CN103092889B - 实体对象的确定方法、条件节点树的建立方法及装置 - Google Patents

实体对象的确定方法、条件节点树的建立方法及装置 Download PDF

Info

Publication number
CN103092889B
CN103092889B CN201110349142.5A CN201110349142A CN103092889B CN 103092889 B CN103092889 B CN 103092889B CN 201110349142 A CN201110349142 A CN 201110349142A CN 103092889 B CN103092889 B CN 103092889B
Authority
CN
China
Prior art keywords
node
condition
entity
discrimination model
characterizes
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201110349142.5A
Other languages
English (en)
Other versions
CN103092889A (zh
Inventor
刘抚狄
徐万里
陈国成
蒋萌
康瑜
李宗伟
赵雪波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201110349142.5A priority Critical patent/CN103092889B/zh
Publication of CN103092889A publication Critical patent/CN103092889A/zh
Priority to HK13107355.9A priority patent/HK1180083A1/zh
Application granted granted Critical
Publication of CN103092889B publication Critical patent/CN103092889B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Small-Scale Networks (AREA)

Abstract

本申请公开了一种实体对象的确定方法、条件节点树的建立方法及装置,包括:获取当前待确定的实体对象;从条件节点树的根节点开始按照指定顺序,依次判断该实体对象是否满足条件节点树中的节点表征的条件,其中,在判断该实体对象满足条件节点树中的当前待判断节点表征的条件后,进行当前待判断节点的子节点的判断;以及在判断该实体对象满足条件节点树中的指定节点后,确定该实体对象属于该指定节点表征的实体判别模型对应的实体集合,其中,该实体判别模型包括从该指定节点到该条件节点树的根节点的节点链上的每个节点各自表征的条件。采用本申请实施例提供的方案,相比现有技术减少了判断次数,从而提高了处理效率,且减少了处理资源的消耗。

