CN102915484A - 一种基于协同过滤的智能预案系统 - Google Patents

Abstract

本发明公开了一种基于协同过滤的智能预案系统，包括基于协同过滤挖掘算法的数据挖掘引擎：包括系统预置模块：预置系统业务实体；初始预案输入模块：输入初始预案；监听模块：对预案触发的条件进行监听；执行模块：根据事件采用初始预案或者对初始预案的参数进行修订；数据挖掘引擎模块：根据修订的参数形成新的预案。本发明以协同过滤算法为核心的数据采集，分析，规则化的数据挖掘引擎，用于将历史业务数据转换为决策支持的规则。结构化预案管理系统：将预案按结构化的方式组织、存储、管理、检索和执行的信息管理系统。混合型动态规则引擎：结合结构化预案人工规则与协同过滤挖掘算法机器学习规则，提供智能化执行预案期望的行为，动态更新规则库，与其它外部系统交互等功能。

Description

一种基于协同过滤的智能预案系统

技术领域

本发明涉及一种基于协同过滤的智能预案系统。

背景技术

预案本身的作用，最重要的是在应急过程中的实用性和可操作性。预案的编制是一个复杂的过程，由于预案的内容涉及诸多领域，包括工艺过程方面的危害辨识、设备维护管理及风险评价、作业场所环境、危险化学品、应急劳动保护品的选用、医疗救护、消防与治安等多个方面。如何快速、及时、准确地编制相应预案，对减少损失、提高应急反应速度能起到非常大的积极作用。

发明内容

本发明的目的是提供一种基于协同过滤的智能预案系统。

为了实现上述目的，采用以下技术方案：一种基于协同过滤的智能预案系统，其特征在于：所述系统包括

系统预置模块：预置系统业务实体，根据业务实体预置规则编辑界面，提供人机交互界面由用户自定义规则以及人员、物资调配界面；对全部业务实体属性进行监控，当用户处置的事件与历史业务实体属性类似时，生成对应预测数据；

初始预案输入模块：输入初始预案；

监听模块：对预案触发的条件进行监听；

执行模块：根据事件触发相应初始预案或者对该初始预案的参数进行修订；

数据挖掘引擎模块：为用户推荐数据模型，辅助修订预案参数形成新的预案；

所述数据挖掘引擎模块包括：

 数据预处理模块：提供数据采集，过滤，变换服务，去除数据中杂质，为数据挖掘提供高质量的原始数据；

 数据挖掘模型模块：提供算法的参数配置、模型生成和模型检验功能；

 推荐结果生成模块：提供通过数据挖掘模型生成预测数据的功能，对生成数据进行可视化分析处理。 

所述系统还包括

监听用户处理模块：用户采纳了推荐模型，则为该模型增加评分，未采纳则监听用户自定义的数据模型并保存到历史处置记录持久化库中自学习。

 基于协同过滤挖掘算法的数据挖掘引擎是以协同过滤算法为核心的数据采集，分析，规则化的数据挖掘引擎，从历史业务数据中得到决策挖掘模型，作为动态规则引擎产生规则的基础。

协同过滤算法通过分析用户兴趣，在用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测，其优点主要有：共用其他人的经验，避免了内容分析的不完全或不精确，并且能够基于一些复杂的，难以表述的概念进行过滤；

有推荐新资讯的能力。可以发现内容上完全不相似的资讯，使用者对推荐资讯的内容事先是预料不到的。可以发现使用者潜在的但自己尚未发现的知识；

推荐个性化、自动化程度高。能够有效的利用其它相似使用者的回馈资讯。加快个性化学习速度。

    协同过滤不需要事先获得信息或用户的特征，它们只依赖于用户过去的行为（如对信息的浏览或使用等）。通过分析已经收集到的用户与信息中所呈现的相互作用，然后它们使用这些相互作用为用户产生相近信息推荐。这可以有效的弥补专家系统中无明确规则定义时，系统失效问题，提高系统应对复杂情况时的处理能力。

