CN112433774A - 业务信息匹配方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种业务信息匹配方法、装置、设备及存储介质。该方法包括：提取待处理的业务信息的各个属性字段；获取推理引擎中的多个Alpha节点和多个Bate节点；其中，推理引擎加载有数据表规则库中的至少一条业务匹配规则；在多个Alpha节点中确定与各个属性字段分别匹配的各个目标Alpha节点；利用Alpha节点与Bate节点的对应关系，在多个Bate节点中，确定与各个目标Alpha节点匹配的目标Bate节点，根据目标Bate节点，确定与待处理的业务信息匹配的结论信息。根据本发明实施例，能够提高匹配效率，且不需要使用特定的开发语言来编写匹配规则，方便灵活。

Description

业务信息匹配方法、装置、设备及存储介质

技术领域

本发明属于计算机技术领域，尤其涉及一种业务信息匹配方法、装置、设备及存储介质。

背景技术

规则引擎是一种嵌入在应用程序中的组件，实现了将业务决策从应用程序中的分离，并使用预定义的语义模块编写业务决策。规则引擎能够接受数据输入，解释业务规则，并根据业务规则做出业务决策。

目前的规则引擎，均使用领域特定语言(Domain Specific Language，DSL)来定义规则，例如，XML、Java、Ruby等。但是，DSL始终是一门开发语言，因此维护规则需要开发工程师参与，对不懂开发的业务人员不友好。

并且，当规则的规模变大以后，DSL会变的庞大，定义规则的人需要具备一定的抽象思维才能写出较好维护的规则集，特别是使用了嵌套规则的情况下。另外，某些过于抽象的规则难以维护，给其灵活性带来了复杂性。

发明内容

为了解决上述中的至少一个技术问题，本发明实施例提供一种业务信息匹配方法、装置、设备及存储介质，能够提高匹配效率，且不需要使用特定的开发语言来编写业务匹配规则，方便灵活。

第一方面，本发明实施例提供一种业务信息匹配方法，方法包括：

提取待处理的业务信息的各个属性字段；

获取推理引擎中的多个Alpha节点和多个Bate节点；其中，推理引擎加载有数据表规则库中的至少一条业务匹配规则，Alpha节点与至少一条业务匹配规则中的预设属性信息相对应，Bate节点与至少一条业务匹配规则中的预设结论信息相对应，Alpha节点与Bate节点的对应关系根据业务匹配规则中的预设属性信息与所述预设结论信息确定；

