CN112527838A - 基于规则引擎的业务决策方法、装置、设备及存储介质 - Google Patents

基于规则引擎的业务决策方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112527838A
CN112527838A CN202011435893.4A CN202011435893A CN112527838A CN 112527838 A CN112527838 A CN 112527838A CN 202011435893 A CN202011435893 A CN 202011435893A CN 112527838 A CN112527838 A CN 112527838A
Authority
CN
China
Prior art keywords
decision
matching
rule
result
business
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
Application number
CN202011435893.4A
Other languages
English (en)
Other versions
CN112527838B (zh
Inventor
刘玉新
江青松
万仁刚
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.)
China Unicom Zhejiang Industrial Internet Co Ltd
Original Assignee
China Unicom Zhejiang Industrial Internet Co 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 China Unicom Zhejiang Industrial Internet Co Ltd filed Critical China Unicom Zhejiang Industrial Internet Co Ltd
Priority to CN202011435893.4A priority Critical patent/CN112527838B/zh
Publication of CN112527838A publication Critical patent/CN112527838A/zh
Application granted granted Critical
Publication of CN112527838B publication Critical patent/CN112527838B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24564—Applying rules; Deductive queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请提供一种基于规则引擎的业务决策方法、装置、设备及存储介质。首先根据预设事实确定规则引擎的规则库，其中每条业务规则包括至少一个业务条件以及对应的决策结果，业务条件对应的业务类型携带预设权重，能够准确体现业务条件的重要程度。决策结果携带对应的预设执行端和预设执行阈值能够对决策结论的可信度进行量化。根据各条业务规则确定规则引擎的规则匹配机制，以通过规则匹配机制表征业务条件与决策结果之间的匹配逻辑。基于规则引擎对待决策事实进行业务决策，以确定携带决策可信参数的目标决策结果。使得规则引擎能够满足决策结果可能存在不确定性的业务决策场景，提供了一种更为全面及完整的业务决策思路。

Description

基于规则引擎的业务决策方法、装置、设备及存储介质
技术领域
本申请涉及计算机技术领域，尤其涉及一种基于规则引擎的业务决策方法、装置、设备及存储介质。
背景技术
规则引擎由推理引擎发展而来，是一种嵌入在应用程序中的组件，可以将业务规则从应用程序代码中解耦出来，并且能够使用特定的语义编写业务规则，基于业务规则对接收到的外部事实做出相应业务决策。
目前，规则引擎常用的工作模式是将接收到的外部事实与规则库中的各规则进行精确匹配，以获得对应的业务决策结果。而规则库中的各规则通常为人为定义的相关语义，相关语义中包含有前提条件以及满足前提条件之后对应的结果，例如可以通俗表达为“如果…，那么…。”，即IF P1，P2...，Pn，THEN D，其中P1...Pn表示规则的前提条件，而D表示满足前提之后的对应结果。其中，人为定义每个前提条件对于结果的影响相同，进而默认得到的结果具有确定性。
然而，在实际应用的一些场景中，由于进行业务决策的外部事实可能较为复杂，使得决策结果也存在一定的不确定性，当前规则引擎直接使用“IF-THEN”进行业务决策已不再适用。
发明内容
本申请提供一种基于规则引擎的业务决策方法、装置、设备及存储介质，用于解决现有的规则引擎无法适用于决策结果存在一定不确定性的业务决策场景的技术问题。
第一方面，本申请提供一种基于规则引擎的业务决策方法，包括：
根据预设事实确定所述规则引擎的规则库，所述规则库中的每条业务规则包括至少一个业务条件以及对应的决策结果，所述业务条件对应的业务类型携带预设权重，所述决策结果携带对应的预设置信度和预设执行阈值；
根据各条业务规则确定所述规则引擎的规则匹配机制，所述规则匹配机制用于表征所述业务条件与所述决策结果之间的匹配逻辑；
基于所述规则引擎对待决策事实进行业务决策，以确定目标决策结果，所述目标决策结果携带决策可信参数，所述决策可信参数包括决策置信度和决策执行阈值。
在一种可能的设计中，所述根据各条业务规则确定所述规则引擎的规则匹配机制，包括：
选取一条业务规则，获取当前业务规则中的一个业务条件以及当前业务条件对应的所述业务类型，并将所述业务类型设置为第一节点；
确定所述业务类型对应的类型属性，并根据所述类型属性设置所述第一节点对应的第二节点；
若确定所述当前业务条件为所述当前业务规则中的最后一个业务条件，则将所述当前业务规则中的所述决策结果设置为对应的结果节点；
对每条业务规则依次执行上述步骤，以得到各第一节点、各第二节点以及与对应的所述结果节点之间的映射关系，所述映射关系用于表征所述规则匹配机制。
在一种可能的设计中，所述根据所述类型属性设置所述第一节点对应的第二节点，包括：
判断所述类型属性是否首次出现；
若是，则将所述类型属性设置为所述第一节点对应的所述第二节点；
若否，则获取所述当前业务规则的另一个业务条件
在一种可能的设计中，所述基于所述规则引擎对待决策事实进行业务决策，以确定目标决策结果，包括：
获取所述待决策事实，所述待决策事实包括至少一个待决策数据，每个待决策数据携带预设确定度；
将每个待决策数据与所述规则引擎中的所述规则匹配机制进行匹配，以得到匹配状态；
根据所述匹配状态以及所述决策结果确定所述目标决策结果。
在一种可能的设计中，所述将每个待决策数据与所述规则引擎中的所述规则匹配机制进行匹配，以得到匹配状态，包括：
判断所述规则匹配机制中的各节点是否包含与当前待决策数据相匹配的对应节点；
若是，确定所述匹配状态为匹配成功；
若否，确定所述匹配状态为匹配失败。
在一种可能的设计中，当所述确定所述匹配状态为匹配成功时，所述根据所述匹配状态以及所述决策结果确定所述目标决策结果，包括：
判断所述匹配状态对应匹配结果所指向的下一个节点是否为所述结果节点；
若是，将所述匹配结果添加至所述规则引擎的预设议程，以根据所述预设议程确定所述目标决策结果；
