数据库更新方法技术

本申请提供一种数据库更新方法

【技术实现步骤摘要】
数据库更新方法、装置、电子设备及存储介质


[0001]本申请涉及人工智能
，尤其涉及一种数据库更新方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]在金融科技领域，在金融软件开发过程中，在编码得到该金融软件对应的代码文件之后，需要对代码文件进行功能上的测试，以发现代码文件存在的问题
。
而测试过程所使用的测试数据一般来源于生产数据库中存储的交易数据
。
[0003]相关技术中，一般将生产数据库中的交易数据以全量更新或者增量更新的方式同步到测试数据库中
。
然而生产数据库的数据量较大，同步过程需花费较多时间，效率较低
。

技术实现思路

[0004]本申请提供一种数据库更新方法
、
装置
、
电子设备及存储介质，不仅减少了数据量，而且对于软件测试，筛选出的交易数据比增量交易数据中的其他交易数据更有助益，保证了测试数据的质量
。
[0005]第一方面，本申请提供一种数据库更新方法，包括：
[0006]周期性从生产数据库获取增量交易数据；所述增量交易数据包括多个业务交易分别对应的第一交易数据；
[0007]从所述增量交易数据中，获取第二交易数据；所述第二交易数据为交易失败的业务交易对应的交易数据；
[0008]将所述第二交易数据输入到训练完成的交易数据推荐模型中，并采用所述交易数据推荐模型从所述增量交易数据中，确定与所述第二交易数据相似的目标交易数据；
[0009]将所述第二交易数据以及与所述第二交易数据相似的所述目标交易数据上传至测试数据库中，所述测试数据库中的交易数据用于软件测试
。
[0010]可选地，所述采用所述交易数据推荐模型从所述增量交易数据中，确定与所述第二交易数据相似的目标交易数据，包括：
[0011]采用所述交易数据推荐模型：
[0012]确定所述增量交易数据中除所述第二交易数据以外的各所述第一交易数据分别与所述第二交易数据之间的交易数据相似度；
[0013]将交易数据相似度最大的所述第一交易数据，确定为所述目标交易数据
。
[0014]可选地，交易数据包括多个交易参数；所述确定所述增量交易数据中除所述第二交易数据以外的各所述第一交易数据分别与所述第二交易数据之间的交易数据相似度，包括：
[0015]针对所述增量交易数据中除所述第二交易数据以外的各所述第一交易数据：
[0016]分别确定所述第一交易数据中的各第一交易参数与所述第二交易数据中对应的第二交易参数之间的参数相似度；
[0017]按照各所述第一交易参数分别对应的预设权重，对多个所述第一交易参数分别对应的所述参数相似度进行融合处理，以获得所述第一交易数据与所述第二交易数据之间的所述交易数据相似度
。
[0018]可选地，所述按照各所述第一交易参数分别对应的预设权重，对多个所述第一交易参数分别对应的所述参数相似度进行融合处理，以获得所述第一交易数据与所述第二交易数据之间的所述交易数据相似度，包括以下任一项：
[0019]按照各所述第一交易参数分别对应的预设权重，对多个所述第一交易参数分别对应的所述参数相似度进行加权求和处理，以获得所述第一交易数据与所述第二交易数据之间的所述交易数据相似度；
[0020]按照各所述第一交易参数分别对应的预设权重，对多个所述第一交易参数分别对应的所述参数相似度进行加权平均处理，以获得所述第一交易数据与所述第二交易数据之间的所述交易数据相似度
。
[0021]可选地，所述交易数据推荐模型的训练过程，包括：
[0022]获取第一样本交易数据以及与所述第一样本交易数据对应的多个第二样本交易数据，且各所述第二样本交易数据携带样本标签，所述样本标签表示所述第二样本交易数据是否与所述第一样本交易数据相似；
[0023]以所述样本标签为监督数据，基于所述第一样本交易数据以及所述多个第二样本交易数据对交易数据推荐模型进行迭代训练；
[0024]若迭代训练后的交易数据推荐模型满足预设收敛条件，则将满足所述预设收敛条件的交易数据推荐模型确定为所述训练完成的交易数据推荐模型
。
[0025]可选地，所述以所述样本标签为监督数据，基于所述第一样本交易数据以及所述多个第二样本交易数据对交易数据推荐模型进行迭代训练，包括：
[0026]将所述第一样本交易数据与所述多个第二样本交易数据输入所述交易数据推荐模型，采用所述交易数据推荐模型，确定各所述第二样本交易数据分别与所述第一样本交易数据之间的交易数据相似度；
[0027]将各所述第二样本交易数据分别对应的所述交易数据相似度与所述样本标签，代入预设损失函数，以确定损失值；
[0028]基于所述损失值调整所述交易数据推荐模型的模型参数，以获得所述迭代训练后的交易数据推荐模型
