CN110175675A - 自动调整rete网络的方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本发明提出的基于数据处理的自动调整rete网络的方法、装置、计算机设备和存储介质，其中方法包括：获取当前节点的变更频率以及当前节点过滤后的剩余事实，依据变动频率以及剩余事实获取排在当前节点之后各节点的变更频率以及各节点的剩余事实数量；依据排在当前节点之后各节点的变更频率以及各节点的剩余事实数量计算出排在当前节点之后每个节点对应的优选权值；将排在当前节点之后的所有节点按照其对应优选权值的数值从小至大依次排序，以将当前rete网络调整成节点按优选权值排序的rete网络，这样可以根据不同应用场景将网络结构自动调整网络到最优结构，提高规则引擎模式匹配算法性能，从而提高匹配效率，以及增加规则引擎的吞吐量。

Description

自动调整rete网络的方法、装置、计算机设备和存储介质

技术领域

本发明涉及到数据处理的技术领域，特别是涉及到一种自动调整rete网络的方法、装置、计算机设备和存储介质。

背景技术

规则引擎是一种产生式推理系统，产生式推理系统包括一组规则，每个规则包含一组条件(LHS)和一组动作(RHS)，当规则的所有条件都满足时，该规则的动作会被加入到议程中等待执行。Rete算法作为规则引擎Drools内部实现算法，Rete网络中节点共享是提高算法性能的主要方法之一，而规则条件中各个约束的排列顺序，不仅会影响Rete网络中共享节点的数量，还会影响Rete算法推理过程的中间结果大小，从而影响规则匹配的效率。目前对规则条件约束重排序的研究方法有以下两点：

1)限制性强的条件优先：限制性强的条件可以过滤更多的事实，从而减少进入网络的中间临时数据，使得在事实数据流经网络的过程中耗时更少。

2)不稳定的条件置后：假如一个规则有n个条件，当一个事实匹配第一个条件时，会有n-1个join操作被执行，如果把该条件放置到最后，则只有一个join操作被执行，如果该条件被频繁的变更，会有更多的join节点被频繁的删除和添加，从而降低了效率。

对于上述两点，现有技术中提供了一种基于成本模型的Rete优化算法，该算法通过统计每个节点经过的事实数，内存存储的事实平均数量，匹配成功的事实数以及匹配成功率来建立一个成本模型，根据该模型计算出来的成本，最后选择成本最低的一种节点排序方法。

成本模型是一种静态网络，意味着Rete网络一旦确定后就不会再改变，在面对不同场景的数据时，无法根据实际运行结果动态调整网络拓扑，难以使算法性能达到最优。

发明内容

本发明的主要目的为提供一种自动调整rete网络的方法、装置、计算机设备和存储介质，旨在解决现有Rete网络无法根据实际情况调整得到比较优选网络的技术问题。

基于上述发明目的，本发明提出一种自动调整rete网络的方法，包括：

获取当前节点的变更频率以及所述当前节点过滤后的剩余事实，所述变更频率为节点排序变化的次数，所述事实为在节点中通过条件约束进行过滤的对象；

依据所述变动频率以及所述剩余事实获取排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量；

依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量计算出排在所述当前节点之后每个节点对应的优选权值；

将排在所述当前节点之后的所有节点按照其对应优选权值的数值从小至大依次排序，以将当前rete网络调整成节点按优选权值排序的rete网络。

进一步地，所述依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量计算出排在所述当前节点之后每个节点对应的优选权值的步骤，包括：

依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量分别计算出各所述节点对应的变更频率权值以及过滤事实数权值；

将各所述节点的变更频率权值以及过滤事实数权值通过归一化处理得到各所述节点对应的优选权值。

进一步地，所述依据排在所述当前节点之后各节点的所述变更频率以及各所述节点的剩余事实数量分别计算出各所述节点对应的变更频率权值以及过滤事实数权值的步骤，包括：

利用以下公式计算出所述变更频率权值：

以及，利用以下公式计算出过滤事实数权值：

Filter(n)＝Cost_token*(Fact_total-Fact_retain(n))

其中，Freq(n)为所述当前节点之后第n个节点的变更频率权值，Filter(n)为所述当前节点之后第n个节点的过滤事实数权值，f(n)为第n个节点的变更频率，Cost_join为过滤一个事实的操作耗时，Cost_token为增删一个事实的增删耗时，Fact_retain(n)为经第n个节点过滤后的剩余事实数量，Fact_total为进入起始节点的总事实数量。

进一步地，所述将各所述节点的变更频率权值以及过滤事实数权值通过归一化处理得到各所述节点对应的优选权值的步骤，包括：

利用以下公式计算得到所述优选权值：

Weight(n)＝α*Freq(n)-β*Filter(n)

其中，Freq(n)为变更频率权值，Filter(n)为过滤事实数权值，α，β均为归一化系数，且μ₁为所有节点的变更频率权值的均值，σ₁为所述变更频率权值的标准差，μ₂为所有节点过滤事实数权值的均值，σ₂为所述过滤事实数权值的标准差。