在多个Alpha节点中确定与各个属性字段分别匹配的各个目标Alpha节点；

利用Alpha节点与Bate节点的对应关系，在多个Bate节点中，确定与各个目标Alpha节点匹配的目标Bate节点；

根据目标Bate节点，确定与待处理的业务信息匹配的结论信息。

根据第一方面提供的业务信息匹配方法，在多个Alpha节点中确定与各个属性字段分别匹配的各个目标Alpha节点，包括：

确定各个属性字段对应的属性特性信息；

基于属性特性信息，在多个Alpha节点中确定与各个属性字段分别匹配的各个目标Alpha节点。

根据第一方面提供的业务信息匹配方法，基于属性特性信息，在多个Alpha节点中确定与各个属性字段分别匹配的各个目标Alpha节点，包括：

获取推理引擎中的多个Type节点，每个Type节点对应至少一个Alpha节点，Type节点为属性分类节点；

基于属性特性信息，在多个Type节点中确定与各个属性字段分别匹配的目标Type节点；

在目标Type节点对应的至少一个Alpha节点中，确定与各个属性字段分别匹配的各个目标Alpha节点。

根据第一方面提供的业务信息匹配方法，利用Alpha节点与Bate节点的对应关系，在多个Bate节点中，确定与各个目标Alpha节点匹配的目标Bate节点，包括：

利用Alpha节点与Bate节点的对应关系，在多个Bate节点中，确定每一个目标Alpha节点对应的至少一个候选Bate节点；

在候选Bate节点中选择与各个目标Alpha节点匹配的目标Bate节点；其中，与目标Bate节点对应的全部Alpha节点均存在于至少一个目标Alpha节点中。

根据第一方面提供的业务信息匹配方法，数据表规则库的一行数据对应一条业务匹配规则，或者，数据表规则库的一列数据对应一条业务匹配规则。

根据第一方面提供的业务信息匹配方法，属性特性信息包括字符串信息或数值信息。

根据第一方面提供的业务信息匹配方法，预设属性信息包括支付请求方系统信息、支付渠道信息、支付方式信息、支付类型信息中的一种或多种；

预设结论信息包括记账账户信息及分账比例信息。

第二方面，本发明实施例提供一种业务信息匹配装置，装置包括：

第一数据获取模块，用于提取待处理的业务信息的各个属性字段；

第二数据获取模块，用于获取推理引擎中的多个Alpha节点和多个Bate节点；其中，推理引擎加载有数据表规则库中的至少一条业务匹配规则，Alpha节点与至少一条业务匹配规则中的预设属性信息相对应，Bate节点与至少一条业务匹配规则中的预设结论信息相对应，Alpha节点与Bate节点的对应关系根据业务匹配规则中的预设属性信息与预设结论信息确定；

第一匹配模块，用于在多个Alpha节点中确定与各个属性字段分别匹配的各个目标Alpha节点；

第二匹配模块，用于利用Alpha节点与Bate节点的对应关系，在多个Bate节点中，确定与各个目标Alpha节点匹配的目标Bate节点；

结论确定模块，用于根据目标Bate节点，确定与待处理的业务信息匹配的结论信息。

第三方面，本发明实施例提供了一种业务信息匹配设备，设备包括：处理器以及存储有计算机程序指令的存储器；

所述处理器执行所述计算机程序指令时实现如第一方面所述的业务信息匹配方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如第一方面所述的业务信息匹配方法。

本发明实施例的业务信息匹配方法、装置、设备及计算机可读存储介质，该方法通过推理引擎中的Alpha节点与至少一条业务匹配规则中的预设属性信息相对应，推理引擎中的Bate节点与至少一条业务匹配规则中的预设结论信息相对应，Alpha节点与Bate节点的对应关系根据业务匹配规则中的预设属性信息和预设结论信息确定；并在多个Alpha节点中确定与各个属性字段分别匹配的各个目标Alpha节点；利用各个目标Alpha节点与Bate节点的对应关系，在多个Bate节点中，确定与各个目标Alpha节点匹配的目标Bate节点，得到与待处理的业务信息匹配的结论信息。本发明提供的业务信息匹配方法，多个Alpha节点的逻辑“与”对应一个Bate节点，保证每次推导能够在有限次时间内返回，能够提高匹配效率，且不需要使用特定的开发语言来编写业务匹配规则，方便灵活。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单的介绍，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是本发明一种实施例提供的业务信息匹配方法的流程示意图；

图2是本发明一种实施例提供的规则引擎的数据结构示意图；

图3是本发明另一种实施例提供的规则引擎的数据结构示意图；

图4是本发明实施例提供的业务信息匹配装置的结构示意图；

图5是本发明实施例提供的业务信息匹配设备的结构示意图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、方法、物品或者设备不仅包括那些要素，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、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

为了解决现有技术问题，本发明实施例提供了一种业务信息匹配方法、装置、设备及计算机存储介质。下面首先对本发明实施例所提供的业务信息匹配方法进行介绍。

图1示出了本发明实施例提供的业务信息匹配方法的流程示意图。如图1所示，本发明实施例提供的业务信息匹配方法包括以下步骤：

S110，提取待处理的业务信息的各个属性字段；

S120，获取推理引擎中的多个Alpha节点和多个Bate节点；其中，推理引擎加载有数据表规则库中的至少一条业务匹配规则，Alpha节点与至少一条业务匹配规则中的预设属性信息相对应，Bate节点与至少一条业务匹配规则中的预设结论信息相对应，Alpha节点与Bate节点的对应关系根据业务匹配规则中的预设属性信息与预设结论信息确定；