若否，将所述匹配结果作为临时待决策数据加入所述待决策事实，以根据所述规则匹配机制对所述临时待决策数据继续进行匹配。
在一种可能的设计中，所述根据所述预设议程确定所述目标决策结果，包括：
获取当前匹配链中与所述结果节点对应的所述决策结果携带的所述预设置信度；
获取所述当前匹配链中各待决策数据携带的各预设确定度；
对所述预设置信度和各预设确定度进行预设运算，以得到对应运算结果；
根据所述运算结果对应的最大值确定所述目标决策结果。
在一种可能的设计中，当所述最大值唯一时，根据所述运算结果对应的最大值确定所述目标决策结果，包括：
将所述最大值对应的匹配链确定为决策匹配链，根据所述决策匹配链确定所述目标决策结果；
当所述最大值非唯一时，根据所述运算结果对应的最大值确定所述目标决策结果，包括：
获取各最大值对应的各匹配链，以对各匹配链对应的所有业务类型携带的所述预设权重进行求和运算，将求和结果最高的匹配链确定为决策匹配链，以根据所述决策匹配链确定所述目标决策结果。
在一种可能的设计中，所述根据所述决策匹配链确定所述目标决策结果，包括：
将所述决策匹配链中最后一个节点对应的所述决策结果确定为所述目标决策结果；
将所述决策匹配链对应的所述运算结果确定为所述决策置信度；
将所述决策匹配链中所述最后一个节点对应的所述决策结果携带的所述预设执行阈值确定为所述决策执行阈值。
在一种可能的设计中，在所述根据所述预设议程确定所述目标决策结果之前，还包括：
判断所述待决策事实中的所有待决策数据和/或所述临时待决策数据是否都结束匹配；
若是，则根据所述预设议程确定所述目标决策结果；
若否，则根据所述规则匹配机制对未进行匹配的待决策数据和/或所述临时待决策数据继续进行匹配。
在一种可能的设计中，当确定所述匹配状态为匹配失败时，所述根据所述匹配状态以及所述决策结果确定所述目标决策结果，包括：
获取匹配失败的待决策数据对应的业务类型携带的所述预设权重；
对获取到的所述预设权重进行求和运算，确定求和结果是否小于候选执行阈值，所述候选执行阈值为所述业务类型所属的业务规则对应的所述预设执行阈值；
若是，将所述匹配状态对应的匹配结果添加至所述规则引擎的预设议程；
若否，判断所述匹配状态对应匹配结果所指向的下一个节点是否为所述结果节点。
第二方面，本申请提供一种基于规则引擎的业务决策装置，包括：
第一处理模块，用于根据预设事实确定所述规则引擎的规则库，所述规则库中的每条业务规则包括至少一个业务条件以及对应的决策结果，所述业务条件对应的业务类型携带预设权重，所述决策结果携带对应的预设置信度和预设执行阈值；
第二处理模块，用于根据各条业务规则确定所述规则引擎的规则匹配机制，所述规则匹配机制用于表征所述业务条件与所述决策结果之间的匹配逻辑；
第三处理模块，用于基于所述规则引擎对待决策事实进行业务决策，以确定目标决策结果，所述目标决策结果携带决策可信参数，所述决策可信参数包括决策置信度和决策执行阈值。
在一种可能的设计中，第二处理模块，具体用于：
选取一条业务规则，获取当前业务规则中的一个业务条件以及当前业务条件对应的所述业务类型，并将所述业务类型设置为第一节点；
确定所述业务类型对应的类型属性，并根据所述类型属性设置所述第一节点对应的第二节点；
若确定所述当前业务条件为所述当前业务规则中的最后一个业务条件，则将所述当前业务规则中的所述决策结果设置为对应的结果节点；
对每条业务规则依次执行上述步骤，以得到各第一节点、各第二节点以及与对应的所述结果节点之间的映射关系，所述映射关系用于表征所述规则匹配机制。
在一种可能的设计中，所述第二处理模块，还具体用于：
判断所述类型属性是否首次出现；
若是，则将所述类型属性设置为所述第一节点对应的所述第二节点；
若否，则获取所述当前业务规则的另一个业务条件。
在一种可能的设计中，所述第三处理模块，包括：
获取子模块，用于获取所述待决策事实，所述待决策事实包括至少一个待决策数据，每个待决策数据携带预设确定度；
匹配子模块，用于将每个待决策数据与所述规则引擎中的所述规则匹配机制进行匹配，以得到匹配状态；
处理子模块，用于根据所述匹配状态以及所述决策结果确定所述目标决策结果。
在一种可能的设计中，所述匹配子模块，具体用于：
判断所述规则匹配机制中的各节点是否包含与当前待决策数据相匹配的对应节点；
若是，确定所述匹配状态为匹配成功；
若否，确定所述匹配状态为匹配失败。
在一种可能的设计中，当所述确定所述匹配状态为匹配成功时，所述处理子模块，具体用于：
判断所述匹配状态对应匹配结果所指向的下一个节点是否为所述结果节点；
若是，将所述匹配结果添加至所述规则引擎的预设议程，以根据所述预设议程确定所述目标决策结果；
若否，将所述匹配结果作为临时待决策数据加入所述待决策事实，以根据所述规则匹配机制对所述临时待决策数据继续进行匹配。
在一种可能的设计中，所述处理子模块，还具体用于：
获取当前匹配链中与所述结果节点对应的所述决策结果携带的所述预设置信度；
获取所述当前匹配链中各待决策数据携带的各预设确定度；
对所述预设置信度和各预设确定度进行预设运算，以得到对应运算结果；
根据所述运算结果对应的最大值确定所述目标决策结果。
在一种可能的设计中，当所述最大值唯一时，所述处理子模块，还具体用于：将所述最大值对应的匹配链确定为决策匹配链，根据所述决策匹配链确定所述目标决策结果；
当所述最大值非唯一时，所述处理子模块，还具体用于：
获取各最大值对应的各匹配链，以对各匹配链对应的所有业务类型携带的所述预设权重进行求和运算，将求和结果最高的匹配链确定为决策匹配链，以根据所述决策匹配链确定所述目标决策结果。
在一种可能的设计中，所述处理子模块，还具体用于：
将所述决策匹配链中最后一个节点对应的所述决策结果确定为所述目标决策结果；
将所述决策匹配链对应的所述运算结果确定为所述决策置信度；
将所述决策匹配链中所述最后一个节点对应的所述决策结果携带的所述预设执行阈值确定为所述决策执行阈值。
在一种可能的设计中，所述第三处理模块，还包括：判断子模块；所述判断子模块，用于：
判断所述待决策事实中的所有待决策数据和/或所述临时待决策数据是否都结束匹配；
若是，则根据所述预设议程确定所述目标决策结果；
若否，则根据所述规则匹配机制对未进行匹配的待决策数据和/或所述临时待决策数据继续进行匹配。
在一种可能的设计中，当所述确定所述匹配状态为匹配失败时，所述处理子模块，具体用于：
获取匹配失败的待决策数据对应的业务类型携带的所述预设权重；
对获取到的所述预设权重进行求和运算，确定求和结果是否小于候选执行阈值，所述候选执行阈值为所述业务类型所属的业务规则对应的所述预设执行阈值；
若是，将所述匹配状态对应的匹配结果添加至所述规则引擎的预设议程；
若否，判断所述匹配状态对应匹配结果所指向的下一个节点是否为所述结果节点。
第三方面，本申请提供一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，存储器存储有可被所述至少一个处理器执行的指令，指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面及第一方面的可选方案涉及的任一项所述的基于规则引擎的业务决策方法。
第四方面，本申请提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行第一方面及第一方面的可选方案涉及的任一项所述的基于规则引擎的业务决策方法。
第五方面，本申请还提供一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现第一方面及第一方面的可选方案涉及的任一项所述的基于规则引擎的业务决策方法。