进一地，所述依据所述变动频率以及所述剩余事实获取排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量的步骤，包括：

获取所述当前节点完成过滤事实的结束信息，所述结束信息包括所述当前节点的变动频率、剩余事实以及结束过滤信息；

依据所述结束信息统计所述操作耗时、增删耗时、总事实数量、对应各所述节点的剩余事实数量以及各所述节点的变更频率。

进一步地，所述获取当前节点的变更频率以及所述当前节点过滤的事实的步骤之前，包括：

依据成本模型计算出各节点的排列顺序，并记为初始排列顺序；

将所述初始排列顺序中的第一个节点作为对事实进行过滤的起始节点。

本发明还提供一种自动调整rete网络的装置，包括：

获取当前单元，用于获取当前节点的变更频率以及所述当前节点过滤后的剩余事实，所述变更频率为节点排序变化的次数，所述事实为在节点中通过条件约束进行过滤的对象；

获取剩余单元，用于依据所述变动频率以及所述剩余事实获取排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量；

计算权值单元，用于据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量计算出排在所述当前节点之后每个节点对应的优选权值；

调整网络单元，用于将排在所述当前节点之后的所有节点按照其对应优选权值的数值从小至大依次排序，以将当前rete网络调整成节点按优选权值排序的rete网络。

进一步地，所述计算权值单元，包括：

计算权值子单元，用于依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量分别计算出各所述节点对应的变更频率权值以及过滤事实数权值；

处理权值子单元，用于将各所述节点的变更频率权值以及过滤事实数权值通过归一化处理得到各所述节点对应的优选权值。

本发明还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

本发明的有益效果为：上述自动调整rete网络的方法，通过获取网络当前节点的变动频率和节点过滤的事实反馈，在下一次匹配之前通过计算每个节点的优先权值，依据优选权值对各个节点进行重新排序以调整rete网络，这样可以根据不同应用场景将网络结构自动调整网络到最优结构，提高规则引擎模式匹配算法性能，从而提高匹配效率，以及增加规则引擎的吞吐量。

附图说明

图1为本发明一实施例中自动调整rete网络的方法的步骤示意图；

图2为本发明一实施例中自动调整rete网络的装置的结构示意框图；

图3为本发明一实施例的计算机设备的结构示意框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，本实施例中的自动调整rete网络的方法，包括：

步骤S1：获取当前节点的变更频率以及所述当前节点过滤后的剩余事实，所述变更频率为节点排序变化的次数，所述事实为在节点中通过条件约束进行过滤的对象；

步骤S2：依据所述变动频率以及所述剩余事实获取排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量；

步骤S3：依据排在所述当前节点之后各节点的所述变更频率以及各所述节点的剩余事实数量计算出排在所述当前节点之后每个节点对应的优选权值；

步骤S4：将排在所述当前节点之后的所有节点按照其对应优选权值的数值从小至大依次排序，以将当前rete网络调整成节点按优选权值排序的rete网络。

已知rete网络的规则中每个条件对事实的约束均通过对应的网络节点进行操作，即所有节点都操作完成后该规则才算匹配完成，在规则中不同的节点(条件约束)排列顺序会影响规则匹配的效率。上述事实即为在节点中通过条件约束进行过滤的对象，可以为一条数据，例如某一节点的条件约束为满足18岁以上的女性才能匹配通过，进入网络节点进行过滤的有四条数据，其中只有两条数据包含有18岁以上的女性的信息，则经过该节点过滤之后剩余该两条数据。

应当理解，在知道排序在当前节点之后的所有节点的详细信息(如过滤什么样的事实、事实的数量、排序的位置、位置变化的次数等)的前提下才能对这些节点进行重新排序，而由于每一次节点对事实的过滤，均对应后续的节点产生影响，故而要知道后续节点的详细信息，则需要知道当前节点的详细信息，由于进入起始节点的总事实以及当前节点状态是已知的，当前节点匹配到的事实以及过滤的事实数量也是已知的，故如步骤S1所述直接通过代码程序获取当前节点的变更频率以及当前节点过滤后的剩余事实，上述变更频率为节点排序变化的次数。在事实进入网络之前，已经搭建了预设的初始rete网络，即初始的rete网络的各个节点顺序是已知的，当前节点的每一次变化即可能导致后续所有节点的排序变化，当前节点过滤的剩余事实以及剩余事实数量均会决定后续所有节点需要过滤什么的事实以及需要过滤的事实数量，且当前节点一旦开始工作，后续所有节点需要过滤什么的事实以及需要过滤的事实数量均已确定，故而可根据上述已确定的信息通过系统直接获取排在当前节点之后各个节点的变更频率以及剩余事实数量，该变更频率以及剩余事实数量可用于计算节点的优选权值，通过对比优选权值对节点进行重新排序。

