CN110443441A - 规则效能监测方法、装置、计算机设备及存储介质 - Google Patents
规则效能监测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110443441A CN110443441A CN201910534246.XA CN201910534246A CN110443441A CN 110443441 A CN110443441 A CN 110443441A CN 201910534246 A CN201910534246 A CN 201910534246A CN 110443441 A CN110443441 A CN 110443441A
- Authority
- CN
- China
- Prior art keywords
- rule
- evaluated
- group
- precision
- line time
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例属于大数据处理技术领域,涉及一种规则效能监测方法,包括调取待评价规则;调取各待评价规则处理过的案件的案件信息;根据所述案件信息计算各待评价规则的评价数据,所述评价数据包括所述待评价规则的精准度、上线时间点及提调率;根据所述各待评价规则的上线时间点所处的上线时间段及提调率对所述各待评价规则进行分组得到多个小组;以小组为单位根据小组内各待评价规则的精准度计算小组的精准度数据,并根据所述精准度数据计算小组内的待评价规则的评分;基于所述待评价规则的评分确定所述待评价规则的效能等级。本申请还提供一种规则效能监测装置、计算机设备及存储介质。本申请实现了有效的监测业务规则的效能。
Description
技术领域
本申请涉及大数据处理技术领域,尤其涉及一种规则效能监测方法、装置、计算机设备及存储介质。
背景技术
随着企业信息化程度的提高,在企业的经营中产生的许多业务规则都可以通过规则引擎来执行,以满足企业灵活快速的商业要求。因此规则因子的编写、应用和管理成为了企业重点关注的问题。
随着业务的不断发展,业务规则也不断变化、增加,需要对规则的效能进行有效的监控,避免效能不高甚至是僵尸规则影响规则的准确性,精准度。而现有技术不能有效监测业务规则的效能。
发明内容
本申请实施例的目的在于提出一种规则效能监测方法、装置、计算机设备及存储介质,用于解决现有技术不能有效监测业务规则的效能的问题。
为了解决上述技术问题,本申请实施例提供一种规则效能监测方法,采用了如下所述的技术方案:
调取待评价规则,所述待评价规则包括智能引擎使用中的所有规则;
调取各待评价规则处理过的案件的案件信息;
根据所述案件信息计算各待评价规则的评价数据,所述评价数据包括所述待评价规则的精准度m1、上线时间点及提调率;
根据所述各待评价规则的上线时间点所处的上线时间段及提调率对所述各待评价规则进行分组得到多个小组;
以小组为单位根据小组内各待评价规则的精准度计算小组的精准度数据,并根据所述精准度数据计算小组内的待评价规则的评分。
进一步的,在所述根据所述各待评价规则的上线时间点所处的上线时间段及提调率对所述各待评价规则进行分组得到多个小组的步骤包括:
按照待评价规则的上线时间段进行第一次分组,将所述待评价规则分成多个大组;
将获得的多个大组中的每一个大组的待评价规则根据提调率进行第二次分组,分成多个小组。
进一步的,所述按照待评价规则的上线时间段进行第一次分组,将所述待评价规则分成多个大组的步骤包括:
根据预设的第一分组方案,将待评价规则的上线时间分成N个时间段,每个时间段内上线的待评价规则组成一个大组,得到N个大组,其中,预设的第一分组方案包括多个方案,每个方案的中N的取值不相同;
计算每一个第一分组方案的数据量的偏差值,取偏差值最小的一种分组方案获得的N个大组作为分组结果。
进一步的,所述将获得的多个大组中的每一个大组的待评价规则根据提调率进行第二次分组,分成多个小组的步骤包括:
根据预设的第二分组方案,将当前处理的大组的提调率分成n个区间段,每个区间段内的待评价规则组成一个小组,得到n个小组,其中,预设的第二分组方案包括多个方案,每个方案的中n的取值不相同;
计算每一个第二分组方案的数据量的偏差值,取偏差值最小的一种分组方案获得的n个小组作为分组结果。
进一步的所述分组方法的偏差值PC的计算公式为:
其中,Cz=(C1-Cv)2+(C2-Cv)2+...+(Ci-Cv)2,
