本發(fā)明涉及數據分析，具體是一種分布式環(huán)境下的檔案數據管理系統(tǒng)及方法。

背景技術：

1、隨著信息化和數字化技術的不斷發(fā)展，企業(yè)和組織對于檔案數據的管理和利用提出了更高的要求，尤其是在分布式環(huán)境下，涉及大量歷史文檔、業(yè)務記錄、法律文件等領域；

2、隨著信息量的不斷增大，檔案查詢的檢索效率和準確性逐漸下降，因此檔案推薦策略需要進行相應調整，然而，推薦策略調整方法通常依據預設的時間間隔，對所有用戶統(tǒng)一進行調整，這種方式可能導致某些用戶的推薦準確率得到提升，而另一些用戶的推薦準確率卻出現下降，因此需要確定哪些用戶的推薦策略需要被優(yōu)化，實現精準優(yōu)化，既能提高用戶的檢索效率，又能減少不必要的優(yōu)化負擔，從而有效提高資源的利用率。

技術實現思路

1、本發(fā)明的目的在于提供一種分布式環(huán)境下的檔案數據管理系統(tǒng)及方法，以解決現有技術中提出的的問題。

2、為了解決上述技術問題，本發(fā)明提供如下技術方案：一種分布式環(huán)境下的檔案數據管理方法，方法包括：

3、步驟s100：建立電子檔案系統(tǒng)，在所述電子檔案系統(tǒng)中，用戶注冊并通過身份驗證后，輸入查詢條件，監(jiān)測用戶行為，生成查詢記錄；

4、步驟s200：在電子檔案系統(tǒng)中，采集歷史查詢記錄中的推薦參數，計算所述歷史查詢記錄的推薦效能，并根據所述推薦效能，計算所述歷史查詢記錄的推薦評分，確定異常推薦記錄；

5、步驟s300：對電子檔案系統(tǒng)中的用戶權限進行賦值，采集異常推薦記錄中的用戶信息參數，計算所述異常推薦記錄中用戶的個人評分，確定所述異常推薦記錄中用戶等級，計算用戶等級的異常頻率，確定異常用戶等級；

6、步驟s400：設定訓練周期，并劃分為若干個訓練時間段，計算某個訓練時間段中異常用戶等級的推薦成功率，確定異常用戶等級的特征時間段；

7、步驟s500：計算在某個異常用戶等級的特征時間段內的實時推薦成功率，若所述實時推薦成功率低于推薦成功率閾值時，則提醒管理人員。

8、進一步的，步驟s100包括：

9、步驟s101：通過掃描儀器，對紙制檔案進行掃描，提取所述紙制檔案中文字信息，生成所述紙制檔案的電子檔案，將所有紙制檔案生成為電子檔案，建立電子檔案系統(tǒng)；

10、步驟s102：用戶通過所述電子檔案系統(tǒng)提供的注冊頁面進行注冊，用戶輸入的個人信息，完成注冊后，使用用戶名和密碼進行身份驗證并成功登錄系統(tǒng)，用戶輸入查詢條件，為用戶生成相關的檔案推薦列表，采集用戶在所述檔案推薦列表中所瀏覽的檔案，監(jiān)測用戶瀏覽任意檔案所用時長，同時生成一條查詢記錄。

11、進一步的，步驟s200包括：

12、步驟s201：在電子檔案系統(tǒng)中，獲取歷史查詢記錄，采集某條歷史查詢記錄中的推薦參數，所述推薦參數包括用戶選取的檔案位于檔案推薦列表中的位序、用戶瀏覽檔案所用時長、用戶瀏覽檔案推薦列表中的檔案數量，根據以下公式計算推薦效能：

13、；

14、其中，k表示推薦效能，t表示為用戶瀏覽所選取的檔案所用時長，tn表示為用戶瀏覽第n個檔案所用時長，m表示為用戶瀏覽的檔案數量，m表示為檔案推薦列表中檔案的數量，根據以下公式計算推薦評分：