如上述步骤S3及步骤S4所述，依据上述获取到的变更频率以及剩余事实数量，通过固定公式进行计算，得到排序在当前节点之后各个节点的优选权值，上述固定公式可由开发人员预先设置，当计算出各个节点的优选权值之后，将这些节点按照对应的优选权值的数值从小至大依次进行排序，例如abc三个节点对应的优选权值分别为0.2、0.5、0.3，则abc三个节点重新排序的顺序为acb。从而按上述方式得到一个有针对性的网络结构，可以更好地适应当前进入网络的事实，从而提高效率。

进一步地，由于每一次进入网络的事实不一定相同，故而对于每一次进入网络的事实，均可以采用该方法重新调整一次，使得网络结构可以根据事实数据自动调整到最优。具体而言，先构建初始rete网络，当事实进入该初始rete网络的第一个节点之后，开始执行上述步骤S1-S4，从而将初始网络调整为对应该这批事实的性能最优的第一rete网络，当下一批事实进入该第一rete网络的第一节点时，再次按照上述步骤S1-S4执行，自动将第一rete网络调整为对应下一批事实的第二rete网络。

在另一个实施例，上述步骤S4之后，即将当前rete网络整成节点按优选权值排序的rete网络之后，还可以在每一个节点操作后重新计算一次，然后依据计算出来的权值将该节点之后的各节点再次排序，使得网络结构在运行过程中自动调整，进一步确保事实流经的每个节点都是按其优选权值选出的，进一步保证rete网络性能。如在上述例子中，系统将该上述abc三个节点重新排序之后，将当前节点过滤之后剩余的事实经过a节点进行过滤，a节点过滤完成之后，可再次重新计算得到bc的优选权值，若bc权值发生变化，则可将bc节点依据新的权值再次进行重新排序，如此直至最后一个节点过滤完成。

在一个实施例中，上述步骤S3包括：

步骤S31：依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量分别计算出各所述节点对应的变更频率权值以及过滤事实数权值；

步骤S32：将各所述节点的变更频率权值以及过滤事实数权值通过归一化处理得到各所述节点对应的优选权值。

需知，节点排序规律可为：节点排列前后顺序与限制性成正比，与变更频率成反比关系。即限制性强的节点，排序越靠前，变更频率越高的节点，排序越靠后，其中，限制性与过滤之后剩余事实数量相关，限制性越强，剩余事实数量越少，限制性越弱，剩余事实数量越多，故而，可先分别通过预设的固定公式计算出各节点的变更频率权值以及过滤事实数权值，由于两者单位不一致，可对这两者进行归一化处理，然后得到每个节点的优选权值。

在一个实施例中，上述步骤S31，包括：

利用以下公式计算出所述变更频率权值：

以及，利用以下公式计算出过滤事实数权值：

Filter(n)＝Cost_token*(Fact_total-Fact_retain(n))

其中，Freq(n)为所述当前节点之后第n个节点的变更频率权值，Filter(n)为所述当前节点之后第n个节点的过滤事实数权值，f(n)为第n个节点的变更频率，Cost_join为过滤一个事实的操作耗时，Cost_token为增删一个事实的增删耗时，Fact_retain(n)为经第n个节点过滤后的剩余事实数量，Fact_total为进入起始节点的总事实数量。

本实施例中，为了使变更频率权值和过滤事实数权值两个不同数值具有可比性，可通过计算变更频率以及过滤事实数分别带来的耗时作为该两个数值对应的权值。

首先分析变更频率所带来的耗时，即条件变更所增加的耗时，上述Fact_total为进入网络的总事实数，Fact_retain(n)为n节点join操作后剩余的事实数，其中已匹配的事实称为token，存放在join节点中(每一个可被操作的节点均称为join节点)，join节点负责将上一个节点的token数组与当前节点的token数组进行合并，并且根据条件进行匹配，匹配成功的tokens会被传递到下一个节点。定义Cost_token为增删一次token的耗时，Cost_join为一次join的操作耗时。因此，变更一次条件增加的耗时可以描述为：节点n经过join操作后存在Fact_retain(n)个token，节点n的删除耗时等于删除join节点中所有token的耗时和删除join节点的耗时相加，变更节点n，会导致后继节点的变更。

所以，节点n变更f(n)次的总耗时，也即变更频率权值可以定义为：

同理，节点n过滤事实节省的耗时可以描述为：增加节点n过滤掉的事实数所需要的总耗时，也即过滤事实数权值为：

Filter(n)＝Cost_token*(Fact_total-Fact_retain(n))

在一个实施例，上述步骤S32，包括：

利用以下公式计算得到所述优选权值：

Weight(n)＝α*Freq(n)-β*Filter(n)

其中，Freq(n)为变更频率权值，Filter(n)为过滤事实数权值，α，β均为归一化系数，且μ₁为所有节点的变更频率权值的均值，σ₁为所述变更频率权值的标准差，μ₂为所有节点过滤事实数权值的均值，σ₂为所述过滤事实数权值的标准差。

