CN110780879B - 一种基于智能编译技术的决策执行方法、装置、设备及介质 - Google Patents
一种基于智能编译技术的决策执行方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN110780879B CN110780879B CN201911040495.XA CN201911040495A CN110780879B CN 110780879 B CN110780879 B CN 110780879B CN 201911040495 A CN201911040495 A CN 201911040495A CN 110780879 B CN110780879 B CN 110780879B
- Authority
- CN
- China
- Prior art keywords
- rule
- decision
- expression
- compiling
- optimized
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/40—Transformation of program code
- G06F8/41—Compilation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/40—Transformation of program code
- G06F8/41—Compilation
- G06F8/44—Encoding
- G06F8/443—Optimisation
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Devices For Executing Special Programs (AREA)
Abstract
本发明实施例公开了一种基于智能编译技术的决策执行方法、装置、设备及介质。其中,方法包括:获取与目标决策任务匹配的至少一项待优化的业务规则,对业务规则进行规则解析,生成与每个业务规则分别对应的编译表达式,采用至少一项编译优化规则,对各编译表达式进行优化,得到至少一项优化后编译表达式,生成与优化后编译表达式对应的执行代码。本发明实施例在对目标决策任务进行决策时,通过将获取的待优化规则解析为编译表达式,并从底层的编译优化角度来对规则进行优化,使得优化后的编译表达式能够最大程度地降低存储IO及计算密度,因此在执行根据优化后编译表达式所获得的执行代码时,规则的执行效率得到显著提高,并快速获得决策结果。
Description
技术领域
本发明实施例涉及决策执行技术,尤其涉及一种基于智能编译技术的决策执行方法、装置、设备及介质。
背景技术
随着信息技术及人工智能技术的发展,面对不断变化的环境需求,人们越来越多地应用自动化系统来直接支持决策,其核心通常是由一系列规则组成的规则引擎。
但是随着系统应用场景的多样化发展,经常需要配置大量的业务规则,一个复杂决策常常需要执行几十甚至几百条规则,因此影响规则的执行效率,现有技术中为了提高规则的执行效率,一般采用的是随机森林或Rete算法,并且当存在多个规则的情况下,往往需要对多个规则分别执行。
发明人在实现本发明的过程中,发现现有技术存在如下缺陷:现有技术中的随机森林或Rete算法的优化方式仅仅是从应用层面来对规则的执行路径进行优化,规则的执行效率提升通常是有限的,并且在规则优化过程中往往需要开发者进行大量的手工优化工作,从而影响到决策结果的获取效率,因此现有技术中的规则执行方式并不能最佳地满足用户的实际需求。
发明内容
本发明提供一种基于智能编译技术的决策执行方法、装置、设备及介质,以实现提高规则的执行效率,并快速获得决策结果。
第一方面,本发明实施例提供了一种基于智能编译技术的决策执行方法,包括:
获取与目标决策任务匹配的至少一项待优化的业务规则;
对业务规则进行规则解析,生成与每个业务规则分别对应的编译表达式;
采用至少一项编译优化规则,对各编译表达式进行优化,得到至少一项优化后编译表达式;
生成与优化后编译表达式对应的执行代码,执行代码用于对目标决策任务进行决策。
第二方面,本发明实施例还提供了一种基于智能编译技术的决策执行装置,包括:
业务规则获取模块,用于获取与目标决策任务匹配的至少一项待优化的业务规则;
编译表达式生成模块,用于对业务规则进行规则解析,生成与每个业务规则分别对应的编译表达式;
编译表达式优化模块,用于采用至少一项编译优化规则,对各编译表达式进行优化,得到至少一项优化后编译表达式;
执行代码生成模块,用于生成与优化后编译表达式对应的执行代码,执行代码用于对目标决策任务进行决策。
第三方面,本发明实施例还提供了一种计算机设备,包括处理器和存储器,存储器用于存储指令,当指令执行时使得处理器执行以下操作:
获取与目标决策任务匹配的至少一项待优化的业务规则;
对业务规则进行规则解析,生成与每个业务规则分别对应的编译表达式;
采用至少一项编译优化规则,对各编译表达式进行优化,得到至少一项优化后编译表达式;
生成与优化后编译表达式对应的执行代码,执行代码用于对目标决策任务进行决策。
第四方面,本发明实施例还提供了一种存储介质,存储介质用于存储指令,指令用于执行:
获取与目标决策任务匹配的至少一项待优化的业务规则;
对业务规则进行规则解析,生成与每个业务规则分别对应的编译表达式;
采用至少一项编译优化规则,对各编译表达式进行优化,得到至少一项优化后编译表达式;
生成与优化后编译表达式对应的执行代码,执行代码用于对目标决策任务进行决策。
本发明实施例的技术方案,通过将获取的待优化规则解析为编译表达式,并从底层的编译优化角度来对规则进行优化,既针对规则间的数据存储及数据布局进行优化,又能针对规则间的计算指令执行过程进行优化,使得优化后的编译表达式能够最大程度地降低存储IO及计算密度,数据流程与计算流程得到简化,因此在执行根据优化后编译表达式所获得的执行代码时,规则的执行效率以及决策结果的获取速度都得到显著提高。
附图说明
图1a是本发明实施例一提供的一种基于智能编译技术的决策执行方法的流程图;
图1b为本发明实施例一提供的一种基于智能编译技术的决策执行方法的应用场景示意图;
图2a是本发明实施例二提供的一种基于智能编译技术的决策执行方法的流程图;
图2b是本发明实施例二提供的规则1所对应的规则执行树示意图;