Cv=(C1+C2+C3+……+Ci)/i,其中,i=1,2,3……k,k为整数,表示当前计算偏差值的分组方法中将所述待评价规则分成了k个组。
进一步的,所述以小组为单位根据小组内各待评价规则的精准度计算小组的精准度数据,并根据所述精准度数据计算小组内的待评价规则的评分的步骤包括:
计算待评价规则所在小组的平均精准度m2、精准度最大值m4、精准度最小值m5;
计算60分的精准度v6,其中v6=m2╳(1+jg_rate),jg_rate为变量;
判断所述待评价规则的精准度m1是否不小于v6;
若是,采用公式S=60+(m1-v6)╳40/(m4-v6)计算所述待评价规则的评分;
否则,采用公式S=(m1-m5)╳60/(v6-m5)计算所述待评价规则的评分。
进一步的,所述以小组为单位根据小组内各待评价规则的精准度计算小组的精准度数据,并根据所述精准度数据计算小组内的待评价规则的评分的步骤之后,还包括:
基于所述待评价规则的评分确定所述待评价规则的效能等级;
判断所述效能等级是否为高效规则,如果不是,确定所述待评价规则为失效规则;
显示各待评价规则的评价数据,以及小组的评分和效能等级。
为了解决上述技术问题,本申请实施例还提供一种规则效能监测装置,采用了如下所述的技术方案:
规则调取模块,用于调取待评价规则,所述待评价规则包括智能引擎使用中的所有规则;
案件信息调取模块,用于调取各待评价规则处理过的案件的案件信息;
评价数据计算模块,用于根据所述案件信息计算各待评价规则的评价数据,所述评价数据包括所述待评价规则的精准度、上线时间点及提调率;
分组模块,用于根据所述各待评价规则的上线时间点所处的上线时间段及提调率对所述各待评价规则进行分组得到多个小组;
评分模块,用于以小组为单位根据小组内各待评价规则的精准度计算小组的精准度数据,并根据所述精准度数据计算小组内的待评价规则的评分;
效能分级模块,用于根据完成评价的各规则的评分,确定各规则的效能等级。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
所述计算机设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现如前所述的规则效能监测方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
所述计算机可读存储介质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如前所述的规则效能监测方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
通过调取智能引擎正在使用的规则作为待评价,根据待评价规则处理的案件的案件信息计算待评价规则的评价数据,在根据评价数据的提调率和上线时间点所处的上线时间段对待评价规则进行分组,继而分别对不同小组的待评价规则的精准度计算小组内的待评价规则的评分,实现了对智能引擎上仍在使用的规则的自动评价,能够有效的监测业务规则的效能,减少了技术人员的工作量,提高了工作效率。并且根据待评价规则上线时间点所处的上线时间段和提调率进行分组,分别计算各分组内的待评价规则的评分,避免因待评价规则的上线时间点和提调率的差距导致的评分失真,使得评分更加公平、可信。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图;
图2根据本申请的规则效能监测方法的一个实施例的流程图;
图3是根据本申请的规则效能监测装置的一个实施例的结构示意图;
图4是根据本申请的计算机设备的一个实施例的结构示意图。
附图标记:
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的规则效能监测方法一般由服务器/终端设备执行,相应地,规则效能监测装置一般设置于终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的规则效能监测方法的一个实施例的流程图。所述的规则效能监测方法,包括以下步骤:
步骤201,调取待评价规则,所述待评价规则包括智能引擎使用中的所有规则。
在本实施例中,规则效能监测方法运行于其上的电子设备(例如图1所示的终端设备)。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
