CN114519071A - 规则匹配模型的生成方法、匹配方法、系统、设备和介质 - Google Patents

Abstract

本发明公开了规则匹配模型的生成方法、匹配方法、系统、设备和介质，规则匹配模型的生成方法包括获取业务数据和第一业务规则数据；根据所述业务数据的类型，提取所述业务数据的特征；拆分所述第一业务规则数据，以获取第二业务规则数据和所述第二业务规则数据之间的关系；基于所述业务数据的特征、所述第二业务规则数据及所述第二业务规则数据之间的关系，采用深度优先遍历算法和回溯算法生成业务规则匹配模型。本发明提高了业务规则匹配的效率。

Description

规则匹配模型的生成方法、匹配方法、系统、设备和介质

技术领域

本发明涉及计算机技术，尤其涉及一种规则匹配模型的生成方法、匹配方法、系统、设备和介质。

背景技术

随着业务的不断发展，业务规则的频繁变更，规则类型、结构的不断增加变化，结合上错综复杂的场景，每次规则变化时，都需要经历以下四个步骤：业务规则更新->结合变成规则和场景开发->各场景测试需求->版本发布；同时，目前企业的规则查询匹配系统的现有技术中，针对不同的业务场景，是由不同团队负责，每个场景下的各个应用都是手工实现并独立维护其数据源的。

现有规则匹配场景所涉及到的都是相对复杂的业务过滤，且现有的业务规则的匹配逻辑分散在整个系统的各个子系统中。对于现有的业务规则的匹配方法，基本是线性匹配方式，需要人工编排，匹配效率也不高。

发明内容

本发明要解决的技术问题是为了克服现有技术中业务规则的匹配方法，需要人工编排，匹配低的缺陷，提供一种规则匹配模型的生成方法、匹配方法、系统、设备和介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供一种规则匹配模型的生成方法，所述生成方法包括：