15、；

16、其中，a表示為推薦評分，n表示為用戶選取的檔案位于檔案推薦列表中的位序，α表示為用戶選取的檔案位于檔案推薦列表中的位序的權值，β表示為推薦效能的權值；

17、步驟s202：設定推薦評分閾值，將某條歷史查詢記錄所對應的推薦評分與所述推薦評分閾值進行比較，得到所述歷史查詢記錄的推薦結果，若所述推薦評分大于所述推薦評分閾值時，則所述歷史查詢記錄的推薦結果為失敗，將所述歷史查詢記錄進行標記，設為異常推薦記錄，若所述推薦評分小于或等于所述推薦評分閾值時，則所述歷史查詢記錄的推薦結果為成功，將異常推薦記錄進行匯總，得到異常推薦記錄集合；

18、推薦參數中用戶選取的檔案位于檔案推薦列表中的位序、用戶瀏覽檔案所用時長、用戶瀏覽檔案推薦列表中的檔案數量，這些數據越多，計算得到的推薦評分也就越高，推薦評分越高就代表用戶查詢所花費的時間越長，推薦的準確性也就越低；

19、通過分析用戶的歷史查詢記錄，系統(tǒng)能夠計算出推薦評分，從而更精準地識別出哪些檔案對用戶來說是更有價值的，設定推薦評分閾值，使得系統(tǒng)能夠及時識別出異常推薦記錄。

20、進一步的，步驟s300包括：

21、步驟s301：獲取電子檔案系統(tǒng)中預設的用戶權限，采集某個用戶權限所對應允許訪問的檔案范圍，將用戶權限按照允許訪問的檔案范圍從小到大進行排序，并將用戶權限進行賦值，得到任意用戶權限的評分；

22、步驟s302：在異常推薦記錄集合中，獲取某條異常推薦記錄中的用戶信息參數，所述信息參數包括用戶權限、用戶年齡和用戶平均每天使用系統(tǒng)時長，根據以下公式計算用戶的個人評分：

23、；

24、其中，r表示為用戶的個人評分，b表示為用戶權限的評分，c表示為用戶年齡，d表示為用戶平均每天使用系統(tǒng)時長，eb、ec、ed分別表示為用戶權限評分、用戶年齡、用戶平均每天使用系統(tǒng)時長的權值，f表示為個人評分的偏差值；

25、步驟s303：將用戶的個人評分劃分為若干個用戶等級，獲取某個用戶等級的個人評分范圍，將符合某個用戶等級的異常推薦記錄進行匯總，得到某個用戶等級的異常推薦記錄集合；

26、步驟s304：獲取任意用戶等級的異常推薦記錄集合中異常推薦記錄的數量，根據以下公式計算用戶等級的異常頻率：

27、；

28、其中，hg表示第g個用戶等級的異常頻率，gg表示為第g個用戶等級中異常推薦記錄的數量，g’表示為異常推薦記錄的總數量；

29、步驟s305：設定異常頻率閾值，將某個用戶等級所對應的異常頻率與所述異常頻率閾值進行比較，若所述異常頻率大于或等于所述異常頻率閾值時，則將所述用戶等級進行標記，設為異常用戶等級，將異常用戶等級進行匯總，得到異常用戶等級集合；

30、通過綜合考慮用戶的權限、年齡和使用系統(tǒng)的時長，系統(tǒng)可以為每個用戶生成個性化評分，反映用戶的使用行為和潛在需求。

31、進一步的，步驟s400包括：

32、步驟s401：選取連續(xù)若干天作為訓練周期，在所述訓練周期內，設置若干個時間點，將每兩個相鄰時間點所對應的時間段設為訓練時間段；

33、步驟s402：在某個訓練時間段中，獲取所述訓練時間段中的查詢記錄集合，采集某條查詢記錄中的用戶信息參數，計算所述查詢記錄中用戶的個人評分，確定所述查詢記錄所對應的用戶等級；

34、步驟s403：將查詢記錄所對應的用戶等級為某個異常用戶等級的查詢記錄進行匯總，得到某個異常用戶等級的查詢記錄集合，獲取某條查詢記錄的推薦參數，計算所述查詢記錄的推薦評分，得到所述查詢記錄的推薦結果，分別采集某個異常用戶等級的推薦結果為成功和失敗的查詢記錄數量，根據以下公式計算某個異常用戶等級的推薦成功率：