该步骤可以从智能引擎获取截止当前日期仍在使用的所有的规则。这些规则主要包括业务规则,以保险业务举例,可以是酒驾规则、人伤反渗漏规则、风控反欺诈规则等。如果保险公司在各地都设有分公司或机构,那么智能引擎也包括各地分公司或机构中正在使用的规则。
本实施例中,在执行步骤201之前,该方法还可以包括如下步骤:
判断当前时间距上次规则效能监测时间间隔是否为T,若是,执行步骤201,否则,继续等待。
本实施例中,可以采用T+1的原则对智能引擎的规则进行评价,即每隔时间T进行一次规则效能的监测。例如T的取值为30天,那么会在从上次评价当天起算的第31天进行再次评价。
步骤202,调取各待评价规则处理过的案件的案件信息。
在本实施例中,从大数据平台中调取待评价规则触发(即评价规则处理过的)的案件信息,所述大数据平台的案件信息由所述智能引擎推送。
实际应用中,当用户在UI界面(User Interface,用户界面)输入报案信息时,智能引擎会根据报案信息调用相应的规则进行处理,并将本次报案的报案信息、规则执行结果、对应的规则等相关信息作为本次报案的案件信息推送给所述大数据平台。
实际应用中,数据越多,评价也越准确,因此,可以设定所有分支机构或分公司的案件信息均推送到所述大数据平台。所述大数据平台可以是分布在多个服务器中的数据平台的总和。
本实施例中,调取的可以是大数据平台中所述待评价规则触发的所有案件的信息。
步骤203,根据所述案件信息计算各待评价规则的评价数据,所述评价数据包括所述各待评价规则的精准度、上线时间点及提调率。
在本实施例中,步骤203包括:
对调取的案件信息进行聚合计算形成表A,表A中的信息包含各规则的评价数据,所述评价数据包括各待评价规则的提调率、精准度和上线时间点。
实际应用中,可以从所述案件信息中调取从当前时间往前的T时间段内的各待评价规则的案件信息的日均结案量字段,将其加入A表中,并计算该时间段内各待评价规则的评价数据的提调率,其中,提调率=日均结案量/调取的所有案件的总量。
也就是说,可以获取从当前时间往前推一段时间(即T时间段)内的日均结案量字段,加入A表中,并计算出每条规则的提调率。
实际应用中,该评价数据可以根据专家经验预先设置,评价信息包含但不限于待评价规则的提调率和精准度。以保险理赔案件为例,评价数据可以包括:规则名称、在线时长、提调量、派工量、拒赔量、精准度等,其中:
在线时长,是指规则从上线时间点起到本次评价的时长;
提调量,是指在所有的案件中各规则被调用的次数;
派工量,是指在案件处理中,人工介入的案件的数量;
拒赔量,是指案件处理结果为拒绝赔付的案件的数量;
精准度即正确率,是指一个规则调用准确(即调用后正确使用,未被更改或替换)的数量与该规则提调量的比值;
提调率,指各规则提调次数占案件总量的比值。
步骤S204、根据所述各待评价规则的上线时间点所处的上线时间段及提调率对所述各待评价规则进行分组得到多个小组。
本实施例中,步骤S204包括:
按照待评价规则的上线时间段进行第一次分组,将所述待评价规则分成多个大组;
将获得的多个大组中的每一个大组的待评价规则根据提调率进行第二次分组,分成多个小组。
第一次分组的步骤包括:
根据预设的第一分组方案,将待评价规则的上线时间分成N个时间段,每个时间段内上线的待评价规则组成一个大组,得到N个大组,其中,预设的第一分组方案包括多个方案,每个方案的中N的取值不相同;
计算每一个第一分组方案的数据量的偏差值,取偏差值最小的一种分组方案获得的N个大组作为分组结果。
本实施例中,N的取值可以是4、5、6或7。
例如,技术特征A中提取的待评价规则中最早的上线时间点为2016年1月,最晚的上线时间点为2018年10月,按照预设的多个分组方案,先将2016年1月至2018年10划分成4个时间段,对应将A表数据分成了4个大组;然后将2016年1月至2018年10划分成5个时间段,对应将A表数据分成了5个大组;将2016年1月至2018年10划分成6个时间段,对应将A表数据分成了6个大组;最后将2016年1月至2018年10划分成7个时间段,对应将A表数据分成了7个大组。
本实施例中,预设的分组方案将时间段分成4、5、6、7段,是经过验证得出的优选方案,实际应用中可以根据需要进行预设。
由于越早上线的规则触发的案件数量越多,越晚上线的规则触发的案件数量越少,因此,如果将所有的规则放在一起评分,触发案件数量少的规则的评分毫无疑问会低,因此为了保证评分的公平性,对表A的数据进行分组,将触发案件量差不多的规则,放在一起进行评分,尽量保证评分的公平性。
本实施例中,假设在一个分组方案中,将待评价规则分成i个组,各组的数据量分别为C1、C2、C3、……Ci,平均数据量为Cv,偏差为PC,则计算各分组方法的偏差值的方法如下:
Cv=(C1+C2+C3+……+Ci)/i
Cz=(C1-Cv)2+(C2-Cv)2+...+(Ci-Cv)2
其中,其中,i=1,2,3……k,k为整数,表示当前计算偏差值的分组方法中将所述待评价规则分成了k个组。
本实施例中,数据量是指该分组方案中,各大组中待评价规则的总数。
假设进行第一次组方案时,在一个分组方案中,假设将待评价规则分成了N个大组,各大组的数据量分别为C1、C2、C3、……CN,平均数据量为Cv,偏差为PC,则
Cz=(C1-Cv)2+(C2-Cv)2+(C3-Cv)2+...+(CN-Cv)2
第二次分组的步骤包括:
根据预设的第二分组方案,将当前处理的大组的提调率分成n个区间段,每个区间段内待评价规则组成一个小组,得到n个小组,其中,预设的第二分组方案包括多个方案,每个方案的中n的取值不相同;
计算每一个第二分组方案的数据量的偏差值,取偏差值最小的一种分组方案获得的n个小组作为分组结果。
实际应用中,各第二分组方案的数据量的偏差值计算公式可以与第一分组方案的偏差计算公式相同。
假设进行第二次组时,在一个分组方案中,各组的数据量分别为C1’、C2’、C3’、……Cn’,平均数据量为Cv’,偏差为PC,则
Cz’=(C1-Cv)2+(C2-Cv)2+(C3-Cv)2+...+(CN-Cv)2
本实施例中,经过计算,n=4为优选分组方案。
步骤S205、以小组为单位根据小组内各待评价规则的精准度计算小组的精准度数据,并根据所述精准度数据计算小组内的待评价规则的评分。
本实施例中,步骤S205包括如下步骤:
计算待评价规则所在小组的平均精准度m2、精准度最大值m4、精准度最小值m5,其中,将所述小组中的各待评价规则的精准度m1进行比较,值最大的即为精准度最大值m4,值最小的即为精准度最小值m5,m1为步骤203中计算得到的各待评价规则的精准度;
计算60分的精准度v6,其中v6=m2╳(1+jg_rate),jg_rate为变量;
判断所述待评价规则的精准度m1是否不小于v6;
若是,采用公式S=60+(m1-v6)╳40/(m4-v6)计算所述待评价规则的评分;
否则,采用公式S=(m1-m5)╳60/(v6-m5)计算所述待评价规则的评分。
实际应用中,jg_rate的取值可以为5%、10%等。
在本实施例的一些可选的实现方式中,在步骤205之后,上述电子设备还可以执行以下步骤:
根据完成评价的各规则的评分,确定各规则的效能等级,并根据效能等级对各规则进行相应的处理。
步骤206、基于所述待评价规则的评分确定所述待评价规则的效能等级。
具体的,分析所述完成评价的待评价规则的评分落入哪个效能等级的分数区间内,所述效能等级即为所述待评价规则的效能等级。
所述步骤206之后,可以包括如下步骤:
判断所述规则的效能等级是否为高效规则,如果不是,确定所述规则为失效规则;
显示规则效能判断结果。
实际应用中,可以将确定的失效规则从智能引擎中删除。
实际应用中,显示的评价结果可以包括A表中各规则的评价数据,以及各规则的评分分数及效能等级等。
本实施例的规则效能监测方法,实现了对智能引擎上仍在使用的规则的自动评价,能够有效的监测业务规则的效能,同时减少了技术人员的工作量,提高了工作效率。并且根据待评价规则上线时间所处的上线时间段和提调率进行分组,分别计算各分组内的待评价规则的评分,避免因待评价规则的上线时间和提调率的差距导致的评分失真,使得评分更加公平、可信。
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,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3,作为对上述图2所示方法的实现,本申请提供了一种规则效能监测装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,本实施例所述的规则效能监测装置300包括:规则调取模块301、案件信息调取模块302、评价数据计算模块303、分组模块304以及评分模块305。其中:
规则调取模块301,用于调取待评价规则,所述待评价规则包括智能引擎使用中的所有规则;
案件信息调取模块302,用于调取各待评价规则处理过的案件的案件信息;
评价数据计算模块303,用于根据所述案件信息计算各待评价规则的评价数据,所述评价数据包括所述待评价规则的精准度、上线时间点及提调率;