图2c是本发明实施例二提供的规则2所对应的规则执行树示意图;
图2d是本发明实施二提供的优化后的编码表达式的逻辑流程图;
图3是本发明实施例三提供的一种基于智能编译技术的决策执行方法流程图;
图4是本发明实施例四提供的一种基于智能编译技术的决策执行装置的结构示意图;
图5是本发明实施例五提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包含在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
本文使用的术语“目标决策任务”是将决策参考数据代入业务规则,通过执行业务规则所需要得到的决策结果。比如:根据用户的行为数据代入业务规则,通过执行业务规则确定用户是风险用户还是非风险用户。
本文使用的术语“业务规则”是为了得到目标决策任务的决策结果所设定的约束条件信息。比如:目标决策任务的结果是获得用户是风险用户还是非风险用户,则可以设定多个约束条件信息,约束条件信息1为:用户近6个月内首次进行夜间(00:00:00-05:59:59)转账且转账金额大于1万;约束条件信息2:在3日内,同一用户在敏感时间(00:00:00-05:59:59)发生转账交易的次数大于等于3次,满足约束条件信息1或约束条件信息2,则该用户均被识别为风险用户。
本文使用的术语“规则关系对象”是用来表示业务规则进行解析后所获得的至少两个处理步骤和处理步骤之间逻辑关系的图或列表表示形式,比如规则关系对象可以是规则执行树,规则执行树中的每个节点分别表示每个处理步骤,如果两个节点连接,则表示上述两个节点之间存在逻辑关系,该逻辑关系具体可以包括因果关系或执行顺序关系。
本文使用的术语“编译表达式”是对规则关系对象通过中间表示代码的形式进行重新表示后,所获得的中间表示代码段。
本文使用的术语“编译优化规则”是对编译表达式进行优化所采用的代码优化方式。比如,编译优化规则可以是删除冗余操作。
本文使用的术语“编译器原生插件”是设备本身所保存的用来运行编译优化规则的程序。
本文使用的术语“编译器自定义插件”是设备本身并没有的,开发者为了优化需求而接收从外部设备所传入的,用来运行编译优化规则的程序。
本文使用的术语“目标平台属性信息”,用来运行优化后编译表达式的运行环境信息,比如X86 CPU、ARM、GPU或FPGA。
本文使用的术语“决策参考数据”是通过运行优化后的业务规则并得到目标决策任务的结果所需要输入的数据信息。比如:用户的行为数据。
为了便于理解,将本发明实施例的主要发明构思进行简述。
现有技术中在进行决策时,为了快速得到决策结果采用的往往是从应用层面来对规则进行优化,例如使用随机森林或Rete算法来对规则的执行路径进行优化。这种从应用层来对规则进行优化的方式,规则的执行效率往往是有限的,并且在规则优化过程中往往需要开发者进行大量的手工优化工作,从而影响到决策结果的获取效率。
发明人针对现有技术中的规则优化后执行效率低,从而造成决策的获取速度慢的问题,提出了从底层的编译角度,将编译器的编译优化技术应用到规则的执行优化上,从而提高决策结果的获取速度。
基于上述思考,发明人创造性的提出,获取与目标决策任务匹配的至少一项待优化的业务规则;对业务规则进行规则解析,生成与每个业务规则分别对应的编译表达式;采用至少一项编译优化规则,对各编译表达式进行优化,得到至少一项优化后编译表达式;生成与优化后编译表达式对应的执行代码,执行代码用于对目标决策任务进行决策。这样做的好处是,通过将获取的待优化规则解析为编译表达式,并从底层的编译优化角度来对规则进行优化,既针对规则间的数据存储及数据布局进行优化,又能针对规则间的计算指令执行过程进行优化,使得优化后的编译表达式能够最大程度地降低存储IO及计算密度,数据流程与计算流程得到简化,因此在执行根据优化后编译表达式所获得的执行代码时,规则的执行效率以及决策结果的获取速度都会得到显著提高。
实施例一
图1a是本发明实施例一提供的一种基于智能编译技术的决策执行方法的流程图。本发明实施例可以适用于对决策的获取效率进行优化的情况,该方法可以由本发明实施例提供的基于智能编译技术的决策执行装置来执行,该装置可采用软件和/或硬件的方式实现,并一般可集成在计算机设备中。
本发明的基于智能编译技术的决策执行方法可以应用于不同的技术领域中,在本实施例中以对用户的风险性进行决策为例进行说明,如图1b所示是本申请基于智能编译技术的决策执行方法的应用场景示意图,当用户A通过电脑、柜面机或手机等设备使用系统功能时,终端或服务器会收集用户的行为数据,即本申请的决策参考数据,并传递给规则引擎C即本申请实施方式中执行决策方法的计算机设备,当然根据规则执行的需要,有时也需要数据仓库B中提取对应的属性数据,属性数据可以包括用户的历史操作行为,规则引擎C通过执行相应的规则对用户A的当前行为数据进行处理,并对结果进行行为响应,比如阻止或继续允许用户A的进一步操作,或向数据仓库B提交行为记录以记录用户A的进一步操作,或向管理员D发送预警告警信息,而本实施例的重点则在于规则引擎通过执行相应的规则对用户行为数据进行处理以得到决策结果的环节,并且对这一环节的规则进行了优化。如图1a所示,本发明实施例的方法具体包括:
步骤101,获取目标决策任务匹配的至少一项待优化的业务规则。
具体的说,在本实施方式中目标决策任务是将决策参考数据即本实施方式中的用户行为数据代入业务规则,通过执行业务规则所需要得到的决策结果,而业务规则则是为了得到决策结果所设定的约束条件信息。
例如,目标决策任务是确定用户的风险属性,即确定出用户是风险用户还是非风险用户,与目标决策任务所匹配的有两项业务规则,业务规则1为:用户近6个月内首次进行夜间(00:00:00-05:59:59)转账且转账金额大于1万;业务规则2为:在3日内,同一用户在敏感时间(00:00:00-05:59:59)发生转账交易的次数大于等于3次,满足业务规则1或业务规则2,则该用户均被识别为风险用户。因此,业务规则1和业务规则2称为待优化的业务规则。本实施方式中以与目标决策任务匹配的有两个业务规则为例进行的说明,当然还存在只有一个匹配的业务规则的情况,以及大于三个的情况,本实施方式中并不限定匹配的业务规则的具体数量。
其中,在本实施方式中,可以是通过规则编辑接口获取待优化的业务规则,管理员通过图形化方式或编程方式的规则编辑工具来编辑待优化的业务规则,计算机设备通过规则编译接口获取到管理员所编写的业务规则。
