(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111269878.1 (22)申请日 2021.10.2 9 (65)同一申请的已公布的文献号 申请公布号 CN 113703986 A (43)申请公布日 2021.11.26 (73)专利权人 苏州优鲜信网络生活服 务科技有 限公司 地址 215000 江苏省苏州市工业园区海悦 花园一区5幢10 5室 (72)发明人 陈玉才　孙海涛　徐硕　 (74)专利代理 机构 北京君莫知识产权代理事务 所(普通合伙) 11715 代理人 崔云鹤 (51)Int.Cl. G06F 9/50(2006.01)G06N 20/00(2019.01) (56)对比文件 CN 109447253 A,2019.0 3.08 CN 111798543 A,2020.10.20 CN 112650868 A,2021.04.13 US 2019/ 0354806 A1,2019.1 1.21 审查员 殷娉 (54)发明名称 一种基于大数据的信息管理系统与方法 (57)摘要 本发明提出基于大数据的信息管 理方法， 包 括如下步骤： 获取输入数据流， 将图像属性数据 和文本属性数据按照数据产生时序执行关联， 获 得多组关联数据流； 将当前关联数据流作为深度 学习模型的输入； 当输出结果满足第一性能条件 时， 启动第一显存分配进程分配第一显存空间， 将下一个关联数据流存贮至第一显存空间； 当第 一显存空间的显存占用率超过预设的显存容量 控制阈值时， 启动第二显存分配进程分配第二显 存空间， 将下一个 关联数据流存贮至第二显存空 间； 判断已经分配的显存空间的总容量是否超 过 系统控制值， 如果是， 则将已经分配的显存空间 的目标关联数据转移至内存组件。 本发明还公开 实现所述方法的系统与计算机可读存 储介质。 权利要求书3页 说明书9页 附图3页 CN 113703986 B 2022.03.11 CN 113703986 B 1.一种基于大 数据的信息管理方法， 其特 征在于， 所述方法包括如下步骤： 获取输入数据流， 所述输入数据流包括图像属性数据和文本属性数据； 将所述输入数据流中的图像属性数据和文本属性数据按照数据产生 时序执行关联， 获 得多组关联 数据流； 将当前关联 数据流作为深度学习模型的输入； 当所述深度学习 模型的输出结果满足第 一性能条件时， 启动第 一显存分配进程分配第 一显存空间， 将下一个关联数据流存贮至第一显存空间； 否则， 抛弃当前关联数据流， 将下 一个关联 数据流作为当前 数据流； 当所述第一显存空间的显存占用率超过预设的显存容量控制阈值 时， 启动第 二显存分 配进程分配第二显存空间， 将下一个关联 数据流存贮至第二显存空间； 判断已经分配的显存空间的总容量是否超过系统控制值， 如果是， 则将所述已经分配 的显存空间的目标关联 数据转移至内存组件； 所述目标关联数据基于所述已经分配的显存空间中存贮的关联数据流的访问次数、 访 问时间、 创建时间、 业 务优先级之一或者 其任意组合 来确定； 其中， 所述深度学习模型为深度高斯过程模型； 当所述深度学习 模型的输出结果满足第 一性能条件时， 启动第 一显存分配进程分配第 一显存空间， 将下一关联 数据流存贮至第一显存空间， 具体包括： 当所述深度高斯过程模型输出的模型训练结果的精度大于预设标准 时， 将所述当前关 联数据流之后的下一个关联 数据流存贮至第一显存空间； 其中， 每次执行将所述当前关联数据流之后的下一个关联数据流存贮至第 一显存空间 的步骤后， 判断所述第一显存空间的显存占用率是否超过 预设的显存容 量控制阈值； 如果否， 则 重复执行将所述当前关联数据流之后的下一个关联数据流存贮至第 一显存 空间的步骤后， 判断所述第一显存空间的显存占用率是否超过 预设的显存容 量控制阈值； 如果是， 启动显存分配进程分配第二显存空间， 将所述当前关联数据流之后的下一个 关联数据流存贮至第二显存空间。 