本申请提供一种基于规则引擎的业务决策方法、装置、设备及存储介质。本申请提供的基于规则引擎的业务决策方法，首先根据预设事实确定规则引擎的规则库，规则库中的每条业务规则包括至少一个业务条件以及对应的决策结果，其中，所述业务条件对应的业务类型携带预设权重，而决策结果携带对应的预设执行端和预设执行阈值。然后根据各条业务规则确定规则引擎的规则匹配机制，以通过规则匹配机制表征业务条件与决策结果之间的匹配逻辑。最后基于规则引擎对待决策事实进行业务决策，以确定携带决策可信参数的目标决策结果。其中，规则引擎中的业务规则通过业务条件携带的预设权重能够准确体现业务条件的重要程度，决策结果携带的预设置信度和预设执行阈值能够对决策结论的可信度进行量化，以满足决策结果可能存在一定的不确定性的业务决策场景，使得业务决策更为全面和完整，能够被广泛使用。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，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性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种应用场景示意图；
图2为本申请实施例提供的一种业务决策的流程示意图；
图3为本申请实施例提供的另一种业务决策方法的流程示意图；
图4为本申请实施例提供的一种映射关系示意图；
图5为本申请实施例提供的再一种业务决策方法的流程示意图；
图6为本申请实施例提供的又一种业务决策方法的流程示意图；
图7为本申请实施例提供的又一种业务决策方法的流程示意图；
图8为本申请实施例提供的一种业务决策装置的结构示意图；
图9为本申请实施例提供的另一种业务决策装置的结构示意图；
图10为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的方法和装置的例子。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
现有技术中，对于规则引擎而言，规则库中的各规则通过人为定义相关语义，可通俗表达为“如果…，那么…。”，即直接使用“IF-THEN”进行业务决策。其中，人为定义每个前提条件对于结果的影响相同，并默认得到的结果具有确定性。然而，在实际应用中，由于进行业务决策的外部事实可能更为复杂，例如，不同的前提条件对决策结果具有不同的影响程度，即使满足所有的前提条件，得到的决策结果也可能存在一定的不确定性。针对实际应用中的上述场景，现有的规则引擎直接使用“IF-THEN”进行业务决策将不再适用。
为了解决现有技术中的上述问题，本申请实施例提供了一种基于业务规则引擎的业务决策方法、装置、设备及存储介质。首先，规则库中的每条业务规则包括至少一个业务条件及对应的决策结果，其中，业务条件对应的业务类型携带预设权重，决策结果携带对应的预设置信度和预设执行阈值。能够通过业务条件携带的预设权重描述不同业务条件对于决策结果的影响程度，决策结果携带的预设置信度和预设执行阈值能够对决策结果的不确定性进行量化。进一步地，确定了该规则引擎所适用的规则匹配机制，以对待决策事实进行相应业务决策，从而确定目标决策结果。并且目标决策结果携带决策可信参数，能够量化目标决策结果。从而，本申请实施例提供的业务决策方法不但能够满足决策结果可能存在一定的不确定性的业务决策场景，还能有效提高业务决策的全面性和完整性，进而能够被广泛使用。
以下，对本申请实施例的示例性应用场景进行介绍。
图1为本申请实施例提供的一种应用场景示意图，如图1所示，本申请实施例提供的基于规则引擎的业务决策方法可以由本申请实施例提供的基于规则引擎的业务决策装置执行。本申请实施例提供的基于规则引擎的业务决策装置对应的电子设备可以是终端设备、服务器或服务器集群等设备，图1中以服务器10为例示出。服务器10中的处理器可以被配置为执行本申请实施例提供的基于规则引擎的业务决策方法。其中，规则引擎可以通过配置相应的软件程序得以实现，常用的规则引擎可以例如：Drools、Mandarax、Easy Rules、IBM ILOG等，具体地，服务器10的处理器能够执行相应规则引擎软件的对应指令，通过执行对应指令执行本申请实施例提供的业务决策方法，基于网络的通信链路介质，加载外部待决策事实，以完成对待决策事实的相应业务决策处理。值得说明的是，外部待决策事实可以来源于实际应用中的任意场景，通常由实际业务处理中的前端进行采集，例如可以通过终端设备11进行外部待决策事实的采集，该配置与前端的终端设备11与后端执行业务决策的服务器10之间可以通过无线或有线通信连接。当然，也可以由同一电子设备进行外部待决策事实的采集以及执行业务决策，对此的，本实施例不作限定。另外，本申请实施例中的终端设备11可以是智能手机、个人电脑、平板电脑、可穿戴设备、车载终端等，对于终端设备11的类型不作限定。
需要说明的是，上述应用场景仅仅是示意性的，本申请实施例提供的基于规则引擎的业务决策方法、装置、设备及存储介质包括但不仅限于上述应用场景。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图2为本申请实施例提供的一种业务决策的流程示意图，如图2所示，本实施例提供的基于规则引擎的业务决策方法，包括：
S101：根据预设事实确定规则引擎的规则库。
规则库中的每条业务规则包括至少一个业务条件以及对应的决策结果，业务条件对应的业务类型携带预设权重，决策结果携带对应的预设置信度和预设执行阈值。
预设事实是指针对某一确切业务规定的或者根据经验获得的一些实例，对这些实例，即预设事实，进行归纳、概括以及总结得到描述该相应确切业务的多条业务规则，将多条业务规则存储至规则库，则形成规则引擎的规则库，实现根据预设事实确定规则引擎的规则库。
每条业务规则包括至少一个业务条件以及满足这些业务条件之后对应的决策结果。根据每个业务条件对决策结果的影响程度，可以为业务条件对应的业务类型设置预设权重，即业务条件对应的业务类型携带预设权重，业务类型是指描述业务规则的业务条件的类型。相应地，为了量化决策结果的不确定性，为决策结果设置预设置信度和预设执行阈值，即决策结果携带对应的预设置信度和预设执行阈值。其中，预设置信度用于描述决策结果的可信度，预设执行阈值用于描述该决策结果能够被采纳的概率。
示例性地，上述实施例中规则引擎的规则库中的各条业务规则的相关语义可以通过如下表达式表示：
IF W1*P1∧W2*P2∧...∧Wn*Pn，THEN D,(CF,τ)
其中P1...Pn表示业务条件，“∧”代表业务条件并列，即AND，W1...Wn表示业务条件P1...Pn各自分别对应的业务类型的预设权重的大小，D表示决策结果，CF表示决策结果的预设置信度，其中1≥CF＞0，如果CF等于1表示决策结果完全确定，否则决策结果存在不确定性。τ表示决策结果的预设执行阈值。
S102：根据各条业务规则确定规则引擎的规则匹配机制。
其中，规则匹配机制用于表征业务条件与决策结果之间的匹配逻辑。
在规则引擎领域中，规则匹配机制用于对输入的外部待决策事实和规则库中的相应业务规则进行匹配。现有技术中，规则引擎的规则匹配机制基于Rete算法得以实现。而针对本申请上述实施例提供的规则库中的各条业务规则，现有的Rete算法无法获得规则匹配机制。因而，本步骤根据上述实施例确定的各条业务规则确定了相应的规则匹配机制，以通过该规则匹配机制表征业务条件与决策结果之间的匹配逻辑。