步骤102,对业务规则进行规则解析,生成与每个业务规则分别对应的编译表达式。
可选的,对业务规则进行规则解析,生成与每个业务规则分别对应的编译表达式,可以包括:采用设定解析规则,解析得到业务规则中包括的至少两个处理步骤和处理步骤间指令调用、数据存取的逻辑关系;根据至少两个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系,生成每个业务规则分别对应的规则关系对象;采用设定的编译语言对规则关系对象进行重新表达,生成与每个业务规则分别对应的编译表达式。
可选的,采用设定解析规则,解析得到业务规则中包括的至少两个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系,可以包括:采用模板匹配方式或语法解析方式,对业务规则进行解析,得到业务规则中包括的至少两个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系。
可选的,编译表达式包括:中间表示(Intermediate Representation,IR)表达式。
其中,本实施方式中的规则关系对象具体包括规则执行树、规则执行图或规则执行列表,本实施方式中并不限定规则关系对象的具体形式,只要能够将业务规则解析后所获得的至少两个处理步骤和步骤之间指令调用和数据存取的逻辑关系描述清楚,都是在本申请的保护范围内的。
步骤103,采用至少一项编译优化规则,对各编译表达式进行优化,得到至少一项优化后编译表达式。
可选的,采用至少一项编译优化规则,对各编译表达式进行优化,得到至少一项优化后编译表达式,可以包括:调用编译器中的至少一项规则插件,对各编译表达式进行优化,得到至少一项优化后编译表达式;其中,规则插件包括编译器原生插件,和/或编译器自定义插件。
其中,本实施方式中的编译器原生插件是设备本身所保存的,用来运行编译优化规则的程序,而编译器自定义插件则是设备本身并没有的,开发者为了优化需求而接收从外部设备所传入的,用来运行编译优化规则的程序。
步骤104,生成与优化后编译表达式对应的执行代码。
可选的,生成与优化后编译表达式对应的执行代码,可以包括:获取目标平台属性信息;调用与目标平台属性信息所匹配的编译器;通过匹配的编译器对优化后编译表达式进行编译,生成与优化后编译表达式对应的执行代码。
其中,本实施方式中的目标平台属性信息是用来运行优化后编译表达式的运行环境信息,例如,可以是X86 CPU、ARM、GPU或FPGA。当然本实施方式中仅是举例进行说明,对于其它具体类型的目标平台属性信息也是在本申请的保护范围内的,本申请实施方式中不再进行赘述。
其中,在生成与优化后编译表达式对应的执行代码之后,可以进一步将执行代码转换为静态链接库或动态链接库,当下次需要使用时,可以直接调用所保存的已经优化后的执行代码,从而进一步提高规则的执行效率,并快速得到决策结果。
需要说明的是,在生成与优化后编译表达式对应的执行代码之后,需要运行该执行代码,以得到决策方案,并且在运行执行代码的时候需要获取至少一项决策参考数据,例如,用户的行为数据。在实际操作时一般采用如下两种具体实现方式:
在一个具体实现中,如果采用的是离线操作,则在生成与优化后编译表达式对应的执行代码之后,获取与目标决策任务匹配的至少一项决策参考数据;根据决策参考数据,执行与目标决策任务匹配的执行代码,得到与决策参考数据对应的,目标决策任务的决策结果。
在另一个具体实现中,如果采用的是在线操作,则在获取与目标决策任务匹配的至少一项待优化的业务规则之前,首先获取与目标决策任务匹配的至少一项决策参考数据;而生成与优化后编译表达式对应的执行代码之后,再根据决策参考数据,执行与目标决策任务匹配的执行代码,得到与决策参考数据对应的,目标决策任务的决策结果。
其中,本实施方式中,可以采用实时编译(Just-In-Time,JIT)优化编译方式作为运行环境,也可以采用预先编译(Ahead-Of-Time,AOT)优化编译方式作为运行环境,相对于JIT来说,AOT在规则编辑完成后就触发规则优化及编译,无需等到规则被调用才进行优化及编译,因此执行效率相对更高。
本发明实施例提供了一种基于智能编译技术的决策执行方法,通过将获取的待优化规则解析为编译表达式,并从底层的编译优化角度来对规则进行优化,既针对规则间的数据存储及数据布局进行优化,又能针对规则间的计算指令执行过程进行优化,使得优化后的编译表达式能够最大程度地降低存储IO及计算密度,数据流程与计算流程得到简化,因此在执行根据优化后编译表达式所获得的执行代码时,规则的执行效率以及决策结果的获取速度都得到显著提高。
实施例二
图2a是本发明实施二提供的一种基于智能编译技术的决策执行方法的流程图。本发明实施例可以与上述一个或者多个实施例中各个可选方案结合,在本发明实施例中,对所述业务规则进行规则解析,生成与每个所述业务规则分别对应的编译表达式,可以包括:采用设定解析规则,解析得到业务规则中包括的至少两个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系;根据至少两个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系,生成每个业务规则分别对应的规则关系对象;采用设定的编译语言对规则关系对象进行重新表达,生成与每个业务规则分别对应的编译表达式。
如图2a所示,本发明实施例的方法具体包括:
步骤201,获取与目标决策任务匹配的至少一项待优化的业务规则。
步骤202,采用设定解析规则,解析得到业务规则中包括的至少两个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系。
可选的,采用设定解析规则,解析得到业务规则中包括的至少两个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系,可以包括:采用模板匹配方式或语法解析方式,对业务规则进行解析,得到业务规则中包括的至少两个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系。