S130，在多个Alpha节点中确定与各个属性字段分别匹配的各个目标Alpha节点；

S140，利用Alpha节点与Bate节点的对应关系，在多个Bate节点中，确定与各个目标Alpha节点匹配的目标Bate节点；

S150，根据目标Bate节点，确定与待处理的业务信息匹配的结论信息。

根据本发明实施例提供的业务信息匹配方法，可以利用规则引擎来实现，该规则引擎的规则库为数据表规则库，即利用数据表来保存业务匹配规则，该规则库的建立能够不需要使用特定的开发语言来编写匹配规则，结构简单，普通业务人员就可自行在数据表中进行业务匹配规则的配置，方便灵活。该规则引擎的推理引擎加载有数据表规则库，即推理引擎加载有数据表规则库中的至少一条业务匹配规则，推理引擎中的Alpha节点与至少一条业务匹配规则中的预设属性信息相对应，推理引擎中的Bate节点与至少一条业务匹配规则中的预设结论信息相对应，Alpha节点与Bate节点的对应关系根据业务匹配规则中的预设属信息与预设结论信息确定。在多个Alpha节点中确定与提取的待处理的业务信息的各个属性字段分别匹配的各个目标Alpha节点；利用Alpha节点与Bate节点的对应关系，在多个Bate节点中，确定与各个目标Alpha节点匹配的目标Bate节点；根据目标Bate节点，确定与待处理的业务信息匹配的结论信息。根据本发明实施例提供的业务匹配方法，多个Alpha节点的逻辑“与”对应一个Bate节点，保证每次推导都在有限次时间内返回，确保了响应的效率，提高了匹配效率。

在一些实施例中，本发明实施例提供的业务信息匹配方法可以用于支付交易的记账业务，应当理解的是，本发明还可以应用于其他业务场景，对此不作限定。

示例性的，针对支付交易的记账业务的场景，本发明实施例提供的业务信息匹配方法用到了规则引擎中的规则库及推理引擎，无需用到通用的规则引擎中的决策树、优先级管理、冲突解决等功能和机制，以提高规则引擎的执行效率。

根据本发明实施例提供的业务信息匹配方法，应用于支付交易的记账业务时，能够在支付交易发生时，通过支付交易信息中携带的属性信息(例如，各个属性字段)实时判断此支付交易是属于哪个账户的，以便于后续对此支付交易的金额进行记账。

本发明实施例提供业务匹配方法可以利用规则引擎来执行，在一些实施例中，该规则引擎包括两个主要部分，一个是保存于数据库中的数据表形式的规则库，另一个是嵌入业务应用中、运行于内存中的执行推理引擎。

关于规则引擎的规则库，若使用DSL作为规则配置的方式，需要懂得编程、开发的专业人员才能进行规则库中规则的配置。本发明实施例提供的规则引擎的规则库为数据表规则库，即直接使用数据库表作为规则库。示例性的，所述数据表规则库的一行数据对应一条业务匹配规则，或者，数据表规则库的一列数据对应一条业务匹配规则。用数据表的一行或一列数据表示一条业务匹配规则，方便维护，且不需要有开发语言基础的专业人员进行业务匹配规则的配置。

示例性的，针对支付交易的记账业务的场景，业务匹配规则的预设属性信息包括支付请求方系统信息、支付渠道信息、支付方式信息、支付类型信息中的一种或多种，业务匹配规则的预设结论信息包括记账账户信息及分账比例信息。可以将待处理的业务信息的各个属性字段与预设属性信息进行匹配，以判断该待处理的业务信息属于哪个账户及分账比例，以方便后续对该待处理的业务信息进行记账。