在一种可能的设计中，本步骤S102可能的实现方式如图3所示，通过执行本步骤S102得到的一种规则匹配机制如图4所示，图3为本申请实施例提供的另一种业务决策方法的流程示意图，图4为本申请实施例提供的一种映射关系示意图。如图3所示，本实施例提供的基于规则引擎的业务决策方法中根据各条业务规则确定规则引擎的规则匹配机制，包括：
S1021：选取一条业务规则，获取当前业务规则中的一个业务条件以及当前业务条件对应的业务类型，并将业务类型设置为第一节点。
以糖尿病类型的临床诊断业务为例，假设规则库中的各条业务规则如表1所示：
表1
Figure BDA0002828692850000121
其中，上述业务规则中业务条件对应的业务类型携带的预设权重如下表1所示：
表2
业务类型 性别 年龄 症状 并发症 妊娠
预设权重 0.1 0.5 0.7 0.6 0.3
需要说明的是，为了描述方便，本申请实施例以糖尿病类型的临床诊断业务为例，但不是将本申请实施例提供的基于规则引擎的业务决策方法限定于该业务领域。
从规则库中任意选取一条业务规则，获取所选取的业务规则即当前业务规则的一个业务条件以及该当前业务条件对应的业务类型，之后，将所获取到的业务类型设置为第一节点。
如图4所示，选取的一条业务规则为“如果患者年龄大于等于30岁，并且无并发症状存在，那么可以确定为是2型”。当选取了该条业务规则，则该当前业务规则中的一个业务条件即为“如果患者年龄大于等于30岁”，该当前业务条件对应的业务类型可以为“年龄”，因而，可以将“年龄”这一业务类型设置为第一节点。
S1022：确定业务类型对应的类型属性，并根据类型属性设置第一节点对应的第二节点。
在设置了第一节点之后，确定业务类型对应的类型属性，以根据类型属性设置第一节点对应的第二节点。例如，将“年龄”设置为第一节点之后，确定“年龄”这一业务类型的类型属性为“大于等于30岁”和“小于30岁”，以根据所确定的类型属性设置第一节点对应的第二节点。类型属性可以为图4中的P1和P2所示。
具体地，根据类型属性设置第一节点对应的第二节点可能的实现方式为：
判断类型属性是否首次出现；
若是，则将类型属性设置为第一节点对应的第二节点；
若否，则获取当前业务规则的另一个业务条件。
判断类型属性是否为第一次出现，若是，则将类型属性设置为已设置的第一节点对应的第二节点。反之，即类型属性非首次出现，则表明该类型属性已存在，则进一步获取当前业务规则的另一个业务条件，即选取业务条件“并且无并发症状存在”，以通过执行上述步骤S1021，获取到业务规则中的该另一个业务条件，以及该下一个业务条件对应的业务类型“并发症”，并将业务类型“并发症”设置为对应的第一节点。
S1023：若确定当前业务条件为当前业务规则中的最后一个业务条件，则将当前业务规则中的决策结果设置为结果节点。
通过循环执行上述步骤S1021和S1022，确定当前业务条件是否为该条业务规则中的最后一个业务条件，若已确定为最后一个业务条件，则获取当前业务规则中的决策结果，并将该决策结果设置为对应的结果节点。否则，继续获取下一个业务条件。
继续参照图4以及上述列举的业务规则，业务条件“并且无并发症状存在”已经是当前业务规则中的最后一个条件，则进一步将该当前业务规则中的决策结果“2型”设置对应的结果节点，从而完成对所选取的业务规则中第一节点、第二节点以及对应结果节点之间的映射关系，例如针对所选取的当前业务规则确定了图4中的“年龄、并发症-P1∧P3-2型”的映射关系。
S1024：对每条业务规则依次执行上述步骤，以得到各第一节点、各第二节点以及与对应的结果节点之间的映射关系。
其中，映射关系用于表征规则匹配机制。
通过上述实施例描述可知，对规则库中的每条业务规则依次执行上述步骤S1021至步骤S1023，以得到各第一节点、各第二节点以及与对应的结果节点之间的映射关系，该映射关系表征规则引擎的规则匹配机制。
如图4所示，对表1中的业务规则依次执行上述步骤，则可得到“年龄、并发症、症状、妊娠、家族史”业务类型的第一节点、各业务类型对应的类型属性的第二节点以及对应的决策结果的结果节点。其中，例如图4中的“P1∧P3”，又或是“P1∧P4”都用于表征共享的类型属性，诸如此类的标记则表示第二节点中的共享节点，其存在为了简化映射关系的复杂度。另外，为了方便映射关系描述，图4中还示出了第一节点的上一节点，即根节点。
通过上述的实施例描述可知，规则匹配机制能够表征各条业务规则的业务条件与决策结果之间的匹配逻辑，从而可以将待决策事实加载至表征该规则匹配机制的映射关系中，以确定目标决策结果。
需要说明的是，上述各节点，例如图4所示的映射关系中的各节点可以被理解为一个抽象概念，是在运行规则引擎对应的软件程序时，有程序开辟出来的用于存储相应数据的内存区域，而并非实际含义上的节点。
S103：基于规则引擎对待决策事实进行业务决策，以确定目标决策结果。
其中，目标决策结果携带决策可信参数，决策可信参数包括决策置信度和决策执行阈值。
在确定了规则引擎的规则匹配机制之后，加载待决策事实，运行规则引擎，将待决策事实与规则引擎进行匹配，则可基于该规则引擎对待决策事实进行业务决策，得到相应的目标决策结果。可以理解的是，目标决策结果是从决策结果中产生的，因而，目标决策结果自然会携带自身的决策置信度和决策执行阈值，即目标决策结果携带决策可信参数，决策可信参数包括决策置信度和决策执行阈值。其中，决策置信度用于表征目标决策结果的可信度，决策执行阈值用于表征该目标决策结果能够被采纳的概率。
在一种可能的设计中，本步骤S103可能的实现方式如图5所示，图5为本申请实施例提供的再一种业务决策方法的流程示意图，如图5所示，本实施例提供的基于规则引擎对待决策事实进行业务决策，以确定目标决策结果包括：
S1031：获取待决策事实。
其中，待决策事实包括至少一个待决策数据，每个待决策数据携带预设确定度。
可以通过加载事实列表的方式，获取事实列表中包括的待决策事实。其中，待决策事实包括至少一个待决策数据，每个待决策数据携带预设确定度，预设确定度可以理解为当前待决策数据所描述的事实的确定程度。
以上述列举的糖尿病类型的临床诊断业务为例，假设当前的患者信息为：“性别：女；年龄：27(CR：1)；症状：明显(CR：0.9)；并发症：无(CR：0.9)；妊娠：否(CR：1)”，以对该患者的糖尿病情况进行决策。其中，该患者信息即为一待决策事实，患者信息中的性别、年龄、症状、并发症以及妊娠情况即为待决策事实包括的多个待决策数据。并且，每个待决策数据携带有预设确定度，以CR进行表示，且1≥CR>0，即当CR为1时，表示该待决策数据描述的事实是完全确定的，例如年龄、性别、妊娠等待决策数据。
S1032：将每个待决策数据与规则引擎中的规则匹配机制进行匹配，以得到匹配状态。
获取待决策事实之后，将其包括的待决策数据与规则匹配机制进行匹配，以得到相应的匹配结果。
例如，为了降低匹配过程中的数据量，可以根据预设确定度的大小顺序依次将每个待决策数据与规则匹配机制进行匹配，得到相应的匹配结果。例如，可以获取待决策数据“年龄：27”与规则匹配机制进行匹配，参照图4所示，可从年龄的节点开始进行匹配，得到的匹配状态为与“P2：小于30”匹配成功。相应地，对待决策事实中的每个待决策数据依次进行匹配以得到相应的匹配状态，例如匹配成功或匹配失败。可以理解的是，按照预设确定度的大小顺序可以依次将每个待决策数据与规则匹配机制进行匹配，但并不表示本申请实施例限定了匹配顺序，匹配过程中任意顺序都可以，对此，本实施例不作限定。
S1033：根据匹配状态以及决策结果确定目标决策结果。
得到相应的匹配状态之后，根据匹配状态与决策结果确定对应的目标决策结果。其中，当匹配状态为匹配成功时，则根据当前匹配成功的匹配状态与决策结果确定目标决策结果。反之，当匹配失败时，则根据当前匹配失败的匹配结果与决策结果去到目标决策结果。
本申请实施例提供的基于规则引擎的业务决策方法，首先根据预设事实确定规则引擎的规则库，规则库中的每条业务规则包括至少一个业务条件以及对应的决策结果，其中，业务条件对应的业务类型携带预设权重，而决策结果携带对应的预设执行端和预设执行阈值。然后根据各条业务规则确定规则引擎的规则匹配机制，以通过规则匹配机制表征业务条件与决策结果之间的匹配逻辑。最后基于规则引擎对待决策事实进行业务决策，以确定携带决策可信参数的目标决策结果。其中，规则引擎中的业务规则通过业务条件对应的业务类型所携带的预设权重，能够准确体现业务条件的重要程度，决策结果携带的预设置信度和预设执行阈值能够对决策结论的可信度进行量化，以满足决策结果可能存在一定的不确定性的业务决策场景，使得业务决策更为全面和完整，能够被广泛使用。
图6为本申请实施例提供的又一种业务决策方法的流程示意图，如图6所示，本实施例提供的业务决策方法中，基于规则引擎对待决策事实进行业务决策以确定目标决策结果，包括：
S201：获取待决策事实。
其中，待决策事实包括至少一个待决策数据，每个待决策数据携带预设确定度。
本步骤S201与前述步骤S1031的实现方式及原理相类似，在此不再赘述。
S202：判断规则匹配机制中的各节点是否包含与当前待决策数据相匹配的对应节点。
S203：若是，确定匹配状态为匹配成功。
S204：若否，确定匹配状态为匹配失败。
获取待测事实中的待测数据之后，判断规则匹配机制中各节点是否包含与当前待决策数据相匹配的对应节点。例如，从待决策事实中任意选择一待决策数据，然后判断规则匹配机制中的各节点是否包含与当前选择的待决策数据相匹配的节点。也可以按照每个待测数据携带的预设确定度的大小首先确定每个待决策数据与规则匹配机制进行匹配的匹配顺序，然后根据按照匹配顺序判断规则匹配机制中的各节点是否包含与当前进行匹配的待决策数据相匹配的对应节点。另外，各节点包括第一节点和第二节点。在经过判断之后，得到相应的判断结果，即包含和不包含，当判断结果为包含时，执行步骤S203，确定匹配状态为匹配成功，并进一步执行步骤S205。反正，即不包含，执行步骤S204，则确定匹配状态为匹配失败，进一步则执行步骤S208和S209。可以理解的是，为了减少匹配过程的数据量，匹配顺序可以是预设确定度由大到小的顺序。当存在相同的预设确定度时，则可以根据实际情况对相同预设确定度进行前后排序，对此，本实施例不作限定。需要说明的是，选择待决策数据进行判断时，上述实施例描述中按照预设确定度选择进行判断的待决策数据仅是示意性描述，并不表示限定了判断顺序，选择待决策数据进行判断时对于待决策数据的选择没有顺序可言，即任意顺序都可以，对此，本实施例不作限定。
例如，参照图4所示，待决策数据“年龄：27”的CR为1，对其进行判断，经过判断后得知，其中节点“P2：小于30”与其对应，则确定节点中包括与待决策数据“年龄：27”相匹配的节点。当前待测数据的匹配状态为匹配成功。
S205：判断匹配状态对应的匹配结果所指向的下一个节点是否为结果节点。
S206：若是，将匹配结果添加至规则引擎的预设议程，以根据预设议程确定目标决策结果。
S207：若否，将匹配结果作为临时待决策数据加入待决策事实，以根据规则匹配机制对临时待决策数据继续进行匹配。
在步骤S203确定匹配状态为匹配成功之后，进一步执行步骤S205，即判断匹配状态对应的匹配结果是否为结果节点。例如得到节点“P2：小于30”为匹配成功后的匹配结果，则判断节点“P2：小于30”所指向的下一个节点是否为结果节点。当是，则表明基于规则引擎的待决策事实已完成规则匹配机制的匹配过程，则继续执行步骤S206。反之，若不是结果节点，例如经过判断确定，匹配结果“P2：小于30”所指向的下一个节点并非结果节点，则继续执行步骤S207。即将“P2：小于30”作为临时待决策数据加入至待决策事实，以根据规则匹配机制对临时待决策数据继续进行匹配。换言之，当判断匹配结果非结果节点时，经由步骤S207，将匹配结果加入至步骤S201中的待决策事实，继续进行匹配。可以理解的是，此处的继续匹配是将匹配结果作为临时待决策数据继续按照预设确定度的大小顺次进行匹配。参照图4所示，在匹配完年龄之后，得到“P2：小于30”的匹配结果，继续按照预设确定度的大小，对待决策数据“妊娠：否”进行匹配，得到匹配结果“P7：否”，进一步地，节点中包括有“P2∧P7”，从而即可完成“年龄：27”以及“妊娠：否”与规则匹配机制的匹配。相应地，匹配结果“P2∧P7”也并非结果节点，则进一步继续匹配，例如对待决策数据“症状：明显”进行匹配，得到的“P2∧P7∧P6”存在于图4中的节点，则表明对于待决策数据“症状：明显”匹配成功，则判断其指向的下一个节点“1型”是否为结果节点，经判断得知，“1型”为结果节点，则将“1型”这一匹配结果添加至预设议程，以确定目标决策结果。
S208：获取匹配失败的待决策数据对应的业务类型携带的预设权重。
S209：对获取到的预设权重进行求和运算，确定求和结果是否小于候选执行阈值。
其中，候选执行阈值为业务条件所属的业务规则对应的预设执行阈值。
在步骤S204确定匹配状态为匹配失败之后，进一步执行步骤S208，即获取匹配失败的待决策数据对应的业务类型携带的预设权重，进一步对获取到的预设权重求和运算，确定求和结果是否小于候选执行阈值，以判断当前的该匹配链是否存在还可以继续进行匹配的下一个节点，若是，即求和结果小于候选执行阈值，则忽略匹配失败的待决策数据，将匹配状态对应的匹配结果添加至预设议程，即执行步骤S206。反之，则判断匹配状态对应匹配结果所指向的下一个节点是否为结果节点，即可以通过执行S205中的方式判断匹配失败对应的匹配结果所指向的下一个节点是否为结果节点。其中，候选执行阈值为匹配失败的待决策数据对应的业务类型所属的业务规则对应预设执行阈值。
在一种可能的设计中，步骤S206在根据预设议程确定目标决策结果之前，还可以包括如下步骤：
判断待决策事实中的所有待决策数据和/或临时待决策数据是否都结束匹配；
若是，则根据预设议程确定目标决策结果；
若否，则根据规则匹配机制对未进行匹配的待决策数据和/或临时待决策数据继续进行匹配。
预设议程在确定目标决策结果之前，需要确定待决策事实中的所有待决策数据和/或临时待决策数据是否都已完成匹配，即是否都结束匹配。经过判断之后，若判断结果为是，即都已结束匹配，则根据预设异常确定目标决策结果。反之，则继续进行匹配，即根据规则匹配机制对未进行匹配的待决策数据和/或临时待决策数据进行匹配。以使得待决策事实中的待决策数据或临时待决策数据都能完成匹配，保证匹配信息的全面性和完整性。
可以理解的是，上述实施例中的预设议程为规则引擎在运行软件程序过程实现业务决策中的相应议程，对此，本实施例不作限定。
本申请实施例提供的基于规则引擎的业务决策方法，基于规则引擎对待决策事实进行业务决策。其中，首先获取待决策事实，然后选择待决策事实中的一待决策数据，判断规则匹配机制中的各节点是否包含与当前选择的待决策数据相匹配的对应节点。若是，则确定匹配成功的匹配状态，反之，确定匹配失败的匹配状态。对于匹配成功的匹配状态，判断匹配状态对应匹配结果所指向的下一个节点是否为结果节点，若是，将匹配结果添加至规则引擎的预设议程，以根据预设议程确定目标决策结果。反之，将匹配结果作为临时待决策数据加入至待决策事实，根据规则匹配机制对临时待决策数据继续进行匹配。其中，根据预设议程确定目标决策结果可以为首先获取当前匹配链中与结果节点对应的决策结果携带的预设置信度，以及各待决策数据携带的各预设确定度，对预设置信度和各预设确定度进行预设运算，根据所得到的运算结果确定目标决策结果。另一方面，对于匹配失败的匹配状态，获取匹配失败的待决策数据对应的业务类型携带的预设权重，并对获取到的预设权重进行求和运算，确定求和结果是否小于候选执行阈值，若是，则忽略匹配失败的待决策数据，将匹配失败的匹配结果添加至预设议程。反正，则判断匹配结果指向的下一个节点是否为结果节点。从而，基于规则引擎中的规则匹配机制，实现对待决策事实的业务决策，确定量化的目标决策结果。为不确定性的业务决策场景提供了一种规则引擎的实现思路。