分组模块304,用于根据所述各待评价规则的上线时间点所处的上线时间段及提调率对所述各待评价规则进行分组得到多个小组;
评分模块305,用于以小组为单位根据小组内各待评价规则的精准度计算小组的精准度数据,并根据所述精准度数据计算小组内的待评价规则的评分;
效能分级模块306,用于根据完成评价的各规则的评分,确定各规则的效能等级。
在本实施例中,评价数据计算模块303还用于对调取的案件信息进行聚合计算形成表A,表A中的信息包含各规则的评价数据,所述评价数据包括各待评价规则的提调率、精准度和上线时间点。
实际应用中,可以从所述案件信息中调取从当前时间往前的T时间段内的各待评价规则的案件信息的日均结案量字段,将其加入A表中,并计算该时间段各待评价规则的评价数据的提调率,其中,提调率=日均结案量/调取的所有案件的总量。
在本实施例中,所述分组模块304还包括:
第一分组子模块,用于按照待评价规则的上线时间段进行第一次分组,将所述待评价规则分成多个大组;
第二分组子模块,用于将获得的多个大组中的每一个大组的待评价规则根据提调率进行第二次分组,分成多个小组。
实际应用中,第一分组子模块还用于执行如下动作:
根据预设的第一分组方案,将待评价规则的上线时间分成N个时间段,每个时间段内上线的待评价规则组成一个大组,得到N个大组,其中,预设的第一分组方案包括多个方案,每个方案的中N的取值不相同;
计算每一个第一分组方案的数据量的偏差值,取偏差值最小的一种分组方案获得的N个大组作为分组结果。
第二分组子模块还用于执行如下动作:
根据预设的第二分组方案,将当前处理的大组的提调率分成n个区间段,每个区间段内待评价规则组成一个小组,得到n个小组,其中,预设的第二分组方案包括多个方案,每个方案的中n的取值不相同;
计算每一个第二分组方案的数据量的偏差值,取偏差值最小的一种分组方案获得的n个小组作为分组结果。
本实施例中,所述评分模块305包括:
精准度数据计算子模块,用于计算待评价规则所在小组的平均精准度m2、精准度最大值m4、精准度最小值m5,并计算60分的精准度v6,其中v6=m2╳(1+jg_rate),jg_rate为变量;
判断子模块,用于判断所述待评价规则的精准度m1是否不小于v6;
评分计算子模块,用于在判断结果为是时采用公式S=60+(m1-v6)╳40/(m4-v6)计算所述待评价规则的评分,或者还用于在判断结果为否时采用公式S=(m1-m5)╳60/(v6-m5)计算所述待评价规则的评分。
在本实施例的一些可选的实现方式中,所述规则效能监测装置300还包括规则处理模块:
所述规则处理模块,用于根据各规则的效能等级对各规则进行相应的处理。
实际应用中,所述效能分级模块可以通过分析所述完成评价的规则的评分落入哪个效能等级的分数区间内,所述效能等级即为所述规则的效能等级。
实际应用中,所述规则处理模块还可以包括:
失效规则判断子模块,用于判断所述规则的效能等级是否为高效规则,如果不是,确定所述规则为失效规则;
显示子模块,用于显示规则效能监测结果。
本实施例的规则效能监测装置,实现了对智能引擎上仍在使用的规则的自动评价,能够有效的监测业务规则的效能,同时减少了技术人员的工作量,提高了工作效率。并且根据待评价规则上线时间所处的上线时间段和提调率进行分组,分别计算各分组内的待评价规则的评分,避免因待评价规则的上线时间点和提调率的差距导致的评分失真,使得评分更加公平、可信。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图4,图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是,图中仅示出了具有组件41-43的计算机设备4,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器41可以是所述计算机设备4的内部存储单元,例如该计算机设备4的硬盘或内存。在另一些实施例中,所述存储器41也可以是所述计算机设备4的外部存储设备,例如该计算机设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中,所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件,例如规则效能监测方法的程序代码等。此外,所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中,所述处理器42用于运行所述存储器41中存储的程序代码或者处理数据,例如运行所述规则效能监测方法的程序代码。
