(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210606761.6 (22)申请日 2022.05.31 (71)申请人 四川警察学院 地址 646099 四川省 泸州市龙透关 路186号 (72)发明人 韩珣　马健　燕钰　王宏志　 欧居尚　 (74)专利代理 机构 成都其高专利代理事务所 (特殊普通 合伙) 5124 4 专利代理师 贾波 (51)Int.Cl. G06F 16/2453(2019.01) G06F 16/2458(2019.01) G06F 16/2455(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01) (54)发明名称 多模态查询优化系统 (57)摘要 本发明公开了多模态 查询优化系统， 可以很 快得到最优的查询优化方案推荐， 神经网络的推 荐速度不受数据规模和数据类型的复杂度影响 过多， 设置有特征提取模块和多模态 查询优化模 块； 所述特征提取模块， 收集数据集中的工作负 载， 并对其进行预处理， 且预处理具体为： 识别查 询中的谓词结构， 将查询转化为谓词表示的结 构； 将谓词结构特征化， 形成特征值； 所述多模态 查询优化模块， 将特征提取模块得到的特征值转 化为一个最优的查询拓扑图对应的特 征值结构。 权利要求书1页 说明书4页 CN 115033596 A 2022.09.09 CN 115033596 A 1.多模态查询优化系统， 其特 征在于： 设置有特 征提取模块和多模态查询优化模块； 所述特征提取模块， 收集数据集中的工作负载， 并对其进行 预处理； 所述多模态查询优化模块， 将特征提取模块得到的特征值转化为一个最优的查询拓扑 图对应的特 征值结构。 2.根据权利要求1所述的多模态查询优化系统， 其特征在于： 所述预处理具体为： 识别 查询中的谓词结构， 将查询转 化为谓词表示的结构； 将谓词结构特 征化， 形成特 征值。 3.根据权利要求2所述的多模态查询优化系统， 其特征在于： 所述特征提取模块采用下 述方法实现： 设当前输入的工作负载为 workload， 其预处 理通过下述公式实现： S＝input(workload)， 其中， input是输入的工作负载， S是当前工作负载对应的谓词执行顺序的矩阵向量， 维 度为m×n的矩阵， 其中m为工作负载中查询的个数， n 为一个查询拓扑图最大的长度。 4.根据权利要求3所述的多模态查询优化系统， 其特征在于： 所述多模态查询优化模块 设置有将一个矩阵向量S转化为S ‘需要执行的动作， 且将所有动作形成一个集合A， 则有A＝ {调整一个谓词执行顺序， 不执行操作}， 其中， S ‘是工作负载对应的转换后的拓扑结构对应 的向量。 5.根据权利要求3所述的多模态查询优化系统， 其特征在于： 所述多模态查询优化模块 还包括奖励函数， 且奖励函数为： reward＝1 ‑cost(workload)/β， 其中， β 为基准参数， 即在 初始状态下的cost。 6.根据权利要求3所述的多模态查询优化系统， 其特征在于： 所述多模态查询优化模块 包括两个全连接层和一个激活函数， 其中， 全连接层通过公式y＝Wx完成矩阵向量乘积， 最 后一层全连接层得到的输出y经过激活函数后， 得到集合A， 其中， x是全连接层输入的内容， W是对应学习得到的计算 参数。 7.根据权利要求6所述的多模态查询优化系统， 其特征在于： 所述激活函数为： 其中， e为自然常数。权　利　要　求　书 1/1 页 2 CN 115033596 A 2多模态查询优化系统 技术领域 [0001]本发明涉及数据存 储处理技术等领域， 具体的说， 是多模态查询优化系统。 背景技术 [0002]随着数据存储技术的发展， 现如今多模态数据的存储成为了一个新兴的方向。 多 模态数据库是指将例如图、 表、 键值对等数据融合到一个平台去 管理， 并能实现相关数据的 查询和插入。 而由于是新兴的领域， 对 数据库进 行优化的相关研究工作并不是很完善。 现有 的针对单个模态数据库的算法 并不能处理多模态数据下的情况。 目前现有的查询优化问题 有如下问题： 它们是或由使用多年基于开发人员的经验设计的精心调整和复杂的启发式方 法组成。 此外， 这些启发式通常需要DBA进行更多调整， 以提高每个单独数据库的查询性能； 现有的传统查询优化器难以处理复杂的多模态查询。 所以一个能够在一个平台上针对多个 模态数据的自动查询优化器是被需要的。 发明内容 [0003]本发明的目的在于提供多模态查询优化系统， 可以很快得到最优的查询优化方案 推荐， 神经网络的推荐速度不受数据规模和数据类型的复杂度影响过多。 [0004]本发明通过下述技术方案实现： 多模态查询优化系统， 设置有特征提取模块和多 模态查询优化模块； [0005]所述特征提取模块， 收集数据集中的工作负载， 并对其进行 预处理； [0006]所述多模态查询优化模块， 将 特征提取模块得到的特征值转化为一个最优的查询 拓扑图对应的特 征值结构。 [0007]进一步的为更好地实现本发明所述的多模态查询优化系统， 特别采用下述设置方 式： 所述预处理具体为： 识别查询中的谓词结构， 将查询转化为谓词表示的结构； 将谓词结 构特征化， 形成特 征值。 [0008]进一步的为更好地实现本发明所述的多模态查询优化系统， 特别采用下述设置方 式： 所述特 征提取模块采用下述方法实现： [0009]设当前输入的工作负载为 workload， 其预处 理通过下述公式实现： [0010]S＝input(workload)， [0011]其中， input是输入的工作负载， S是当前工作负载对应的谓词执行顺序的矩阵向 量， 维度为m ×n的矩阵， 其中m为工作负载中查询的个数， n 为一个查询拓扑图最大的长度。 [0012]进一步的为更好地实现本发明所述的多模态查询优化系统， 特别采用下述设置方 式： 所述多模态查询优化模块设置有将一个矩阵向量S转化为S ‘需要执行的动作， 且将所有 动作形成一个集合A， 则有A＝{调整一个谓词执行顺序， 不执行操作}， 其中， S ‘是工作负载 对应的转换后的拓扑 结构对应的向量。 [0013]进一步的为更好地实现本发明所述的多模态查询优化系统， 特别采用下述设置方 式： 所述多模态查询优化模块还包括奖励函数， 且奖励函数为： reward＝1 ‑cost说　明　书 1/4 页 3 CN 115033596 A 3