系统预置：

本模块主要由二次开发人员完成对系统的预置操作；

设置业务实体

预置系统业务实体(如：事件、机构、人员、物资、车辆等实体)，为系统运行提供数据实体，其数据来源于用户录入，也支持其它如：数据库、企业总线、ETL等；

设置业务流程

根据上述业务实体提供由业务实体属性组成的规则编辑界面，人员、物资调配界面；

数据挖掘引擎主要由以下几大部分组成：

1.数据预处理模块：提供数据采集，过滤，变换等服务，为数据挖掘提供高质量的原始数据。该模块主要是为了预先根据预置的业务实体生成预测数据模型，给挖掘引擎提供高质量原始数据模型。

2.数据挖掘模型模块：提供算法的参数配置，模型生成和模型检验功能。其主要采用最近邻算法。该模块从用户历史处置记录中，根据推荐数据的历史评分、采用最近邻算法的核心思想，自动为用户推荐数据模型。

  3.推荐结果生成模块：提供通过数据挖掘模型生成预测数据的功能，可对生成数据进行可视化分析处理。该组件主要负责从上述数据挖掘模型组件中得到的数据模型生成预测数据，并通过人机交互界面展示给用户，提供可视化分析处理功能。

  二、结构化预案管理系统

结构化预案管理系统提供以一套统一的人机交互环境引导用户将预案转换为以标准结构化数据格式存储的数字化预案，其作用是将关键节点进行结构化，把各关键节点开发成即独立又相互关联的程序模块，并将案例库、知识库、模型库和现场监测监控信息等通过特定方式与预案进行关联、链接或嵌入，形成一种基于信息系统的智能的结构化预案形式。一方面为用户提供预案文档的管理功能（创建、修改和调阅），另一方面为系统提供语义元数据（定义监控与分析的指标数据，定义需要执行的工作流，定义工作流的触发规则）。

结构化预案管理系统由三个核心部分组成：

1、结构化数据标准：提供一套标准的数据模型对预案进行存储管理。

(1)基本信息； 

(2)预案的适用范围：定义启用预案的条件；

(3)工作流模板：预案工作流定义当规则匹配时预案应该执行的流程；

2、预案管理系统：提供一套统一的人机交互界面引导用户进行预案数据的结构化录入。

(1)基本信息定义：提供预案基本信息录入，修改功能；

(2)预案适用范围定义：提供预案基本信息录入，修改功能，同时可以用此功能定义一组充分条件和必要条件，用于评估预案对事件的适应性。如果满足预案适用条件，由系统将触发预警规则，同时发送预案选择；

(3)预案文档内容管理：提供非结构化数据文件管理和结构化数据转换为非结构化数据功能。支持预案文件上传，同时提供专有的文件浏览器，可翻页查看、放大查看，同时也支持方便高效的全文检索功能；

(4)工作流定义：提供预案工作流定义功能，管理工作流触发规则，监控数据和触发事件。

    3、预案管理系统外部接口：提供一组与数据挖掘引擎，知识规则引擎和外部系统的双向接口适配；

    输入适配：外部系统根据数据模型定义的数据项输入相应值，适配器得到值后提供给数据挖掘引擎(挖掘引擎得到这些数据信息后，经过数据挖掘模型组件得到推荐数据)与知识规则引擎(自动推理、判断是否触发工作流等)；

输出适配：把数据挖掘引擎挖掘到的推荐数据输出给外部系统，并监听用户是否采纳此推荐数据，如未采纳，系统则保存用户自定义的数据进行自学习。

这里主要还有以下模块：

     1、数据录入适配接口：接收用户录入具体待处理的业务实体数据信息；

    2、生成推荐结果模块：静态规则引擎先通过协同过滤算法得到预置的数据模型的推荐给用户，如未得到推荐数据模型，则动态规则引擎从历史处置记录库中，将规则引擎自学习的数据模型推荐给用户；

    3、监听用户处理模块：用户采纳了推荐模型，则为该模型评分加1，未采纳则监听用户自定义的数据模型并保存到历史处置记录持久化库中自学习。

    三、混合型规则引擎

   混合型规则引擎通过将静态规则库当中精确定义的规则与数据挖掘引擎动态发现的规则混合编排，提供统一的规则服务。通过混合型的规则引擎，预案系统不仅能够按照精确定义的规则执行工作流中指定的任务，同时可以在静态规则无法匹配情况下，利用每次预案执行过程中发现的动态规则辅助用户做出科学的判断，完成预案工作流的执行。不但解决了传统专家系统因规则不足导致的实用性降低的缺陷，同时提供了一种在系统运用中动态更新规则的手段，提高了预案系统的智能化程度和普遍适用性。、