获取业务数据和第一业务规则数据；

根据所述业务数据的类型，提取所述业务数据的特征；

拆分所述第一业务规则数据，以获取第二业务规则数据和所述第二业务规则数据之间的关系；

基于所述业务数据的特征、所述第二业务规则数据及所述第二业务规则数据之间的关系，采用深度优先遍历算法和回溯算法生成业务规则匹配模型。

较佳地，所述采用深度优先遍历算法和回溯算法生成业务规则匹配模型的步骤包括：

将所述第二业务规则数据的特征使用第一树型结构表示；

所述树型结构使用递归的方式应用深度优先遍历算法获取业务数据匹配的业务规则，以生成业务规则匹配模型。

较佳地，所述树型结构使用递归的方式应用深度优先遍历算法获取业务数据匹配的业务规则，以生成业务规则匹配模型的步骤包括：

根据所述树型结构中当前节点的规则类型，从业务数据的特征中获取当前节点下所有叶子节点的数据；

对所述叶子节点的数据采用回溯算法对第二业务规则数据进行转换；

对所述业务数据匹配的业务规则采用第二树型结构进行表示；

按照所述第二树型结构内部的节点对应的业务数据出现频率的高低，对所述第二树型结构内部的节点进行排序；

优先对业务数据出现频率高的节点进行规则匹配，以生成业务规则匹配模型。

本发明还提供一种规则匹配方法，所述匹配方法包括：

获取待匹配规则的业务数据；

将所述待匹配规则的业务数据输入至所述业务规则匹配模型中进行匹配，以得到所述业务数据相匹配的规则；

所述业务规则匹配模型使用如前述的业务规则匹配模型的生成方法生成。

本发明提供一种规则匹配模型的生成系统，所述生成系统包括：

第一获取模块，用于获取业务数据和第一业务规则数据；

提取模块，用于根据所述业务数据的类型，提取所述业务数据的特征；

拆分模块，用于拆分所述第一业务规则数据，以获取第二业务规则数据和所述第二业务规则数据之间的关系；

生成模块，用于基于所述业务数据的特征、所述第二业务规则数据及所述第二业务规则数据之间的关系，采用深度优先遍历算法和回溯算法生成业务规则匹配模型。

较佳地，所述生成模块包括：

表示单元，用于将所述第二业务规则数据的特征使用第一树型结构表示；

生成单元，用于所述树型结构使用递归的方式应用深度优先遍历算法获取业务数据匹配的业务规则，以生成业务规则匹配模型。

较佳地，所述生成单元包括：

获取子单元，用于根据所述树型结构中当前节点的规则类型，从业务数据的特征中获取当前节点下所有叶子节点的数据；

转换子单元，用于对所述叶子节点的数据采用回溯算法对第二业务规则数据进行转换；

表示子单元，用于对所述业务数据匹配的业务规则采用第二树型结构进行表示；

排序子单元，用于按照所述第二树型结构内部的节点对应的业务数据出现频率的高低，对所述第二树型结构内部的节点进行排序；

生成子单元，用于优先对业务数据出现频率高的节点进行规则匹配，以生成业务规则匹配模型。

本发明还提供一种规则匹配系统，所述匹配系统包括：

第二获取模块，用于获取待匹配规则的业务数据；

第三获取模块，用于将所述待匹配规则的业务数据输入至所述业务规则匹配模型中进行匹配，以得到所述业务数据相匹配的规则；

所述业务规则匹配模型使用前述的业务规则匹配模型的生成系统生成。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如前述的规则匹配模型的生成方法或如前述的规则匹配方法。

本发明还提供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如前述的规则匹配模型的生成方法或如前述的规则匹配方法。

本发明的积极进步效果在于：

本发明提供了一种规则匹配模型的生成方法、匹配方法、系统、设备和介质，通过业务数据的特征、所述第二业务规则数据及所述第二业务规则数据之间的关系，采用深度优先遍历算法和回溯算法生成业务规则匹配模型，进一步地，利用该模型进行规则匹配。对比基于业务规则的匹配方法，基本是线性匹配方式，需要人工编排的方法，本发明提高了业务规则匹配的效率。

附图说明

图1为本发明实施例1的规则匹配模型的生成方法的流程图。

图2为本发明实施例1中的步骤S104的流程图。

图3为本发明实施例1中的步骤S1042的流程图。

图4为本发明实施例2的规则匹配方法的流程图。

图5为本发明实施例3的规则匹配模型的生成系统的模块示意图。

图6为本发明实施例3的生成模块的模块示意图。

图7为本发明实施例3的生成单元的模块示意图。

图8为本发明实施例4的规则匹配系统的模块示意图。

图9为本发明实施例5的电子设备的结构示意图。

具体实施方式

下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。

实施例1

如图1所述，本实施例公开了一种规则匹配模型的生成方法，所述生成方法包括：

步骤S101、获取业务数据和第一业务规则数据；

具体地，所述第一业务规则业务数据，指的是参与业务匹配的字段数据。

步骤S102、根据所述业务数据的类型，提取所述业务数据的特征；

步骤S103、拆分所述第一业务规则数据，以获取第二业务规则数据和所述第二业务规则数据之间的关系；

具体地，依据不同业务场景，拆分提取出表示相同业务含义的规则字段，进行抽象、复用。

步骤S104、基于所述业务数据的特征、所述第二业务规则数据及所述第二业务规则数据之间的关系，采用深度优先遍历算法和回溯算法生成业务规则匹配模型。

具体地，规则，是指按照抽象规则模型，通过对象格式化方式，格式化为字符串存储于数据库中的每条规则。

在本方案中，规则以存储表的形式进行存储，具体地可以创建存储匹配规则的表结构。外部系统通过统一的接口，对数据库的存储表进行增加、更新、删除、查找等操作。如，当数据库中规则发生变更时，从规则存储表中读取更新后规则，经过一次等价转化，将原始的业务规则对象，转化为更利于匹配的结构，更新到对应场景的缓存中，进行业务数据与规则的匹配。其中，存更新，是指针对各个场景，提前加载好转换后的规则，在需要匹配时减少从匹配规则存储表中读取转化数据的时间。等价转化，是指通过同构/等价异构算法，在保证等价性的前提下，拆分合并原始的业务规则对象，转化为更利于匹配和表达的结构。

本方案中，外部业务系统调用匹配接口，从缓存中读取规则，与每条业务数据根据优先级进行多级匹配，最终返回匹配中。其中，缓存指的是利用缓存读取更快的特性，定时主动或被动的提前预处理、更新好规则，从而达到减少匹配时从数据库中读取再处理的时间。匹配中，考虑到对每次字段匹配的时间远大于判断字段是否为空的时间，因此若当某条数据当前字段匹配且剩余字段为空，则整条数据即匹配中，无需继续后续匹配。

本方案，通过业务数据的特征、所述第二业务规则数据及所述第二业务规则数据之间的关系，采用深度优先遍历算法和回溯算法生成业务规则匹配模型，该模型使得多个业务场景在数据存储模型、数据匹配模型和数据更新方式上的统一，同时多方使用通用的方式做数据结构和逻辑的适配，最终将业务逻辑通用化和内聚化，提升匹配效率，提升用户体验。