Description

实体对象的确定方法、条件节点树的建立方法及装置
技术领域
本申请涉及数据处理技术领域,尤其涉及一种实体对象的确定方法、条件节点树的建立方法及装置。
背景技术
现有技术中基于模型的数据分析方法主要是针对一个问题场景,开发一个专用的实体判别模型,并依靠运行在分布式计算框架之上的Hive或MapReduce程序,将实体判别模型转化成实际的软件实体,在需要数据产出时,每个实体判别模型都需要单独运行。
如图1所示,当需要对n个实体判别模型进行处理时,需要分别单独进行软件实现和软件运行,以得到与n个实体判别模型分别对应的n个结果。由于n个实体判别模型中的每个实体判别模型在各自进行软件实现时,相互之间完全独立,后续的软件运行过程即需要对实体判别模型涉及到的数据源进行完整处理。
例如,当需要从一个实体对象全集中确定出满足一些条件的实体对象时,可以建立包括这多个条件的实体判别模型,并从该实体对象全集中依次判断每个实体对象是否满足该实体判别模型包括的这多个条件,从而确定出与该实体判别模型对应的实体集合。其中,实体对象可以是任一可以被描述的个体,如一个人,一条街道,一辆车,又如各种产品等;每个实体对象具体可以通过各种指标对其进行描述,如实体对象为人时,用于描述人的指标可以包括年龄、身高、体重等;条件则为对实体对象的某一指标的限定,如年龄大于30,身高小于170cm等;实体判别模型包括若干个条件,通过对实体判别模型的计算可以从一个实体对象全集中确定出满足该实体判别模型包括的条件的实体对象,并将满足条件的实体对象放入该实体判别模型对应的实体对象集合中。
然而,当基于该实体对象全集有多个这样的实体判别模型需要计算时,采用现有技术需要针对每个实体判别模型对每个实体对象均进行一次是否满足所包括条件的判断,当该实体对象全集中所包括的实体对象数量很大时,则需要大量的计算来得到结果,这导致处理效率较低,且需要消耗较多的处理资源。
发明内容
有鉴于此,本申请实施例提供一种实体对象的确定方法、条件节点树的建立方法及装置,用于解决现有技术中存在的在从实体对象全集中确定满足条件的实体对象时,处理效率低,且处理资源消耗多的问题。
本申请实施例通过如下技术方案实现:
根据本申请实施例的一个方面,提供了一种实体对象的确定方法。
本申请实施例提供的实体对象的确定方法,包括:
获取当前待确定的实体对象;
从条件节点树的根节点开始按照指定顺序,依次判断所述实体对象是否满足所述条件节点树中的节点表征的条件,其中,在判断所述实体对象满足所述条件节点树中的当前待判断节点表征的条件后,进行所述当前待判断节点的子节点的判断;
在判断所述实体对象满足所述条件节点树中的指定节点后,确定所述实体对象属于所述指定节点表征的实体判别模型对应的实体对象集合,其中,所述实体判别模型包括从所述指定节点到所述条件节点树的根节点的节点链上的每个节点各自表征的条件。
根据本申请实施例的另一个方面,提供了一种上述条件节点树的建立方法。
本申请实施例提供的条件节点树的建立方法,包括:
确定均包含有指定条件的多个实体判别模型包括的各条件,以及所述多个实体判别模型中每个实体判别模型包括的所有条件组成的条件组合;
建立以表征所述指定条件的节点为根节点,以分别表征所述多个实体判别模型包括的每个条件的节点为叶子节点的条件节点树,其中,从所述条件节点树中每个节点到所述根节点的节点链上的每个节点各自表征条件的组合各不相同,且包括所述多个实体判别模型中每个实体判别模型包括的所有条件组成的条件组合。
根据本申请实施例的另一个方面,还提供了一种实体对象的确定装置。
本申请实施例提供的实体对象的确定装置,包括:
对象获取单元,用于获取当前待确定的实体对象;
条件判断单元,用于从条件节点树的根节点开始按照指定顺序,依次判断所述实体对象是否满足所述条件节点树中的节点表征的条件,其中,在判断所述实体对象满足所述条件节点树中的当前待判断节点表征的条件后,进行所述当前待判断节点的子节点的判断;
对象确定单元,用于在判断所述实体对象满足所述条件节点树中的指定节点后,确定所述实体对象属于所述指定节点表征的实体判别模型对应的实体对象集合,其中,所述实体判别模型包括从所述指定节点到所述条件节点树的根节点的节点链上的每个节点各自表征的条件。
根据本申请实施例的另一个方面,提供了一种上述条件节点树的建立装置。
本申请实施例提供的条件节点数的建立装置,包括:
条件确定单元,用于确定均包含有指定条件的多个实体判别模型包括的各条件,以及所述多个实体判别模型中每个实体判别模型包括的所有条件组成的条件组合;
节点树建立单元,用于建立以表征所述指定条件的节点为根节点,以分别表征所述多个实体判别模型包括的每个条件的节点为叶子节点的条件节点树,其中,从所述条件节点树中每个节点到所述根节点的节点链上的每个节点各自表征条件的组合各不相同,且包括所述多个实体判别模型中每个实体判别模型包括的所有条件组成的条件组合。
本申请实施例提供的上述至少一个技术方案中,在建立的条件节点树中包括用于表征实体判别模型的指定节点,指定节点表征的实体判别模型包括从该指定节点到根节点的节点链上的每个节点各自表征的条件。并且,针对当前待确定的实体对象,在从条件节点树的根节点开始按照指定顺序,依次判断该实体对象是否满足该条件节点树中的节点表征的条件时,是在判断该实体对象满足当前待判断节点表征的条件后,才进行当前待判断节点的子节点的判断,即对于在同一节点链上的上下级关系的两个节点,是先判断上级节点,后判断下级节点。所以,对于包括有相同条件的两个实体判别模型,在该条件节点树中分别表征这两个实体判别模型的指定节点可以拥有相同的上级节点,所以在判断该实体对象是否属于这两个实体判别模型时,仅需要进行一次是否满足该相同条件的判断,相比现有技术减少了判断次数;并且,当一个实体判别模型包括的条件为另一个实体判别模型包括的条件的子集时,表征这一个实体判别模型的指定节点可以作为表征另一个实体判别模型的指定节点的同一节点链上的上级节点,所以当该实体对象不满足表征这一个实体判别模型的指定节点表征的条件时,即不需要再进行该实体对象是否满足表征另一个实体判别模型的指定节点表征的条件判断,从而减少了判断次数;因此,采用本申请实施例提供的方案,由于相比现有技术减少了判断次数,从而提高了处理效率,且减少了处理资源的消耗。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本申请的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。在附图中:
图1为现有技术中对多个实体判别模型进行处理的示意图;
图2为本申请实施例提供的实体对象的确定方法的流程图;
图3为本申请实施例1中提供的建立条件节点树的流程图;
图4为本申请实施例1中提供的建立节点的子节点的流程图;
图5为本申请实施例1中提供的建立模型1-4对应的条件节点树的流程图;
图6为本申请实施例1中建立的条件节点树的结构示意图之一;