其中,模板匹配是判断计算到一种确定的情况时,根据预设的条件转换模板,对上述确定的情况进行相应的转换。语法解析方式则在判断一种确定的情况时,转换方式更加多样,但是关于模板匹配和语法解析的具体工作原理现有技术已经比较成熟,并且不是本申请实施方式的重点,因此本申请实施方式对其工作原理中不再进行赘述。本实施方式中,以模板匹配方式为例对规则的解析过程进行具体说明。
在一个具体实现中,目标决策任务是确定用户的风险属性,而与该目标决策任务匹配的有两项待优化的决策规则,并且分别为业务规则1:用户近6个月内首次进行夜间(00:00:00-05:59:59)转账且转账金额大于1万;业务规则2:在3日内,同一用户在敏感时间(00:00:00-05:59:59)发生转账交易的次数大于等于3次,如果满足业务规则1或业务规则2,则该用户均被识别为风险用户。模板匹配是判断计算到一种确定的情况时,根据预设的条件转换模板,对上述确定的情况进行相应的转换,例如,针对业务规则1,在判断是否是6个月首次的情况时,如果判断结果为否,则根据预设的条件转换模板,直接转换到在上述情况下确定用户为非风险用户,如果判断结果为是,则根据预设的条件转换模板,直接转换到进一步判断是否是夜间的情况;在判断是否是夜间时,如果判断结果为否,则根据预设的条件转换模板,直接转换到在上述情况下确定用户为非风险用户,如果判断结果为是,则根据预设的条件转换模板,直接转换到进一步判断是否转账金额大于1万;在判断转账金额是否大于1万时,如果判断结果为否,则根据预设的条件转换模板,直接转换到在上述情况下确定用户为非风险用户,如果判断结果为是,则根据预设的条件转换模板,直接转换到在上述情况下确定用户为风险用户。从而根据上述方式得出业务规则1中包括的三个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系。本实施例中仅是以业务规则1为例进行的说明,业务规则2的解析方式与业务规则1的解析方式大致相同,因此本实施方式中不再进行赘述。
步骤203,根据至少两个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系,生成每个业务规则分别对应的规则关系对象.
其中,本实施方式中的规则关系对象具体包括规则执行树、规则执行图或规则执行列表,本实施方式中并不限定规则关系对象的具体形式,只要能够将业务规则解析后所获得的至少两个处理步骤和步骤之间指令调用和数据存取的逻辑关系表述清楚,都是在本申请的保护范围内的。
其中,本实施方式中是将规则解析所获得的至少两个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系,采用规则执行树的方式进行表示。如图2b为规则1所对应的规则执行树,如图2c为规则2所对应的规则执行树。
步骤204,采用设定的编译语言对规则关系对象进行重新表达,生成与每个业务规则分别对应的编译表达式。
可选的,编译表达式包括:中间表示(Intermediate Representation,IR)表达式IR编译语言可以包括LLVM IR或Halide IR,本申请实施方式中并不限定编译语言的具体类型,并且生成编译表达式的目的是将规则转换成底层代码的形式进行表示,从而便于后续从编译器代码优化的角度对规则本身的计算过程进行优化。
其中,针对规则1所对应的规则执行树采用编译语言进行重新表达,所获得的IR语言表示如下:
其中,针对规则2所对应的规则执行树采用编译语言进行重新表达,所获得的IR语言表示如下:
步骤205,采用至少一项编译优化规则,对各编译表达式进行优化,得到至少一项优化后编译表达式。
可选的,采用至少一项编译优化规则,对各编译表达式进行优化,得到至少一项优化后编译表达式,可以包括:调用编译器中的至少一项规则插件,对各编译表达式进行优化,得到至少一项优化后编译表达式;其中,规则插件包括编译器原生插件,和/或编译器自定义插件。
其中,本实施方式中的编译器原生插件设备本身所保存的用来运行编译优化规则的程序,而编译器自定义插件则是设备本身并没有的,开发者为了优化需求而接收从外部设备所传入的,用来运行编译优化规则的程序。
在一个具体实现中,针对规则1所对应的IR和规则2所对应的IR进行优化时,所采用的的方式为:规则1的“%1=dataset of(6months)”与规则2的“%1=dataset in(3days)”所获取的数据可共用,以节省存储资源的使用;规则1的“%2=[times==0]in%1”与规则2的“%2=[times>=2]in%1”可以进行逻辑判断优化,以简化计算步骤;规则1的“%3=eventtime in(00:00:00and 05:59:59)and%2”与规则2的“%3=eventtime in(00:00:00and 05:59:59)and%2”为相同的计算步骤,可以简化为一个操作;如果首先判断事件发生时间则有可能避免一次数据读取操作,则首先判断时间发生时间。
经过上述方式对上述两个编译表达式进行优化,得到优化后的编译表达式如下所示:
其中,为了便于对上述优化后的编译表达式的理解,如图2d所示,为优化后的编码表达式的逻辑流程图。
步骤206,生成与优化后编译表达式对应的执行代码。
其中,本实施方式中在生成与优化后编译表达式对应的执行代码后,如果采用的是离线操作,则获取用户的行为数据即决策参考数据,如下表1所示为用户A的行为数据的记录:
表1
User | Data | Time | Amount |
用户A | 2019/8/12 | 00:02:10 | 1000元 |
用户A | 2019/8/13 | 02:00:20 | 2000元 |
用户A | 2019/8/14 | 01:03:30 | 3000元 |
则当用户A在2019/8/14进行转账时,则触发3天内,在夜间(00:00:00-05:59:59)发生转账交易的次数大于等于3次的规则,则确定用户A为风险用户。
本发明实施例提供了一种基于智能编译技术的决策执行方法,通过采用设定解析规则,解析得到业务规则中包括的至少两个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系,并根据上述处理步骤和处理步骤间的指令调用和数据存取的逻辑关系,生成每个业务规则分别对应的规则关系对象,并通过采用设定的编译语言对规则关系对象进行重新表达,生成与每个业务规则对应的编译表达式,从而使所获得的编译表达式更加准确的对业务规则进行表示。
实施例三
图3是本发明实施例三提供的一种基于智能编译技术的决策执行方法的流程图。本发明实施例可以与上述一个或多个实施例中各个可选方案结合,在本发明实施例中,生成与优化后编译表达式对应的执行代码,可以包括:获取目标平台属性信息;调用与目标平台属性信息所匹配的编译器;通过匹配的编译器对优化后编译表达式进行编译,生成与优化后编译表达式对应的执行代码。
如图3所示,本发明实施例的方法具体包括:
步骤301,获取与目标决策任务匹配的至少一项待优化的业务规则。
步骤302,对业务规则进行规则解析,生成与每个业务规则分别对应的编译表达式。
步骤303,采用至少一项编译优化规则,对各编译表达式进行优化,得到至少一项优化后编译表达式。
步骤304,获取目标平台属性信息。
其中,本实施方式中的目标平台属性信息是用来运行优化后编译表达式的运行环境信息,例如可以是X86 CPU、ARM、GPU或FPGA,当然本实施方式中仅是举例进行说明,对于其它类型的目标平台属性信息也是在本申请的保护范围内的,本申请实施方式中不再进行赘述。
步骤305,调用与目标平台属性信息所匹配的编译器。
其中,不同的目标平台分别对应着不同的编译器,编译器用于将获取的表达式编译成能在该目标平台上所运行的代码形式。并且编译器比较通用的为:GCC或LLVM等类型,当然还可以包括其它类型,本申请实施方式中并不限定编译器的具体类型,只要与目标平台属性信息所匹配都是在本申请的保护范围内的。
步骤306,通过匹配的编译器对编译优化后表达式进行编译,生成与优化后编译表达式对应的执行代码。
按匹配的编译器的IR语法规范转化为匹配的编译器(比如GCC、LLVM等编译器)的IR,并使用匹配的编译器进行编译、生成目标执行代码。
本发明实施例提供了一种基于智能编译技术的决策执行方法,通过获取目标平台属性信息;调用与目标平台属性信息所匹配的编译器;通过匹配的编译器对优化后编译表达式进行编译,生成与优化后编译表达式对应的执行代码。实现了优化后的规则可以运行在不同的硬件平台上,从而进一步提高了该方法的应用范围。
实施例四
图4是本发明实施例四提供的一种基于智能编译技术的决策执行装置的结构示意图。该装置可采用软件和/或硬件的方式实现,并一般可集成在计算机设备中。如图4所示,所述装置包括:业务规则获取模块401,编译表达式生成模块402,编译表达式优化模块403以及执行代码生成模块404。
其中,业务规则获取模块401,用于获取目标决策任务匹配的至少一项待优化的业务规则;编译表达式生成模块402,用于对业务规则进行规则解析,生成与每个业务规则分别对应的编译表达式;编译表达式优化模块403,用于采用至少一项编译优化规则,对各编译表达式进行优化,得到至少一项优化后编译表达式;以及执行代码生成模块404,用于生成与优化后编译表达式对应的执行代码。
本发明实施例提供了一种基于智能编译技术的决策执行装置,通过将获取的待优化规则解析为编译表达式,并从底层的编译优化角度来对规则进行优化,既针对规则间的数据存储及数据布局进行优化,又能针对规则间的计算指令执行过程进行优化,使得优化后的编译表达式能够最大程度地降低存储IO及计算密度,数据流程与计算流程得到简化,因此在执行根据优化后编译表达式所获得的执行代码时,规则的执行效率以及决策结果的获取速度都得到显著提高。
在上述各实施例的基础上,编译表达式生成模块402可以包括:解析单元,用于采用设定解析规则,解析得到业务规则中包括的至少两个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系;规则关系对象生成单元,用于根据至少两个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系,生成每个业务规则分别对应的规则关系对象;编译表达式生成单元,用于采用设定的编译语言对规则关系对象进行重新表达,生成与每个业务规则分别对应的编译表达式。
在上述各实施例的基础上,解析单元包括:解析子单元,用于采用模板匹配方式或语法解析方式,对业务规则进行解析,得到业务规则中包括的至少两个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系。
在上述各实施例的基础上,编译表达式优化模块403可以包括:编译表达式优化单元,用于调用编译器中的至少一项规则插件,对各编译表达式进行优化,得到至少一项优化后编译表达式;其中,规则插件包括编译器原生插件,和/或编译器自定义插件。
在上述各实施例的基础上,编译表达式可以包括:中间表示(IntermediateRepresentation,IR)表达式。
在上述各实施例的基础上,执行代码生成模块404可以包括:属性信息获取单元,用于获取目标平台属性信息;编译器调用单元,用于调用与目标平台属性信息所匹配的编译器;执行代码生成单元,用于通过匹配的编译器对优化后编译表达式进行编译,生成与优化后编译表达式对应的执行代码。
在上述各实施例的基础上,基于智能编译技术的决策执行装置还包括:第一获取单元,用于在获取与目标决策任务匹配的至少一项待优化的业务规则之前,获取与目标决策任务匹配的至少一项决策参考数据;第二获取单元,用于生成与优化后编译表达式对应的执行代码之后,根据决策参考数据,执行与目标决策任务匹配的执行代码,得到与决策参考数据对应的,目标决策任务的决策结果。
在上述各实施例的基础上,基于智能编译技术的决策执行装置还包括:第三获取单元,用于在生成与优化后编译表达式对应的执行代码之后,获取与目标决策任务匹配的至少一项决策参考数据;第四获取单元,用于在获取与目标决策任务匹配的至少一项决策参考数据之后,根据决策参考数据,执行与目标决策任务匹配的执行代码,得到与决策参考数据对应的,目标决策任务的决策结果。
上述基于智能编译技术的决策执行装置可执行本发明任意实施例所提供的基于智能编译技术的决策执行方法,具备执行基于智能编译技术的决策执行方法相应的功能模块和有益效果。
实施例五
图5是本发明实施例五提供的一种计算机设备的结构示意图。图5示出了适用于用来实现本发明实施方式的示例性计算机设备512的框图。图5显示的计算机设备512仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机设备512以通用计算设备的形式出现。计算机设备512的组件可以包括但不限于:一个或者多个处理器512,存储器528,连接不同系统组件(包括存储器528和处理器516)的总线518.