如图2所示，在一可实施的方式中，步骤S104中所述采用深度优先遍历算法和回溯算法生成业务规则匹配模型的步骤包括：

步骤S1041、将所述第二业务规则数据的特征使用第一树型结构表示；

具体地，树型结构中树的节点类型分为叶子节点和分支节点，分支节包含下一层分支节点和叶子节点，叶子节点表示原始业务数据的原子字段，同时叶子节点不再包含任何节点。特别的，当使用规则进行匹配时，被匹配的数据为集合类型，针对集合类型的每个元素，有特别的匹配需求，因此模型中，在分支、叶子节点中增加MatchType(匹配类型)字段描述特别的匹配需求，同时确保该节点在树上的唯一性。

在拆分所述第一业务规则数据，以获取第二业务规则数据时，对每一条树形数据进行拆解，深度优先遍历规则节点，利用集合A记录每一次遍历的分支、叶子节点路径和数据。

在本方案中，对于拆解后得到的结果，若当前深度只有一个子节点，则该子节点的所有子节点则可以划分为当前节点的子节点，从而可以减少递归深度，提升匹配效率。

步骤S1042、所述第一树型结构使用递归的方式应用深度优先遍历算法获取业务数据匹配的业务规则，以生成业务规则匹配模型。

具体地，对根据业务数据特征构建的多个映射模式进行深度优先遍历，每次遍历时总是先获取当前节点的所有叶子节点，同时维护一个集合C来记录所有子节点的遍历结果，并根据当前节点的匹配类型维护该集合，接着枚举每个分支节点递归执行，直至无分支节点。枚举每个根据业务数据特征设计的模式，进行深度优先遍历。枚举时，通过集合B记录每个模式每次深度遍历得到的用于匹配的规则。

遍历时，通过集合A记录每层的分支、叶子节点的路径和节点内容。

本方案中，将业务规则数据的特征使用树型结构表示，树型结构使用递归的方式应用深度优先遍历算法获取业务数据匹配的业务规则，以生成业务规则匹配模型，使得生成业务规则匹配模型能够将多个业务场景在数据存储模型、数据匹配模型和数据更新方式上的统一，同时多方使用通用的方式做数据结构和逻辑的适配，最终将业务逻辑通用化和内聚化，提升匹配效率。

如图3所示，在一可实施的方式中，步骤S1042包括：

步骤S10421、根据所述树型结构中当前节点的规则类型，从业务数据的特征中获取当前节点下所有叶子节点的数据；

具体地，深度优先遍历时，首先根据当前节点的规则类型，从集合A中获得当前节点下所有叶子节点的数据，记为集合LeafData(叶子数据)。

步骤S10422、对所述叶子节点的数据采用回溯算法对第二业务规则数据进行转换；

步骤S10423、对所述业务数据匹配的业务规则采用第二树型结构进行表示；

步骤S10424、按照所述第二树型结构内部的节点对应的业务数据出现频率的高低，对所述节点进行排序；

步骤S10425、优先对业务数据出现频率高的节点进行规则匹配，以生成业务规则匹配模型。

具体地，依据业务数据的分布，依据不同节点对应的业务数据出现频率的高低，对所述节点进行排序，以达到对节点进行分级匹配，最先匹配对应的业务数据出现频率高的节点，以达到提升匹配效率的效果。

本方案，使用了回溯算法保证了规则数据的等价转换，使得规则数据中的信息不会被遗漏。从而提高了生成规则匹配模型的准确性。

在一可实施的方式中，步骤S10422具体包括：

若所述第二树型结构的当前节点属于非集合类型，则对所述业务数据匹配的业务规则进行数据填充，继续执行深度优先遍历；

若所述第二树型结构的当前节点属于集合类型，则枚举当前节点集合的所有的数据ID(身份标识号码)，从所有叶子节点的数据中取出与当前ID对应的数据，根据ID记录回溯算法的过程状态变量的变化，并对所述业务数据匹配的业务规则进行数据填充。

具体地，通过集合C记录当前节点下的匹配的规则，若当前节点用于匹配非集合类型的业务数据，则直接将上一步得到的所有叶子节点数据存入C中；若当前节点用于匹配集合类型的业务规则，则枚举当前节点的所有的MatchType，从LeafData中取出与当前MatchType对应的叶子节点，加入C中。