图7为本申请实施例1中建立的条件节点树的结构示意图之二;
图8为本申请实施例2中提供的实体对象的确定方法的流程图;
图9为本申请实施例3中提供的实体对象的确定装置的结构示意图;
图10为本申请实施例4中提供的条件节点树的建立装置的结构示意图。
具体实施方式
为了给出在从实体对象全集中确定满足条件的实体对象时,提高处理效率,减少处理资源的实现方案,本申请实施例提供了一种实体对象的确定方法、条件节点树的建立方法及装置,该技术方案可以应用于从实体对象全集中确定满足条件的实体对象的过程,既可以实现为一种方法,也可以实现为一种装置。以下结合说明书附图对本申请的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本申请,并不用于限定本申请。并且在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
本申请实施例提供一种实体对象的确定方法,如图2所示,包括:
步骤S201、获取当前待确定的实体对象;
步骤S202、从条件节点树的根节点开始按照指定顺序,依次判断该实体对象是否满足条件节点树中的节点表征的条件,其中,在判断该实体对象满足条件节点树中的当前待判断节点表征的条件后,进行当前待判断节点的子节点的判断;
步骤S203、在判断该实体对象满足条件节点树中的指定节点后,确定该实体对象属于该指定节点表征的实体判别模型对应的实体集合,其中,该实体判别模型包括从该指定节点到该条件节点树的根节点的节点链上的每个节点各自表征的条件。
下面结合附图,用具体实施例对本申请提供的方法及装置进行详细描述。
实施例1:
为便于对本申请实施例提供的上述实体对象的确定方法进行理解,本实施例1中首先对如何基于若干个实体判别模型建立条件节点树进行描述。
本申请实施例中,一个条件节点树仅包括一个根节点,所以该条件节点树中的节点所表征的实体判别模型,均需要包括该根节点表征的条件,因此对于这若干个实体判别模型,在建立条件节点树时,需要首先从中选择出均包含有指定条件的多个实体判别模型,以便对应这多个实体判别模型建立一个条件节点树。本申请实施例1中具体可以采用如下方式从若干个实体判别模型中选择均包括一个指定条件的多个实体判别模型:
基于条件的计算复杂度、条件区分度和在这若干个实体判别模型中的共享程度中至少之一,分别确定这若干个实体判别模型包括的每个条件的重要程度;其中,重要程度分别随着条件的共享程度和条件区分度的增大而增大,随着条件的计算复杂度的增大而减小;其中,在一个实体对象集合中满足一个条件的实体对象的数量越少,表示该条件的条件区分度越高;
将重要程度最大的条件作为指定条件,从这若干个实体判别模型中选择包括该指定条件的实体判别模型。
其中,按照条件的重要程度的确定方式的不同,具体可采用如下方式确定:
方式一:首先确定这若干个实体判别模型包括的每个条件在这若干个实体判别模型中出现的次数,该次数即表征条件的共享程度,也即该条件的重要程度,然后将出现次数最多的条件作为指定条件,以及从这若干个实体判别模型中选择包括该指定条件的实体判别模型。
例如,这若干个实体判别模型共计包括7个实体判别模型,分别为:模型1(A,B),模型2(A,C),模型3(A,B,C),模型4(A,D,E),模型5(B,D,F),模型6(F,G),模型7(D,F,H),其中,A-H分别表示不同的条件,括号内的字母用于表示该模型所包括的条件。
对于这7个实体判别模型,采用本方式一可知,其中条件A出现了4次,为条件A-H中在这7个实体判别模型中出现次数最多的条件,所以可以将条件A作为指定条件,从而选择出包括条件A的模型1-4,并将这4个实体判别模型作为一组实体判别模型来建立对应的条件节点树。
采用方式一,将出现次数最多(即共享程度最大)的条件作为根节点表征的条件,可以在基于该条件节点树进行实体对象的筛选时,最大程度的减少条件判断的次数,从而提高处理效率,且减少处理资源的消耗。
方式二:首先确定在这若干个实体判别模型中至少出现两次的每个条件的计算复杂度,计算复杂度表征了使用该条件进行实体判断时的计算成本,然后将计算复杂度最低的条件作为指定条件,以及从这若干个实体判别模型中选择包括该指定条件的实体判别模型。
采用方式二,将计算复杂度最低的条件作为根节点表征的条件,可以在基于该条件节点树进行实体对象的筛选时,通过尽量最大可能的先进行计算成本低的条件的判断计算,减少计算成本高的条件的判断次数,以便最大程度减少条件判断时的计算量,从而提高处理效率,且减少处理资源的消耗。
方式三:首先确定在这若干个实体判别模型中至少出现两次的每个条件的条件区分度,也即该条件的重要程度,然后将条件区分度最高的条件作为指定条件,以及从这若干个实体判别模型中选择包括该指定条件的实体判别模型,其中,在一个实体对象集合中满足一个条件的实体对象的数量越少,表示该条件的条件区分度越高。
采用方式三,将条件区分度最高的条件作为根节点表征的条件,可以在基于该条件节点树进行实体对象的筛选时,可以通过对根节点表征的该指定条件的判断,最快速的通过一次判断确定出数量最少的满足条件的实体对象,以便减少后续该实体对象是否满足其它条件的判断,从而提高处理效率,且减少处理资源的消耗。
对于上述三种方式在实际应用中选择哪一种,可以根据各实体判别模型包括的各条件的实际情况进行选择,例如,如果各实体判别模型中包括共享程度高的条件,且各条件的计算复杂度和条件区分度比较接近,则可以选择方式一;如果各实体判别模型中包括的各条件的计算复杂度相差较多,共享程度和条件区分度比较接近,则可以选择方式二;如果各实体判别模型包括的各条件的条件区分度相差较多,共享程度和计算复杂度比较接近,则可以选择方式三;再比如,当采用上述三种方式之一确定的条件为多个时,可以再采用其它方式从这多个条件中确定出唯一的一个条件,作为指定条件。
在从这若干个实体判别模型中选择出均包括该指定条件的多个实体判别模型后,对于其余的实体判别模型,可以采用上述方式进一步的从其余的实体判别模型中,选择均包括另一个指定条件的实体判别模型,依此类推,直到将这若干个实体判别模型中的每个实体判别模型,划分到均包括某一个指定条件的实体判别模型集合中为止。
基于上述方式一中的例子,对于其余3个模型5-7,可以采用本方式一继续选择出均包括一个指定条件的多个实体判别模型,例如,这3个模型5-7中均包括了条件F,所以可以将条件F作为指定条件,将这3个模型作为一组实体判别模型来建立对应的另一个条件节点树。
在从这若干个实体判别模型中选择出均包括一个指定条件的多个实体判别模型后,即可建立对应这多个实体判别模型的条件节点树,包括如下步骤:
步骤S301、确定均包含有指定条件的多个实体判别模型包括的各条件,以及这多个实体判别模型中每个实体判别模型包括的所有条件组成的条件组合;