35、；

36、其中，yuy表示為在第y個訓練時間段第u個異常用戶等級的推薦成功率，xuy表示為在第y個訓練時間段中第u個異常用戶等級的推薦結果為成功的查詢記錄的數量，zuy表示為在第y個訓練時間段中第u個目標年齡段的推薦結果為失敗的查詢記錄的數量；

37、步驟s404：設定推薦成功率閾值，將某個訓練時間段中某個異常用戶等級的推薦成功率與所述推薦成功率閾值進行比較，若所述推薦成功率小于所述推薦成功率閾值時，則將所述訓練時間段設為所述異常用戶等級的特征時間段；

38、通過分析訓練時間段內的推薦成功率，管理員可以獲得數據支持，幫助他們做出更加科學的決策，調整推薦模型或改進用戶管理措施，從而提高系統(tǒng)的整體表現，通過設定推薦成功率閾值，系統(tǒng)能夠及時識別出推薦效果較差的時間段和異常用戶群體，為后續(xù)分析起到數據支持，通過識別推薦成功率較低的異常用戶等級，系統(tǒng)能夠集中資源進行優(yōu)化和調整，避免資源浪費，避免影響推薦成功率較高的推薦方法。

39、進一步的，步驟s500包括：

40、步驟s501：獲取實時查詢記錄中的實時用戶信息參數，計算所述實時查詢記錄的實時用戶評分，確定所述實時查詢記錄所對應的實時用戶等級；

41、步驟s502：若所述實時用戶等級為異常用戶等級，則采集所述實時查詢記錄的查詢時間點，若所述查詢時間點屬于所述異常用戶等級的特征時間段內，則采集所述實時查詢記錄中的實時推薦參數，確定所述實時查詢記錄的推薦結果；

42、步驟s503：計算在某個異常用戶等級的特征時間段內的實時推薦成功率，當所述實時推薦成功率低于推薦成功率閾值時，則提醒管理人員對所述異常用戶等級的推薦方法進行優(yōu)化；

43、通過及時調整推薦策略，當發(fā)現實時推薦成功率低于閾值時，系統(tǒng)能夠主動進行優(yōu)化，從而提高推薦成功率，減少無效推薦，提升系統(tǒng)的推薦效果，通過對異常用戶推薦方法的及時優(yōu)化，系統(tǒng)能夠集中資源在需要改進的領域，避免對系統(tǒng)其他正常運行部分造成干擾，管理人員能夠在推薦效果較差的時間段做出快速決策，從而優(yōu)化整體資源使用，提升推薦精準度。

44、為了更好實現上述方法還提出了一種分布式環(huán)境下的檔案數據管理系統(tǒng)，系統(tǒng)包括電子化檔案模塊、異常推薦記錄模塊、異常用戶等級模塊、特征時間段模塊和實時監(jiān)測模塊；

45、電子化檔案模塊：建立電子檔案系統(tǒng)，在所述電子檔案系統(tǒng)中，用戶注冊并通過身份驗證后，輸入查詢條件，監(jiān)測用戶行為，生成查詢記錄；

46、異常推薦記錄模塊：在電子檔案系統(tǒng)中，采集歷史查詢記錄中的推薦參數，計算所述歷史查詢記錄的推薦效能，并根據所述推薦效能，計算所述歷史查詢記錄的推薦評分，確定異常推薦記錄；

47、異常用戶等級模塊：對電子檔案系統(tǒng)中的用戶權限進行賦值，采集異常推薦記錄中的用戶信息參數，計算所述異常推薦記錄中用戶的個人評分，確定所述異常推薦記錄中用戶等級，計算用戶等級的異常頻率，確定異常用戶等級；