本方案，根据树型结构的当前节点的类型，对业务数据匹配的业务规则进行数据进行不同的操作，从而提高了生成规则匹配模型的准确性。

实施例2

如图4所示，本实施例提供了一种规则匹配方法，所述匹配方法包括：

步骤S201、获取待匹配规则的业务数据；

步骤S202、将所述待匹配规则的业务数据输入至所述业务规则匹配模型中进行匹配，以得到所述业务数据相匹配的规则；

所述业务规则匹配模型使用实施例1中所述的业务规则匹配模型的生成方法生成。

本实施例公开的规则匹配方法，通过获取待匹配规则的业务数据，并将所述待匹配规则的业务数据输入至所述业务规则匹配模型中进行匹配，以得到所述业务数据相匹配的规则，本实施例能够自动配匹业务规则，从而提高了业务规则的匹配效率。

实施例3

如图5所示，本实施例提供了一种规则匹配模型的生成系统，其特征在于，所述生成系统包括：

第一获取模块11，用于获取业务数据和第一业务规则数据；

具体地，所述第一业务规则业务数据，指的是参与业务匹配的字段数据。

提取模块12，用于根据所述业务数据的类型，提取所述业务数据的特征；

拆分模块13，用于拆分所述第一业务规则数据，以获取第二业务规则数据和所述第二业务规则数据之间的关系；

具体地，依据不同业务场景，拆分提取出表示相同业务含义的规则字段，进行抽象、复用。

生成模块14，用于基于所述业务数据的特征、所述第二业务规则数据及所述第二业务规则数据之间的关系，采用深度优先遍历算法和回溯算法生成业务规则匹配模型。

具体地，规则，是指按照抽象规则模型，通过对象格式化方式，格式化为字符串存储于数据库中的每条规则。

在本方案中，规则以存储表的形式进行存储，具体地可以创建存储匹配规则的表结构。外部系统通过统一的接口，对数据库的存储表进行增加、更新、删除、查找等操作。如，当数据库中规则发生变更时，从规则存储表中读取更新后规则，经过一次等价转化，将原始的业务规则对象，转化为更利于匹配的结构，更新到对应场景的缓存中，进行业务数据与规则的匹配。其中，存更新，是指针对各个场景，提前加载好转换后的规则，在需要匹配时减少从匹配规则存储表中读取转化数据的时间。等价转化，是指通过同构/等价异构算法，在保证等价性的前提下，拆分合并原始的业务规则对象，转化为更利于匹配和表达的结构。

本方案中，外部业务系统调用匹配接口，从缓存中读取规则，与每条业务数据根据优先级进行多级匹配，最终返回匹配中。其中，缓存指的是利用缓存读取更快的特性，定时主动或被动的提前预处理、更新好规则，从而达到减少匹配时从数据库中读取再处理的时间。匹配中，考虑到对每次字段匹配的时间远大于判断字段是否为空的时间，因此若当某条数据当前字段匹配且剩余字段为空，则整条数据即匹配中，无需继续后续匹配。

本方案，通过业务数据的特征、所述第二业务规则数据及所述第二业务规则数据之间的关系，采用深度优先遍历算法和回溯算法生成业务规则匹配模型，该模型使得多个业务场景在数据存储模型、数据匹配模型和数据更新方式上的统一，同时多方使用通用的方式做数据结构和逻辑的适配，最终将业务逻辑通用化和内聚化，提升匹配效率，提升用户体验。

如图6所示，在一可实施的方式中，所述生成模块14包括：

表示单元141，用于将所述第二业务规则数据的特征使用第一树型结构表示；

具体地，树型结构中树的节点类型分为叶子节点和分支节点，分支节包含下一层分支节点和叶子节点，叶子节点表示原始业务数据的原子字段，同时叶子节点不再包含任何节点。特别的，当使用规则进行匹配时，被匹配的数据为集合类型，针对集合类型的每个元素，有特别的匹配需求，因此模型中，在分支、叶子节点中增加MatchType字段描述特别的匹配需求，同时确保该节点在树上的唯一性。

在拆分所述第一业务规则数据，以获取第二业务规则数据时，对每一条树形数据进行拆解，深度优先遍历规则节点，利用集合A记录每一次遍历的分支、叶子节点路径和数据。

在本方案中，对于拆解后得到的结果，若当前深度只有一个子节点，则该子节点的所有子节点则可以划分为当前节点的子节点，从而可以减少递归深度，提升匹配效率。

生成单元142，用于所述第一树型结构使用递归的方式应用深度优先遍历算法获取业务数据匹配的业务规则，以生成业务规则匹配模型。

具体地，对根据业务数据特征构建的多个映射模式进行深度优先遍历，每次遍历时总是先获取当前节点的所有叶子节点，同时维护一个集合C来记录所有子节点的遍历结果，并根据当前节点的匹配类型维护该集合，接着枚举每个分支节点递归执行，直至无分支节点。枚举每个根据业务数据特征设计的模式，进行深度优先遍历。枚举时，通过集合B记录每个模式每次深度遍历得到的用于匹配的规则。

遍历时，通过集合A记录每层的分支、叶子节点的路径和节点内容。

本方案中，将业务规则数据的特征使用树型结构表示，树型结构使用递归的方式应用深度优先遍历算法获取业务数据匹配的业务规则，以生成业务规则匹配模型，使得生成业务规则匹配模型能够将多个业务场景在数据存储模型、数据匹配模型和数据更新方式上的统一，同时多方使用通用的方式做数据结构和逻辑的适配，最终将业务逻辑通用化和内聚化，提升匹配效率。

如图7所示，在一可实施的方式中，所述生成单元142包括：

获取子单元1421，用于根据所述树型结构中当前节点的规则类型，从业务数据的特征中获取当前节点下所有叶子节点的数据；

具体地，深度优先遍历时，首先根据当前节点的规则类型，从集合A中获得当前节点下所有叶子节点的数据，记为集合LeafData。

转换子单元1422，用于对所述叶子节点的数据采用回溯算法对第二业务规则数据进行转换；

表示子单元1423，用于对所述业务数据匹配的业务规则采用第二树型结构进行表示；

排序子单元1424，用于按照所述第二树型结构内部的节点对应的业务数据出现频率的高低，对所述节点进行排序；

生成子单元1425，用于优先对业务数据出现频率高的节点进行规则匹配，以生成业务规则匹配模型。

具体地，依据业务数据的分布，依据不同节点对应的业务数据出现频率的高低，对所述节点进行排序，以达到对节点进行分级匹配，最先匹配对应的业务数据出现频率高的节点，以达到提升匹配效率的效果。

本方案，使用了回溯算法保证了规则数据的等价转换，使得规则数据中的信息不会被遗漏。从而提高了生成规则匹配模型的准确性。

在一可实施的方式中，生成子单元1425，具体用于：

若所述第二树型结构的当前节点属于非集合类型，则对所述业务数据匹配的业务规则进行数据填充，继续执行深度优先遍历；

若所述第二树型结构的当前节点属于集合类型，则枚举当前节点集合的所有的数据ID，从所有叶子节点的数据中取出与当前ID对应的数据，根据ID记录回溯算法的过程状态变量的变化，并对所述业务数据匹配的业务规则进行数据填充。

具体地，通过集合C记录当前节点下的匹配的规则，若当前节点用于匹配非集合类型的业务数据，则直接将上一步得到的所有叶子节点数据存入C中；若当前节点用于匹配集合类型的业务规则，则枚举当前节点的所有的MatchType，从LeafData中取出与当前MatchType对应的叶子节点，加入C中。

本方案，根据树型结构的当前节点的类型，对业务数据匹配的业务规则进行数据进行不同的操作，从而提高了生成规则匹配模型的准确性。

实施例4

如图8所示，本实施例提供了一种规则匹配系统，所述匹配系统包括：

第二获取模块21，用于获取待匹配规则的业务数据；

第三获取模块22，用于将所述待匹配规则的业务数据输入至所述业务规则匹配模型中进行匹配，以得到所述业务数据相匹配的规则；

所述业务规则匹配模型使用如实施例3中的业务规则匹配模型的生成系统生成。

本实施例公开的规则匹配系统，通过获取待匹配规则的业务数据，并将所述待匹配规则的业务数据输入至所述业务规则匹配模型中进行匹配，以得到所述业务数据相匹配的规则，本实施例能够自动配匹业务规则，从而提高了业务规则的匹配效率。

实施例5

图9为本发明实施例5提供的一种电子设备的结构示意图。所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例1所提供的规则匹配模型的生成方法及实施例2所提供的规则匹配方法。图9显示的电子设备30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9所示，电子设备30可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。

总线33包括数据总线、地址总线和控制总线。

存储器32可以包括易失性存储器，例如随机存取存储器(RAM)321和/或高速缓存存储器322，还可以进一步包括只读存储器(ROM)323。

存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324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。

处理器31通过运行存储在存储器32中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1所提供的规则匹配模型的生成方法及实施例2所提供的规则匹配方法。