步骤S302、建立以表征该指定条件的节点为根节点,以分别表征这多个实体判别模型包括的每个条件的节点为叶子节点的条件节点树,其中,从条件节点树中每个节点到根节点的节点链上的各节点各自表征条件的组合各不相同,且这些组合中包括这多个实体判别模型中每个实体判别模型包括的所有条件组成的条件组合。
其中,如图4所示,步骤S302中对于每个节点的子节点采用如下方式建立:
步骤S401、本申请实施例中,为描述方便,定义从表征实体判别模型的指定节点到根节点的节点链上的每个节点均为该实体判别模型继承的节点,当不同的实体判别模型包括相同条件时,表征该条件的节点可以为不同的实体判别模型继承的节点,即继承一个节点的实体判别模型可以为多个;并且,较佳的,在同一级节点中,继承不同节点的实体判别模型不同。
本步骤中,确定这多个实体判别模型中继承当前节点的实体判别模型,具体为:
首先,确定继承该当前节点的上一级节点的实体判别模型,并确定与该当前节点具有相同上一级节点的其它节点;
然后,在继承该上一级节点的实体判别模型中,确定除已继承该其它节点的实体判别模型外的其它实体判别模型,则其它实体判别模型即为继承该当前节点的实体判别模型。
步骤S402、在继承该当前节点的实体判别模型中,确定除继承已建立的该当前节点的子节点的实体判别模型外,剩余的实体判别模型。
步骤S403、在上述步骤S402中剩余的实体判别模型包括的条件中,确定除当前节点到根节点的节点链上的每个节点各自表征的条件外,剩余的条件。
步骤S404、从上述步骤S403中剩余的条件中确定当前节点的子节点表征的条件,具体可以采用与上述从若干个实体判别模型包括的各条件中,确定根节点表征的指定条件的相似方式进行确定,具体如下:
基于条件的计算复杂度、条件区分度和在该剩余的实体判别模型中的共享程度中至少之一,分别确定这剩余的条件中的每个条件的重要程度;其中,重要程度分别随着条件的条件区分度和共享程度的增大而增大,随着条件的计算复杂度的增大而减小;
将重要程度最大的条件,作为该当前节点的一个子节点表征的条件;
建立该当前节点的表征该条件的一个子节点。
其中,对于条件的重要程度的确定,上述三种方式均可使用,也可相结合使用,在此不再进行详细描述。
步骤S405、从该剩余的实体判别模型中选择包括重要程度最大的该条件的实体判别模型,作为继承表征该条件的该子节点的实体判别模型。
步骤S406、判断继承已建立的该当前节点的子节点的实体判别模型,是否包括了继承该当前节点的全部实体判别模型,如果是,表示该当前节点的子节点建立完成,进入步骤S407,如果不是,表示还需要针对未继承有子节点的实体判别模型,建立该当前节点的下一个子节点,进入步骤S402。
步骤S407、确定该当前节点的子节点全部建立完成,可进入条件节点树的下一个节点的子节点的建立处理流程,其中,下一个节点可以是与该当前节点属于同一层级的节点,也可以是该当前节点的已建立的一个子节点。
下面以建立上述方式一中确定的模型1-4对应的条件节点树为例,对上述图3和图4所示的处理流程进行详细描述,上述模型1-4分别为:模型1(A,B),模型2(A,C),模型3(A,B,C),模型4(A,D,E),如图5所示,具体包括如下步骤:
步骤S501、确定模型1-4包括的条件为:条件A、条件B、条件C、条件D和条件E,其中模型1包括条件A和条件B,模型2包括条件A和条件C,模型3包括条件A、条件B和条件C,模型4包括条件A、条件D和条件E。
步骤S502、条件A为模型1-4中每个实体判别模型均包括的指定条件,所以建立表征条件A的根节点,用节点N(A)表示,其中括号内的字母表示该节点表征的条件。
步骤S503、建立节点N(A)的子节点,具体包括如下步骤:
确定继承节点N(A)的实体判别模型包括模型1-4;
在继承节点N(A)的实体判别模型包括的条件中,确定除节点N(A)到根节点的节点链上的每个节点各自表征的条件外,剩余的条件,由于该节点N(A)即为根节点,所以该剩余的条件,包括:条件B、条件C、条件D和条件E;
从条件B、条件C、条件D和条件E中,确定出节点N(A)的第一个子节点表征的条件,具体为确定这4个条件中每个条件的重要程度,例如,首先基于条件的共享程度进行判断,条件B、条件C、条件D和条件E中,条件B和条件C分别出现两次,条件D和条件E各出现一次,所以条件B和条件C的共享程度大于条件D和条件E;此时,可以随机的从共享程度最高的条件B和条件C中选择一个,作为节点N(A)的第一个子节点表征的条件,较佳的,可以进一步基于条件B和条件C的计算复杂度或条件区分度,选择出重要程度最大的条件,以条件B的重要程度最大为例,则确定条件B为节点节点N(A)的第一个子节点表征的条件,建立节点N1(B)作为节点N(A)的子节点;由于节点N1(B)到根节点N(A)的节点链上的每个节点各自表征的条件为条件A和条件B,即模型1包括的条件,所以该节点N1(B)为表征模型1的指定节点;
在建立节点N1(B)后,从模型1-4中选择出包括条件B的模型1和模型3,作为继承节点N1(B)的实体判别模型;
对于模型1-4中除继承节点N1(B)的模型1和模型3外,剩余的实体判别模型为模型2和4,然后采用相同的方法基于模型2和模型4确定出节点N(A)的第二个子节点,具体为:确定模型2和模型4中除节点N(A)表征的条件A外,剩余的条件为:条件C、条件D和条件E;基于模型2和模型4包括的各条件,从条件C、条件D和条件E中确定出重要程度最大的条件,以条件C的重要程度最大为例,则确定条件C为节点节点N(A)的第二个子节点表征的条件,建立节点N2(C)作为节点N(A)的子节点;由于节点N2(C)到根节点N(A)的节点链上的每个节点各自表征的条件为条件A和条件C,即模型3包括的条件,所以该节点N2(C)为表征模型3的指定节点;
在建立节点N2(C)后,从模型2和模型4中选择出包括条件C的模型2,作为继承节点N2(C)的实体判别模型;
对于模型1-4中除继承节点N1(B)的模型1和模型3,以及除继承节点N2(C)的模型2外,剩余的实体判别模型为模型4,然后采用相同的方法基于模型4确定出节点N(A)的第三个子节点,具体为:确定模型4中除节点N(A)表征的条件A外,剩余的条件为:条件D和条件E;基于模型4包括的各条件,从条件D和条件E中确定出重要程度最大的条件,以条件D的重要程度最大为例,则确定条件D为节点节点N(A)的第三个子节点表征的条件,建立节点N3(D)作为节点N(A)的子节点;
在建立节点N3(D)后,将包括条件D的模型4作为继承节点N3(D)的实体判别模型;
在建立节点N3(D)后,对应继承节点N(A)的模型1-4,均建立了节点N(A)的每个实体判别模型所继承的子节点,具体为:模型1和模型3继承节点N1(B),模型2继承节点N2(C),模型4继承节点N3(D),至此节点N(A)的子节点建立完成,此时的条件节点树的结构如图6所示。
在完成节点N(A)的子节点的建立后,进入其它节点的子节点的建立流程,建立方式与步骤S503中建立节点N(A)的子节点的原理相同,具体如下:
步骤S504、分别针对已建立属于同一级的节点N1(B)、节点N2(C)和节点N3(D),建立子节点。
其中,对于节点N1(B),继承节点N1(B)的实体判别模型为模型1和模型3,除节点N1(B)到根节点N(A)的节点链上的每个节点各自表征的条件外,模型1和模型3中剩余的条件包括:条件C,由于仅包括这一个条件,所以该条件即为重要程度最大的条件,也即为节点N1(B)的唯一子节点表征的条件,建立节点N4(C)作为节点N1(B)的子节点;由于节点N4(C)到根节点N(A)的节点链上的每个节点各自表征的条件为条件A、条件B和条件C,即模型3包括的条件,所以该节点N4(C)为表征模型3的指定节点;
对于节点N2(C),继承节点N2(C)的实体判别模型为模型2,仅包括一个实体判别模型,且节点N2(C)表征模型2,所以除节点N2(C)到根节点N(A)的节点链上的每个节点各自表征的条件外,模型2中再没有其它剩余的条件,所以节点N2(C)没有子节点;
对于节点N3(D),继承节点N3(D)的实体判别模型为模型4,除节点N3(D)到根节点N(A)的节点链上的每个节点各自表征的条件外,模型4中剩余的条件包括:条件E,由于仅包括这一个条件,所以该条件即为重要程度最大的条件,也即为节点N3(D)的唯一子节点表征的条件,建立节点N5(E)作为节点N3(D)的子节点;由于节点N5(E)到根节点N(A)的节点链上的每个节点各自表征的条件为条件A、条件D和条件E,即模型4包括的条件,所以该节点N5(E)为表征模型4的指定节点。
在完成节点N5(E)的建立后,对于模型1-4中的每个实体判别模型,均已建立了分别用于表征每个实体判别模型的指定节点,如,节点N1(B)表征模型1,节点N2(C)表征模型2,节点N4(C)表征模型3,节点N5(E)表征模型4,至此完成了对应模型1-4的条件节点树的建立,此时的条件节点树的结构如图7所示。
在上述图7所示的条件节点树中可见,节点N2(C)和节点N4(C)两个不同的节点各自表征的条件相同,均为条件C,所以,在上述图2所示的实体对象的确定方法中的步骤S202中,依次判断实体对象是否满足条件节点树中的节点表征的条件时,当需要分别判断节点N2(C)和节点N4(C)时,需要针对同一条件(条件C)进行两次判断,因此,为了使得对于一个实体对象针对一个条件仅做一次判断,可以在建立条件节点树时,对于表征条件相同的两个节点建立指向关系,具体为这两个节点中按照上述步骤S202中的指定顺序的在前节点指向在后节点。以便当在判断实体对象是否满足在后节点表征的条件时,可以直接使用判断实体对象是否满足在前节点表征的条件时的判断结果。例如,当该指定顺序为从上级节点到下级节点的顺序时,由于节点N2(C)所属节点层级为节点N4(C)所属节点层级的上级,所以建立节点N2(C)指向节点N4(C)的指向关系。
在对应均包括指定条件的多个实体判别模型建立了条件节点树后,即可通过该条件节点树,从一个实体对象全集包括的实体对象中,确定出这多个实体判别模型中的每个实体判别模型各自对应的实体对象集合,下面在实施例2中对这一处理流程进行详细描述。
实施例2:
图8所示为本申请实施例2中提供的实体对象的确定方法的流程图,具体包括如下步骤:
步骤S801、确定实体对象全集。具体包括确定该实体对象全集中的每个实体对象,以及每个实体对象的各指标值。
步骤S802、获取当前待确定的实体对象,包括获取当前待确定的实体对象的各指标值。
步骤S803、从条件节点树的根节点开始按照指定顺序,确定条件节点树中的当前待判断节点,该指定顺序需要保证对于位于同一节点链上的上下级的两个节点,先判断上级节点,后判断下级节点,例如,该指定顺序为按照节点层级从高到低的顺序,先判断层级高的节点,后判断层级低的节点,以图7所示条件节点树为例,节点的判断顺序为从节点N(A)开始,节点N1(B),节点N2(C),节点N3(D),节点N4(C)和节点N5(E)的顺序,其中属于同一层级的多个节点没有严格的先后顺序;又如,该指定顺序为按照节点链逐一排列的顺序,如从左到右的顺序,每条节点链按照从上级节点到下级节点的顺序,以图7所示条件节点树为例,节点的判断顺序为从节点N(A)开始,节点N1(B),节点N4(C),节点N2(C),节点N3(D)和节点N5(E)的顺序,其中从根节点开始的各节点链之间可以没有严格的先后顺序。
对于当前待判断节点,具体包括确定当前待判断节点表征的条件,还确定是否有指向当前待判断节点的节点,如果有,则表示指向该当前待判断节点的节点的判断顺序,在该当前待判断节点之前。
步骤S804、判断该实体对象是否满足当前待判断节点表征的条件,如果满足,进入步骤S805,如果不满足,进入步骤S806。
其中,具体判断方式包括如下两种:
第一种方式:当该当前待判断节点表征的条件,与条件节点树中的已判断节点表征的条件不同时,例如,没有指向该当前待判断节点的节点,此时基于该实体对象的指标值,判断该实体对象是否满足该当前待判断节点表征的条件,得到判断结果;
第二种方式:当该当前待判断节点表征的条件,与条件节点树中的已判断节点表征的条件相同时,例如,有指向该当前待判断节点的节点,且指向该当前待判断节点的节点已判断完毕,则此时可以确定该实体对象是否满足该当前待判断节点表征的条件的判断结果,与该实体对象是否满足表征条件相同的该已判断节点表征的条件的判断结果相同。
步骤S805、当该当前待判断节点为表征某一实体判别模型的指定节点时,确定该实体对象属于该当前待判断节点表征的实体判别模型对应的实体对象集合。
并且,当该当前待判断节点存在子节点时,确定后续进入该当前待判断节点的子节点的判断。
步骤S806、当该当前待判断节点存在子节点时,确定后续不进入该当前待判断节点的子节点的判断。
步骤S807、判断当前待判断节点是否为针对该实体对象的最后一个判断节点,如果是,进入步骤S808,如果不是,进入步骤S803。
当前待判断节点为针对该实体对象的最后一个判断节点,具体包括如下两种情况:
第一种情况:当前待判断节点为该条件节点树中按照上述指定顺序的最后一个节点;
第二种情况:由上述步骤S806进入本步骤,即该实体对象不满足当前待判断节点表征的条件,且按照上述指定顺序剩余的未判断节点均为该当前待判断节点的子节点,或与该当前待判断节点位于同一节点链上节点中,该当前待判断节点的其它下级节点。
步骤S808、判断该实体对象是否为该实体对象全集中的最后一个实体对象,如果是,进入步骤S809,如果不是,进入步骤S802。
步骤S809、获取条件节点树中表征实体判别模型的指定节点对应的实体对象集合,该实体对象集合中包含的实体对象,即为实体对象全集中满足该指定节点表征的实体判别模型包括的条件的实体对象的集合。
采用本申请实施例提供的实体对象的确定方法,在建立的条件节点树中包括用于表征实体判别模型的指定节点,指定节点表征的实体判别模型包括从该指定节点到根节点的节点链上的每个节点各自表征的条件。并且,针对当前待确定的实体对象,在从条件节点树的根节点开始按照指定顺序,依次判断该实体对象是否满足该条件节点树中的节点表征的条件时,是在判断该实体对象满足当前待判断节点表征的条件后,才进行当前待判断节点的子节点的判断,即对于在同一节点链上的上下级关系的两个节点,是先判断上级节点,后判断下级节点。
所以,对于包括有相同条件的两个实体判别模型,在该条件节点树中分别表征这两个实体判别模型的指定节点可以拥有相同的上级节点,所以在判断该实体对象是否属于这两个实体判别模型时,仅需要进行一次是否满足该相同条件的判断,相比现有技术减少了判断次数;并且,当一个实体判别模型包括的条件为另一个实体判别模型包括的条件的子集时,表征这一个实体判别模型的指定节点可以作为表征另一个实体判别模型的指定节点的同一节点链上的上级节点,所以当该实体对象不满足表征这一个实体判别模型的指定节点表征的条件时,即不需要再进行该实体对象是否满足表征另一个实体判别模型的指定节点表征的条件判断,从而减少了判断次数;因此,采用本申请实施例提供的方案,由于相比现有技术减少了判断次数,从而提高了处理效率,且减少了处理资源的消耗。
实施例3:
基于同一发明构思,根据本申请上述实施例提供的实体对象的确定方法,相应地,本申请实施例3还提供了一种实体对象的确定装置,其结构示意图如图9所示,具体包括:
对象获取单元901,用于获取当前待确定的实体对象;
条件判断单元902,用于从条件节点树的根节点开始按照指定顺序,依次判断所述实体对象是否满足所述条件节点树中的节点表征的条件,其中,在判断所述实体对象满足所述条件节点树中的当前待判断节点表征的条件后,进行所述当前待判断节点的子节点的判断;
对象确定单元903,用于在判断所述实体对象满足所述条件节点树中的指定节点后,确定所述实体对象属于所述指定节点表征的实体判别模型对应的实体对象集合,其中,所述实体判别模型包括从所述指定节点到所述条件节点树的根节点的节点链上的每个节点各自表征的条件。
较佳的,条件判断单元902,具体用于当条件节点树中的当前待判断节点表征的条件,与所述条件节点树中的已判断节点表征的条件不同时,基于所述实体对象的指标值,判断所述实体对象是否满足所述当前待判断节点表征的条件,得到判断结果;
当条件节点树中的当前待判断节点表征的条件,与所述条件节点树中的已判断节点表征的条件相同时,确定所述实体对象是否满足所述当前待判断节点表征的条件的判断结果,与所述实体对象是否满足所述已判断节点表征的条件的判断结果相同。
较佳的,当所述条件节点树中包括所表征的条件相同的两个节点时,所述两个节点中按照所述指定顺序的在前节点指向在后节点;
条件判断单元902,还用于当条件节点树中存在指向所述当前待判断节点的节点时,确定所述当前待判断节点表征的条件,与所述条件节点树中指向所述当前待判断节点的已判断节点表征的条件相同;
否则,确定所述当前待判断节点表征的条件,与所述条件节点树中指向所述当前待判断节点的已判断节点表征的条件不同。
实施例4:
基于同一发明构思,根据本申请上述实施例提供的条件节点树的建立方法,相应地,本申请实施例4还提供了一种条件节点树的建立装置,其结构示意图如图10所示,具体包括:
条件确定单元1001,用于确定均包含有指定条件的多个实体判别模型包括的各条件,以及所述多个实体判别模型中每个实体判别模型包括的所有条件组成的条件组合;
节点树建立单元1002,用于建立以表征所述指定条件的节点为根节点,以分别表征所述多个实体判别模型包括的每个条件的节点为叶子节点的条件节点树,其中,从所述条件节点树中每个节点到所述根节点的节点链上的每个节点各自表征条件的组合各不相同,且包括所述多个实体判别模型中每个实体判别模型包括的所有条件组成的条件组合。
较佳的,节点树建立单元1002,具体用于对于所述条件节点树中每个节点的子节点,采用如下方式建立:
步骤A、确定所述多个实体判别模型中继承当前节点的实体判别模型,其中,所述条件节点树中从表征实体判别模型的指定节点到根节点的节点链上的每个节点均为该实体判别模型继承的节点;
步骤B、在继承所述当前节点的实体判别模型中,确定除继承已建立的该当前节点的子节点的实体判别模型外,剩余的实体判别模型;
步骤C、在所述剩余的实体判别模型包括的条件中,确定除所述当前节点到根节点的节点链上的每个节点各自表征的条件外,剩余的条件;
步骤D、基于条件的计算复杂度、条件区分度和在该剩余的实体判别模型中的共享程度中至少之一,分别确定所述剩余的条件中的每个条件的重要程度;其中,重要程度分别随着条件的条件区分度和共享程度的增大而增大,随着条件的计算复杂度的增大而减小;并将重要程度最大的条件,作为所述当前节点的一个子节点表征的条件;以及建立所述当前节点的表征该重要程度最大的条件的子节点;
步骤E、从所述剩余的实体判别模型中选择包括该重要程度最大的条件的实体判别模型,作为继承表征该重要程度最大的条件的该子节点的实体判别模型;
步骤F、当继承已建立的所述当前节点的子节点的实体判别模型,包括继承所述当前节点的全部实体判别模型时,完成所述当前节点的子节点的建立,否则,进入上述步骤B。
较佳的,上述条件节点树的建立装置,还包括:模型选择单元1003,用于采用如下步骤从若干个实体判别模型中选择均包括所述指定条件的所述多个实体判别模型:
基于条件的计算复杂度、条件区分度和在这若干个实体判别模型中的共享程度中至少之一,分别确定所述若干个实体判别模型包括的每个条件的重要程度;其中,重要程度分别随着条件的条件区分度和共享程度的增大而增大,随着条件的计算复杂度的增大而减小;其中,在一个实体对象集合中满足一个条件的实体对象的数量越少,表示该条件的条件区分度越高;
将重要程度最大的条件作为所述指定条件,以及从所述若干个实体判别模型中选择包括所述指定条件的实体判别模型。
上述各模块的功能可对应于图2-5和图8所示流程中的相应处理步骤,在此不再赘述。
综上所述,本申请实施例提供的方案,包括:获取当前待确定的实体对象;从条件节点树的根节点开始按照指定顺序,依次判断该实体对象是否满足条件节点树中的节点表征的条件,其中,在判断该实体对象满足条件节点树中的当前待判断节点表征的条件后,进行当前待判断节点的子节点的判断;以及在判断该实体对象满足条件节点树中的指定节点后,确定该实体对象属于该指定节点表征的实体判别模型对应的实体集合,其中,该实体判别模型包括从该指定节点到该条件节点树的根节点的节点链上的每个节点各自表征的条件。采用本申请实施例提供的方案,相比现有技术减少了判断次数,从而提高了处理效率,且减少了处理资源的消耗。
本申请的实施例所提供的实体对象的确定装置、条件节点树的建立装置可通过计算机程序实现。本领域技术人员应该能够理解,上述的模块划分方式仅是众多模块划分方式中的一种,如果划分为其他模块或不划分模块,只要实体对象的确定装置、条件节点树的建立装置具有上述功能,都应该在本申请的保护范围之内。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。

Claims (12)

1.一种实体对象的确定方法,其特征在于,包括:
获取当前待确定的实体对象;
从条件节点树的根节点开始按照指定顺序,依次判断所述实体对象是否满足所述条件节点树中的节点表征的条件,其中,在判断所述实体对象满足所述条件节点树中的当前待判断节点表征的条件后,进行所述当前待判断节点的子节点的判断;基于若干个实体判别模型建立所述条件节点树;
在判断所述实体对象满足所述条件节点树中的指定节点后,确定所述实体对象属于所述指定节点表征的实体判别模型对应的实体对象集合,其中,所述实体判别模型包括从所述指定节点到所述条件节点树的根节点的节点链上的每个节点各自表征的条件。
2.如权利要求1所述的方法,其特征在于,判断所述实体对象是否满足条件节点树中的节点表征的条件,具体包括:
当条件节点树中的当前待判断节点表征的条件,与所述条件节点树中的已判断节点表征的条件不同时,基于所述实体对象的指标值,判断所述实体对象是否满足所述当前待判断节点表征的条件,得到判断结果;
当条件节点树中的当前待判断节点表征的条件,与所述条件节点树中的已判断节点表征的条件相同时,确定所述实体对象是否满足所述当前待判断节点表征的条件的判断结果,与所述实体对象是否满足所述已判断节点表征的条件的判断结果相同。
3.如权利要求2所述的方法,其特征在于,当所述条件节点树中包括所表征的条件相同的两个节点时,所述两个节点中按照所述指定顺序的在前节点指向在后节点;
确定条件节点树中的当前待判断节点表征的条件,是否与所述条件节点树中的已判断节点表征的条件相同,具体包括:
当条件节点树中存在指向所述当前待判断节点的节点时,确定所述当前待判断节点表征的条件,与所述条件节点树中指向所述当前待判断节点的已判断节点表征的条件相同;
否则,确定所述当前待判断节点表征的条件,与所述条件节点树中指向所述当前待判断节点的已判断节点表征的条件不同。
4.一种如权利要求1-3任一所述的方法中的所述条件节点树的建立方法,其特征在于,包括:
确定均包含有指定条件的多个实体判别模型包括的各条件,以及所述多个实体判别模型中每个实体判别模型包括的所有条件组成的条件组合;
建立以表征所述指定条件的节点为根节点,以分别表征所述多个实体判别模型包括的每个条件的节点为叶子节点的条件节点树,其中,从所述条件节点树中每个节点到所述根节点的节点链上的每个节点各自表征条件的组合各不相同,且包括所述多个实体判别模型中每个实体判别模型包括的所有条件组成的条件组合。
5.如权利要求4所述的方法,其特征在于,对于所述条件节点树中每个节点的子节点,具体采用如下方式建立:
步骤A、确定所述多个实体判别模型中继承当前节点的实体判别模型,其中,所述条件节点树中从表征实体判别模型的指定节点到根节点的节点链上的每个节点均为该实体判别模型继承的节点;
步骤B、在继承所述当前节点的实体判别模型中,确定除继承已建立的该当前节点的子节点的实体判别模型外,剩余的实体判别模型;
步骤C、在所述剩余的实体判别模型包括的条件中,确定除所述当前节点到根节点的节点链上的每个节点各自表征的条件外,剩余的条件;
步骤D、基于条件的计算复杂度、条件区分度和在该剩余的实体判别模型中的共享程度中至少之一,分别确定所述剩余的条件中的每个条件的重要程度;其中,重要程度分别随着条件的条件区分度和共享程度的增大而增大,随着条件的计算复杂度的增大而减小;并将重要程度最大的条件,作为所述当前节点的一个子节点表征的条件;以及建立所述当前节点的表征该重要程度最大的条件的子节点;
步骤E、从所述剩余的实体判别模型中选择包括该重要程度最大的条件的实体判别模型,作为继承表征该重要程度最大的条件的该子节点的实体判别模型;
步骤F、当继承已建立的所述当前节点的子节点的实体判别模型,包括继承所述当前节点的全部实体判别模型时,完成所述当前节点的子节点的建立,否则,进入上述步骤B。
6.如权利要求4所述的方法,其特征在于,采用如下步骤从若干个实体判别模型中选择均包括所述指定条件的所述多个实体判别模型:
基于条件的计算复杂度、条件区分度和在这若干个实体判别模型中的共享程度中至少之一,分别确定所述若干个实体判别模型包括的每个条件的重要程度;其中,重要程度分别随着条件的条件区分度和共享程度的增大而增大,随着条件的计算复杂度的增大而减小;其中,在一个实体对象集合中满足一个条件的实体对象的数量越少,表示该条件的条件区分度越高;
将重要程度最大的条件作为所述指定条件,以及从所述若干个实体判别模型中选择包括所述指定条件的实体判别模型。
7.一种实体对象的确定装置,其特征在于,包括:
对象获取单元,用于获取当前待确定的实体对象;
条件判断单元,用于从条件节点树的根节点开始按照指定顺序,依次判断所述实体对象是否满足所述条件节点树中的节点表征的条件,其中,在判断所述实体对象满足所述条件节点树中的当前待判断节点表征的条件后,进行所述当前待判断节点的子节点的判断;基于若干个实体判别模型建立所述条件节点树;
对象确定单元,用于在判断所述实体对象满足所述条件节点树中的指定节点后,确定所述实体对象属于所述指定节点表征的实体判别模型对应的实体对象集合,其中,所述实体判别模型包括从所述指定节点到所述条件节点树的根节点的节点链上的每个节点各自表征的条件。
8.如权利要求7所述的装置,其特征在于,所述条件判断单元,具体用于当条件节点树中的当前待判断节点表征的条件,与所述条件节点树中的已判断节点表征的条件不同时,基于所述实体对象的指标值,判断所述实体对象是否满足所述当前待判断节点表征的条件,得到判断结果;
当条件节点树中的当前待判断节点表征的条件,与所述条件节点树中的已判断节点表征的条件相同时,确定所述实体对象是否满足所述当前待判断节点表征的条件的判断结果,与所述实体对象是否满足所述已判断节点表征的条件的判断结果相同。
9.如权利要求8所述的装置,其特征在于,当所述条件节点树中包括所表征的条件相同的两个节点时,所述两个节点中按照所述指定顺序的在前节点指向在后节点;
所述条件判断单元,还用于当条件节点树中存在指向所述当前待判断节点的节点时,确定所述当前待判断节点表征的条件,与所述条件节点树中指向所述当前待判断节点的已判断节点表征的条件相同;
否则,确定所述当前待判断节点表征的条件,与所述条件节点树中指向所述当前待判断节点的已判断节点表征的条件不同。
10.一种如权利要求7-9任一所述的装置中的条件节点树的建立装置,其特征在于,包括:
条件确定单元,用于确定均包含有指定条件的多个实体判别模型包括的各条件,以及所述多个实体判别模型中每个实体判别模型包括的所有条件组成的条件组合;
节点树建立单元,用于建立以表征所述指定条件的节点为根节点,以分别表征所述多个实体判别模型包括的每个条件的节点为叶子节点的条件节点树,其中,从所述条件节点树中每个节点到所述根节点的节点链上的每个节点各自表征条件的组合各不相同,且包括所述多个实体判别模型中每个实体判别模型包括的所有条件组成的条件组合。
11.如权利要求10所述的装置,其特征在于,所述节点树建立单元,具体用于对于所述条件节点树中每个节点的子节点,采用如下方式建立:
步骤A、确定所述多个实体判别模型中继承当前节点的实体判别模型,其中,所述条件节点树中从表征实体判别模型的指定节点到根节点的节点链上的每个节点均为该实体判别模型继承的节点;
步骤B、在继承所述当前节点的实体判别模型中,确定除继承已建立的该当前节点的子节点的实体判别模型外,剩余的实体判别模型;
步骤C、在所述剩余的实体判别模型包括的条件中,确定除所述当前节点到根节点的节点链上的每个节点各自表征的条件外,剩余的条件;
步骤D、基于条件的计算复杂度、条件区分度和在该剩余的实体判别模型中的共享程度中至少之一,分别确定所述剩余的条件中的每个条件的重要程度;其中,重要程度分别随着条件的条件区分度和共享程度的增大而增大,随着条件的计算复杂度的增大而减小;并将重要程度最大的条件,作为所述当前节点的一个子节点表征的条件;以及建立所述当前节点的表征该重要程度最大的条件的子节点;
步骤E、从所述剩余的实体判别模型中选择包括该重要程度最大的条件的实体判别模型,作为继承表征该重要程度最大的条件的该子节点的实体判别模型;
步骤F、当继承已建立的所述当前节点的子节点的实体判别模型,包括继承所述当前节点的全部实体判别模型时,完成所述当前节点的子节点的建立,否则,进入上述步骤B。
12.如权利要求10所述的装置,其特征在于,还包括:模型选择单元,用于采用如下步骤从若干个实体判别模型中选择均包括所述指定条件的所述多个实体判别模型:
基于条件的计算复杂度、条件区分度和在这若干个实体判别模型中的共享程度中至少之一,分别确定所述若干个实体判别模型包括的每个条件的重要程度;其中,重要程度分别随着条件的条件区分度和共享程度的增大而增大,随着条件的计算复杂度的增大而减小;其中,在一个实体对象集合中满足一个条件的实体对象的数量越少,表示该条件的条件区分度越高;
将重要程度最大的条件作为所述指定条件,以及从所述若干个实体判别模型中选择包括所述指定条件的实体判别模型。
CN201110349142.5A 2011-11-07 2011-11-07 实体对象的确定方法、条件节点树的建立方法及装置 Active CN103092889B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201110349142.5A CN103092889B (zh) 2011-11-07 2011-11-07 实体对象的确定方法、条件节点树的建立方法及装置
HK13107355.9A HK1180083A1 (zh) 2011-11-07 2013-06-25 實體對象的確定方法、條件節點樹的建立方法及裝置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110349142.5A CN103092889B (zh) 2011-11-07 2011-11-07 实体对象的确定方法、条件节点树的建立方法及装置

Publications (2)

Publication Number Publication Date
CN103092889A CN103092889A (zh) 2013-05-08
CN103092889B true CN103092889B (zh) 2016-01-06

Family

ID=48205466

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110349142.5A Active CN103092889B (zh) 2011-11-07 2011-11-07 实体对象的确定方法、条件节点树的建立方法及装置

Country Status (2)

Country Link
CN (1) CN103092889B (zh)
HK (1) HK1180083A1 (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1851693A (zh) * 2005-09-07 2006-10-25 华为技术有限公司 一种对系统资源进行管理的实现方法
CN1920833A (zh) * 2006-09-12 2007-02-28 威盛电子股份有限公司 数据结构的建立方法与处理方法
CN101350004A (zh) * 2008-09-11 2009-01-21 北京搜狗科技发展有限公司 形成个性化纠错模型的方法及个性化纠错的输入法系统
JP2010044649A (ja) * 2008-08-14 2010-02-25 Internatl Business Mach Corp <Ibm> 決定木を比較する決定木比較装置、決定木比較方法及び決定木比較プログラム
CN102054002A (zh) * 2009-10-28 2011-05-11 中国移动通信集团公司 一种数据挖掘系统中决策树的生成方法及装置
CN102214213A (zh) * 2011-05-31 2011-10-12 中国科学院计算技术研究所 一种采用决策树的数据分类方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1851693A (zh) * 2005-09-07 2006-10-25 华为技术有限公司 一种对系统资源进行管理的实现方法
CN1920833A (zh) * 2006-09-12 2007-02-28 威盛电子股份有限公司 数据结构的建立方法与处理方法
JP2010044649A (ja) * 2008-08-14 2010-02-25 Internatl Business Mach Corp <Ibm> 決定木を比較する決定木比較装置、決定木比較方法及び決定木比較プログラム
CN101350004A (zh) * 2008-09-11 2009-01-21 北京搜狗科技发展有限公司 形成个性化纠错模型的方法及个性化纠错的输入法系统
CN102054002A (zh) * 2009-10-28 2011-05-11 中国移动通信集团公司 一种数据挖掘系统中决策树的生成方法及装置
CN102214213A (zh) * 2011-05-31 2011-10-12 中国科学院计算技术研究所 一种采用决策树的数据分类方法和系统

Also Published As

Publication number Publication date
CN103092889A (zh) 2013-05-08
HK1180083A1 (zh) 2013-10-11

Similar Documents

Publication Publication Date Title
US11018979B2 (en) System and method for network slicing for service-oriented networks
Gan et al. Joint optimization of maintenance, buffer, and spare parts for a production system
WO2016091038A1 (zh) 高速列车快速设计方法及系统
Zheng et al. Improving the efficiency of multi-objective evolutionary algorithms through decomposition: An application to water distribution network design
US20160179162A1 (en) Holistic global performance and power management
US8572004B2 (en) Space solution search
CN105389772A (zh) 基于图形处理器的数据处理方法和装置
CN115085202A (zh) 电网多区域智能功率协同优化方法、装置、设备及介质
CN104318012B (zh) 白车身减重设计方法及装置
Gupta et al. Increased persistence via asynchrony in oscillating ecological populations with long-range interaction
Algar et al. Modelling essential interactions between synthetic genes and their chassis cell
Mai et al. A misspecification test for logit based route choice models
CN103092889B (zh) 实体对象的确定方法、条件节点树的建立方法及装置
CN103677996B (zh) 用于平衡工作负荷分布的协作方法和系统
Dumachev On semideterministic finite automata games type
CN106936611A (zh) 一种预测网络状态的方法及装置
CN106201655A (zh) 虚拟机分配方法和虚拟机分配系统
CN108737130B (zh) 基于神经网络的网络流量预测装置及方法
CN105205723A (zh) 一种基于社交应用的建模方法及装置
CN106557430B (zh) 一种缓存数据刷盘方法及装置
CN105721199B (zh) 一种基于核密度估计与模糊推理系统的实时云服务瓶颈检测方法
CN109492759B (zh) 神经网络模型预测方法、装置和终端
Walton et al. Comment on Cuckoo search: A new nature-inspired optimization method for phase equilibrium calculations by V. Bhargava, S. Fateen, A. Bonilla-Petriciolet
Zhang et al. Degree distribution of a new model for evolving networks
CN103593438B (zh) 一个预测社交网络演化过程和网络性质的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1180083

Country of ref document: HK

C14 Grant of patent or utility model
GR01 Patent grant
REG Reference to a national code

Ref country code: HK

Ref legal event code: GR

Ref document number: 1180083

Country of ref document: HK