在一种可能的设计中，步骤S206中根据预设议程确定目标决策结果可能的实现方式如图7所示，图7为本申请实施例提供的又一种业务决策方法的流程示意图，本实施例提供的业务决策方法中根据预设议程确定目标决策结果，包括：
S2061：获取当前匹配链中与结果节点对应的决策结果携带的预设置信度。
S2062：获取当前匹配链中各待决策数据携带的各预设确定度。
S2063：对预设置信度和各预设确定度进行预设运算，以得到对应运算结果。
S2064：根据运算结果对应的最大值确定目标决策结果。
规则引擎中的预设议程确定量化的目标决策结果。具体地，明确匹配结果的下一个节点为结果节点所属的匹配链，即当前匹配链。获取当前匹配链中与结果节点对应的决结果携带的预设置信度。同时，获取当前匹配链中各待测数据携带的各预设确定度。然后对预设置信度和各预设确定度进行如下公式(1)所示的预设运算，得到对应的运算结果。由于符合规则匹配机制的业务规则可能为多条，即可能存在多个匹配链，因而，得到的运算结果可能为多个。即根据运算结果对应的的最大值确定目标决策结果。其中，当匹配链为一个时，则运算结果为一个，该一个运算结果即为运算结果对应的最大值。
预设运算如下公式(1)表示：
C＝CR1*CR2*...*CRn*CF (1)
其中，C表示运算结果，CR1至CRn为当前匹配链中各对应待决策数据的预设确定度，n为当前匹配链中待决策数据的数量，CF为当前匹配链的结果节点携带的预设置信度。
进一步地，步骤S2064中根据运算结果的最大值确定目标决策结果，其中，存在两种情况，其一为最大值唯一，另一情况为最大值非唯一。
当最大值唯一时，步骤S2064可能的实现方式可以为：
将最大值对应的匹配链确定为决策匹配链，根据决策匹配链确定目标决策结果。具体地，将决策匹配链中最后一个节点对应的决策结果确定为目标决策结果，其中，将决策匹配链对应的运算结果确定为目标决策结果的决策置信度，以及将决策匹配链中最后一个节点对应的决策结果携带的预设执行阈值确定为决策执行阈值，从而得到目标决策结果携带的决策可信参数。
例如对于上述实施例得到的匹配结果“P2∧P7∧P6”，参照图4所示，其对应的结果节点为“1型”，再结合表1所示的业务规则，决策结果为“1型”对应的预设置信度为0.7，该当前匹配链中的各待决策数据为“年龄：27、症状：明显和妊娠：否”，这些待决策数据对应的预设确定度依次为1、1和0.9。将预设置信度和各预设确定度进行上述公式(1)所示的预设运算，得到运算结果为0.81。由于该运算结果唯一，则该运算结果的最大值也唯一，则当前匹配链为决策匹配链，则最终确定的目标决策结果为“1型(决策置信度：0.81，决策执行阈值0.7)”。
当最大值非唯一时，步骤S2064可能的实现方式可以为：
获取各最大值对应的各匹配链，以对各匹配链对应的所有业务类型携带的预设权重进行求和运算，将求和结果最高的匹配链确定为决策匹配链，以根据决策匹配链确定目标决策结果，即确定出一个决策匹配链。进而可以根据决策匹配链确定目标决策结果，以及目标决策结果携带的决策可信参数。在确定了决策匹配链之后，根据决策匹配链确定目标决策结果的实现方式和原理与上述实施例中最大值唯一时相类似，在此不再赘述。
下述为本申请装置实施例，可以用于执行本申请对应的方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请对应的方法实施例。
图8为本申请实施例提供的一种业务决策装置的结构示意图，如图8所示，本实施例提供的基于规则引擎的业务决策装置100，包括：
第一处理模块101，用于根据预设事实确定规则引擎的规则库。
其中，规则库中的每条业务规则包括至少一个业务条件以及对应的决策结果，业务条件对应的业务类型携带预设权重，决策结果携带对应的预设置信度和预设执行阈值。
第二处理模块102，用于根据各条业务规则确定规则引擎的规则匹配机制。
其中，规则匹配机制用于表征业务条件与决策结果之间的匹配逻辑。
第三处理模块103，用于基于规则引擎对待决策事实进行业务决策，以确定目标决策结果。
其中，目标决策结果携带决策可信参数，决策可信参数包括决策置信度和决策执行阈值。
在一种可能的设计中，第二处理模块102，具体用于：
选取一条业务规则，获取当前业务规则中的一个业务条件以及当前业务条件对应的业务类型，并将业务类型设置为第一节点；
确定业务类型对应的类型属性，并根据类型属性设置第一节点对应的第二节点；
若确定当前业务条件为当前业务规则中的最后一个业务条件，则将当前业务规则中的决策结果设置为对应的结果节点；
对每条业务规则依次执行上述步骤，以得到各第一节点、各第二节点以及与对应的结果节点之间的映射关系，映射关系用于表征规则匹配机制。
在一种可能的设计中，第二处理模块102，还具体用于：
判断类型属性是否首次出现；
若是，则将类型属性设置为第一节点对应的第二节点；
若否，则获取当前业务规则的另一个业务条件。
在图8的基础上，图9为本申请实施例提供的另一种业务决策装置的结构示意图，如图9所示，本实施例提供基于规则引擎的业务决策装置100的第三处理模块103，包括：
获取子模块1031，用于获取待决策事实，待决策事实包括至少一个待决策数据，每个待决策数据携带预设确定度；
匹配子模块1032，用于将每个待决策数据与规则引擎中的规则匹配机制进行匹配，以得到匹配状态；
处理子模块1033，用于根据匹配状态以及决策结果确定目标决策结果。
在一种可能的设计中，匹配子模块1032，具体用于：
判断规则匹配机制中的各节点是否包含与当前待决策数据相匹配的对应节点；
若是，确定匹配状态为匹配成功；
若否，确定匹配状态为匹配失败。
在一种可能的设计中，当确定匹配状态为匹配成功时，处理子模块1033，具体用于：
判断匹配状态对应匹配结果所指向的下一个节点是否为结果节点；
若是，将匹配结果添加至规则引擎的预设议程，以根据预设议程确定目标决策结果；
若否，将匹配结果作为临时待决策数据加入待决策事实，以根据规则匹配机制对临时待决策数据继续进行匹配。
在一种可能的设计中，处理子模块1033，还具体用于：
获取当前匹配链中与结果节点对应的决策结果携带的预设置信度；
获取当前匹配链中各待决策数据携带的各预设确定度；
对预设置信度和各预设确定度进行预设运算，以得到对应运算结果；
根据运算结果对应的最大值确定目标决策结果。
在一种可能的设计中，当最大值唯一时，处理子模块1033，还具体用于：将最大值对应的匹配链确定为决策匹配链，根据决策匹配链确定目标决策结果；
当最大值非唯一时，处理子模块1033，还具体用于：
获取各最大值对应的各匹配链，以对各匹配链对应的所有业务类型携带的预设权重进行求和运算，将求和结果最高的匹配链确定为决策匹配链，以根据决策匹配链确定目标决策结果。
在一种可能的设计中，处理子模块1033，还具体用于：
将决策匹配链中最后一个节点对应的决策结果确定为目标决策结果；
将决策匹配链对应的运算结果确定为决策置信度；
将决策匹配链中最后一个节点对应的决策结果携带的预设执行阈值确定为决策执行阈值。
在一种可能的设计中，第三处理模块103，还包括：判断子模块.