。
[0029]可选地，所述第一交易数据包括参考标识，所述参考标识表示所述第一交易数据对应的业务交易交易成功或交易失败；所述从所述增量交易数据中，获取第二交易数据，包括：
[0030]将所述增量交易数据中参考标识表示业务交易交易失败的第一交易数据，确定为所述第二交易数据
。
[0031]可选地，所述将所述第二交易数据以及与所述第二交易数据相似的所述目标交易数据上传至测试数据库中，包括：
[0032]将所述第二交易数据以及与所述第二交易数据相似的所述目标交易数据进行打包，以获得打包文件；
[0033]向所述测试数据库对应的设备发送所述打包文件，以使所述设备对所述打包文件
进行解压，并将解压后的交易数据对应存储到所述测试数据库中
。
[0034]第二方面，本申请提供一种数据库更新装置，包括：
[0035]获取模块，用于周期性从生产数据库获取增量交易数据；所述增量交易数据包括多个业务交易分别对应的第一交易数据；
[0036]所述获取模块，还用于从所述增量交易数据中，获取第二交易数据；所述第二交易数据为交易失败的业务交易对应的交易数据；
[0037]确定模块，用于将所述第二交易数据输入到训练完成的交易数据推荐模型中，并采用所述交易数据推荐模型从所述增量交易数据中，确定与所述第二交易数据相似的目标交易数据；
[0038]上传模块，用于将所述第二交易数据以及与所述第二交易数据相似的所述目标交易数据上传至测试数据库中，所述测试数据库中的交易数据用于软件测试
。
[0039]第三方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；
[0040]所述存储器存储计算机执行指令；
[0041]所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面任一项所述的数据库更新方法
。
[0042]第四方面，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种数据库更新方法，其特征在于，包括：周期性从生产数据库获取增量交易数据；所述增量交易数据包括多个业务交易分别对应的第一交易数据；从所述增量交易数据中，获取第二交易数据；所述第二交易数据为交易失败的业务交易对应的交易数据；将所述第二交易数据输入到训练完成的交易数据推荐模型中，并采用所述交易数据推荐模型从所述增量交易数据中，确定与所述第二交易数据相似的目标交易数据；将所述第二交易数据以及与所述第二交易数据相似的所述目标交易数据上传至测试数据库中，所述测试数据库中的交易数据用于软件测试
。2.
根据权利要求1所述的方法，其特征在于，所述采用所述交易数据推荐模型从所述增量交易数据中，确定与所述第二交易数据相似的目标交易数据，包括：采用所述交易数据推荐模型：确定所述增量交易数据中除所述第二交易数据以外的各所述第一交易数据分别与所述第二交易数据之间的交易数据相似度；将交易数据相似度最大的所述第一交易数据，确定为所述目标交易数据
。3.
根据权利要求2所述的方法，其特征在于，交易数据包括多个交易参数；所述确定所述增量交易数据中除所述第二交易数据以外的各所述第一交易数据分别与所述第二交易数据之间的交易数据相似度，包括：针对所述增量交易数据中除所述第二交易数据以外的各所述第一交易数据：分别确定所述第一交易数据中的各第一交易参数与所述第二交易数据中对应的第二交易参数之间的参数相似度；按照各所述第一交易参数分别对应的预设权重，对多个所述第一交易参数分别对应的所述参数相似度进行融合处理，以获得所述第一交易数据与所述第二交易数据之间的所述交易数据相似度
。4.
根据权利要求3所述的方法，其特征在于，所述按照各所述第一交易参数分别对应的预设权重，对多个所述第一交易参数分别对应的所述参数相似度进行融合处理，以获得所述第一交易数据与所述第二交易数据之间的所述交易数据相似度，包括以下任一项：按照各所述第一交易参数分别对应的预设权重，对多个所述第一交易参数分别对应的所述参数相似度进行加权求和处理，以获得所述第一交易数据与所述第二交易数据之间的所述交易数据相似度；按照各所述第一交易参数分别对应的预设权重，对多个所述第一交易参数分别对应的所述参数相似度进行加权平均处理，以获得所述第一交易数据与所述第二交易数据之间的所述交易数据相似度
。5.
根据权利要求1‑4任一项所述的方法，其特征在于，所述交易数据推荐模型的训练过程，包括：获取第一样本交易数据以及与所述第一样本交易数据对应的多个第二样本交易数据，且各所述第二样本交易数...

【专利技术属性】
技术研发人员：白浩文，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：