   混合型规则引擎主要包括以下核心组件：

1.静态规则引擎：实现了将由专家经验归纳所得到的业务决策规则从应用程序代码中分离出来，并使用预定义的语义模块编写业务决策。接受数据输入，解释业务规则，并根据业务规则做出业务决策。支持规则的次序和规则冲突检验，支持简单脚本语言的规则实现，支持通用开发语言的嵌入开发。它具有解析、调用、执行规则包的服务。

2.动态规则引擎：通过数据挖掘引擎提供的挖掘模型和静态规则引擎中定义的原规则，结合结构化预案提供的元数据，在规则库中创建新的规则。

3.规则适配与表决器：根据预案执行中产生的监控数据动态地选择执行静态规则还是动态规则。

4.规则库：提供混合型规则引擎中规则的管理服务。

5.事件监听器就用来监听事件的发生以及发展，一旦监听到相应的动作发生，就会把相应的事件对象推入规则引擎的事件缓冲队列中，触发相应的规则，完成预案工作流的执行。

主要模块介绍：

1、规则解析执行模块：该模块主要解析执行系统中的规则，并得到满足规则的所有执行结果，即推荐数据模型，则根据模型的评分，采用最近邻算法得到“最合适”的推荐模型，此模块可接收用户的参数配置，如用户输入评分8，即表示规则引擎需推荐评分达到8以上的数据模型；

2、规则引擎适配模块：该模块主要负责系统静态规则引擎与动态规则引擎的调度，当通过静态规则引擎挖掘到数据推荐模型时，则不启动动态规则引擎；相反当静态规则引擎未能达到用户需求，则系统调度动态规则引擎生成新的推荐模型；

3、业务实体监听模块：该模块主要监听用户当前处置的业务实体属性，当这些属性满足已启动预案中的规则时，则将事件推入规则引擎的事件缓冲队列，由规则引擎调用规则解析执行模块，触发相应操作。

基于协同过滤的智能预案系统，则为决策者提供了一种快速处理各种突发性事件的决策平台，通过以协同过滤算法为核心的数据采集、分析、规则化的数据挖掘引擎能及时、准确地辅助生成相应预案，起到提高应急反应速度，减少损失的积极作用。

具体实施方式

下面通过具体实施例对本发明做进一步的说明：

    1、系统预置

    开发人员首先预置系统业务实体：事件(事件级别、类型等属性)、机构、人员、物资、车辆等；

    根据业务实体预置规则编辑界面，提供人机交互界面由用户自定义规则以及人员、物资调配界面；

    系统默认对全部业务实体属性进行监控，当用户处置的事件与历史业务实体属性类似时，生成对应预测数据；如：监控事件级别由Ⅲ级变为Ⅰ级，则系统预测调配X名医护人员、X类物资，在用户制定工作流程时推荐用户决策。

2、结构化预案管理系统 

通过结构化预案系统提供默认的人机交互界面，由用户事先把文本预案录入到系统中；

如将“某XX级甲型H1N1流感应对预案”文本预案按结构化预案的关键节点方式组织：

基本信息：预案名称、预案级别、编制目的等基本信息；

预案适用范围：设置监控条件，当监控对象达到此条件(类型等于甲型H1N1流感、事件级别达到Ⅲ级以上)时则启动本预案；

预案文档内容：用户可上传《某市级甲型H1N1流感应对预案》文档，系统提供专用文件浏览器浏览；

工作流：

用户设置处置事件的具体工作流程，可设置多个流程，并在每个流程中设置具体活动及其触发规则、活动中人员物资数量及其规则；

用户可通过二次开发人员在系统中根据业务实体预置好的规则编辑界面，编写制定规则：

活动一：

活动内容：区县卫生局下达任务调派医护人员对某工厂、学校、街道进行隔离治疗；

触发规则：如果事件级别等于Ⅲ级；

人员数量：5名(规则：当发病人数小于5)

        10名(规则：当发病人数大于等于5)