其中，判断子模块，用于：
判断待决策事实中的所有待决策数据和/或临时待决策数据是否都结束匹配；
若是，则根据预设议程确定目标决策结果；
若否，则根据规则匹配机制对未进行匹配的待决策数据和/或临时待决策数据继续进行匹配。
在一种可能的设计中，当确定匹配状态为匹配失败时，处理子模块1033，具体用于：
获取匹配失败的待决策数据对应的业务类型携带的预设权重；
对获取到的预设权重进行求和运算，确定求和结果是否小于候选执行阈值，候选执行阈值为业务类型所属的业务规则对应的预设执行阈值；
若是，将匹配状态对应的匹配结果添加至规则引擎的预设议程；
若否，判断匹配状态对应匹配结果所指向的下一个节点是否为结果节点。
本申请上述实施例提供的基于规则引擎的业务决策装置，可用于执行上述实施例提供的基于规则引擎的业务决策方法的对应步骤，具体实现方式、原理以及技术效果与前述方法实施例类似，在此不再赘述。
需要说明的是，本申请所提供的上述装置实施例仅仅是示意性的，其中的模块划分仅仅是一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个模块可以结合或者可以集成到另一个系统。各个模块相互之间的耦合可以是通过一些接口实现，这些接口通常是电性通信接口，但是也不排除可能是机械接口或其它的形式接口。因此，作为分离部件说明的模块可以是或者也可以不是物理上分开的，既可以位于一个地方，也可以分布到同一个或不同设备的不同位置上。
图10为本申请实施例提供的一种电子设备的结构示意图，如图10所示，本实施例提供的电子设备200，包括：
至少一个处理器201；以及
与至少一个处理器201通信连接的存储器202；其中，
存储器202存储有可被至少一个处理器201执行的指令，指令被至少一个处理器201执行，以使至少一个处理器201能够执行上述方法实施例中的基于业务规则的业务决策方法的各个步骤，具体可以参考前述方法实施例中的相关描述。
可选地，存储器202既可以是独立的，也可以跟至少一个处理器201集成在一起。
当存储器202是独立于至少一个处理器201之外的器件时，电子设备200，还可以包括：
总线203，用于连接处理器201以及存储器202。
本申请实施例还提供一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行上述各实施例中的基于规则引擎的业务决策方法的各个步骤。例如，可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
此外，本申请实施例还提供一种计算机程序产品，包括计算机指令，该计算机指令被上述处理器执行时实现上述方法实施例中的基于规则引擎的业务决策方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由权利要求书指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。

Claims (15)

1.一种基于规则引擎的业务决策方法，其特征在于，包括：
根据预设事实确定所述规则引擎的规则库，所述规则库中的每条业务规则包括至少一个业务条件以及对应的决策结果，所述业务条件对应的业务类型携带预设权重，所述决策结果携带对应的预设置信度和预设执行阈值；
根据各条业务规则确定所述规则引擎的规则匹配机制，所述规则匹配机制用于表征所述业务条件与所述决策结果之间的匹配逻辑；
基于所述规则引擎对待决策事实进行业务决策，以确定目标决策结果，所述目标决策结果携带决策可信参数，所述决策可信参数包括决策置信度和决策执行阈值。
2.根据权利要求1所述的业务决策方法，其特征在于，所述根据各条业务规则确定所述规则引擎的规则匹配机制，包括：
选取一条业务规则，获取当前业务规则中的一个业务条件以及当前业务条件对应的所述业务类型，并将所述业务类型设置为第一节点；
确定所述业务类型对应的类型属性，并根据所述类型属性设置所述第一节点对应的第二节点；
若确定所述当前业务条件为所述当前业务规则中的最后一个业务条件，则将所述当前业务规则中的所述决策结果设置为对应的结果节点；
对每条业务规则依次执行上述步骤，以得到各第一节点、各第二节点以及与对应的所述结果节点之间的映射关系，所述映射关系用于表征所述规则匹配机制。
3.根据权利要求1或2所述的业务决策方法，其特征在于，所述根据所述类型属性设置所述第一节点对应的第二节点，包括：
判断所述类型属性是否首次出现；
若是，则将所述类型属性设置为所述第一节点对应的所述第二节点；
若否，则获取所述当前业务规则的另一个业务条件。
4.根据权利要求2所述的业务决策方法，其特征在于，所述基于所述规则引擎对待决策事实进行业务决策，以确定目标决策结果，包括：
获取所述待决策事实，所述待决策事实包括至少一个待决策数据，每个待决策数据携带预设确定度；
将每个待决策数据与所述规则引擎中的所述规则匹配机制进行匹配，以得到匹配状态；
根据所述匹配状态以及所述决策结果确定所述目标决策结果。
5.根据权利要求4所述的业务决策方法，其特征在于，所述将每个待决策数据与所述规则引擎中的所述规则匹配机制进行匹配，以得到匹配状态，包括：
判断所述规则匹配机制中的各节点是否包含与当前待决策数据相匹配的对应节点；
若是，确定所述匹配状态为匹配成功；
若否，确定所述匹配状态为匹配失败。
6.根据权利要求5所述的业务决策方法，其特征在于，当所述确定所述匹配状态为匹配成功时，所述根据所述匹配状态以及所述决策结果确定所述目标决策结果，包括：
判断所述匹配状态对应匹配结果所指向的下一个节点是否为所述结果节点；
若是，将所述匹配结果添加至所述规则引擎的预设议程，以根据所述预设议程确定所述目标决策结果；
若否，将所述匹配结果作为临时待决策数据加入所述待决策事实，以根据所述规则匹配机制对所述临时待决策数据继续进行匹配。
7.根据权利要求6所述的业务决策方法，其特征在于，所述根据所述预设议程确定所述目标决策结果，包括：
获取当前匹配链中与所述结果节点对应的所述决策结果携带的所述预设置信度；
获取所述当前匹配链中各待决策数据携带的各预设确定度；
对所述预设置信度和各预设确定度进行预设运算，以得到对应运算结果；
根据所述运算结果对应的最大值确定所述目标决策结果。
8.根据权利要求7所述的业务决策方法，其特征在于，当所述最大值唯一时，根据所述运算结果对应的最大值确定所述目标决策结果，包括：
将所述最大值对应的匹配链确定为决策匹配链，根据所述决策匹配链确定所述目标决策结果；
当所述最大值非唯一时，根据所述运算结果对应的最大值确定所述目标决策结果，包括：
获取各最大值对应的各匹配链，以对各匹配链对应的所有业务类型携带的所述预设权重进行求和运算，将求和结果最高的匹配链确定为决策匹配链，以根据所述决策匹配链确定所述目标决策结果。
9.根据权利要求8所述的业务决策方法，其特征在于，所述根据所述决策匹配链确定所述目标决策结果，包括：
将所述决策匹配链中最后一个节点对应的所述决策结果确定为所述目标决策结果；
将所述决策匹配链对应的所述运算结果确定为所述决策置信度；
将所述决策匹配链中所述最后一个节点对应的所述决策结果携带的所述预设执行阈值确定为所述决策执行阈值。
10.根据权利要求6所述的业务决策方法，其特征在于，在所述根据所述预设议程确定所述目标决策结果之前，还包括：
判断所述待决策事实中的所有待决策数据和/或所述临时待决策数据是否都结束匹配；
若是，则根据所述预设议程确定所述目标决策结果；
若否，则根据所述规则匹配机制对未进行匹配的待决策数据和/或所述临时待决策数据继续进行匹配。
11.根据权利要求5所述的业务决策方法，其特征在于，当确定所述匹配状态为匹配失败时，所述根据所述匹配状态以及所述决策结果确定所述目标决策结果，包括：
获取匹配失败的待决策数据对应的业务类型携带的所述预设权重；
对获取到的所述预设权重进行求和运算，确定求和结果是否小于候选执行阈值，所述候选执行阈值为所述业务类型所属的业务规则对应的所述预设执行阈值；
若是，将所述匹配状态对应的匹配结果添加至所述规则引擎的预设议程；
若否，判断所述匹配状态对应匹配结果所指向的下一个节点是否为所述结果节点。
12.一种基于规则引擎的业务决策装置，其特征在于，包括：
第一处理模块，用于根据预设事实确定所述规则引擎的规则库，所述规则库中的每条业务规则包括至少一个业务条件以及对应的决策结果，所述业务条件对应的业务类型携带预设权重，所述决策结果携带对应的预设置信度和预设执行阈值；
第二处理模块，用于根据各条业务规则确定所述规则引擎的规则匹配机制，所述规则匹配机制用于表征所述业务条件与所述决策结果之间的匹配逻辑；
第三处理模块，用于基于所述规则引擎对待决策事实进行业务决策，以确定目标决策结果，所述目标决策结果携带决策可信参数，所述决策可信参数包括决策置信度和决策执行阈值。
13.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，存储器存储有可被所述至少一个处理器执行的指令，指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-11中任一项所述的基于规则引擎的业务决策方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-11中任一项所述的基于规则引擎的业务决策方法。
15.一种计算机程序产品，包括计算机指令，其特征在于，该计算机指令被处理器执行时实现权利要求1-11中任一项所述的基于规则引擎的业务决策方法。
CN202011435893.4A 2020-12-10 2020-12-10 基于规则引擎的业务决策方法、装置、设备及存储介质 Active CN112527838B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011435893.4A CN112527838B (zh) 2020-12-10 2020-12-10 基于规则引擎的业务决策方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011435893.4A CN112527838B (zh) 2020-12-10 2020-12-10 基于规则引擎的业务决策方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112527838A true CN112527838A (zh) 2021-03-19