本实施例中，在计算出上述变更频率权值和过滤事实数权值之后，可通过再次通过预设的公式将这两者进行归一化处理，如通过Weight(n)＝α*Freq(n)-β*Filter(n)进行计算，得到优选权值，按照以上公式计算出Rete网络中每个节点的优先权值，权值越小，优先级越高，排序就越靠前。在下一次匹配时，根据优先权值，Rete网络自动进行调整，使得网络能够在该场景下达到最优性能。

举例地，假设每一次增删token的耗时为1s，一次join操作耗时为1s，b节点变更5次，a和c节点各变更1次,则通过上述公式计算得到：a节点的变更频率权值为Freq(a)＝5+4+3＝12，b节点的变更频率权值为Freq(b)＝5*(4+3)＝35，c节点的变更频率权值为Freq(c)＝3，a节点的事实过滤权值为Filter(a)＝6，b节点的事实过滤权值为Filter(b)＝7，c节点的事实过滤权值为Filter(c)＝8，经过归一化abc节点的变更频率权值分别为 归一化后abc节点的事实过滤权值分别为 由此可得三个节点的优先权值分别为：Weight(a)＝-0.2+0.71＝0.51，Weight(b)＝0.79+0＝0.79，Weight(c)＝-0.59-0.71＝-1.3。因此，a,b,c节点按优选权值的数值从小至大的排列顺序为：c->a->b，由Rete网络可以看出，c节点的限制性最强，b节点的条件变更最频繁，所以，规则引擎的各个约束条件的最佳排列顺序也应当为c->a->b。

在一个实施例中，上述步骤S2，包括：

步骤S21：获取所述当前节点完成过滤事实的结束信息，所述结束信息包括所述当前节点的变动频率、剩余事实以及结束过滤信息；

步骤S22：依据所述结束信息统计所述操作耗时、增删耗时、总事实数量、对应各所述节点的剩余事实数量以及各所述节点的变更频率。

本实施例中，在当前节点过滤完所有进入该节点的事实之后，当前节点会结束操作，表明可将剩余的事实进行下一次过滤，这时可在当前节点结束的时候获取到当前节点的结束信息，该结束信息包括当前节点的变动频率、剩余事实以及结束过滤信息，依据该结束信息自动触发进入计算程序，即计算出各节点的优选权值，以便得到下一次对剩余事实进行过滤的节点，而进行计算需要计算过程中公式使用的参数，这时系统可统计出这些参数，包括上述操作耗时、增删耗时、总事实数、对应各节点的剩余事实数量以及各节点的变更频率。

在一个实施例中，上述步骤S1之前，包括：

步骤S01：依据成本模型计算出各节点的排列顺序，并记为初始排列顺序；

步骤S02：将所述初始排列顺序中的第一个节点作为对事实进行过滤的起始节点。

本实施例中，在开始进行过滤事实之前，即在事实进入网络节点之前，可先通过成本模型依据这些事实的信息计算出各个节点的排列顺序，然后将成本模型计算出的排列顺序记为初始排列顺序，然后将各个节点按该初始排列顺序进行排序，并从该顺序中的第一个节点开始对进入网络节点的事实进行过滤，上述成本模型在本领域是现有技术，其计算过程此处不再赘述。之后再对每一次进行计算得到后续节点的排列顺序，并按计算出来的排列顺序重新将节点排序。在另一实施例中，上述初始排列顺序也可以通过人为地依据事实的信息进行设置，或通过随机算法计算得到。

参照图2，本实施例中自动调整rete网络的装置，包括：

获取当前单元100，用于获取当前节点的变更频率以及所述当前节点过滤后的剩余事实，所述变更频率为节点排序变化的次数，所述事实为在节点中通过条件约束进行过滤的对象；

获取剩余单元200，用于依据所述变动频率以及所述剩余事实获取排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量；

计算权值单元300，用于据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量计算出排在所述当前节点之后每个节点对应的优选权值；

调整网络单元400，用于将排在所述当前节点之后的所有节点按照其对应优选权值的数值从小至大依次排序，以将当前rete网络调整成节点按优选权值排序的rete网络。

可以理解的是，rete网络的规则中每个条件对事实的约束均通过对应的网络节点进行操作，即所有节点都操作完成后该规则才算匹配完成，在规则中不同的节点(条件约束)排列顺序会影响规则匹配的效率。上述事实即为在节点中通过条件约束进行过滤的对象，可以为一条数据，例如某一节点的条件约束为满足18岁以上的女性才能匹配通过，进入网络节点进行过滤的有四条数据，其中只有两条数据包含有18岁以上的女性的信息，则经过该节点过滤之后剩余该两条数据。