所述网络接口43可包括无线网络接口或有线网络接口,该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有规则效能监测程序,所述规则效能监测程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的规则效能监测方法的步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种规则效能监测方法,其特征在于,包括下述步骤:
调取待评价规则,所述待评价规则包括智能引擎使用中的所有规则;
调取各待评价规则处理过的案件的案件信息;
根据所述案件信息计算各待评价规则的评价数据,所述评价数据包括所述待评价规则的精准度、上线时间点及提调率;
根据所述各待评价规则的上线时间点所处的上线时间段及提调率,对所述各待评价规则进行分组,得到多个小组;
以小组为单位,根据小组内各待评价规则的精准度计算小组的精准度数据,并根据所述精准度数据计算小组内的待评价规则的评分;
基于所述待评价规则的评分确定所述待评价规则的效能等级。
2.根据权利要求1所述的规则效能监测方法,其特征在于,在所述根据所述各待评价规则的上线时间点所处的上线时间段及提调率,对所述各待评价规则进行分组,得到多个小组的步骤包括:
按照各待评价规则的上线时间点所处的上线时间段进行第一次分组,将所述待评价规则分成多个大组;
将获得的多个大组中的每一个大组的待评价规则根据提调率进行第二次分组,分成多个小组。
3.根据权利要求2所述的规则效能监测方法,其特征在于,所述按照待评价规则的上线时间段进行第一次分组,将所述待评价规则分成多个大组的步骤包括:
根据预设的第一分组方案,将待评价规则的上线时间分成N个时间段,每个时间段内上线的待评价规则组成一个大组,得到N个大组,其中,预设的第一分组方案包括多个方案,每个方案的中N的取值不相同;
计算每一个第一分组方案的数据量的偏差值,取偏差值最小的一种分组方案获得的N个大组作为分组结果。
4.根据权利要求2所述的规则效能监测方法,其特征在于,所述将获得的多个大组中的每一个大组的待评价规则根据提调率进行第二次分组,分成多个小组的步骤包括:
根据预设的第二分组方案,将当前处理的大组的提调率分成n个区间段,每个区间段内的待评价规则组成一个小组,得到n个小组,其中,预设的第二分组方案包括多个方案,每个方案的中n的取值不相同;
计算每一个第二分组方案的数据量的偏差值,取偏差值最小的一种分组方案获得的n个小组作为分组结果。
5.根据权利要求3或4所述的规则效能监测方法,其特征在于,所述偏差值PC的计算公式为:
其中,Cz=(C1-Cv)2+(C2-Cv)2+...+(Ci-Cv)2,Cv=(C1+C2+C3+……+Ci)/i,其中,i=1,2,……k,k为整数,表示当前计算偏差值的分组方案中将所述待评价规则分成了k个组,C1至Ci是指各组的待评价规则的数量。
6.根据权利要求1所述的规则效能监测方法,其特征在于,所述以小组为单位,根据小组内各待评价规则的精准度计算小组的精准度数据,并根据所述精准度数据计算小组内的待评价规则的评分的步骤包括:
计算待评价规则所在小组的平均精准度m2、精准度最大值m4、精准度最小值m5;
计算60分的精准度v6,其中v6=m2╳(1+jg_rate),jg_rate为变量;
判断所述待评价规则的精准度m1是否不小于v6;
若是,采用公式S1=60+(m1-v6)╳40/(m4-v6)计算所述待评价规则的评分;
否则,采用公式S2=(m1-m5)╳60/(v6-m5)计算所述待评价规则的评分。
7.根据权利要求1所述的规则效能监测方法,其特征在于,所述基于所述待评价规则的评分确定所述待评价规则的效能等级的步骤之后,还包括:
判断所述效能等级是否为高效规则,如果不是,确定所述待评价规则为失效规则;
显示各待评价规则的评价数据,以及小组的评分和效能等级。
8.一种规则效能监测装置,其特征在于,包括:
规则调取模块,用于调取待评价规则,所述待评价规则包括智能引擎使用中的所有规则;
案件信息调取模块,用于调取各待评价规则处理过的案件的案件信息;
评价数据计算模块,用于根据所述案件信息计算各待评价规则的评价数据,所述评价数据包括所述待评价规则的精准度、上线时间点及提调率;
分组模块,用于根据所述各待评价规则的上线时间点所处的上线时间段及提调率,对所述各待评价规则进行分组,得到多个小组;
