面向机器学习应用的多版本非结构化数据存储方法

本发明公开了一种面向机器学习应用的多版本非结构化数据存储方法，具体包括：(1)非结构化多源数据的分布式存储框架：在数据正式存储前，利用多版本数据存储策略对多源数据进行处理和判断，基于存储空间和检索时间的权衡选择最优的存储策略，而基于神经网络的数据压缩技术会针对不同类型的数据进行相应压缩，以提高分布式数据库的存储效率和机器学习应用在数据访问、处理过程中的便捷性。(2)多版本数据存储策略：面对多源数据持续生成和存储版本不断变化的挑战。该方法可以部署在分布式的非结构化图数据库中，存储过程独立完整且具有全局视角，能够实现数据存储的管理和优化，适用于多类型数据源和高频数据更新的场景。