应当理解，在知道排序在当前节点之后的所有节点的详细信息(如过滤什么样的事实、事实的数量、排序的位置、位置变化的次数等)的前提下才能对这些节点进行重新排序，而由于每一次节点对事实的过滤，均对应后续的节点产生影响，故而要知道后续节点的详细信息，则需要知道当前节点的详细信息，由于进入起始节点的总事实以及当前节点状态是已知的，当前节点匹配到的事实以及过滤的事实数量也是已知的，故如获取当前单元100所述直接通过代码程序获取当前节点的变更频率以及当前节点过滤后的剩余事实，上述变更频率为节点排序变化的次数。在事实进入网络之前，已经搭建了预设的初始rete网络，即初始的rete网络的各个节点顺序是已知的，当前节点的每一次变化即可能导致后续所有节点的排序变化，当前节点过滤的剩余事实以及剩余事实数量均会决定后续所有节点需要过滤什么的事实以及需要过滤的事实数量，且当前节点一旦被操作，后续所有节点需要过滤什么的事实以及需要过滤的事实数量均已确定，故而可根据上述已确定的信息通过系统直接获取排在当前节点之后，各个节点的变更频率以及剩余事实数量，该变更频率以及剩余事实数量可用于计算节点的优选权值，通过对比优选权值对节点进行重新排序。

如上述计算权值单元300及调整网络单元400所述，依据上述获取到的变更频率以及剩余事实数量，通过固定公式进行计算，得到排序在当前节点之后各个节点的优选权值，上述固定公式可由开发人员预先设置，当计算出各个节点的优选权值之后，将这些节点按照对应的优选权值的数值从小至大依次进行排序，例如abc三个节点对应的优选权值分别为0.2、0.5、0.3，则abc三个节点重新排序的顺序为acb。从而按上述方式得到一个有针对性的网络结构，可以更好地适应当前进入网络的事实，从而提高效率。

进一步地，由于每一次进入网络的事实不一定相同，故而对于每一次进入网络的事实，均可以采用该方法重新调整一次，使得网络结构可以根据事实数据自动调整到最优。具体而言，先构建初始rete网络，当事实进入该初始rete网络的第一个节点之后，上述自动调整rete网络的装置开始运行，从而将初始网络调整为对应该这批事实的性能最优的第一rete网络，当下一批事实进入该第一rete网络的第一节点时，再次按照自动调整rete网络的装置执行，自动将第一rete网络调整为对应下一批事实的第二rete网络。

在另一个实施例，将当前rete网络整成节点按优选权值排序的rete网络之后，还可以在每一个节点操作后重新计算一次，然后依据计算出来的权值将该节点之后的各节点再次排序，使得网络结构在运行过程中自动调整，进一步确保事实流经的每个节点都是按其优选权值选出的，进一步保证rete网络性能。如在上述例子中，系统将该上述abc三个节点重新排序之后，将当前节点过滤之后剩余的事实经过a节点进行过滤，a节点过滤完成之后，可再次重新计算得到bc的优选权值，若bc权值发生变化，则可将bc节点依据新的权值再次进行重新排序，如此直至最后一个节点过滤完成。

在一个实施例中，上述计算权值单元300包括：

计算权值子单元，用于依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量分别计算出各所述节点对应的变更频率权值以及过滤事实数权值；

处理权值子单元，用于将各所述节点的变更频率权值以及过滤事实数权值通过归一化处理得到各所述节点对应的优选权值。

需知，节点排序规律可为：节点排列前后顺序与限制性成正比，与变更频率成反比关系。即限制性强的节点，排序越靠前，变更频率越高的节点，排序越靠后，其中，限制性与过滤之后剩余事实数量相关，限制性越强，剩余事实数量越少，限制性越弱，剩余事实数量越多，故而，可先分别通过预设的固定公式计算出各节点的变更频率权值以及过滤事实数权值，由于两者单位不一致，可对这两者进行归一化处理，然后得到每个节点的优选权值。

在一个实施例中，上述计算权值子单元，包括：

利用以下公式计算出所述变更频率权值：

以及，利用以下公式计算出过滤事实数权值：

Filter(n)＝Cost_token*(Fact_total-Fact_retain(n))

其中，Freq(n)为所述当前节点之后第n个节点的变更频率权值，Filter(n)为所述当前节点之后第n个节点的过滤事实数权值，f(n)为第n个节点的变更频率，Cost_join为过滤一个事实的操作耗时，Cost_token为增删一个事实的增删耗时，Fact_retain(n)为经第n个节点过滤后的剩余事实数量，Fact_total为进入起始节点的总事实数量。

本实施例中，为了使变更频率权值和过滤事实数权值两个不同数值具有可比性，可通过计算变更频率以及过滤事实数分别带来的耗时作为该两个数值对应的权值。

首先分析变更频率所带来的耗时，即条件变更所增加的耗时，上述Fact_total为进入网络的总事实数，Fact_retain(n)为n节点join操作后剩余的事实数，其中已匹配的事实称为token，存放在join节点中(每一个可被操作的节点均称为join节点)，join节点负责将上一个节点的token数组与当前节点的token数组进行合并，并且根据条件进行匹配，匹配成功的tokens会被传递到下一个节点。定义Cost_token为增删一次token的耗时，Cost_join为一次join的操作耗时。因此，变更一次条件增加的耗时可以描述为：节点n经过join操作后存在Fact_retain(n)个token，节点n的删除耗时等于删除join节点中所有token的耗时和删除join节点的耗时相加，变更节点n，会导致后继节点的变更。