48、特征時間段模塊：設定訓練周期，并劃分為若干個訓練時間段，計算某個訓練時間段中異常用戶等級的推薦成功率，確定異常用戶等級的特征時間段；

49、實時監(jiān)測模塊：計算在某個異常用戶等級的特征時間段內的實時推薦成功率，若所述實時推薦成功率低于推薦成功率閾值時，則提醒管理人員。

50、進一步的，電子化檔案模塊包括建立電子化檔案系統(tǒng)單元和用戶查詢單元：

51、建立電子化檔案系統(tǒng)單元：通過掃描儀器，對紙制檔案進行掃描，提取所述紙制檔案中文字信息，生成所述紙制檔案的電子檔案，將所有紙制檔案生成為電子檔案，建立電子檔案系統(tǒng)；

52、用戶查詢單元：用戶通過所述電子檔案系統(tǒng)提供的注冊頁面進行注冊，用戶輸入的個人信息，完成注冊后，使用用戶名和密碼進行身份驗證并成功登錄系統(tǒng)，用戶輸入查詢條件，為用戶生成相關的檔案推薦列表，采集用戶在所述檔案推薦列表中所瀏覽的檔案，監(jiān)測用戶瀏覽任意檔案所用時長，同時生成一條查詢記錄。

53、進一步的，異常推薦記錄模塊包括計算推薦評分單元和確定異常推薦記錄單元：

54、計算推薦評分單元：在電子檔案系統(tǒng)中，獲取歷史查詢記錄，采集某條歷史查詢記錄中的推薦參數，所述推薦參數包括用戶選取的檔案位于檔案推薦列表中的位序、用戶瀏覽檔案所用時長、用戶瀏覽檔案推薦列表中的檔案數量，計算推薦評分；

55、確定異常推薦記錄單元：設定推薦評分閾值，將某條歷史查詢記錄所對應的推薦評分與所述推薦評分閾值進行比較，得到所述歷史查詢記錄的推薦結果，若所述推薦評分大于所述推薦評分閾值時，則所述歷史查詢記錄的推薦結果為失敗，將所述歷史查詢記錄進行標記，設為異常推薦記錄，若所述推薦評分小于或等于所述推薦評分閾值時，則所述歷史查詢記錄的推薦結果為成功，將異常推薦記錄進行匯總，得到異常推薦記錄集合。

56、進一步的，異常用戶等級模塊包括計算用戶個人評分單元和確定異常用戶等級單元：

57、計算用戶個人評分單元：獲取電子檔案系統(tǒng)中預設的用戶權限，將所述用戶權限按照權限的范圍大小從小到大進行排序，并將用戶權限進行賦值，得到任意用戶權限的評分，在異常推薦記錄集合中，獲取某條異常推薦記錄中的用戶信息參數，所述信息參數包括用戶權限、用戶年齡和用戶平均每天使用系統(tǒng)時長，計算用戶的個人評分；

58、確定異常用戶等級單元：將用戶的個人評分劃分為若干個用戶等級，獲取某個用戶等級的個人評分范圍，將符合某個用戶等級的異常推薦記錄進行匯總，得到某個用戶等級的異常推薦記錄集合，獲取任意用戶等級的異常推薦記錄集合中異常推薦記錄的數量，計算用戶等級的異常頻率，設定異常頻率閾值，將某個用戶等級所對應的異常頻率與所述異常頻率閾值進行比較，若所述異常頻率大于或等于所述異常頻率閾值時，則將所述用戶等級進行標記，設為異常用戶等級。

59、與現有技術相比，本發(fā)明的有益效果是：

60、1、通過優(yōu)化異常推薦記錄的處理流程，能夠減少無效推薦的發(fā)生，從而提升用戶滿意度，并提高系統(tǒng)資源的有效利用率，降低過多不相關推薦對用戶的干擾；

61、2、通過多維度的數據分析，實現對異常用戶群體、推薦策略和推薦成功率的持續(xù)跟蹤與優(yōu)化，這種基于數據的迭代優(yōu)化過程，使得系統(tǒng)能夠不斷提高推薦質量，適應用戶行為和需求的變化通過自動化掃描、數據轉換和推薦算法的引入，實現檔案數據的高效管理與智能推薦，用戶根據查詢條件生成查詢記錄后，系統(tǒng)能夠動態(tài)調整推薦內容，提供個性化、精準的檔案推薦。