总线518表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备512典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备512访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器528用于存储指令。存储器528可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)530和/或高速缓存存储器532。计算机设备512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统534可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线518相连。存储器528可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块542的程序/实用工具540,可以存储在例如存储器528中,这样的程序模块542包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块542通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备512也可以与一个或多个外部设备514(例如键盘、指向设备、显示器524等)通信,还可与一个或者多个使得用户能与该计算机设备512交互的设备通信,和/或与使得该计算机设备512能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口522进行。并且,计算机设备512还可以通过网络适配器520与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器520通过总线518与计算机设备512的其它模块通信。应当明白,尽管图5中未示出,可以结合计算机设备512使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器516通过运行存储在存储器528中的指令,从而执行各种功能应用以及数据处理,例如执行以下操作:
获取与目标决策任务匹配的至少一项待优化业务规则;对业务规则进行规则解析,生成与每个业务规则分别对应的编译表达式;采用至少一项编译优化规则,对各编译表达式进行优化,得到至少一项优化后编译表达式;生成与优化后编译表达式对应的执行代码,执行代码用于对目标决策任务进行决策。
在上述各实施例的基础上,处理器516是设置为通过以下方式生成与每个业务规则分别对应的编译表达式:采用设定解析规则,解析得到业务规则中包括的至少两个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系;根据至少两个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系,生成每个业务规则分别对应的规则关系对象;采用设定的编译语言对规则关系对象进行重新表达,生成与每个业务规则分别对应的编译表达式。
在上述各实施例的基础上,处理器516是设置为通过以下方式解析得到业务规则中包括的至少两个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系:采用模板匹配方式或语法解析方式,对业务规则进行解析,得到业务规则中包括的至少两个处理步骤和处理步骤间的指令调用和数据存取的逻辑关系。
在上述各实施例的基础上,处理器516是设置为通过以下方式得到至少一项优化后编译表达式:调用编译器中的至少一项规则插件,对各编译表达式进行优化,得到至少一项后编译表达式;其中,规则插件包括编译器原生插件,和/或编译器自定义插件。
在上述各实施例的基础上,处理器516是设置为通过以下方式生成与优化后编译表达式对应的执行代码:获取目标平台属性信息;调用与目标平台属性信息所匹配的编译器;通过匹配的编译器对优化后编译表达式进行编译,生成与优化后编译表达式对应的执行代码。
在上述各实施例的基础上,处理器516是设置为通过以下方式得到与决策参考数据对应的,目标决策任务的决策结果:获取与目标决策任务匹配的至少一项待优化的业务规则之前,获取与目标决策任务匹配的至少一项决策参考数据;生成与优化后编译表达式对应的执行代码之后,根据决策参考数据,执行与目标决策任务匹配的执行代码,得到与决策参考数据对应的,目标决策任务的决策结果。
在上述各实施例的基础上,处理器516是设置为通过以下方式得到与决策参考数据对应的,目标决策任务的决策结果:生成与优化后编译表达式对应的执行代码之后,还包括:获取与目标决策任务匹配的至少一项决策参考数据;根据决策参考数据,执行与目标决策任务匹配的执行代码,得到与决策参考数据对应的,目标决策任务的决策结果。
实施例六
本发明实施例六提供了存储介质,存储介质用于存储指令,指令用于执行本发明任一实施例所提供的基于智能编译技术的决策执行方法。
也即:获取与目标决策任务匹配的至少一项待优化业务规则;对业务规则进行规则解析,生成与每个业务规则分别对应的编译表达式;采用至少一项编译优化规则,对各编译表达式进行优化,得到至少一项优化后编译表达式;生成与优化后编译表达式对应的执行代码,执行代码用于对目标决策任务进行决策。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号或者计算机可读存储介质。计算机可读存储介质例如可以是—但不限于—电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (14)
1.一种基于智能编译技术的决策执行方法,其特征在于,包括:
获取与目标决策任务匹配的至少一项待优化的业务规则;
对所述业务规则进行规则解析,生成与每个所述业务规则分别对应的编译表达式;
采用至少一项编译优化规则,对各所述编译表达式进行优化,得到至少一项优化后编译表达式;
生成与所述优化后编译表达式对应的执行代码,所述执行代码用于对所述目标决策任务进行决策;
其中,对所述业务规则进行规则解析,生成与每个所述业务规则分别对应的编译表达式,包括:
采用设定解析规则,解析得到所述业务规则中包括的至少两个处理步骤和所述处理步骤间的指令调用和数据存取的逻辑关系;