所以，节点n变更f(n)次的总耗时，也即变更频率权值可以定义为：

同理，节点n过滤事实节省的耗时可以描述为：增加节点n过滤掉的事实数所需要的总耗时，也即过滤事实数权值为：

Filter(n)＝Cost_token*(Fact_total-Fact_retain(n))

在一个实施例，上述处理权值子单元，包括：

利用以下公式计算得到所述优选权值：

Weight(n)＝α*Freq(n)-β*Filter(n)

其中，Freq(n)为变更频率权值，Filter(n)为过滤事实数权值，α，β均为归一化系数，且μ₁为所有节点的变更频率权值的均值，σ₁为所述变更频率权值的标准差，μ₂为所有节点过滤事实数权值的均值，σ₂为所述过滤事实数权值的标准差。

本实施例中，在计算出上述变更频率权值和过滤事实数权值之后，可通过再次通过预设的公式将这两者进行归一化处理，如通过Weight(n)＝α*Freq(n)-β*Filter(n)进行计算，得到优选权值，按照以上公式计算出Rete网络中每个节点的优先权值，权值越小，优先级越高，排序就越靠前。在下一次匹配时，根据优先权值，Rete网络自动进行调整，使得网络能够在该场景下达到最优性能。

举例地，假设每一次增删token的耗时为1s，一次join操作耗时为1s，b节点变更5次，a和c节点各变更1次,则通过上述公式计算得到：a节点的变更频率权值为Freq(a)＝5+4+3＝12，b节点的变更频率权值为Freq(b)＝5*(4+3)＝35，c节点的变更频率权值为Freq(c)＝3，a节点的事实过滤权值为Filter(a)＝6，b节点的事实过滤权值为Filter(b)＝7，c节点的事实过滤权值为Filter(c)＝8，经过归一化abc节点的变更频率权值分别为 归一化后abc节点的事实过滤权值分别为 由此可得三个节点的优先权值分别为：Weight(a)＝-0.2+0.71＝0.51，Weight(b)＝0.79+0＝0.79，Weight(c)＝-0.59-0.71＝-1.3。因此，a,b,c节点按优选权值的数值从小至大的排列顺序为：c->a->b，由Rete网络可以看出，c节点的限制性最强，b节点的条件变更最频繁，所以，规则引擎的各个约束条件的最佳排列顺序也应当为c->a->b。

在一个实施例中，上述获取剩余单元200，包括：

获取信息单元，用于获取所述当前节点完成过滤事实的结束信息，所述结束信息包括所述当前节点的变动频率、剩余事实以及结束过滤信息；

统计数量单元，用于依据所述结束信息统计所述操作耗时、增删耗时、总事实数量、对应各所述节点的剩余事实数量以及各所述节点的变更频率。

本实施例中，在当前节点过滤完所有进入该节点的事实之后，当前节点会结束操作，表明可将剩余的事实进行下一次过滤，这时可在当前节点结束的时候获取到当前节点的结束信息，该结束信息包括当前节点的变动频率、剩余事实以及结束过滤信息，依据该结束信息自动触发进入计算程序，即计算出各节点的优选权值，以便得到下一次对剩余事实进行过滤的节点，而进行计算需要计算过程中公式使用的参数，这时系统可统计出这些参数，包括上述操作耗时、增删耗时、总事实数、对应各节点的剩余事实数量以及各节点的变更频率。

在一个实施例中，上述自动调整rete网络的装置，包括：

计算顺序单元，用于依据成本模型计算出各节点的排列顺序，并记为初始排列顺序；

作为起始单元，用于将所述初始排列顺序中的第一个节点作为对事实进行过滤的起始节点。

本实施例中，在开始进行过滤事实之前，即在事实进入网络节点之前，可先通过成本模型依据这些事实的信息计算出各个节点的排列顺序，然后将成本模型计算出的排列顺序记为初始排列顺序，然后将各个节点按该初始排列顺序进行排序，并从该顺序中的第一个节点开始对进入网络节点的事实进行过滤，上述成本模型在本领域是现有技术，其计算过程此处不再赘述。之后再对每一次进行计算得到后续节点的排列顺序，并按计算出来的排列顺序重新将节点排序。在另一实施例中，上述初始排列顺序也可以通过人为地依据事实的信息进行设置，或通过随机算法计算得到。

参照图3，本发明实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储调整rete网络所需的所有数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种自动调整rete网络的方法。

