标属性特征；

将所述目标属性特征输入预先训练好的模型中进行分类预测，得到所述目标用户的目标偏好标签，其中，所述预先训练好的模型为采用上述第一方面的方法训练得到的，所述目标偏好标签用于指示所述目标用户对文件存储系统类型的偏好，所述目标偏好标签与目标用户类型之间具有对应关系；

根据用户类型与文件存储系统之间的对应关系，将所述目标用户的数据存储至所述目标用户类型对应的文件存储系统中。