电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且，模型生成的设备30还可以通过网络适配器36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36通过总线33与模型生成的设备30的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备30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、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。

应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

实施例6

本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1所提供的规则匹配模型的生成方法及实施例2所提供的规则匹配方法。

其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。

在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1所提供的规则匹配模型的生成方法及实施例2所提供的规则匹配方法。

其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (10)

1.一种规则匹配模型的生成方法，其特征在于，所述生成方法包括：

获取业务数据和第一业务规则数据；

根据所述业务数据的类型，提取所述业务数据的特征；

拆分所述第一业务规则数据，以获取第二业务规则数据和所述第二业务规则数据之间的关系；

基于所述业务数据的特征、所述第二业务规则数据及所述第二业务规则数据之间的关系，采用深度优先遍历算法和回溯算法生成业务规则匹配模型。

2.如权利要求1所述的规则匹配模型的生成方法，其特征在于，所述采用深度优先遍历算法和回溯算法生成业务规则匹配模型的步骤包括：

将所述第二业务规则数据的特征使用第一树型结构表示；

所述第一树型结构使用递归的方式应用深度优先遍历算法获取业务数据匹配的业务规则，以生成业务规则匹配模型。

3.如权利要求2所述的规则匹配模型的生成方法，其特征在于，所述第一树型结构使用递归的方式应用深度优先遍历算法获取业务数据匹配的业务规则，以生成业务规则匹配模型的步骤包括：

根据所述树型结构中当前节点的规则类型，从业务数据的特征中获取当前节点下所有叶子节点的数据；

对所述叶子节点的数据采用回溯算法对第二业务规则数据进行转换；

对所述业务数据匹配的业务规则采用第二树型结构进行表示；

按照所述第二树型结构内部的节点对应的业务数据出现频率的高低，对所述第二树型结构内部的节点进行排序；

优先对业务数据出现频率高的节点进行规则匹配，以生成业务规则匹配模型。

4.一种规则匹配方法，其特征在于，所述匹配方法包括：

获取待匹配规则的业务数据；

将所述待匹配规则的业务数据输入至所述业务规则匹配模型中进行匹配，以得到所述业务数据相匹配的规则；

所述业务规则匹配模型使用如权利要求1至3中任一项所述的业务规则匹配模型的生成方法生成。

5.一种规则匹配模型的生成系统，其特征在于，所述生成系统包括：

第一获取模块，用于获取业务数据和第一业务规则数据；

提取模块，用于根据所述业务数据的类型，提取所述业务数据的特征；

拆分模块，用于拆分所述第一业务规则数据，以获取第二业务规则数据和所述第二业务规则数据之间的关系；

生成模块，用于基于所述业务数据的特征、所述第二业务规则数据及所述第二业务规则数据之间的关系，采用深度优先遍历算法和回溯算法生成业务规则匹配模型。

6.如权利要求5所述的规则匹配模型的生成系统，其特征在于，所述生成模块包括：

表示单元，用于将所述第二业务规则数据的特征使用第一树型结构表示；

生成单元，用于所述第一树型结构使用递归的方式应用深度优先遍历算法获取业务数据匹配的业务规则，以生成业务规则匹配模型。

7.如权利要求6所述的规则匹配模型的生成系统，其特征在于，所述生成单元包括：

获取子单元，用于根据所述树型结构中当前节点的规则类型，从业务数据的特征中获取当前节点下所有叶子节点的数据；

转换子单元，用于对所述叶子节点的数据采用回溯算法对第二业务规则数据进行转换；

表示子单元，用于对所述业务数据匹配的业务规则采用第二树型结构进行表示；

排序子单元，用于按照所述第二树型结构内部的节点对应的业务数据出现频率的高低，对所述第二树型结构内部的节点进行排序；

生成子单元，用于优先对业务数据出现频率高的节点进行规则匹配，以生成业务规则匹配模型。

8.一种规则匹配系统，其特征在于，所述匹配系统包括：

第二获取模块，用于获取待匹配规则的业务数据；

第三获取模块，用于将所述待匹配规则的业务数据输入至所述业务规则匹配模型中进行匹配，以得到所述业务数据相匹配的规则；

所述业务规则匹配模型使用如权利要求5至7中任一项所述的业务规则匹配模型的生成系统生成。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述的规则匹配模型的生成方法或如权利要求4所述的规则匹配方法。

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如权利要求1至3任一项所述的规则匹配模型的生成方法或如权利要求4所述的规则匹配方法。

Images