根据所述至少两个处理步骤和所述处理步骤间的指令调用和数据存取的逻辑关系,生成每个所述业务规则分别对应的规则关系对象,所述规则关系对象具体包括规则执行树、规则执行图或规则执行列表;
采用设定的编译语言对所述规则关系对象进行重新表达,生成与每个所述业务规则分别对应的编译表达式,所述编译表达式包括:中间表示IR表达式。
2.根据权利要求1所述的方法,其特征在于,采用设定解析规则,解析得到所述业务规则中包括的至少两个处理步骤和所述处理步骤间的指令调用和数据存取的逻辑关系,包括:
采用模板匹配方式或语法解析方式,对所述业务规则进行解析,得到所述业务规则中包括的至少两个处理步骤和所述处理步骤间的指令调用和数据存取的逻辑关系。
3.根据权利要求1所述的方法,其特征在于,采用至少一项编译优化规则,对各所述编译表达式进行优化,得到至少一项优化后编译表达式,包括:
调用编译器中的至少一项规则插件,对各所述编译表达式进行优化,得到至少一项优化后编译表达式;
其中,所述规则插件包括编译器原生插件,和/或编译器自定义插件。
4.根据权利要求1-3任一项所述的方法,其特征在于,生成与所述优化后编译表达式对应的执行代码,包括:
获取目标平台属性信息;
调用与所述目标平台属性信息所匹配的编译器;
通过所述匹配的编译器对所述优化后编译表达式进行编译,生成与所述优化后编译表达式对应的执行代码。
5.根据权利要求1所述的方法,其特征在于,所述获取与目标决策任务匹配的至少一项待优化的业务规则之前,还包括:
获取与所述目标决策任务匹配的至少一项决策参考数据;
所述生成与所述优化后编译表达式对应的执行代码之后,还包括:
根据所述决策参考数据,执行与所述目标决策任务匹配的所述执行代码,得到与所述决策参考数据对应的,所述目标决策任务的决策结果。
6.根据权利要求1所述的方法,其特征在于,所述生成与所述优化后编译表达式对应的执行代码之后,还包括:
获取与所述目标决策任务匹配的至少一项决策参考数据;
根据所述决策参考数据,执行与所述目标决策任务匹配的所述执行代码,得到与所述决策参考数据对应的,所述目标决策任务的决策结果。
7.一种基于智能编译技术的决策执行装置,其特征在于,包括:
业务规则获取模块,用于获取与目标决策任务匹配的至少一项待优化的业务规则;
编译表达式生成模块,用于对所述业务规则进行规则解析,生成与每个所述业务规则分别对应的编译表达式;
编译表达式优化模块,用于采用至少一项编译优化规则,对各所述编译表达式进行优化,得到至少一项优化后编译表达式;
执行代码生成模块,用于生成与所述优化后编译表达式对应的执行代码,所述执行代码用于对所述目标决策任务进行决策;
其中,所述编译表达式生成模块,具体用于:采用设定解析规则,解析得到所述业务规则中包括的至少两个处理步骤和所述处理步骤间的指令调用和数据存取的逻辑关系;
根据所述至少两个处理步骤和所述处理步骤间的指令调用和数据存取的逻辑关系,生成每个所述业务规则分别对应的规则关系对象,所述规则关系对象具体包括规则执行树、规则执行图或规则执行列表;
采用设定的编译语言对所述规则关系对象进行重新表达,生成与每个所述业务规则分别对应的编译表达式,所述编译表达式包括:中间表示IR表达式。
8.一种计算机设备,包括处理器和存储器,所述存储器用于存储指令,当所述指令执行时使得所述处理器执行以下操作:
获取与目标决策任务匹配的至少一项待优化的业务规则;
对所述业务规则进行规则解析,生成与每个所述业务规则分别对应的编译表达式;
采用至少一项编译优化规则,对各所述编译表达式进行优化,得到至少一项优化后编译表达式;
生成与所述优化后编译表达式对应的执行代码,所述执行代码用于对所述目标决策任务进行决策;
其中,所述处理器是设置为通过以下方式生成与每个所述业务规则分别对应的编译表达式:
采用设定解析规则,解析得到所述业务规则中包括的至少两个处理步骤和所述处理步骤间的指令调用和数据存取的逻辑关系;
根据所述至少两个处理步骤和所述处理步骤间的指令调用和数据存取的逻辑关系,生成每个所述业务规则分别对应的规则关系对象,所述规则关系对象具体包括规则执行树、规则执行图或规则执行列表;
采用设定的编译语言对所述规则关系对象进行重新表达,生成与每个所述业务规则分别对应的编译表达式,所述编译表达式包括:中间表示IR表达式。
9.根据权利要求8所述的计算机设备,其特征在于,所述处理器是设置为通过以下方式解析得到所述业务规则中包括的至少两个处理步骤和所述处理步骤间的指令调用和数据存取的逻辑关系:
采用模板匹配方式或语法解析方式,对所述业务规则进行解析,得到所述业务规则中包括的至少两个处理步骤和所述处理步骤间的指令调用和数据存取的逻辑关系。
10.根据权利要求8所述的计算机设备,其特征在于,所述处理器是设置为通过以下方式得到至少一项优化后编译表达式:
调用编译器中的至少一项规则插件,对各所述编译表达式进行优化,得到至少一项优化后编译表达式;
其中,所述规则插件包括编译器原生插件,和/或编译器自定义插件。
11.根据权利要求8-10任一项所述的计算机设备,其特征在于,所述处理器是设置为通过以下方式生成与所述优化后编译表达式对应的执行代码:
获取目标平台属性信息;
调用与所述目标平台属性信息所匹配的编译器;
通过所述匹配的编译器对所述优化后编译表达式进行编译,生成与所述优化后编译表达式对应的执行代码。
12.根据权利要求8所述的计算机设备,其特征在于,所述处理器是设置为通过以下方式得到与决策参考数据对应的,所述目标决策任务的决策结果:
在所述获取与目标决策任务匹配的至少一项待优化的业务规则之前获取与所述目标决策任务匹配的至少一项决策参考数据;
在所述生成与所述优化后编译表达式对应的执行代码之后,根据所述决策参考数据,执行与所述目标决策任务匹配的所述执行代码,得到与所述决策参考数据对应的,所述目标决策任务的决策结果。
13.根据权利要求8所述的计算机设备,其特征在于,所述处理器是设置为通过以下方式得到与决策参考数据对应的,所述目标决策任务的决策结果:
获取与所述目标决策任务匹配的至少一项决策参考数据;
根据所述决策参考数据,执行与所述目标决策任务匹配的所述执行代码,得到与所述决策参考数据对应的,所述目标决策任务的决策结果。