评分模块,用于以小组为单位,根据小组内各待评价规则的精准度计算小组的精准度数据,并根据所述精准度数据计算小组内的待评价规则的评分;
效能分级模块,用于基于所述待评价规则的评分确定所述待评价规则的效能等级。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的规则效能监测方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质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如权利要求1至5中任一项所述的规则效能监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910534246.XA CN110443441B (zh) | 2019-06-20 | 2019-06-20 | 规则效能监测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910534246.XA CN110443441B (zh) | 2019-06-20 | 2019-06-20 | 规则效能监测方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110443441A true CN110443441A (zh) | 2019-11-12 |
CN110443441B CN110443441B (zh) | 2023-08-22 |
Family
ID=68428302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910534246.XA Active CN110443441B (zh) | 2019-06-20 | 2019-06-20 | 规则效能监测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110443441B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111352840A (zh) * | 2020-02-28 | 2020-06-30 | 北京字节跳动网络技术有限公司 | 上线行为风险评估方法、装置、设备和可读存储介质 |
CN114168761A (zh) * | 2021-11-30 | 2022-03-11 | 上海益世界信息技术集团有限公司广州分公司 | 多媒体数据的推送方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014093198A1 (en) * | 2012-12-10 | 2014-06-19 | DANIELSSON, Bjorn | Rules based data processing system and method |
CN107871285A (zh) * | 2017-12-06 | 2018-04-03 | 和金在线(北京)科技有限公司 | 一种健康保险赔欺诈及滥用的侦测方法和系统 |
CN109409641A (zh) * | 2018-09-03 | 2019-03-01 | 平安科技(深圳)有限公司 | 风险评价方法、装置、计算机设备和存储介质 |
CN109597606A (zh) * | 2018-10-24 | 2019-04-09 | 中国平安人寿保险股份有限公司 | 使用规则引擎进行业务决策的方法、设备和存储介质 |
CN109657929A (zh) * | 2018-11-28 | 2019-04-19 | 苏州中知联信息科技有限公司 | 商标注册通过率的评估方法、装置和计算机设备 |
-
2019
- 2019-06-20 CN CN201910534246.XA patent/CN110443441B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014093198A1 (en) * | 2012-12-10 | 2014-06-19 | DANIELSSON, Bjorn | Rules based data processing system and method |
CN107871285A (zh) * | 2017-12-06 | 2018-04-03 | 和金在线(北京)科技有限公司 | 一种健康保险赔欺诈及滥用的侦测方法和系统 |