2.如权利要求1所述的一种基于大 数据的信息管理方法， 其特 征在于： 将所述输入数据流中的图像属性数据和文本属性数据按照数据产生 时序执行关联， 获 得关联数据流， 具体包括： 将产生时间的差值在预设范围内的图像属性数据和文本属性数据 执行关联， 获得多组 关联数据流。 3.如权利要求2所述的一种基于大 数据的信息管理方法， 其特 征在于： 若某个图像属性数据 无法匹配到可与其执行关联的文本属性数据， 则该图像属性数据 为孤立图像数据； 若某个文本属性数据 无法匹配到可与其执行关联的图像属性数据， 则该文本属性数据 为孤立文本数据； 将所述孤立图像数据或者孤立文本数据作为非深度学习模型的输入； 当所述非深度 学习模型的输出结果满足第 二性能条件时， 将所述孤立图像数据或者孤 立文本数据存贮至内存组件。 4.如权利要求1所述的一种基于大 数据的信息管理方法， 其特 征在于：权　利　要　求　书 1/3 页 2 CN 113703986 B 2所述第一显存分配进程基于所述深度学习模型的输出结果确定分配的第一显存空间 的大小； 所述第二显存分配进程分配的第二显存空间不大于所述第一显存分配进程分配的第 一显存空间。 5.一种基于大 数据的信息管理系统， 其特 征在于， 所述系统包括： 数据获取子系统， 所述数据获取子系统用于获取输入数据流； 数据关联子系统， 所述数据关联子系统用于识别出所述输入数据流中的图像属性数据 和文本属性数据， 并基于属性数据的产生时序， 执行数据关联操作， 生成多组关联数据流或 者孤立数据流； 数据存储子系统， 所述数据存储子系统按照预设的判断条件， 将所述多组关联数据流 或者孤立数据流存贮至内存组件或者显存空间； 其中， 所述预设的判断条件 包括： 将当前关联 数据流作为深度学习模型的输入； 当所述深度学习 模型的输出结果满足第 一性能条件时， 数据存储子系统启动第 一显存 分配进程分配第一显存空间， 将下一个关联 数据流存贮至第一显存空间； 否则， 抛弃当前关联 数据流， 将下一个关联 数据流作为当前 数据流； 其中， 所述深度学习模型为深度高斯过程模型； 当所述深度学习 模型的输出结果满足第 一性能条件时， 启动第 一显存分配进程分配第 一显存空间， 将下一关联 数据流存贮至第一显存空间， 具体包括： 当所述深度高斯过程模型输出的模型训练结果的精度大于预设标准 时， 将所述当前关 联数据流之后的下一个关联 数据流存贮至第一显存空间； 其中， 每次执行将所述当前关联数据流之后的下一个关联数据流存贮至第 一显存空间 的步骤后， 判断所述第一显存空间的显存占用率是否超过 预设的显存容 量控制阈值； 如果否， 则 重复执行将所述当前关联数据流之后的下一个关联数据流存贮至第 一显存 空间的步骤后， 判断所述第一显存空间的显存占用率是否超过 预设的显存容 量控制阈值； 如果是， 启动显存分配进程分配第二显存空间， 将所述当前关联数据流之后的下一个 关联数据流存贮至第二显存空间。 6.如权利要求5所述的一种基于大 数据的信息管理系统， 其特 征在于： 所述孤立数据流包括孤立图像数据或者孤立文本数据； 若某个图像属性数据 无法匹配到可与其执行关联的文本属性数据， 则该图像属性数据 为孤立图像数据； 若某个文本属性数据 无法匹配到可与其执行关联的图像属性数据， 则该文本属性数据 为孤立文本数据； 将所述孤立图像数据或者孤立文本数据作为非深度学习模型的输入； 当所述非深度 学习模型的输出结果满足第 二性能条件时， 将所述孤立图像数据或者孤 立文本数据存贮至内存组件。 7.如权利要求5所述的一种基于大 数据的信息管理系统， 其特 征在于： 当所述深度高斯过程模型的输出结果满足第 一性能条件时， 所述第 一显存分配进程基 于所述深度学习模型的输出 结果确定分配的第一显存空间的大小；权　利　要　求　书 2/3 页 3 CN 113703986 B 3