14.一种存储介质,所述存储介质用于存储指令,所述指令用于执行如权利要求1-6任一项所述的基于智能编译技术的决策执行方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911040495.XA CN110780879B (zh) | 2019-10-29 | 2019-10-29 | 一种基于智能编译技术的决策执行方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911040495.XA CN110780879B (zh) | 2019-10-29 | 2019-10-29 | 一种基于智能编译技术的决策执行方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110780879A CN110780879A (zh) | 2020-02-11 |
CN110780879B true CN110780879B (zh) | 2020-07-24 |
Family
ID=69387500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911040495.XA Active CN110780879B (zh) | 2019-10-29 | 2019-10-29 | 一种基于智能编译技术的决策执行方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110780879B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111580931A (zh) * | 2020-05-10 | 2020-08-25 | 江苏省互联网行业管理服务中心 | 支持多元协议变量的组合表达式的匹配规则引擎 |
CN112540767B (zh) * | 2020-12-25 | 2023-07-25 | 北京百度网讯科技有限公司 | 程序代码的生成方法、装置、电子设备及存储介质 |
CN113377419A (zh) * | 2021-05-31 | 2021-09-10 | 同盾科技有限公司 | 一种业务处理方法、装置、可读存储介质及电子设备 |
CN114265593B (zh) * | 2021-12-09 | 2022-11-22 | 北京奕斯伟计算技术股份有限公司 | 指令调度方法、装置、设备及计算机可读存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268135B (zh) * | 2013-07-30 | 2018-01-23 | 深圳市华傲数据技术有限公司 | 一种记录对决策方法和装置 |
CN105096033B (zh) * | 2015-07-01 | 2019-07-30 | 北京京东尚科信息技术有限公司 | 一种提供决策信息的方法和装置 |
CN107291522B (zh) * | 2016-04-11 | 2020-09-29 | 中国科学院信息工程研究所 | 一种面向自定义规则文件的编译优化方法及系统 |
-
2019
- 2019-10-29 CN CN201911040495.XA patent/CN110780879B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110780879A (zh) | 2020-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110780879B (zh) | 一种基于智能编译技术的决策执行方法、装置、设备及介质 | |
US9122540B2 (en) | Transformation of computer programs and eliminating errors | |
CN113296786B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN114399019A (zh) | 神经网络编译方法、系统、计算机设备及存储介质 | |
CN111145076A (zh) | 数据并行化处理方法、系统、设备及存储介质 | |
CN115809063B (zh) | 一种存储过程编译方法、系统、电子设备和存储介质 | |
WO2023197554A1 (zh) | 模型推理加速方法、装置、电子设备及存储介质 | |
CN112445775A (zh) | 一种光刻机的故障分析方法、装置、设备和存储介质 | |
CN112860356A (zh) | 一种api调用控制方法、装置、电子设备和存储介质 | |
US10839124B1 (en) | Interactive compilation of software to a hardware language to satisfy formal verification constraints | |
CN112783508B (zh) | 文件的编译方法、装置、设备以及存储介质 | |
CN110175128A (zh) | 一种相似代码案例获取方法、装置、设备和存储介质 | |
CN115033434B (zh) | 一种内核性能理论值计算方法、装置及存储介质 | |
CN106843822B (zh) | 一种执行代码生成方法及设备 | |
CN112069052A (zh) | 一种异常对象检测方法、装置、设备及存储介质 | |
CN112114817B (zh) | 基于cobol语言的数据字典字段信息获取方法及装置 | |
CN112799724B (zh) | 一种稳定控制装置策略表解析计算方法及装置 | |
CN112347723B (zh) | 基于版图的rom代码提取验证方法及装置 | |
CN114445682A (zh) | 训练模型的方法、装置、电子设备、存储介质及产品 | |
CN111949259A (zh) | 风险决策配置方法、系统、电子设备及存储介质 | |
CN111881128B (zh) | 大数据回归验证方法及大数据回归验证装置 | |
CN113031962B (zh) | 编译方法、编译装置、电子设备、存储介质和程序产品 | |
CN115951936B (zh) | 向量化编译程序的芯片适配方法、装置、设备及介质 | |
EP4318212A1 (en) | Program compiling method and apparatus | |
WO2023184810A1 (zh) | 应用程序定义方法及装置、电子设备、存储介质和计算机程序产品 |
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 |