下面，以支付交易的记账业务为例说明数据表规则库中业务匹配规则的配置。表1为用于配置业务匹配规则的数据表规则库。

表1

表1简要示例了数据表规则库的配置。表中的每一列数据对应业务匹配规则的一个属性信息，例如，业务匹配规则包括支付请求方系统、支付渠道、支付方式、支付类型四个属性信息，列名与业务匹配规则的属性名对应。表中的每一行数据为一条业务匹配规则的属性值(属性值可以是具体数值，也可以是文字)，表中的每一行数据对应一条业务匹配规则，每一条业务匹配规则对应一个结论，即分账信息(包括记账账户和分账比例)。如表1中第一行(本发明中将表头下面的一行作为第一行)表示，支付请求方系统为0001的订单，其100％的交易金额都记在编号为10001的账户上；第二行表示支付请求方系统为0001，支付渠道为“移动掌厅”的订单，其100％的交易金额都记在编号为20001的账户上；第三行表示支付请求方系统为0001，支付渠道为“移动掌厅”，支付方式为“和包支付”，支付类型为“小额”的订单，其95％的交易金额记在编号为30001的账户上，5％的交易金额记在编号为cm00的账户上；第四行表示支付请求方系统为0001，支付渠道为“移动商城”，支付方式为“和包支付”，支付类型为“小额”的订单，其95％的交易金额记在编号为30001的账户上，5％的交易金额记在编号为cm00的账户上。其中，支付请求方系统可以理解成支付方。表1中的符号“--”表示该业务匹配规则的对应的属性值为空。

示例性的，如表1所所示，在配置一条新的业务匹配规则时，只需在数据表中新增一行，并在新增的行中输入与每列对应的新增业务匹配规则的属性值及结论即可。同理，对已经配置完毕的业务匹配规则的修改也简单明了，只需将业务匹配规则的属性值修改为目标属性值即可。对已经配置完毕的业务匹配规则的删除，只需将想要删除的业务匹配规则所在行的属性值删除即可。

根据本发明实施例，普通业务人员可自行在数据表中进行业务匹配规则的新增、删除、修改等，方便普通业务人员对规则库的维护且提高了工作效率。

关于规则引擎的推理引擎，示例性的，针对支付交易的记账业务的场景，本发明实施例提供的规则引擎摒弃了许多无关功能，将数据表规则库中的业务匹配规则加载到内存中形成规则网络，优化的规则引擎的数据结构如图2和图3所示。本发明实施例提供的规则引擎基于模式匹配算法RETE建立而成，规则引擎的数据结构可以理解为RETE数据结构。具体的，如图2所示，RETE数据结构包括一个根root节点、多个属性节点TypeNode、多个属性值节点AlphaNode(简称α节点)、多个BateNode节点(简称β节点)、α节点缓存(AlphaMemory)、β节点缓存(BetaMemory)及结论(Conclusion)。

示例性的，如图2所示，root节点下挂载了所有属性Type节点，属性节点用于记录待匹配的业务匹配规则的每一个属性名称，例如，对应于数据表规则库中的列名(例如，表1中的支付请求方系统、支付渠道、支付方式等)。Type节点下挂载了该属性对应的多个α节点，α节点记录了该α节点的编号、对应的所述业务匹配规则的一个属性值(例如，表1中的0001、移动商城、移动掌厅、和包支付等)、以及与该α节点对应的所有β节点的集合。α节点与β节点相互关联，β节点则记录了该β节点的编号、与该β相关的所有α节点的编号以及最后推理的结论集合；结论(Conclusion)则记录了支付系统快速记账相关的分账信息，如记账账号(例如，账户编号)、分账比例等。另外，有α节点缓存用于存储匹配到的所有α节点，β节点缓存用于保存推理过程中产生的临时β节点，每一次推理结束该推理过程中的α节点缓存和β节点缓存都会被销毁。

如图3所示，本发明实施例提供的规则引擎基于模式匹配算法RETE作为推理网络，即RETE网络。图3的上半部分即是Alpha网络，主要是保存规则中所有属性对应的不同值，每个属性对应的某个具体的值即是一个Alpha节点，这里，属性对应的值可以是一个具体数字，也可以是字符串，即文字。图的下半部分是Beta网络，Beta网络主要执行不同Alpha节点之间的连接，针对支付交易的记账的场景，由于不同属性间只能形成单一的逻辑“与”关系，多个alpha节点的逻辑“与”关系对应一个Beta节点。一个Beta节点对应着数据库规则表中的一行，是若干个Alpha节点的逻辑与关系，也对应着相应的匹配规则，即记账账户和记账比例。

在一些实施例中，在多个Alpha节点中确定与各个属性字段分别匹配的各个目标Alpha节点，包括：确定各个属性字段对应的属性特性信息；基于属性特性信息，在多个Alpha节点中确定与各个属性字段分别匹配的各个目标Alpha节点，属性特性信息可以理解为交易订单的事实，可以是数值，也可以是字符串，即文字。示例性的，待处理的业务信息为一笔支付交易，该笔支付交易中携带的属性字段分别为支付请求方系统、支付渠道、支付方式及支付类型，各个属性字段对应的属性特性信息分别为0001、“移动掌厅”、“和包支付”及“小额”，在多个Alpha节点中确定对应与0001、“移动掌厅”、“和包支付”及“小额”的各个目标Alpha节点，这些目标Alpha节点即为与各个属性字段分别匹配的Alpha节点。

在一些实施例中，基于属性特性信息，在多个Alpha节点中确定与各个属性字段分别匹配的各个目标Alpha节点，包括：获取推理引擎中的多个Type节点，每个Type节点对应至少一个Alpha节点，Type节点为属性分类节点；基于属性特性信息，在多个Type节点中确定与各个属性字段分别匹配的目标Type节点；在目标Type节点对应的至少一个Alpha节点中，确定与各个属性字段分别匹配的各个目标Alpha节点。

示例性的，一笔支付交易，该笔支付交易中携带的属性字段分别为支付请求方系统、支付渠道、支付方式及支付类型，各个属性字段属于不同的属性分类。各个属性字段对应的属性特性信息分别为0001、“移动掌厅”、“和包支付”及“小额”，可以先确定与支付请求方系统、支付渠道、支付方式及支付类型匹配的目标Type节点，然后再在确定与0001、“移动掌厅”、“和包支付”及“小额”分别匹配的各个目标Alpha节点。

根据本发明实施例提供的规则引擎的数据结构，能够实现单机每秒10万次以上的业务规则匹配，提高规则匹配的效率。

在一些实施例中，利用Alpha节点与Bate节点的对应关系，在所多个Bate节点中，确定与各个目标Alpha节点匹配的目标Bate节点，包括：利用Alpha节点与Bate节点的对应关系，在多个Bate节点中，确定每一个目标Alpha节点对应的至少一个候选Bate节点；在候选Bate节点中选择与各个目标Alpha节点匹配的目标Bate节点；其中，与目标Bate节点对应的全部Alpha节点均存在于至少一个目标Alpha节点中。

例如，待处理的业务信息匹配包括N个属性字段，且N个属性字段的属性特性信息均不为空，得到的与待处理的业务信息匹配的结论信息包括：与N个属性字段均匹配的第一结论信息，及与所述N个属性字段中的M个属性字段匹配的第二结论信息，且第二结论信息对应的业务匹配规则中除M个属性字段之外的其他属性字段的值为空；M＜N，M和N分别为正整数。

示例性的，一笔支付交易的各个属性字段及各个属性字段对应的属性特性信息为：支付请求方系统为0001、支付渠道为“移动掌厅”、支付方式为“和包支付”、支付类型为“小额”，该笔支付交易会匹配到表1中的第一二三行的业务匹配规则。其中，第一结论信息对应表1中的第三行中的结论，第二结论信息对应表1中的第一行及第二行中的结论。根据本发明实施例，规则加载为简化的RETE网络，只有针对Alpha节点的逻辑“与”关系的规则匹配，并且采用完全在内存中进行规则匹配的方式，实现了高效匹配，且方便多个账本记账的方式。