CN112527838B CN112527838B (zh) 2022-11-15

Family

ID=74999952

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011435893.4A Active CN112527838B (zh) 2020-12-10 2020-12-10 基于规则引擎的业务决策方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112527838B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113076348A (zh) * 2021-04-13 2021-07-06 上海优扬新媒信息技术有限公司 一种策略信息管理方法、装置、服务器及存储介质
CN113159581A (zh) * 2021-04-23 2021-07-23 上海数禾信息科技有限公司 业务管理方法、电子设备及存储介质
CN114168581A (zh) * 2021-12-13 2022-03-11 平安养老保险股份有限公司 数据清洗方法、装置、计算机设备及存储介质
CN114239833A (zh) * 2021-11-17 2022-03-25 中国人民解放军军事科学院国防科技创新研究院 一种基于概率软逻辑的规则置信度计算方法和装置
CN115129324A (zh) * 2022-07-28 2022-09-30 北京天融信网络安全技术有限公司 规则匹配方法、装置、电子设备及介质
CN116578786A (zh) * 2023-07-14 2023-08-11 深圳联友科技有限公司 基于车辆数据分析的智能加油推荐方法和装置
CN117195865A (zh) * 2023-09-14 2023-12-08 上海金仕达卫宁软件科技有限公司 基于自定义规则语言和rete算法优化的病案质控方法和系统
CN117573186A (zh) * 2023-11-24 2024-02-20 北京中海通科技有限公司 基于Drools的规则引擎效率优化方法、装置和电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106909543A (zh) * 2015-12-22 2017-06-30 阿里巴巴集团控股有限公司 一种规则引擎的模式匹配方法和装置
CN109086031A (zh) * 2018-06-28 2018-12-25 阿里巴巴集团控股有限公司 一种基于规则引擎的业务决策方法和装置
CN109493213A (zh) * 2018-11-09 2019-03-19 杭州创金聚乾网络科技有限公司 一种基于业务规则库的借贷业务决策方法及系统
CN110297840A (zh) * 2019-05-22 2019-10-01 平安银行股份有限公司 基于规则引擎的数据处理方法、装置、设备及存储介质
CN111260336A (zh) * 2020-02-13 2020-06-09 支付宝(杭州)信息技术有限公司 基于规则引擎的业务核对方法、装置及设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106909543A (zh) * 2015-12-22 2017-06-30 阿里巴巴集团控股有限公司 一种规则引擎的模式匹配方法和装置
CN109086031A (zh) * 2018-06-28 2018-12-25 阿里巴巴集团控股有限公司 一种基于规则引擎的业务决策方法和装置
CN109493213A (zh) * 2018-11-09 2019-03-19 杭州创金聚乾网络科技有限公司 一种基于业务规则库的借贷业务决策方法及系统
CN110297840A (zh) * 2019-05-22 2019-10-01 平安银行股份有限公司 基于规则引擎的数据处理方法、装置、设备及存储介质
CN111260336A (zh) * 2020-02-13 2020-06-09 支付宝(杭州)信息技术有限公司 基于规则引擎的业务核对方法、装置及设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
FABIO MASCHI.ET.L: "Making Search Engines Faster by Lowering the Cost of Querying Business Rules Through FPGAs", 《2020 ACM SIGMOD INTERNATIONAL CONFERENCE ON MANAGEMENT OF DATA》 *
季开伟等: "规则引擎在访问控制中的研究与应用", 《计算机与现代化》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113076348A (zh) * 2021-04-13 2021-07-06 上海优扬新媒信息技术有限公司 一种策略信息管理方法、装置、服务器及存储介质
CN113076348B (zh) * 2021-04-13 2022-12-13 度小满科技(北京)有限公司 一种策略信息管理方法、装置、服务器及存储介质
CN113159581A (zh) * 2021-04-23 2021-07-23 上海数禾信息科技有限公司 业务管理方法、电子设备及存储介质
CN114239833A (zh) * 2021-11-17 2022-03-25 中国人民解放军军事科学院国防科技创新研究院 一种基于概率软逻辑的规则置信度计算方法和装置
CN114239833B (zh) * 2021-11-17 2023-03-24 中国人民解放军军事科学院国防科技创新研究院 基于概率软逻辑的军事对抗规则置信度计算方法和装置
CN114168581A (zh) * 2021-12-13 2022-03-11 平安养老保险股份有限公司 数据清洗方法、装置、计算机设备及存储介质
CN115129324A (zh) * 2022-07-28 2022-09-30 北京天融信网络安全技术有限公司 规则匹配方法、装置、电子设备及介质
CN116578786A (zh) * 2023-07-14 2023-08-11 深圳联友科技有限公司 基于车辆数据分析的智能加油推荐方法和装置
CN117195865A (zh) * 2023-09-14 2023-12-08 上海金仕达卫宁软件科技有限公司 基于自定义规则语言和rete算法优化的病案质控方法和系统
CN117573186A (zh) * 2023-11-24 2024-02-20 北京中海通科技有限公司 基于Drools的规则引擎效率优化方法、装置和电子设备

Also Published As

Publication number Publication date
CN112527838B (zh) 2022-11-15

Similar Documents

Publication Publication Date Title
CN112527838B (zh) 基于规则引擎的业务决策方法、装置、设备及存储介质
US11429863B2 (en) Computer-readable recording medium having stored therein learning program, learning method, and learning apparatus
US20190258935A1 (en) Computer-readable recording medium, learning method, and learning apparatus
EP3872818A2 (en) Method for providing diagnostic system using semi-supervised learning, and diagnostic system using same
CN115577858B (zh) 基于区块链的碳排放量预测方法、装置及电子设备
CN112532455B (zh) 一种异常根因定位方法及装置
CN113590839B (zh) 知识图谱的构建方法、目标业务的执行方法及装置
CN113032524A (zh) 商标侵权识别方法、终端设备及存储介质
CN111159481B (zh) 图数据的边预测方法、装置及终端设备
CN117151726A (zh) 故障的修复方法、修复装置、电子设备以及存储介质
CN109992659B (zh) 用于文本排序的方法和装置
CN109086427A (zh) 数据对比方法、装置、计算机设备及存储介质
CN114492742A (zh) 神经网络结构搜索、模型发布方法、电子设备和存储介质
CN108334935B (zh) 精简输入的深度学习神经网络方法、装置和机器人系统
CN114741384A (zh) 一种患者信息处理方法及其装置、计算机可读存储介质
CN112395880B (zh) 结构化三元组的纠错方法、装置、计算机设备及存储介质
CN113065748A (zh) 业务风险评估方法、装置、设备及存储介质
CN116151374B (zh) 分布式模型推理方法、装置、设备、存储介质以及程序产品
CN111967581A (zh) 分群模型的解释方法、装置、计算机设备和存储介质
CN107528969A (zh) 电话拨打时间的管理方法、管理装置及终端设备
CN115361295B (zh) 基于topsis的资源备份方法、装置、设备及介质
CN112861962B (zh) 样本处理方法、装置、电子设备和存储介质
CN115543792A (zh) 软件系统的性能分析方法及设备
CN113760367A (zh) 一种数据处理方法、装置、电子设备以及存储介质
CN113093702A (zh) 故障数据的预测方法和装置、电子设备和存储介质

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