上述处理器执行上述自动调整rete网络的方法的步骤：获取当前节点的变更频率以及所述当前节点过滤后的剩余事实，所述变更频率为节点排序变化的次数，所述事实为在节点中通过条件约束进行过滤的对象；依据所述变动频率以及所述剩余事实获取排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量；依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量计算出排在所述当前节点之后每个节点对应的优选权值；将排在所述当前节点之后的所有节点按照其对应优选权值的数值从小至大依次排序，以将当前rete网络调整成节点按优选权值排序的rete网络。

上述计算机设备，上述依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量计算出排在所述当前节点之后每个节点对应的优选权值的步骤，包括：依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量分别计算出各所述节点对应的变更频率权值以及过滤事实数权值；将各所述节点的变更频率权值以及过滤事实数权值通过归一化处理得到各所述节点对应的优选权值。

在一个实施例中，上述依据排在所述当前节点之后各节点的所述变更频率以及各所述节点的剩余事实数量分别计算出各所述节点对应的变更频率权值以及过滤事实数权值的步骤，包括：利用以下公式计算出所述变更频率权值：

以及，利用以下公式计算出过滤事实数权值：

Filter(n)＝Cost_token*(Fact_total-Fact_retain(n))

其中，Freq(n)为所述当前节点之后第n个节点的变更频率权值，Filter(n)为所述当前节点之后第n个节点的过滤事实数权值，f(n)为第n个节点的变更频率，Cost_join为过滤一个事实的操作耗时，Cost_token为增删一个事实的增删耗时，Fact_retain为经第n个节点过滤后的剩余事实数量，Fact_total为进入起始节点的总事实数量。

在一个实施例中，上述将各所述节点的变更频率权值以及过滤事实数权值通过归一化处理得到各所述节点对应的优选权值的步骤，包括：利用以下公式计算得到所述优选权值：

Weight(n)＝α*Freq(n)-β*Filter(n)

其中，Freq(n)为变更频率权值，Filter(n)为过滤事实数权值，α，β均为归一化系数，且μ₁为所有节点的变更频率权值的均值，σ₁为所述变更频率权值的标准差，μ₂为所有节点过滤事实数权值的均值，σ₂为所述过滤事实数权值的标准差。

在一个实施例中，上述依据所述变动频率以及所述剩余事实获取排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量的步骤，包括：获取所述当前节点完成过滤事实的结束信息，所述结束信息包括所述当前节点的变动频率、剩余事实以及结束过滤信息；依据所述结束信息统计所述操作耗时、增删耗时、总事实数量、对应各所述节点的剩余事实数量以及各所述节点的变更频率。

在一个实施例中，上述获取当前节点的变更频率以及所述当前节点过滤的事实的步骤之前，包括：依据成本模型计算出各节点的排列顺序，并记为初始排列顺序；将所述初始排列顺序中的第一个节点作为对事实进行过滤的起始节点。

本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。

本发明一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种自动调整rete网络的方法，具体为：获取当前节点的变更频率以及所述当前节点过滤后的剩余事实，所述变更频率为节点排序变化的次数，所述事实为在节点中通过条件约束进行过滤的对象；依据所述变动频率以及所述剩余事实获取排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量；依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量计算出排在所述当前节点之后每个节点对应的优选权值；将排在所述当前节点之后的所有节点按照其对应优选权值的数值从小至大依次排序，以将当前rete网络调整成节点按优选权值排序的rete网络。

上述计算机可读存储介质，上述依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量计算出排在所述当前节点之后每个节点对应的优选权值的步骤，包括：依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量分别计算出各所述节点对应的变更频率权值以及过滤事实数权值；将各所述节点的变更频率权值以及过滤事实数权值通过归一化处理得到各所述节点对应的优选权值。

在一个实施例中，上述依据排在所述当前节点之后各节点的所述变更频率以及各所述节点的剩余事实数量分别计算出各所述节点对应的变更频率权值以及过滤事实数权值的步骤，包括：利用以下公式计算出所述变更频率权值：

以及，利用以下公式计算出过滤事实数权值：

Filter(n)＝Cost_token*(Fact_total-Fact_retain(n))

其中，Freq(n)为所述当前节点之后第n个节点的变更频率权值，Filter(n)为所述当前节点之后第n个节点的过滤事实数权值，f(n)为第n个节点的变更频率，Cost_join为过滤一个事实的操作耗时，Cost_token为增删一个事实的增删耗时，Fact_retain为经第n个节点过滤后的剩余事实数量，Fact_total为进入起始节点的总事实数量。

在一个实施例中，上述将各所述节点的变更频率权值以及过滤事实数权值通过归一化处理得到各所述节点对应的优选权值的步骤，包括：利用以下公式计算得到所述优选权值：

Weight(n)＝α*Freq(n)-β*Filter(n)

其中，Freq(n)为变更频率权值，Filter(n)为过滤事实数权值，α，β均为归一化系数，且μ₁为所有节点的变更频率权值的均值，σ₁为所述变更频率权值的标准差，μ₂为所有节点过滤事实数权值的均值，σ₂为所述过滤事实数权值的标准差。

在一个实施例中，上述依据所述变动频率以及所述剩余事实获取排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量的步骤，包括：获取所述当前节点完成过滤事实的结束信息，所述结束信息包括所述当前节点的变动频率、剩余事实以及结束过滤信息；依据所述结束信息统计所述操作耗时、增删耗时、总事实数量、对应各所述节点的剩余事实数量以及各所述节点的变更频率。

在一个实施例中，上述获取当前节点的变更频率以及所述当前节点过滤的事实的步骤之前，包括：依据成本模型计算出各节点的排列顺序，并记为初始排列顺序；将所述初始排列顺序中的第一个节点作为对事实进行过滤的起始节点。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM一多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种自动调整rete网络的方法，其特征在于，包括：

获取当前节点的变更频率以及所述当前节点过滤后的剩余事实，所述变更频率为节点排序变化的次数，所述事实为在节点中通过条件约束进行过滤的对象；

依据所述变动频率以及所述剩余事实获取排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量；

依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量计算出排在所述当前节点之后每个节点对应的优选权值；

将排在所述当前节点之后的所有节点按照其对应优选权值的数值从小至大依次排序，以将当前rete网络调整成节点按优选权值排序的rete网络。

2.根据权利要求1所述的自动调整rete网络的方法，其特征在于，所述依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量计算出排在所述当前节点之后每个节点对应的优选权值的步骤，包括：

依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量分别计算出各所述节点对应的变更频率权值以及过滤事实数权值；

将各所述节点的变更频率权值以及过滤事实数权值通过归一化处理得到各所述节点对应的优选权值。

3.根据权利要求2所述的自动调整rete网络的方法，其特征在于，所述依据排在所述当前节点之后各节点的所述变更频率以及各所述节点的剩余事实数量分别计算出各所述节点对应的变更频率权值以及过滤事实数权值的步骤，包括：

利用以下公式计算出所述变更频率权值：

以及，利用以下公式计算出所述过滤事实数权值：

Filter(n)＝Cost_token*(Fact_total-Fact_retain(n))

其中，Freq(n)为所述当前节点之后第n个节点的变更频率权值，Filter(n)为所述当前节点之后第n个节点的过滤事实数权值，f(n)为第n个节点的变更频率，Cost_join为过滤一个事实的操作耗时，Cost_token为增删一个事实的增删耗时，Fact_retain(n)为经第n个节点过滤后的剩余事实数量，Fact_total为进入起始节点的总事实数量。

4.根据权利要求2所述的自动调整rete网络的方法，其特征在于，所述将各所述节点的变更频率权值以及过滤事实数权值通过归一化处理得到各所述节点对应的优选权值的步骤，包括：

利用以下公式计算得到所述优选权值：

Weight(n)＝α*Freq(n)-β*Filter(n)

其中，Freq(n)为变更频率权值，Filter(n)为过滤事实数权值，α，β均为归一化系数，且μ₁为所有节点的变更频率权值的均值，σ₁为所述变更频率权值的标准差，μ₂为所有节点过滤事实数权值的均值，σ₂为所述过滤事实数权值的标准差。

5.根据权利要求3所述的自动调整rete网络的方法，其特征在于，所述依据所述变动频率以及所述剩余事实获取排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量的步骤，包括：

获取所述当前节点完成过滤事实的结束信息，所述结束信息包括所述当前节点的变动频率、剩余事实以及结束过滤信息；

依据所述结束信息统计所述操作耗时、增删耗时、总事实数量、对应各所述节点的剩余事实数量以及各所述节点的变更频率。

6.根据权利要求1所述的自动调整rete网络的方法，其特征在于，所述获取当前节点的变更频率以及所述当前节点过滤的事实的步骤之前，包括：

依据成本模型计算出各节点的排列顺序，并记为初始排列顺序；

将所述初始排列顺序中的第一个节点作为对事实进行过滤的起始节点。

7.一种自动调整rete网络的装置，其特征在于，包括：

获取当前单元，用于获取当前节点的变更频率以及所述当前节点过滤后的剩余事实，所述变更频率为节点排序变化的次数，所述事实为在节点中通过条件约束进行过滤的对象；

获取剩余单元，用于依据所述变动频率以及所述剩余事实获取排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量；

计算权值单元，用于据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量计算出排在所述当前节点之后每个节点对应的优选权值；

调整网络单元，用于将排在所述当前节点之后的所有节点按照其对应优选权值的数值从小至大依次排序，以将当前rete网络调整成节点按优选权值排序的rete网络。

8.根据权利要求7所述的自动调整rete网络的装置，特征在于，所述计算权值单元，包括：

计算权值子单元，用于依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量分别计算出各所述节点对应的变更频率权值以及过滤事实数权值；

处理权值子单元，用于将各所述节点的变更频率权值以及过滤事实数权值通过归一化处理得到各所述节点对应的优选权值。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。