在一些实施例中，整个匹配过程如下：一笔支付交易作为输入传给推理引擎，到达root节点，推理引擎检查支付交易的各个属性，在Alpha网络中找到属性对应配置的Type节点，根据支付交易订单事实(fact)的不同属性值到相应的Alpha节点进行匹配，每个Type节点最多只能成功匹配到一个Alpha节点，将所有成功匹配到的Alpha节点保存到AlphaMemory。然后遍历AlphaMemory里面的Alpha节点，根据Alpha节点找到相关的BetaNode节点，如果BetaMemory不包含该BetaNode节点，则将BetaNode节点存放于BetaMemory中，并检查BetaMemory中是否有满足条件的BetaNode节点，若有，则获得BetaNode节点中的匹配规则(记账账户及分账比例)，并将结论存放到缓存中。遍历完所有Alpha节点后，缓存中的结论就作为最后的输出。

例如，一笔支付交易的属性及属性值分别为：支付请求方系统为“0001”、支付渠道为“移动商城”、支付方式为“和包支付”、支付类型为“小额”。利用推理引擎，根据该支付交易的属性字段“支付请求方系统”，匹配到对应的Type节点，根据属性字段“支付请求方系统”的事实“0001”，匹配到对应的第一目标Alpha节点，并将该匹配到的目标Alpha节点保存到AlphaMemory。同理，分别匹配到属性字段“移动商城”、“和包支付”、“小额”对应的第二、第三及第四目标Alpha节点，并将匹配到的目标Alpha节点保存到AlphaMemory。多个Alpha节点的逻辑与关系对应一个Beta节点，根据该关系匹配到第一、第二、第三及第四目标Alpha节点对应的目标Beta节点，该目标Beta节点对应一个业务匹配规则及结论，该结论包括两个，分别为其95％的交易金额记在编号为30002的账户上，5％的交易金额记在编号为cm00的账户上；及100％的交易金额记在编号为10001的账户上。

图4示出了本发明实施例提供的业务匹配装置的硬件结构示意图。如图4所示，本发明实施例提供的业务匹配装置包括以下模块：

第一数据获取模块401，用于提取待处理的业务信息的各个属性字段；

第二数据获取模块402，用于获取推理引擎中的多个Alpha节点和多个Bate节点；其中，推理引擎加载有数据表规则库中的至少一条业务匹配规则，Alpha节点与至少一条业务匹配规则中的预设属性信息相对应，Bate节点与至少一条业务匹配规则中的预设结论信息相对应，Alpha节点与Bate节点的对应关系根据业务匹配规则中的预设属性信息与预设结论信息确定；

第一匹配模块403，用于在多个Alpha节点中确定与各个属性字段分别匹配的各个目标Alpha节点；

第二匹配模块404，用于利用Alpha节点与Bate节点的对应关系，在多个Bate节点中，确定与各个目标Alpha节点匹配的目标Bate节点；

结论确定模块405，用于根据目标Bate节点，确定与待处理的业务信息匹配的结论信息。

根据本发明实施例提供的业务信息匹配装置，可以是规则引擎，该规则引擎的规则库为数据表规则库，即利用数据表来保存业务匹配规则，该规则库的建立能够不需要使用特定的开发语言来编写匹配规则，结构简单，普通业务人员就可自行在数据表中进行业务匹配规则的配置，方便灵活。该规则引擎的推理引擎加载有数据表规则库，即推理引擎加载有数据表规则库中的至少一条业务匹配规则，推理引擎中的Alpha节点与至少一条业务匹配规则中的预设属性信息相对应，推理引擎中的Bate节点与至少一条业务匹配规则中的预设结论信息相对应，Alpha节点与Bate节点的对应关系根据业务匹配规则中的预设属性信息与预设结论信息确定。在多个Alpha节点中确定与提取的待处理的业务信息的各个属性字段分别匹配的各个目标Alpha节点；利用Alpha节点与Bate节点的对应关系，在多个Bate节点中，确定与各个目标Alpha节点匹配的目标Bate节点，根据目标Bate节点，确定与待处理的业务信息匹配的结论信息。根据本发明实施例提供的业务匹配方法，能够保证每次推导都在有限次时间内返回，确保了响应的效率，提高了匹配效率。

在一些实施例中，第一匹配模块403具体用于：

确定各个属性字段对应的属性特性信息；

基于属性特性信息，在多个Alpha节点中确定与各个属性字段分别匹配的各个目标Alpha节点。

在一些实施例中，第一匹配模块403具体用于：

获取推理引擎中的多个Type节点，每个Type节点对应至少一个Alpha节点，Type节点为属性分类节点；

基于属性特性信息，在多个Type节点中确定与各个属性字段分别匹配的目标Type节点；

在目标Type节点对应的至少一个Alpha节点中，确定与各个属性字段分别匹配的各个目标Alpha节点。

根据本发明实施例提供的业务信息匹配方法，能够实现单机每秒10万次以上的业务规则匹配，提高规则匹配的效率。

在一些实施例中，第二匹配模块404具体用于：

利用Alpha节点与Bate节点的对应关系，在多个Bate节点中，确定每一个目标Alpha节点对应的至少一个候选Bate节点；

在候选Bate节点中选择与各个目标Alpha节点匹配的目标Bate节点；其中，与目标Bate节点对应的全部Alpha节点均存在于至少一个目标Alpha节点中。

根据本发明实施例，规则加载为简化的RETE网络，只有针对Alpha节点的逻辑“与”关系的规则匹配，并且采用完全在内存中进行规则匹配的方式，实现了高效匹配，且方便多个账本记账的方式。

在一些实施例中，第二数据获取模块402具体用于：

数据表规则库的一行数据对应一条业务匹配规则，或者，数据表规则库的一列数据对应一条业务匹配规则。

用数据表的一行或一列数据表示一条业务匹配规则，方便维护，且不需要有开发语言基础的专业人员进行业务匹配规则的配置。

在一些实施例中，第一数据获取模块401具体用于：

属性特性信息包括字符串信息或数值信息。

根据第一方面提供的业务信息匹配方法，预设属性信息包括支付请求方系统信息、支付渠道信息、支付方式信息、支付类型信息中的一种或多种；

预设结论信息包括记账账户信息及分账比例信息。

可以将待处理的业务信息的各个属性字段与预设属性信息进行匹配，以判断该待处理的业务信息属于哪个账户及分账比例，以方便后续对该待处理的业务信息进行记账。

图5是本发明实施例提供的业务信息匹配设备的结构示意图。

在业务信息匹配设备可以包括处理器301以及存储有计算机程序指令的存储器302。

具体地，上述处理器301可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。

存储器302可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器302可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器302可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器302可在综合网关容灾设备的内部或外部。在特定实施例中，存储器302是非易失性固态存储器。在特定实施例中，存储器302包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。

处理器301通过读取并执行存储器302中存储的计算机程序指令，以实现上述实施例中的任意一种业务信息匹配方法。

在一个示例中，业务信息匹配设备还可包括通信接口303和总线310。其中，如图5所示，处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。

通信接口303，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。

总线310包括硬件、软件或两者，将xx设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线310可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。

该业务信息匹配设备可以执行本发明实施例中的业务信息匹配方法，从而实现结合图1和图4描述的业务信息匹配方法和装置。

另外，结合上述实施例中的业务信息匹配方法，本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种业务信息匹配方法。

需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种业务信息匹配方法，其特征在于，包括：

提取待处理的业务信息的各个属性字段；

获取推理引擎中的多个Alpha节点和多个Bate节点；其中，所述推理引擎加载有数据表规则库中的至少一条业务匹配规则，使所述Alpha节点与所述至少一条业务匹配规则中的预设属性信息相对应，所述Bate节点与所述至少一条业务匹配规则中的预设结论信息相对应，所述Alpha节点与所述Bate节点的对应关系根据所述业务匹配规则中的所述预设属性信息与所述预设结论信息确定；

在所述多个Alpha节点中确定与所述各个属性字段分别匹配的各个目标Alpha节点；

利用所述Alpha节点与Bate节点的对应关系，在所述多个Bate节点中，确定与所述各个目标Alpha节点匹配的目标Bate节点，

根据所述目标Bate节点，确定与所述待处理的业务信息匹配的结论信息。

2.根据权利要求1所述的业务信息匹配方法，其特征在于，所述在所述多个Alpha节点中确定与所述各个属性字段分别匹配的各个目标Alpha节点，包括：

确定所述各个属性字段对应的属性特性信息；

基于所述属性特性信息，在所述多个Alpha节点中确定与所述各个属性字段分别匹配的各个目标Alpha节点。

3.根据权利要求2所述的业务信息匹配方法，其特征在于，所述基于所述属性特性信息，在所述多个Alpha节点中确定与所述各个属性字段分别匹配的各个目标Alpha节点，包括：

获取所述推理引擎中的多个Type节点，每个所述Type节点对应至少一个所述Alpha节点，所述Type节点为属性分类节点；

基于所述属性特性信息，在所述多个Type节点中确定与所述各个属性字段分别匹配的目标Type节点；

在所述目标Type节点对应的至少一个Alpha节点中，确定与所述各个属性字段分别匹配的各个目标Alpha节点。

4.根据权利要求1所述的业务信息匹配方法，其特征在于，所述利用所述Alpha节点与所述Bate节点的对应关系，在所述多个Bate节点中，确定与所述各个目标Alpha节点匹配的目标Bate节点，包括：

利用所述Alpha节点与Bate节点的对应关系，在所述多个Bate节点中，确定每一个所述目标Alpha节点对应的至少一个候选Bate节点；

在所述候选Bate节点中选择与所述各个目标Alpha节点匹配的目标Bate节点；其中，与所述目标Bate节点对应的全部Alpha节点均存在于至少一个所述目标Alpha节点中。

5.根据权利要求1所述的业务信息匹配方法，其特征在于，所述数据表规则库的一行数据对应一条所述业务匹配规则，或者，所述数据表规则库的一列数据对应一条所述业务匹配规则。

6.根据权利要求1所述的业务信息匹配方法，其特征在于，所述属性特性信息包括字符串信息或数值信息。

7.根据权利要求1-6任一项所述的业务信息匹配方法，其特征在于，所述预设属性信息包括支付请求方信息、支付渠道信息、支付方式信息、支付类型信息中的一种或多种；

所述预设结论信息包括记账账户信息及分账比例信息。

8.一种业务信息匹配装置，其特征在于，所述装置包括：

第一数据获取模块，用于提取待处理的业务信息的各个属性字段；

第二数据获取模块，用于获取推理引擎中的多个Alpha节点和多个Bate节点；其中，所述推理引擎加载有数据表规则库中的至少一条业务匹配规则，所述Alpha节点与所述至少一条业务匹配规则中的预设属性信息相对应，所述Bate节点与所述至少一条业务匹配规则中的预设结论信息相对应，所述Alpha节点与所述Bate节点的对应关系根据所述业务匹配规则中的所述预设属性信息与所述预设结论信息确定；

第一匹配模块，用于在所述多个Alpha节点中确定与所述各个属性字段分别匹配的各个目标Alpha节点；

第二匹配模块，用于利用所述Alpha节点与Bate节点的对应关系，在所述多个Bate节点中，确定与所述各个目标Alpha节点匹配的目标Bate节点；

结论确定模块，用于根据所述目标Bate节点，确定与所述待处理的业务信息匹配的结论信息。

9.一种业务信息匹配设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；

所述处理器执行所述计算机程序指令时实现如权利要求1-7任意一项所述的业务信息匹配方法。

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指令，所述计算机程序指令被处理器执行时实现如权利要求1-7任意一项所述的业务信息匹配方法。

Images