活动二：

  活动内容：区县卫生局把事件报告给上级主管单位；

 触发规则：如果事件级别大于等于Ⅱ级；

  活动三：

  活动内容：对发病区域进行消毒、采取预防措施

  触发规则：事件级别大于等于Ⅳ级

   按照以上步骤，首先将文本预案预置到系统中。

3、通过系统对外提供的输入接口适配，默认通过人机交互形式接收用户录入具体业务事件数据：

事件名称：XX中学出现疑似甲型H1N1流感患者案例；

事件级别：Ⅲ级；

发病人数：5

    1、规则引擎监控到用户输入的数据符合“某XX级甲型H1N1流感应对预案”的适用范围中设定的触发规则，立即启动该预案。

    2、启动预案后，规则引擎监听事件属性，当事件属性符合工作流中活动的规则时，则触发相应活动：

    规则引擎监听到事件级别为Ⅲ级，发病人数为5则触发活动一：弹出系统预置的人员调配界面，并生成推荐数据；

调派医护人员：10名；

提示用户是否执行；

如用户采纳了此结果，则把此记录保存到历史处置记录持久化库中作为动态规则，并对其评分加1(注：评分越高，根据协同过滤算法即可为用户推荐最“感兴趣”，即评分最高的数据模型)；

用户未采纳而从新编辑了此活动或数据，则把新的数据模型保存在历史处置记录持久化库中，生成新的数据推荐模型。

规则引擎监听到该事件也触发活动三：

系统弹出系统预置的物资调配界面，提示用户应该调配物资对发病区域消毒、采取预防措施；

此时静态规则中并未指定调配何种物资、以及数量，静态规则引擎首先根据事件属性(事件类型、级别等)、物资品种库存数量从历史案例知识库中匹配得到同类事件调配物资记录并推荐给用户(如：从某储备库调配消毒液：10L；板蓝根：50袋)；如此时得到的推荐模型中，该储备库物资数量不足时，系统会从其它用户处置同类情况时的选择记录中，通过协同过滤的最近邻算法，把最合适(评分最高)的数据模型推荐给用户，以辅助用户决策。

如用户采纳此建议，则规则引擎保存此记录到历史处置记录持久化库中，并对其评分加1；

如用户编辑了物资品种类型、数量，则保存此数据模型到历史处置记录持久化库中；

如静态规则引擎未能匹配到相关数据模型，则通过动态规则引擎从历史处置记录持久化库中根据同类事件历史调配记录以及评分，通过协同过滤算法挖掘到同类事件物资调配数据模型并推荐给用户；

如未能为用户挖掘到相关数据模型，则由用户自己按实际情况填写数量；

规则引擎则记录此数据到历史处置记录持久化库中自学习，以供下次生成推荐数据模型；

当规则引擎监听到事件级别由Ⅲ级升级为Ⅱ级时：

触发活动二：

把事件报告给上级主管单位；由上级主管单位指挥决策处置该事件。

规则引擎会记录用户的每次实际处置操作数据，对知识库进行补充和完善，如此通过自学习功能，系统使用次数越多，系统越趋于成熟。

Claims (2)

1.一种基于协同过滤的智能预案系统，其特征在于：所述系统包括

系统预置模块：预置系统业务实体，根据业务实体预置规则编辑界面，提供人机交互界面由用户自定义规则以及人员、物资调配界面；对全部业务实体属性进行监控，当用户处置的事件与历史业务实体属性类似时，生成对应预测数据；

初始预案输入模块：输入初始预案；

监听模块：对预案触发的条件进行监听；

执行模块：根据事件触发相应初始预案或者对该初始预案的参数进行修订；

数据挖掘引擎模块：为用户推荐数据模型，辅助修订预案参数形成新的预案；

如权利要求1所述的基于协同过滤的智能预案系统，其特征在于：所述数据挖掘引擎模块包括：

 数据预处理模块：提供数据采集，过滤，变换服务，去除数据中杂质，为数据挖掘提供高质量的原始数据；

 数据挖掘模型模块：提供算法的参数配置、模型生成和模型检验功能；

 推荐结果生成模块：提供通过数据挖掘模型生成预测数据的功能，对生成数据进行可视化分析处理。

2.如权利要求2所述的基于协同过滤的智能预案系统，其特征在于：所述系统还包括

监听用户处理模块：用户采纳了推荐模型，则为该模型增加评分，未采纳则监听用户自定义的数据模型并保存到历史处置记录持久化库中自学习。