CN109409641A (zh) * | 2018-09-03 | 2019-03-01 | 平安科技(深圳)有限公司 | 风险评价方法、装置、计算机设备和存储介质 |
CN109597606A (zh) * | 2018-10-24 | 2019-04-09 | 中国平安人寿保险股份有限公司 | 使用规则引擎进行业务决策的方法、设备和存储介质 |
CN109657929A (zh) * | 2018-11-28 | 2019-04-19 | 苏州中知联信息科技有限公司 | 商标注册通过率的评估方法、装置和计算机设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111352840A (zh) * | 2020-02-28 | 2020-06-30 | 北京字节跳动网络技术有限公司 | 上线行为风险评估方法、装置、设备和可读存储介质 |
CN111352840B (zh) * | 2020-02-28 | 2023-08-15 | 抖音视界有限公司 | 上线行为风险评估方法、装置、设备和可读存储介质 |
CN114168761A (zh) * | 2021-11-30 | 2022-03-11 | 上海益世界信息技术集团有限公司广州分公司 | 多媒体数据的推送方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110443441B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10248528B2 (en) | System monitoring method and apparatus | |
CN111813573B (zh) | 管理平台与机器人软件的通信方法及其相关设备 | |
CN110019367A (zh) | 一种统计数据特征的方法和装置 | |
CN109857524A (zh) | 流式计算方法、装置、设备及计算机可读存储介质 | |
CN110443441A (zh) | 规则效能监测方法、装置、计算机设备及存储介质 | |
CN112308590B (zh) | 一种参数处理方法、装置以及计算设备、存储介质 | |
CN110807050B (zh) | 性能分析方法、装置、计算机设备及存储介质 | |
CN108256986A (zh) | 基于云计算的薪资计算方法、应用服务器及计算机可读存储介质 | |
CN110266555A (zh) | 用于分析网站服务请求的方法 | |
CN106815062A (zh) | 一种业务流水数据处理方法及装置 | |
Tomanová et al. | Clustering of arrivals in queueing systems: autoregressive conditional duration approach | |
CN112669136A (zh) | 基于大数据的金融产品推荐方法、系统、设备及存储介质 | |
CN116795818A (zh) | 数据仓库提炼优化方法、装置、设备及其存储介质 | |
CN116843395A (zh) | 一种业务系统的告警分级方法、装置、设备及存储介质 | |
CN114387056A (zh) | 一种信息推荐方法及装置 | |
CN109582476A (zh) | 数据处理方法、装置及系统 | |
CN114090407A (zh) | 基于线性回归模型的接口性能预警方法及其相关设备 | |
CN110263044A (zh) | 数据存储方法、装置、设备及计算机可读存储介质 | |
CN111143328A (zh) | 一种敏捷商业智能数据构建方法、系统、设备、存储介质 | |
CN112801611B (zh) | 基于大数据的风控方法及系统 | |
CN110019165A (zh) | 一种清洗异常数据的方法和装置 | |
CN118154330A (zh) | 风控策略管控方法、装置、计算机设备及存储介质 | |
CN116993218A (zh) | 基于人工智能的指标分析方法、装置、设备及存储介质 | |
CN117893331A (zh) | 金融数据处理方法、装置、计算机设备及存储介质 | |
CN112613976A (zh) | 逻辑条件判定方法、装置、介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |