CN114638216A - 不同策略的条件中的语义的语境比较 - Google Patents

Abstract

提供了便于不同策略的条件中的语义的语境比较的系统、计算机实现的方法和计算机程序产品。根据实施例，系统可以包括执行存储在存储器中的计算机可执行组件的处理器。计算机可执行组件可以包括比较组件，该比较组件基于至少一个实体的特征来在语境上在语境上比较不同策略的策略数据中的条件的语义。计算机可执行组件还包括语境化组件，该语境化组件采用模型以基于至少一个实体的特征来提供第一策略的第一策略数据中的第一条件与第二策略的第二策略数据中的第二条件如何在语义上不同的语境解释。

Description

不同策略的条件中的语义的语境比较

背景技术

本主题公开涉及不同策略中的条件的比较，并且更具体地，涉及不同策略的条件中的语义的语境比较。

发明内容

以下呈现了概述以提供对本发明的一个或多个实施例的基本理解。本概述不旨在标识关键或重要元素，或者描绘特定实施例的任何范围或权利要求的任何范围。其唯一目的是以简化形式呈现概念，作为稍后呈现的更详细描述的序言。在本文描述的一个或多个实施例中，描述了便于不同策略的条件中的语义的语境比较的系统、计算机实现的方法和/或计算机程序产品。

根据实施例，系统可以包括执行存储在存储器中的计算机可执行组件的处理器。计算机可执行组件可以包括比较组件，该比较组件基于至少一个实体的特征来在语境上比较不同策略的策略数据中的条件的语义。计算机可执行组件还包括语境化组件，该语境化组件采用模型以基于至少一个实体的特征来提供第一策略的第一策略数据中的第一条件与第二策略的第二策略数据中的第二条件如何在语义上不同的语境解释。

根据另一实施例，一种计算机实现的方法可以包括由操作地耦接到处理器的系统基于至少一个实体的特征来在语境上比较不同策略的策略数据中的条件的语义。该计算机实现的方法还可以包括由该系统采用模型以基于至少一个实体的特征来提供第一策略的第一策略数据中的第一条件与第二策略的第二策略数据中的第二条件如何在语义上不同的语境解释。

根据另一实施例，一种计算机程序产品，包括计算机可读存储介质，该计算机可读存储介质具有随其具体实施的程序指令，该程序指令由处理器可执行以使该处理器基于至少一个实体的特征来在语境上比较不同策略的策略数据中的条件的语义。该程序指令进一步由该处理器可执行以使该处理器采用模型以基于至少一个实体的特征来提供第一策略的第一策略数据中的第一条件与第二策略的第二策略数据中的第二条件如何在语义上不同的语境解释。

附图说明

图1、图2、图3、图4和图5示出了根据本文描述的一个或多个实施例的可以便于不同策略的条件中的语义的语境比较的示例非限制性系统的框图。

图6示出了根据本文描述的一个或多个实施例的可以便于不同策略的条件中的语义的语境比较的示例非限制性示图。

图7示出了根据本文描述的一个或多个实施例的可以便于不同策略的条件中的语义的语境比较的示例、非限制性计算机实现的方法的流程图。

图8示出了可以便于本文描述的一个或多个实施例的示例、非限制性操作环境的框图。

图9示出了根据本主题公开的一个或多个实施例的示例性非限制性云计算环境的框图。

图10示出了根据本主题公开的一个或多个实施例的示例、非限制性抽象模型层的框图。

具体实施方式

以下详细描述仅是说明性的，并且不旨在限制实施例和/或实施例的应用或使用。此外，并不意在受前面的背景技术或发明内容部分或具体实施方式部分中呈现的任何明示或暗示的信息的约束。

现在参考附图来描述一个或多个实施例，其中相同的附图标记始终用于指代相同的元件。在以下描述中，出于解释的目的，阐述了许多具体细节以便提供对一个或多个实施例的更透彻理解。然而，在各种情况下，显然可在没有这些特定细节的情况下实践一个或一个以上实施例。

如本文引用的，“实体”可以包括人、客户端、用户、计算设备、软件应用、代理、机器学习(ML)模型、人工智能(AI)模型和/或另一实体。如本文引用的，“策略”可以包括描述引导决策和实现结果的原则的文本文档，其中可以以条件或规则的形式描述这样的原则。策略的示例包括但不限于汽车保险策略、家庭保险策略、私人健康策略、公共和/或州健康策略、财务合规规章和/或另一策略。应当理解的是，当元件在本文中被称为“耦接”到另一元件时，它可以描述一种或多种不同类型的耦接，包括但不限于化学耦接、通信耦接、电耦接、电磁耦接、操作耦接、光学耦接、物理耦接、热耦接和/或另一类型的耦接。

通过以下描述应当理解的是，本主题公开的各种实施例使得能够语境比较不同策略中的语义上相似的条件和/或解释语义上相似的条件之间的差异。例如，通过以下描述应当理解的是，本公开的各种实施例使得能够对给定上下文中的不同策略进行语境比较，其中这样的上下文可以由特定实体和/或特定群组的一个或多个特征定义。

图1、图2和图3分别示出了根据本文描述的一个或多个实施例的示例非限制性系统100、200和300的框图，这些系统各自可以便于不同策略的条件中的语义的语境比较。系统100、200和300可以各自包括策略比较系统102。图1中描绘的系统100的策略比较系统102可以包括存储器104、处理器106、比较组件108、语境化组件110和/或总线112。图2中描绘的系统200的策略比较系统102还可以包括提取组件202。图3中描绘的系统300的策略比较系统102还可以包括相似性组件302。

应当理解的是，在本文公开的各个图中描绘的本公开的实施例仅用于说明，并且因此，这些实施例的架构不限于本文描绘的系统、设备和/或组件。例如，在一些实施例中，系统100、系统200、系统300和/或策略比较系统102还可以包括本文参考操作环境800和图8所描述的各种计算机和/或基于计算的元件，在若干实施例中，这样的计算机和/或基于计算的元件可以结合实现结合图1、图2、图3和/或本文公开的其他附图示出和描述的系统、设备、组件和/或计算机实现的操作中的一个或多个来使用。

存储器104可以存储一个或多个计算机和/或机器可读、可写和/或可执行组件和/或指令，当由处理器106(例如，经典处理器、量子处理器和/或另一类型的处理器)执行时，这些组件和/或指令可以便于由可执行组件和/或指令定义的操作的执行。例如，存储器104可以存储计算机和/或机器可读、可写和/或可执行组件和/或指令，当由处理器106执行时，其可以便于本文描述的与策略比较系统102、比较组件108、语境化组件110、提取组件202、相似性组件302和/或与策略比较系统102相关联的另一组件有关的各种功能的执行，如本文参考或不参考本公开的各个附图所描述的。

存储器104可以包括易失性存储器(例如，随机存取存储器(RAM)、静态RAM(SRAM)、动态RAM(DRAM)和/或另一类型的易失性存储器)和/或可以采用一个或多个存储器架构的非易失性存储器(例如，只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)和/或另一类型的非易失性存储器)。存储器104的进一步示例在下面参考系统存储器816和图8描述，存储器104的这样的示例可以被采用以实现本主题公开的任何实施例。

处理器106可以包括一种或多种类型的处理器和/或电子电路(例如，经典处理器、量子处理器、和/或另一类型的处理器和/或电子电路)，其可以实现一个或多个计算机和/或机器可读、可写、和/或可执行组件和/或可存储在存储器104上的指令。例如，处理器106可以执行可以由这样的计算机和/或机器可读、可写和/或可执行组件和/或指令指定的各种操作，包括但不限于逻辑、控制、输入/输出(I/O)、算术和/或类似操作。在一些实施例中，处理器106可以包括一个或多个中央处理单元、多核处理器、微处理器、双微处理器、微控制器、片上系统(SOC)、阵列处理器、矢量处理器、量子处理器和/或另一类型的处理器。处理器106的进一步示例在下面参考处理单元814和图8描述，处理器106的这些示例可被用于实现本主题公开的任何实施例。

如本文描述的策略比较系统102、存储器104、处理器106、比较组件108、语境化组件110、提取组件202、相似性组件302和/或策略比较系统102的另一组件可以经由总线112通信地、电气地、操作地和/或光学地彼此耦接，以执行系统100、系统200、系统300、策略比较系统102和/或与其耦接的任何组件的功能。总线112可以包括一个或多个存储器总线、存储器控制器、外围总线、外部总线、本地总线、量子总线和/或可以采用各种总线架构的另一类型的总线。下面参考系统总线818和图8描述总线112的其它示例，总线112的这些示例可用于实现本发明的任何实施例。

策略比较系统102可以包括任何类型的组件、机器、设备、设施、装置和/或仪器，其包括处理器和/或可以能够与有线和/或无线网络进行有效和/或可操作的通信。所有的这些实施例都是可以预见的。例如，策略比较系统102可以包括服务器设备、计算设备、通用计算机、专用计算机、量子计算设备(例如，量子计算机)、平板计算设备、手持设备、服务器类计算机器和/或数据库、膝上型计算机、笔记本计算机、台式计算机、蜂窝电话、智能电话、消费电器和/或仪器、工业和/或商业设备、数字助理、支持多媒体因特网的电话、多媒体播放器和/或另一类型的设备。

策略比较系统102可以使用电线和/或电缆耦接(例如，通信地、电气地、操作地、光学地和/或经由另一类型的耦接)到一个或多个外部系统、源和/或设备(例如，经典和/或量子计算设备、通信设备和/或另一类型的外部系统、源和/或设备)。例如，策略比较系统102可以使用数据电缆耦接(例如，通信地、电气地、操作地、光学地和/或经由另一类型的耦接)到一个或多个外部系统、源和/或设备(例如，经典和/或量子计算设备、通信设备和/或另一类型的外部系统、源和/或设备)，数据电缆包括但不限于高清晰度多媒体接口(HDMI)电缆、推荐标准(RS)232电缆、以太网电缆和/或另一数据电缆。

在一些实施例中，策略比较系统102可以经由网络耦接(例如，通信地、电气地、操作地、光学地和/或经由另一类型的耦接)到一个或多个外部系统、源和/或设备(例如，经典和/或量子计算设备、通信设备和/或另一类型的外部系统、源和/或设备)。例如，这样的网络可以包括有线和/或无线网络，包括但不限于蜂窝网络、广域网(WAN)(例如，因特网)或局域网(LAN)。策略比较系统102可以使用实际上任何期望的有线和/或无线技术与一个或多个外部系统、源和/或设备，例如计算设备，通信，技术包括但不限于：无线保真(Wi-Fi)、全球移动通信系统(GSM)、通用移动电信系统(UMTS)、全球微波接入互操作性(WiMAX)、增强型通用分组无线业务(增强型GPRS)、第三代合作伙伴计划(3GPP)长期演进(LTE)、第三代合作伙伴计划2(3GPP2)、超移动宽带(UMB)、高速分组接入(HSPA)、Zigbee和其它802。XX无线技术和/或传统电信技术、蓝牙、会话发起协议(SIP)、ZIGBEE、RF4CE协议、WirelessHARTTM协议、6LoWPAN(低功率无线局域网上的IPv6)、Z-Wave、ANT、超宽带(UWB)标准协议和/或其它专有和非专有通信协议。因此，在一些实施例中，策略比较系统102可以包括硬件(例如，中央处理单元(CPU)、收发器、解码器、量子硬件、量子处理器和/或其他硬件)、软件(例如，线程集合、进程集合、执行中的软件、量子脉冲调度、量子电路、量子门和/或其他软件)或者可以便于在策略比较系统102与外部系统、源和/或设备(例如，计算设备、通信设备和/或另一类型的外部系统、源和/或设备)之间传送信息的硬件和软件的组合。

策略比较系统102可以包括一个或多个计算机和/或机器可读、可写和/或可执行组件和/或指令，当由处理器106(例如，经典处理器、量子处理器和/或另一类型的处理器)执行时，这些组件和/或指令可以便于由这些组件和/或指令定义的操作的执行。此外，在许多实施例中，如本文参考或不参考本公开的各个附图所描述的，与策略比较系统102相关联的任何组件可以包括一个或多个计算机和/或机器可读、可写和/或可执行组件和/或指令，当由处理器106执行时，这些组件和/或指令可便于由这些组件和/或指令定义的操作的执行。例如，比较组件108、语境化组件110、提取组件202、相似性组件302和/或与如本文公开的策略比较系统102相关联的任何其他组件(例如，与策略比较系统102通信地、电子地、操作地和/或光学地耦接和/或由其采用)可以包括这样的计算机和/或机器可读、可写和/或可执行组件和/或指令。因此，根据许多实施例，如本文公开的策略比较系统102和/或与其相关联的任何组件可以采用处理器106来执行这样的计算机和/或机器可读、可写和/或可执行组件和/或指令，以便于本文参考策略比较系统102和/或与其相关联的任何这样的组件所描述的一个或多个操作的执行。

策略比较系统102可以便于(例如，经由处理器106)由比较组件108、语境化组件110、提取组件202、相似性组件302和/或与本文公开的策略比较系统102相关联的另一组件执行和/或与其相关联的操作的执行。例如，如以下详细描述的，策略比较系统102可以便于(例如，经由处理器106)：基于至少一个实体的特征，在语境上比较不同策略的策略数据中的条件的语义；和/或采用模型以基于至少一个实体的特征来提供第一策略的第一策略数据中的第一条件与第二策略的第二策略数据中的第二条件如何在语义上不同的语境解释。

在以上示例中，如以下详细描述的，策略比较系统102还可以(例如，经由处理器106)便于：从第一策略数据提取第一数据，并且从第二策略数据提取第二数据，其中第一数据和第二数据对应于至少一个实体的特征；标识第一策略数据中的第一数据，第一数据具有第一语义相似性得分，该第一语义相似性得分在第二策略数据中的第二数据的第二语义相似性得分的定义范围内的，其中第一语义相似性得分和第二语义相似性得分是基于至少一个实体的特征而计算的；基于与第一策略数据或第二策略数据相对应的领域知识、第一策略数据中的具有在第二策略数据中的第二数据的第二语义相似性得分的定义范围内的第一语义相似性得分的第一数据、和/或从第一策略数据提取的第一数据和从第二策略数据提取的第二数据，来按照语境比较策略数据中的条件的语义；采用模型以基于与至少一个实体相对应的语境数据提供第一策略数据中的第一条件与第二策略数据中的第二条件如何在语义上不同的语境解释，并且减少模型和/或处理器在比较第一策略数据和第二策略数据时的工作负载和/或执行时间；基于至少一个实体的特征，采用模型以提供第一策略数据中的一个或多个第一条件，一个或多个第一条件在语义上不同于第二策略数据中的一个或多个第二条件；和/或采用模型以基于与至少一个实体和/或至少一个实体的特征的相关性来对第一策略数据中的第一条件进行排序，该第一条件在语义上不同于第二策略数据中的第二条件。

比较组件108可以基于至少一个实体的特征来在语境上比较不同策略的策略数据中的条件的语义。例如，比较组件108可以基于如本文定义的实体(例如，目标实体)的特征(例如，特性和/或属性)和/或群组(例如，包括具有至少一个共同特性和/或属性的实体组的目标群组)的特征，在语境上比较第一策略的第一策略数据中的条件(例如，资格标准)的语义与第二策略的第二策略数据中的条件的语义。在本公开的各种实施例中，这样的第一和/或第二策略中的每一个可以包括但不限于保险策略、政府策略(例如，联邦策略、州策略和/或另一政府策略)、公司策略、组织策略、程序策略、服务提供方策略(例如，支付者-提供方策略)、社交服务领域中的策略和/或另一类型的策略。在本主题公开的各种实施例中，这样的第一和/或第二策略数据中的每一个可以包括但不限于章节、段落、句子、表、图表、图、词汇表、附录和/或其他策略数据。

在本文描述的多个实施例中，比较组件108可以采用一个或多个机器学习(ML)和/或人工智能(AI)模型和/或技术来在语境上比较第一策略的第一策略数据中的条件的语义(例如，合格性标准)与第二策略的第二策略数据中的条件的语义。例如，为了在语境上比较第一策略的第一策略数据中的条件的语义(例如，资格标准)与第二策略的第二策略数据中的条件的语义，比较组件108可以采用一个或多个ML和/或AI模型和/或技术，包括但不限于序列模型(例如，单词序列模型)、神经网络(例如，卷积神经网络(CNN)、递归神经网络(RNN)和/或CNN和/或RNN的变体)、n元语法模型、分类模型、支持向量机(SVM)、逻辑回归模型、自然语言处理(NLP)、深度学习和/或另一ML和/或AI模型和/或技术。

为了基于至少一个实体的特征来语境比较策略数据中的条件的语义，比较组件108可以标识不同策略的类似策略数据(例如，类似的策略章节、段落、句子和/或其他类似的策略数据)之间的相似性和/或差异。在一实施例中，比较组件108可将第一策略中的语义上类似的条件的规则与第二策略中的那些规则进行比较，并且还可表达差异(例如，以计算机可读格式、人类可读格式、和/或以另一类型的格式)。例如，比较组件108可以使用知识图比较技术来标识第一策略的第一策略数据和第二策略的第二策略数据中的条件规则之间的相似性和差异。在另一示例中，比较组件108可以在语义上将从第一策略的第一策略数据(例如，段落中的文本)提取的规则与从第二策略的第二策略数据(例如，段落中的文本)提取的规则进行比较，以标识第一策略和第二策略中的条件规则之间的相似性和差异。在该示例中，如下，可以由提取组件202从第一和/或第二策略数据中提取这些规则。

在一些实施例中，比较组件108可以基于例如领域，在语境上比较第一策略的第一策略数据中的条件的语义与第二策略的第二策略数据中的条件的语义。为了基于领域在语境上比较第一策略的第一策略数据中的条件的语义与第二策略的第二策略数据中的条件的语义，比较组件108可采用以上定义的ML和/或AI模型和/或技术中的一个或多个。在本主题公开的各种实施例中，这样的领域知识可以对应于第一策略数据、第二策略数据、第一策略和/或第二策略。在这些实施例中，这样的领域知识可以包括但不限于本体(例如，提供在领域中使用的定义的本体信息)、知识库(例如，定义在领域中使用的一个或多个知识图的知识图信息)、术语(例如，定义在领域中使用的术语和相关联的定义的字典和/或术语信息)、策略所涵盖的服务的成本、普查数据、分类、定义与领域相关联的数据对象之间的关系的数据模型、表格、商业规则模式和/或其他领域知识。例如，关于医疗行业，领域知识可以包括定义过程代码、医学术语的信息、将与特定医学服务相关联的数据对象彼此相关的信息、和/或医疗行业中的其他领域知识。

在一些实施例中，比较组件108可以基于例如第一策略数据中的第一数据，将第一策略的第一策略数据中的条件的语义与第二策略的第二策略数据中的条件的语义进行语境比较，第一数据具有第一语义相似性分数，该第一语义相似性分数在第二策略数据中的第二数据的第二语义相似性分数的定义范围内。为了在语境上比较第一策略的第一策略数据中的条件的语义与基于第一策略数据中的第一数据的第二策略数据中的条件的语义，比较组件108可以采用以上定义的ML和/或AI模型和/或技术中的一个或多个，其中第一策略数据中的第一数据具有在第二策略数据中的第二数据的第二语义相似性分数的定义范围内的第一语义相似性分数。在本主题公开的各种实施例中，这样的第一和/或第二数据可以包括但不限于结构化数据、非结构化数据、文本数据、字母数字数据、令牌数据、字符数据、对象数据、图形数据、规则数据、表格数据和/或其他数据。

在一些实施例中，比较组件108可以基于例如从第一策略数据提取的第一数据和从第二策略数据提取的第二数据来将第一策略的第一策略数据中的条件的语义与第二策略的第二策略数据中的条件的语义进行语境比较。为了基于从第一策略数据提取的第一数据和从第二策略数据提取的第二数据来将第一策略的第一策略数据中的条件的语义与第二策略的第二策略数据中的条件的语义进行语境比较，比较组件108可以采用以上定义的ML和/或AI模型和/或技术中的一个或多个。

语境化组件110可以采用模型以基于至少一个实体(例如，单个实体和/或群组)的特征(例如，特性和/或属性)来提供第一策略的第一策略数据(例如，章节和/或段落)中的第一条件(例如，第一资格标准)如何在语义上不同于第二策略的第二策略数据中的第二条件的语境解释。为了提供这样的语境解释，语境化组件110可以采用模型以基于至少一个实体(例如，单个实体和/或群组)的特征提供第一策略的第一策略数据中的一个或多个第一条件，一个或多个第一条件在语义上不同于第二策略的第二策略数据中的一个或多个第二条件。例如，为了基于至少一个实体的特征提供第一策略数据中的一个或多个第一条件，该一个或多个第一条件在语义上不同于第二策略数据中的一个或多个第二条件，语境化组件110可以确定至少一个实体(例如，单个实体和/或群组)的哪个(些)特征和/或第一和/或第二策略的第一和/或第二策略数据中的哪个(些)条件与至少一个实体相关。为了确定这样的(一个或多个)特征和/或(一个或多个)条件，语境化组件110可以使用至少一个实体的一个或多个偏好(例如，单个实体和/或群组的(一个或多个)偏好)。在一些实施例中，如本文定义的实体可以使用例如策略比较系统102的接口组件(图中未示出)(例如，图形用户接口(GUI)、应用编程接口(API)、表述性状态转移(REST)API和/或另一类型的接口)来定义这样的偏好(例如，相关特征和/或条件)。

在一些实施例中，语境化组件110可以实现偏好学习过程以推断与至少一个实体(例如，与单个实体和/或群组)相对应的这样的偏好(例如，相关的(一个或多个)特征和/或(一个或多个)条件)。在这些实施例中，语境化组件110可以实现这样的偏好学习过程以使用例如推荐器系统(例如，诸如回归模型和/或分类模型之类的推荐器模型)来推断这样的偏好。在这些实施例中，这样的推荐器系统可以被训练为使用对应于至少一个实体的历史使用模式数据来学习至少一个实体的偏好(例如，学习对应于单个实体和/或群组的相关特征和/或条件)。例如，这样的推荐系统可以被训练为使用历史使用模式数据来学习至少一个实体的这样的偏好，历史使用模式数据包括但不限于历史操作数据(例如，策略提供方声明)、历史策略持有者数据、历史策略记录数据、语境数据(例如，实体简档数据、日常生活活动(ADL)数据、人口普查数据和/或其他语境数据)和/或对应于至少一个实体(例如，对应于单个实体和/或群组)的其他历史使用模式数据。

在一些实施例中，为了确定至少一个实体的这样的偏好和/或为了提供上面描述的语境解释，语境化组件110可以采用ML和/或AI模型和/或技术(例如，神经网络、推荐器系统、解释性模型、预测模型、分类器和/或另一ML和/或AI模型和/或技术)。在另一示例中，语境化组件110可以采用一个或多个偏好推断模型和/或技术来确定至少一个实体的这样的偏好和/或提供这样的语境解释。例如，语境化组件110可以采用一个或多个偏好推断模型和/或技术，包括但不限于词典模型、帕累托图和/或可以用于确定至少一个实体的这样的偏好和/或提供上述这样的语境解释的另一偏好推断模型和/或技术。

语境化组件110可以采用模型以基于对应于至少一个实体(例如，单个实体和/或群组)的语境数据提供第一策略的第一策略数据中的第一条件与第二策略的第二策略数据中的第二条件如何在语义上不同的语境解释。例如，语境化组件110可以采用以上定义的模型和/或技术(例如，偏好推断模型和/或技术、词典模型、帕累托图、神经网络、推荐器系统、解释模型、预测模型、分类器和/或另一模型和/或技术)中的一个或多个来确定哪些语境数据与至少一个实体相关和/或基于语境数据来提供这样的语境解释。在本公开的各种实施例中，这样的语境数据可以包括但不限于：操作数据(例如，策略提供方声明)；统计数据(例如，描述例如城市、城镇、州或国家的人口普查数据和/或其它统计数据)；实体简档数据；实体偏好数据；ADL数据和/或与至少一个实体(例如，单个实体和/或群组)相关的另一类型的语境数据。

语境化组件110可以采用模型以基于与至少一个实体(例如，目标实体和/或目标群组)和/或至少一个实体的特征(例如，特性和/或属性)的相关性来对第一策略的第一策略数据中的第一条件进行排名，该第一条件在语义上不同于第二策略的第二策略数据中的第二条件。例如，为了基于与至少一个实体(例如，单个实体和/或群组)和/或至少一个实体的特征(例如，特性和/或属性)的相关性来对第一策略数据中的在语义上不同于第二策略数据中的第二条件的第一条件进行排名，语境化组件110可以采用上面定义的模型和/或技术(例如，偏好推断模型和/或技术、词典编纂模型、帕累托图、神经网络、推荐器系统、解释模型、预测模型、分类器和/或另一模型和/或技术)中的一个或多个。例如，语境化组件110可以实现偏好学习过程以基于与至少一个实体(例如，目标实体和/或目标群组)和/或至少一个实体的特征(例如，特性和/或属性)的相关性来推断和进一步排名第一策略数据中的第一条件，该第一条件在语义上不同于第二策略数据中的第二条件。在该示例中，语境化组件110可以使用例如推荐器系统(例如，诸如回归模型和/或分类模型的推荐器模型)来实现偏好学习过程，以基于与至少一个实体(例如，单个实体和/或群组)和/或至少一个实体的特征(例如，特性和/或属性)的相关性来对第一策略数据中的第一条件在语义上不同于第二策略数据中的第二条件的第一条件进行排名。在该示例中，这样的推荐器系统可以被训练为使用对应于如上所述的至少一个实体的历史使用模式数据来学习第一策略数据中的这样的第一条件(例如，学习策略数据中与至少一个实体相关的条件)。

根据以上描述，应当理解的是，语境化组件110可以基于以上描述的语境数据和/或领域知识来提取相关上下文数据(例如，对于目标实体和/或目标群组相关的条件值集合(例如，条件))，以标识和进一步对目标实体和/或目标群组的相关和/或关注区域进行排名。语境化组件110可以提取的相关上下文可以包括但不限于服务、跨服务的不同资格标准、与目标实体和/或目标群组最相关的资格标准和/或其他相关语境数据。

从以上描述还应当理解的是，在一些实施例中，语境化组件110可以采用一个或多个偏好推断模型和/或技术(例如，词典模型和/或帕累托图)来推断和/或排名实体和/或群组的偏好(例如，相关特征和/或条件)。在这些实施例中，语境化组件110可以使用例如以下各项来确定实体和/或群组的使用模式：对应于特定实体和/或群组的操作数据(例如，策略提供方声明)；历史数据(例如，策略持有者和/或策略记录数据库)；语境数据(例如，实体简档数据、ADL数据、普查和/或其他语境数据)；和/或其任何组合。例如，用于年老群组的服务与较年轻的群组(例如，州中的群体)不相关，并且用于不存在于操作数据中的服务的资格标准的差异不相关。

从以上描述应当进一步领会，在一些实施例中，语境化组件110可以将语境数据(例如，最相关的语境数据)应用于可以由提取组件202和/或相似性组件302如下地标识的一个或多个策略部分，以支持不同策略中的相关部分和/或段落的标识，并且还可以基于语境数据通过与实体和/或群组的相关性来对这些策略部分中的差异进行排名。通过以上描述还应当理解的是，在一些实施例中，语境化组件110可以利用相关(例如，优选)语境数据(例如，通过计算用于特定实体和/或群组的特定服务的成本)来增强和/或丰富策略部分中的数据(例如，可以由提取组件202提取的数据，如下所述)。在这些实施例中，如上所述，相关语境数据可以由实现策略比较系统102的实体明确地定义和/或由语境化组件110使用历史使用模式数据(例如，历史策略持有者数据、历史策略记录数据、历史操作数据、历史语境数据、其组合和/或其他可用历史数据源)来推断。从以上描述还应当理解的是，在一些实施例中，语境化组件110可以呈现(例如，经由策略比较系统102的GUI、API、REST API和/或另一接口组件)具有可由策略比较系统102生成的丰富证据(例如，支持细节和/或数据)和/或解释的排名列表。从以上描述还应当理解的是，通过基于实体和/或群组的特征在语境上比较不同策略的策略数据中的条件的语义并且还基于这样的特征提供策略中的条件如何在语义上不同的语境解释，策略比较系统102可以由此减少被采用以分别将第一策略数据和/或第一策略与第二策略数据和/或第二策略进行比较的模型和/或处理器的工作量(例如，处理工作量)和/或执行时间。

提取组件202可以从第一策略中的第一策略数据提取第一数据，并且从第二策略中的第二策略数据提取第二数据，其中第一数据和第二数据对应于至少一个实体(例如，目标实体和/或目标群组)的特征(例如，特性和/或属性)。如上所述，在本发明的各实施例中，这样的第一和/或第二数据可以包括但不限于结构化数据、非结构化数据、文本数据、字母数字数据、记号数据、字符数据、对象数据、图形数据、规则数据、表格数据和/或其它数据。

为了提取这样的第一数据和/或这样的第二数据，提取组件202可以采用一个或多个模型(例如，ML和/或AI模型)和/或技术，包括但不限于：自然语言处理(NLP)、深度NLP解析(例如，使用一个或多个神经网络)、可移植文档格式(PDF)解析、文本段分类器、实体提取、监督式频繁模式学习、无监督式频繁模式学习、语义过滤和/或另一技术。在一些实施例中，提取组件202可以采用不同的信息提取技术和/或信息技术的不同组合来提取这样的第一数据和/或第二数据。在这点上，所提取的第一数据和/或第二数据可以反映不同提取技术和/或不同提取技术组合的使用，其可以取决于所提取的数据的类型(例如，非结构化数据、结构化数据和/或另一类型的数据)而具有不同的优点和缺点。

在一些实施例中，提取组件202可以从以上引用的第一数据和/或第二数据提取语义知识，并且还可以生成诸如结构化数据之类的形式表示。例如，提取组件202可以采用以上定义的模型和/或技术中的一个或多个来从不同策略的一个或多个部分提取非结构化数据，并且可以通过生成向非结构化数据提供结构的语义注释、知识图和/或规则来进一步结构化非结构化数据。

在一些实施例中，提取组件202可以使用领域知识来便于从第一策略中的第一策略数据提取第一数据和/或从第二策略中的第二策略数据提取第二数据。例如，提取组件202可以使用领域知识来提取包括在第一策略和/或第二策略中的策略条件和/或策略规则的一个或多个结构化表示。在一些实施例中，这样的领域知识可以对应于第一数据、第二数据、第一策略数据、第二策略数据、第一策略和/或第二策略。在这些实施例中，这样的领域知识可以包括但不限于本体(例如，提供在领域中使用的定义的本体信息)、知识库(例如，定义在领域中使用的一个或多个知识图的知识图信息)、术语(例如，定义在领域中使用的术语和相关联的定义的字典和/或术语信息)、策略所涵盖的服务的成本、普查数据、分类、定义与领域相关联的数据对象之间的关系的数据模型、表格、商业规则模式和/或其他领域知识。例如，关于医疗行业，领域知识可以包括定义过程代码、医学术语的信息、将与特定医学服务相关联的数据对象彼此相关的信息、和/或医疗行业中的其他领域知识。

相似性组件302可以标识第一策略的第一策略数据中的第一数据，其具有第一语义相似性得分，该第一语义相似性得分在第二策略的第二策略数据中的第二数据的第二语义相似性得分的定义范围内，其中第一语义相似性得分和第二语义相似性得分基于至少一个实体(例如，目标实体和/或目标群组)的特征(例如，特性和/或属性)来计算。例如，相似性组件302可以标识第一策略的部分(例如，段落)中的目标实体和/或目标群组的特性，其具有第一语义相似性得分，该第一语义相似性得分在第二策略的部分(例如，段落)中的目标实体和/或目标群组的特性的第二语义相似性得分的定义范围内，其中第一语义相似性得分和第二语义相似性得分是基于特性而计算的。为了执行该标识操作，相似性组件302可以采用一个或多个语义相似性模型和/或技术，包括但不限于主题建模、Jaccard相似性和/或可以用于标识关于实体和/或群组的特定特征的语义相似数据的另一语义相似性模型和/或技术。

在一些实施例中，相似性组件302可以标识第一策略(例如，段落、章节和/或其他数据)中的在第二策略中缺失的数据。在这些实施例中，相似性组件302可以采用异常检测(例如，离群值检测)模型和/或技术来标识在第一策略中存在并且在第二策略中缺失的这样的数据。

图4示出了根据本文描述的一个或多个实施例的可以便于在不同策略的条件下对语义的语境比较的示例非限制性系统400的框图。为了简洁，省略了在各个实施例中采用的相同元件和/或过程的重复描述。

如图4中所描绘的示例实施例中所示，提取组件202和相似性组件302可以接收策略402(例如，经由GUI、API、REST API和/或策略比较系统102的另一接口组件)。策略402可以包括但不限于保险策略、政府策略(例如，联邦策略、州策略和/或另一政府策略)、公司策略、组织策略、计划策略、服务提供方策略(例如，付款人-提供方策略)、社交服务领域中的策略和/或另一类型的策略。

在图4所示的示例实施例中，提取组件202可以从策略402中的一个或多个策略提取所提取的知识404。在该示例实施例中，所提取的知识404可以包括对应于目标实体和/或群组412的特征(例如，特性和/或属性)的语义知识。在该示例实施例中，提取组件202可以使用例如如上参考图1、2和3中描绘的示例实施例的一个或多个ML和/或AI模型和/或技术(例如，NLP、Deep NLP和/或另一模型和/或技术)来提取所提取的知识404。

在图4所示的示例实施例中，相似性组件302可以标识策略402的不同策略中的语义上相似的数据406。例如，相似性组件302可以标识策略402的第一策略中的第一数据，其具有第一语义相似性得分，该第一语义相似性得分在策略402的第二策略中的第二数据的第二语义相似性得分的定义范围内，其中，基于目标实体和/或群组412的特征(例如，特性和/或属性)来计算第一语义相似性得分和第二语义相似性得分。例如，相似性组件302可以标识语义相似数据406，其包括例如策略402的第一策略的部分(例如段落)中的目标实体和/或群组412的特征，其具有在策略402的第二策略的部分(例如段落)中的目标实体和/或群组412的特征的第二语义相似性分数的定义范围内的第一语义相似性分数，其中第一语义相似性分数和第二语义相似性分数基于该特征来计算。为了执行该标识操作，相似性组件302可以采用一个或多个语义相似性模型和/或技术，包括但不限于主题建模、Jaccard相似性和/或可以用于标识关于目标实体和/或群组412的特定特征的语义相似数据的另一语义相似性模型和/或技术。

如图4中所描绘的示例实施例中所示，提取组件202和相似性组件302可以分别向比较组件108提供所提取的知识404和语义相似数据406。在该示例实施例中，比较组件108还可以接收(例如，经由GUI、API、REST API和/或策略比较系统102的另一接口组件)领域知识408。在该示例实施例中，领域知识408可以包括但不限于本体(例如，提供在领域中使用的定义的本体信息)、知识库(例如，定义在领域中使用的一个或多个知识图的知识图信息)、术语(例如，定义在领域中使用的术语和相关联的定义的字典和/或术语信息)、策略所涵盖的服务的成本、普查数据、分类、定义与领域相关联的数据对象之间的关系的数据模型、表格、商业规则模式和/或其他领域知识。例如，关于医疗行业，领域知识408可以包括定义过程代码、医学术语的信息、将与特定医学服务相关联的数据对象彼此相关的信息、和/或医疗行业中的其他领域知识。

在图4中所示的示例实施例中，基于接收所提取的知识404、语义上相似的数据406和领域知识408，比较组件108可以基于目标实体和/或群组412的特征(例如，特性和/或属性)来在语境上比较策略402中的不同策略的策略数据中的条件的语义，以生成形式化差异和支持证据410。例如，为了生成形式化差异和支持证据410，比较组件108可以使用所提取的知识404、语义上类似的数据406和/或领域知识408来基于目标实体和/或群组412的特征(例如，特性和/或属性)在语境上比较策略402中的第一策略数据中的条件(例如，资格标准)的语义与策略402中的第二策略数据中的条件的语义。在该示例实施例中，这样的第一和/或第二策略数据中的每一个可以包括但不限于章节、段落、句子、表、图表、图、词汇表、附录和/或其他策略数据。

在图4中描绘的示例实施例中，为了使用所提取的知识404、语义上类似的数据406和/或领域知识408来执行上述语境比较并生成形式化差异和支持证据410，比较组件108可以采用如上文参照图1、2和3中描绘的示例实施例所描述的一个或多个ML和/或AI模型和/或技术。

在图4中所示的示例实施例中，为了基于目标实体和/或群组412的特征来语境比较策略402的不同策略中的条件的语义，比较组件108可以标识策略402的不同策略中的类似策略数据(例如，类似策略部分、段落、句子和/或其他类似策略数据)之间的相似性和/或差异。例如，使用所提取的知识404、语义相似数据406和/或领域知识408，比较组件108可以将策略402的第一策略中的语义相似条件的规则与策略402的第二策略中的语义相似条件的规则进行比较，并且可以进一步表达差异(例如，表达为以计算机可读格式、人类可读格式和/或另一类型的格式表达的形式化差异)。例如，使用所提取的知识404、语义上相似的数据406和/或领域知识408，比较组件108可以采用知识图比较技术来标识策略402中的第一策略数据中的条件规则与策略402中的第二策略数据中的条件规则之间的相似性和差异。在一些实施例中，系统400的比较组件108可以使用所提取的知识404、语义相似数据406和/或领域知识408来在语义上将从策略402中的第一策略数据(例如，段落中的文本)提取的规则与从策略402中的第二策略数据(例如，段落中的文本)提取的规则进行比较，以标识第一策略和第二策略中的条件规则之间的相似性和差异。在该示例中，这样的规则可以由如上所述的提取组件202来提取。

如图4中所描绘的示例实施例中所示，比较组件108可以向语境化组件110提供形式化差异和支持证据410。在该示例实施例中，语境化组件110还可以接收(例如，经由GUI、API、REST API和/或策略比较系统102的另一接口组件)领域知识408、标识和/或定义目标实体和/或群组的数据412和/或语境数据414。在本公开的各种实施例中，语境数据414可以包括但不限于：操作数据(例如，策略提供方声明)；统计数据(例如，描述例如城市、城镇、州或国家的人口普查数据和/或其它统计数据)；实体简档数据；实体偏好数据；ADL数据和/或与目标实体和/或群组412相关的另一类型的语境数据。在图4中描绘的示例实施例中，语境化组件110可以使用领域知识408、形式化差异和支持证据410、目标实体和/或群组412标识数据和/或语境数据414来提供如下所述的所解释的所标识的差异的列表416。为了清楚起见，在图6中示出了说明的所标识的差异的列表416。

在图4中所示的示例实施例中，为了生成使用领域知识408、形式化差异和支持证据410、目标实体和/或群组412标识数据和/或语境数据414来解释的所标识的差异的列表416，语境化组件110可以采用模型以基于目标实体和/或群组412的特征(例如，特性和/或属性)来提供策略402中的第一策略数据(例如，部分和/或段落)中的第一条件(例如，第一资格标准)如何在语义上不同于策略402中的第二策略数据中的第二条件的语境解释。为了生成所标识的可以包括这样的语境解释的差异的列表416，语境化组件110可以采用模型以基于目标实体和/或群组412的特征提供策略402中的第一策略数据中的一个或多个第一条件，该一个或多个第一条件在语义上不同于策略402中的第二策略数据中的一个或多个第二条件。例如，为了基于目标实体和/或群组412的特征提供第一策略数据中的与第二策略数据中的一个或多个第二条件在语义上不同的一个或多个第一条件，语境化组件110可以确定目标实体和/或群组412的哪个(哪些)特征和/或策略402中的第一和/或第二策略数据中的哪个(哪些)条件与目标实体和/或群组412相关。为了确定这样的(一个或多个)特征和/或(一个或多个)条件，语境化组件110可以使用目标实体和/或群组412的一个或多个偏好。在一些实施例中，如本文定义的实体可以使用例如GUI、API、REST API和/或策略比较系统102的另一类型的接口来定义这样的偏好(例如，相关特征和/或条件)。

在一些实施例中，语境化组件110可以实现偏好学习过程以推断对应于目标实体和/或群组412的这样的偏好(例如，(一个或多个)相关特征和/或(一个或多个)条件)。在这些实施例中，语境化组件110可以实现这样的偏好学习过程以使用例如推荐器系统(例如，诸如回归模型和/或分类模型之类的推荐器模型)来推断这样的偏好。在这些实施例中，这样的推荐器系统可以被训练以使用对应于目标实体和/或群组412的历史使用模式数据来学习目标实体和/或群组412的偏好(例如，学习对应于目标实体和/或群组412的相关特征和/或条件)。例如，这样的推荐系统可以被训练为使用历史使用模式数据来学习目标实体和/或群组412的这样的偏好，历史使用模式数据包括但不限于历史操作数据(例如，策略提供方声明)、历史策略持有人数据、历史策略记录数据、语境数据(例如，实体简档数据、ADL数据、普查数据和/或其他语境数据)和/或与目标实体和/或群组412相对应的其他历史使用模式数据。

在一些实施例中，为了确定目标实体和/或群组412的这样的偏好和/或为了提供包括上述语境解释的所标识的差异416的列表，语境化组件110可以采用ML和/或AI模型和/或技术(例如，神经网络、推荐器系统、解释性模型、预测模型、分类器和/或另一ML和/或AI模型和/或技术)。在另一示例中，语境化组件110可以采用一个或多个偏好推断模型和/或技术以确定目标实体和/或群组412的这样的偏好和/或提供包括这样的语境所解释的所标识的差异的列表416。例如，语境化组件110可以采用一个或多个偏好推断模型和/或技术，包括但不限于词典编纂模型、帕累托图和/或另一偏好推断模型和/或技术，其可以用于确定目标实体和/或群组412的这样的偏好和/或提供包括上述这样的语境解释的所标识的差异416的列表。

在图4中所示的示例实施例中，语境化组件110可以采用模型以提供所解释的所标识的差异的列表416，其包括基于对应于目标实体和/或群组412的语境数据414，策略402中的第一策略数据中的第一条件与策略402中的第二策略数据中的第二条件如何在语义上不同的语境解释。例如，语境化组件110可以采用以上定义的模型和/或技术(例如，偏好推断模型和/或技术、词典编纂模型、帕累托图、神经网络、推荐器系统、解释模型、预测模型、分类器和/或另一模型和/或技术)中的一个或多个来确定哪些语境数据与目标实体和/或群组412相关和/或基于语境数据414来提供解释为包括这样的语境解释的所标识的差异416的列表。

在图4中所示的示例实施例中，语境化组件110可以采用模型以基于与目标实体和/或群组412的特征(例如，特性和/或属性)的相关性对策略402中的第一策略数据中的第一条件进行排名，第一条件在语义上不同于策略402中的第二策略数据中的第二条件。例如，为了基于与目标实体和/或群组412的特征(例如，特性和/或属性)的相关性来对策略402中的第一策略数据中的第一条件在语义上不同于策略402中的第二策略数据中的第二条件的第一条件进行排名，语境化组件110可以采用上面定义的模型和/或技术(例如，偏好推断模型和/或技术、词典编纂模型、帕累托图、神经网络、推荐系统、解释模型、预测模型、分类器和/或另一模型和/或技术)中的一个或多个。例如，语境化组件110可以实现偏好学习过程，以基于与目标实体和/或群组412的特征(例如，特性和/或属性)的相关性来推断并进一步对策略402中的第一策略数据中的第一条件进行排名，该第一条件在语义上不同于策略402中的第二策略数据中的第二条件。在该示例中，语境化组件110可以使用例如推荐器系统(例如，诸如回归模型和/或分类模型的推荐器模型)来实现偏好学习过程，以基于与目标实体和/或群组412的特征(例如，特性和/或属性)的相关性来对策略402中的第一策略数据中的第一条件进行排名，该第一条件在语义上不同于策略402中的第二策略数据中的第二条件。在该示例中，这样的推荐器系统可以被训练为使用对应于如上所述的目标实体和/或群组412的历史使用模式数据来学习策略402中的第一策略数据中的这样的第一条件(例如，学习策略402中的策略数据中的与目标实体和/或群组412相关的条件)。在一些实施例中，语境化组件110可以提供所解释的所标识的差异列表416中的这样的条件的上述排名。

如图4中描绘的示例实施例中所示，语境化组件110可以向提取组件202和/或相似性组件302提供形式化差异和支持证据410、目标实体和/或群组412标识数据、语境数据414和/或所解释的所标识的差异的列表416。在一些实施例中，语境化组件110可以向提取组件202和/或相似性组件302提供形式化差异和支持证据410、目标实体和/或群组412标识数据、语境数据414和/或所解释的所标识的差异的列表416，以便于主动学习过程。在一些实施例中，这样的主动学习过程可以便于例如：由提取组件202从策略402提取所提取的知识404；和/或由相似性组件302标识来自策略402的语义相似数据406。

图5示出了根据本文描述的一个或多个实施例的可以便于在不同策略的条件下对语义的语境比较的示例非限制性系统500的框图。为了简洁，省略了在各个实施例中采用的相同元件和/或过程的重复描述。

如图5中描绘的示例实施例中所示，策略比较系统102可以接收(例如，经由GUI、API、REST API和/或策略比较系统102的另一接口组件)策略402、领域知识408和/或提供方声明502。如图5中所示的示例性实施例中所注释的，系统500的策略402可以包括各种状态的策略(在图5中表示为“策略A1”、“策略B1”、“策略B2”、“策略C1”和“策略D1”)，并且提供方声明502可以包括来自状态A的策略持有者所提交的声明(在图5中表示为“权利要求1”、“权利要求2”和“权利要求N”，其中N表示声明的总量)。

在图5所示的示例实施例中，基于接收策略402、领域知识408和/或提供方声明502，策略比较系统102可对这些输入中的一个或多个执行一个或多个预处理操作504。例如，策略比较系统102可以执行预处理操作504，包括例如对策略402、领域知识408和/或提供方声明502的提取、变换和加载(ETL)操作。

在图5所示的示例实施例中，基于对策略402、领域知识408和/或提供方声明502执行这样的一个或多个预处理操作504，策略比较系统102可以采用提取组件202来执行策略数据提取506。例如，提取组件202可以以与提取组件202可以从系统400的策略402提取所提取的知识404相同的方式从系统500的策略402和/或提供方声明502提取知识，如以上参考图1、2、3和4中所示的示例实施例所描述的。

在图5所示的示例实施例中，基于如上所述的执行策略数据提取506的提取组件202，策略比较系统102可以采用相似性组件302来执行语义上相似的数据标识508。例如，相似性组件302可以以与相似性组件302可以如上参考图1、2、3和4中所示的示例实施例所描述的那样标识系统500的策略402的不同策略中和/或提供方权利要求502中的语义相似数据406相同的方式标识策略402的不同策略中和/或系统500的提供方权利要求502中的语义相似数据406。

在图5所示的示例实施例中，基于执行策略数据提取506和语义上类似的数据标识508，策略比较系统102可采用比较组件108来执行知识比较510。在该示例实施例中，基于执行策略数据提取506和语义相似数据标识508，提取组件202和相似性组件302可以分别向比较组件108提供由提取组件202提取的语义知识和由相似性组件302标识的语义相似数据。在该示例实施例中，基于接收这样的提取的语义知识和标识的语义相似数据，比较组件108可以以与比较组件108可以如上参考图1、2、3和4中所示的示例实施例的那样，在语境上比较系统500的策略402中的不同策略的策略数据中的条件的语义相同的方式，在语境上比较系统400的策略402中的不同策略的策略数据中的条件的语义。

在图5中所示的示例实施例中，基于执行知识比较510，策略比较系统102可以采用语境化组件110来提供语境解释512。例如，语境化组件110可以以与语境化组件110可以提供可以被包括在如上参考图4中描绘的示例实施例所描述的所标识的差异的列表416中的上述语境解释相同的方式来提供语境解释512.例如，语境化组件110可以采用以上参考系统400所定义的模型和/或技术中的一个或多个来提供策略402中的第一策略数据(例如，部分和/或段落)中的一个或多个第一条件(例如，第一资格标准)如何基于目标实体和/或群组412和/或领域知识408的特征(例如，特性和/或属性)在语义上不同于策略402中的第二策略数据中的一个或多个第二条件的语境解释。

在图5中所示的示例实施例中，基于提供语境解释512，语境化组件110可以进一步生成所解释的所标识的差异的列表416，其可以包括语境解释512。在该示例实施例中，语境化组件110可以以与上面参考图4中描绘的示例实施例描述的相同的方式生成所解释的所标识的差异的列表416.例如，语境化组件110可以采用上面参考系统400定义的一个或多个模型和/或技术来基于与目标实体和/或群组412的特征(例如，特性和/或属性)的相关性对策略402中的第一策略数据中的第一条件在语义上不同于策略402中的第二策略数据中的第二条件的第一条件进行排名。在图5中描绘的示例实施例中，语境化组件110可以提供所解释的所标识的差异的列表416中的这样的条件的上述排名。在该示例实施例中，策略比较系统102和/或语境化组件110可以向实现策略比较系统102的如本文定义的实体提供(例如，经由GUI、API、REST API和/或策略比较系统102的另一接口组件)所解释的所标识的差异的列表416。

图6示出了根据本文描述的一个或多个实施例的可以便于在不同策略的条件下对语义的语境比较的示例非限制性示图600。为了简洁，省略了在各个实施例中采用的相同元件和/或过程的重复描述。

图600可以包括上文参照图4和5中所说明的实例实施例所解释的所标识差异列表416的实例非限制性实施例。如图6中所描绘的示例实施例中所示，所解释的所标识的差异的列表416可以包括从某个策略的某个策略数据提取的最相关条件的列表。在一些实施例中，可以如上文参照图1、2、3、4和5中所示的示例实施例描述的那样(例如，通过语境化组件110)对这样的最相关条件的列表进行排名。如图6中描绘的示例实施例中所示，所解释的所标识的差异的列表416还可以包括不同策略中的策略数据之间的语义差异以及对这样的差异的解释。

图7示出了根据本文描述的一个或多个实施例的可以便于在不同策略的条件下进行语义的语境比较的示例、非限制性计算机实现的方法700的流程图。为了简洁，省略了在各个实施例中采用的相同元件和/或过程的重复描述。

在702，计算机实现的方法700可以包括由操作地耦接到处理器(例如，处理器106)的系统(例如，经由策略比较系统102和/或比较组件108)基于至少一个实体的特征来在语境上比较不同策略的策略数据中的条件的语义。

在704，计算机实现的方法700可以包括由系统(例如，经由策略比较系统102和/或语境化组件110)采用模型以基于至少一个实体的特征提供第一策略的第一策略数据中的第一条件与第二策略的第二策略数据中的第二条件如何在语义上不同的语境解释。

策略比较系统102可以与各种技术相关联。例如，策略比较系统102可以与数据比较技术、策略比较技术、ML和/或AI模型技术、云计算技术和/或其他技术相关联。

策略比较系统102可以向与以上标识的各种技术相关联的系统、设备、组件、操作步骤和/或处理步骤提供技术改进。例如，策略比较系统102可以基于至少一个实体的特征，在语境比较不同策略的策略数据中的条件的语义；和/或采用模型以基于至少一个实体的特征提供第一策略的第一策略数据中的第一条件与第二策略的第二策略数据中的第二条件如何在语义上不同的语境解释。在该示例中，通过基于实体和/或群组的特征在语境上比较不同策略的策略数据中的条件的语义并且进一步基于这样的特征提供策略中的条件如何语义不同的这样的语境解释，策略比较系统102可以由此减少被采用来分别将第一策略数据和/或第一策略与第二策略数据和/或第二策略进行比较的模型和/或处理器的工作负载(例如，处理工作负载)和/或执行时间。

策略比较系统102可以向与策略比较系统102相关联的处理单元提供技术改进。例如，如上所述，通过基于实体和/或群组的特征在语境上比较不同策略的策略数据中的条件的语义并且进一步基于这样的特征提供策略中的条件如何在语义上不同的语境解释，策略比较系统102可以由此减少被采用来分别将第一策略数据和/或第一策略与第二策略数据和/或第二策略进行比较的模型和/或处理器的工作负载(例如，处理工作负载)和/或执行时间。在该示例中，通过减少用于分别将第一策略数据和/或第一策略与第二策略数据和/或第二策略进行比较的处理器(例如，处理器106)的工作负载(例如，处理工作负载)和/或执行时间，策略比较系统102可以由此改进这样的处理器(例如，处理器106)的性能和/或效率和/或减少处理器的计算成本。

策略比较系统102的实际应用是它可以在一个或多个域中实现，以使得能够基于某个实体和/或某个群组的一个或多个特征(例如，特性和/或属性)对不同策略中的语义相似数据进行语境比较。例如，保险单比较系统102的实际应用是它可以在例如医疗保险领域中实现，以使得能够基于某个实体和/或某个群组的一个或多个特征(例如，年龄、居住位置、预先存在的条件和/或另一特征)对不同医疗保险单中的语义上类似的声明资格条件(例如，标准)进行语境比较。

应当理解的是，策略比较系统102提供了由相对新的数据比较技术驱动的新方法。例如，策略比较系统102提供了一种新方法，用于基于实体和/或群组的特征来自动地在语境上比较不同策略的策略数据中的条件的语义，并且还基于这样的特征来提供策略中的条件如何在语义上不同的语境解释。

策略比较系统102可以采用硬件或软件来解决本质上是高度技术性的、非抽象的、并且不能作为人类的一组精神动作来执行的问题。在一些实施方案中，本文所述的过程中的一个或多个可由一个或多个专用计算机(例如，专用处理单元、专用经典计算机、专用量子计算机和/或另一类型的专用计算机)执行以执行与上文所标识的各种技术相关的定义的任务。策略比较系统102和/或其组件可被用于解决通过上述技术的进步、量子计算系统、云计算系统、计算机体系结构和/或另一技术的使用而出现的新问题。

应当理解的是，策略比较系统102可以利用不能在人的头脑中复制或由人执行的电气部件、机械部件和电路的各种组合，因为如本文描述的可以由策略比较系统102和/或其部件执行的各种操作是大于人的头脑的能力的操作。例如，在某一时间段内处理的数据量、处理这种数据的速度或由策略比较系统102处理的数据类型可以大于、快于或不同于在相同时间段内可以由人类头脑处理的量、速度或数据类型。

根据若干实施例，策略比较系统102还可以完全可操作用于执行一个或多个其他功能(例如，完全通电、完全执行和/或另一功能)，同时还执行本文描述的各种操作。应当理解的是，这种同时多操作执行超出了人类头脑的能力。还应当理解的是，策略比较系统102可以包括不可能由诸如人类用户之类的实体手动获得的信息。例如，包括在策略比较系统102、比较组件108、语境化组件110、提取组件202和/或相似性组件302中的信息的类型、量和/或种类可以比由诸如人类用户之类的实体手动获得的信息更复杂。

在一些实施例中，策略比较系统102可以与云计算环境相关联。例如，策略比较系统102可以与以下参考图9描述的云计算环境950和/或以下参考图10描述的一个或多个功能抽象层(例如，硬件和软件层1060、虚拟化层1070、管理层1080和/或工作负载层1090)相关联。

策略比较系统102和/或其组件(例如，比较组件108、语境化组件110、提取组件202、相似性组件302和/或另一组件)可以采用以下参考图9描述的云计算环境950的一个或多个计算资源和/或以下参考图10描述的一个或多个功能抽象层来执行根据本文描述的主题公开的一个或多个实施例的一个或多个操作。例如，云计算环境950和/或这样的一个或多个功能抽象层可以包括一个或多个经典计算设备(例如，经典计算机、经典处理器、虚拟机、服务器、和/或另一个经典计算设备)、量子硬件、和/或量子软件(例如，量子计算设备、量子计算机、量子处理器、量子电路模拟软件、超导电路、和/或其他量子硬件和/或量子软件)，它们可以由策略比较系统102和/或其部件使用以执行根据在此描述的本主题公开的一个或多个实施例的一个或多个操作。例如，策略比较系统102和/或其组件可以采用这样的一个或多个经典和/或量子计算资源来执行一个或多个经典和/或量子：数学函数、计算和/或方程；计算和/或处理脚本、处理线程和/或指令；算法；模型(例如，AI模型、ML模型和/或另一类型的模型)；和/或根据本文描述的主题公开的一个或多个实施例的另一操作。

应当理解的是，尽管本公开包括关于云计算的详细描述，但是本文陈述的教导的实现不限于云计算环境。相反，本发明的实施例能够结合现在已知或以后开发的任何其它类型的计算环境来实现。

云计算是一种服务递送模型，用于实现对可配置计算资源(例如，网络、网络带宽、服务器、处理、存储器、存储、应用、虚拟机和服务)的共享池的方便的按需网络访问，可配置计算资源可以以最小的管理努力或与服务的提供方的交互来快速供应和释放。该云模型可以包括至少五个特性、至少三个服务模型和至少四个部署模型。

特性如下：

按需自助：云消费者可以单方面地自动地根据需要提供计算能力，诸如服务器时间和网络存储，而不需要与服务的提供方进行人工交互。

广域网接入：能力在网络上可用，并且通过便于由异构的薄或厚客户端平台(例如，移动电话、膝上型计算机和PDA)使用的标准机制来访问。

资源池化：供应商的计算资源被集中以使用多租户模型以服务多个消费者，其中不同的物理和虚拟资源根据需求被动态地分配和重新分配。存在位置无关的意义，因为消费者通常不控制或不知道所提供的资源的确切位置，但是能够在较高抽象级别(例如国家、州或数据中心)指定位置。

快速弹性：在一些情况下，可以快速且弹性地提供快速向外扩展的能力和快速向内扩展的能力。对于消费者，可用于提供的能力通常看起来不受限制，并且可以在任何时间以任何数量购买。

测量服务：云系统通过利用在适合于服务类型(例如，存储、处理、带宽和活动用户账户)的某一抽象级别的计量能力来自动地控制和优化资源使用。可以监视、控制和报告资源使用，从而为所利用服务的提供方和消费者两者提供透明性。

服务模型如下：

软件即服务(SaaS)：提供给消费者的能力是使用在云基础设施上运行的提供方的应用。应用程序可通过诸如web浏览器(例如，基于web的电子邮件)等瘦客户机界面从各种客户机设备访问。消费者不管理或控制包括网络、服务器、操作系统、存储、或甚至个别应用能力的底层云基础结构，可能的例外是有限的用户专用应用配置设置。

平台即服务(PaaS)：提供给消费者的能力是将消费者创建或获取的应用部署到云基础设施上，该消费者创建或获取的应用是使用由提供方支持的编程语言和工具创建的。消费者不管理或控制包括网络、服务器、操作系统或存储的底层云基础设施，但是具有对部署的应用和可能的应用托管环境配置的控制。

基础设施即服务(IaaS)：提供给消费者的能力是提供处理、存储、网络和消费者能够部署和运行任意软件的其它基本计算资源，软件可以包括操作系统和应用。消费者不管理或控制底层云基础设施，但具有对操作系统、存储、部署的应用的控制，以及可能对选择的联网组件(例如，主机防火墙)的有限控制。

部署模型如下：

私有云：云基础设施仅为组织操作。它可以由组织或第三方管理，并且可以存在于建筑物内或建筑物外。

社区云：云基础设施由若干组织共享，并且支持具有共享关注(例如，任务、安全要求、策略和合规性考虑)的特定社区。它可以由组织或第三方管理，并且可以存在于场所内或场所外。

公有云：云基础设施可用于一般公众或大型工业群体，并且由销售云服务的组织拥有。

混合云：云基础设施是两个或更多云(私有、共同体或公共)的组合，云保持唯一实体，但是通过使数据和应用能够移植的标准化或私有技术(例如，用于云之间的负载平衡的云突发)绑定在一起。

云计算环境是面向服务的，其焦点在于无状态、低耦接、模块性和语义互操作性。在云计算的核心是包括互连节点的网络的基础设施。

为了解释的简单起见，将计算机实现的方法描绘和描述为一系列动作。可以理解和明白，本发明不受所示动作和/或动作次序的限制，例如，动作可以按各种次序和/或并发地发生，并且可以与本文未呈现和描述的其它动作一起发生。此外，并非所有示出的动作都是实现根据所公开的主题的计算机实现的方法所必需的。另外，本领域技术人员将理解和明白，计算机实现的方法可以替换地经由状态图或事件被表示为一系列相互关联的状态。另外，还应当理解的是，下文中以及贯穿本说明书所公开的计算机实现的方法能够被存储在制品上，以便于将这些计算机实现的方法传输和转移到计算机。如本文使用的术语制品旨在涵盖可从任何计算机可读设备或存储介质访问的计算机程序。

为了提供所公开的主题的各个方面的上下文，图8以及以下讨论旨在提供对其中可实现所公开的主题的各个方面的合适环境的一般描述。图8示出了其中可便于此处所描述的一个或多个实施例的示例、非限制性操作环境的框图。为了简洁，省略了在这里描述的其它实施例中采用的类似元件的重复描述。

参考图8，用于实现本公开的各方面的合适的操作环境800还可以包括计算机812。计算机812还可以包括处理单元814、系统存储器816和系统总线818。系统总线818将包括但不限于系统存储器816的系统组件耦接到处理单元814。处理单元814可以是各种可用处理器中的任一种。双微处理器和其它多处理器体系结构也可用作处理单元814。系统总线818可以是若干类型的总线结构中的任何一种，包括存储器总线或存储器控制器、外围总线或外部总线、和/或使用任何各种可用总线体系结构的局部总线，这些总线体系结构包括但不限于工业标准体系结构(ISA)、微通道体系结构(MSA)、扩展ISA(EISA)、智能驱动电子设备(IDE)、VESA局部总线(VLB)、外围部件互连(PCI)、卡总线、通用串行总线(USB)、高级图形端口(AGP)、火线(IEEE 1394)、和小型计算机系统接口(SCSI)。

系统存储器816还可以包括易失性存储器820和非易失性存储器822。基本输入/输出系统(BIOS)包含诸如在启动时在计算机812内的元件之间传输信息的基本例程，它被存储在非易失性存储器822中。计算机812还可以包括可移动/不可移动、易失性/非易失性计算机存储介质。例如，图8示出了磁盘存储器824。磁盘存储器824还可以包括但不限于，诸如磁盘驱动器、软盘驱动器、磁带驱动器、Jaz驱动器、Zip驱动器、LS-100驱动器、闪存卡或记忆棒之类的设备。磁盘存储器824还可以包括单独的存储介质或与其它存储介质结合的存储介质。为了便于将磁盘存储器824连接到系统总线818，通常使用可移动或不可移动接口，诸如接口826。图8还描绘了充当用户和在合适的操作环境800中描述的基本计算机资源之间的中介的软件。这样的软件还可以包括例如操作系统828。操作系统828可以存储在磁盘存储器824上，用于控制和分配计算机812的资源。

系统应用830利用操作系统828通过例如存储在系统存储器816或盘存储824中的程序模块832和程序数据834对资源的管理。应当理解，本公开可以用各种操作系统或操作系统的组合来实现。用户通过输入设备836向计算机812输入命令或信息。输入设备836包括但不限于诸如鼠标、跟踪球、指示笔、触摸垫等定点设备、键盘、话筒、操纵杆、游戏垫、圆盘式卫星天线、扫描仪、TV调谐卡、数码相机、数码摄像机、web相机等等。这些和其它输入设备通过系统总线818经由接口端口838连接到处理单元814。接口端口838包括，例如，串行端口、并行端口、游戏端口和通用串行总线(USB)。(一个或多个)输出设备840使用与(一个或多个)输入设备836相同类型的端口中的一些端口。因此，例如，USB端口可用于向计算机812提供输入，并且从计算机812向输出设备840输出信息。提供输出适配器842以说明在其它输出设备840中存在一些需要特殊适配器的输出设备840，如监视器、扬声器和打印机。作为示例而非限制，输出适配器842包括提供输出设备840与系统总线818之间的连接手段的视频卡和声卡。应当注意，其它设备和/或设备的系统提供输入和输出能力，诸如远程计算机844。

计算机812可以使用到一个或多个远程计算机，诸如远程计算机844的逻辑连接在网络化环境中操作。远程计算机844可以是计算机、服务器、路由器、网络PC、工作站、基于微处理器的电器、对等设备或其它常见的网络节点等，并且通常还可以包括相对于计算机812所描述的许多或所有元件。为了简洁起见，仅存储器存储设备846与远程计算机844一起示出。远程计算机844通过网络接口848逻辑连接到计算机812，然后通过通信连接850物理连接。网络接口848包括有线和/或无线通信网络，例如局域网(LAN)、广域网(WAN)、蜂窝网络和/或其他有线和/或无线通信网络。LAN技术包括光纤分布式数据接口(FDDI)、铜线分布式数据接口(CDDI)、以太网、令牌环等。WAN技术包括，但不限于，点对点链路、像综合业务数字网(ISDN)及其变体那样的电路交换网络、分组交换网络、以及数字用户线(DSL)。通信连接850是指用于将网络接口848连接到系统总线818的硬件/软件。虽然为了清楚地说明，通信连接850被示出在计算机812内部，但是它也可以在计算机812外部。仅出于示例性目的，用于连接到网络接口848的硬件/软件还可以包括内部和外部技术，诸如包括常规电话级调制解调器、电缆调制解调器和DSL调制解调器的调制解调器、ISDN适配器和以太网卡。

现在参考图9，描绘了说明性云计算环境950。如图所示，云计算环境950包括云消费者使用的本地计算设备可以与其通信的一个或多个云计算节点910，本地计算设备例如个人数字助理(PDA)或蜂窝电话954A、台式计算机954B、膝上型计算机954C和/或汽车计算机系统954N。尽管在图9中未示出，但是云计算节点910还可以包括量子平台(例如，量子计算机、量子硬件、量子软件和/或另一量子平台)，云消费者使用的本地计算设备可以与该量子平台通信。节点910可以彼此通信。它们可以被物理地或虚拟地分组(未示出)在一个或多个网络中，诸如如上文描述的私有云、社区云、公共云或混合云或其组合。这允许云计算环境950提供云消费者不需要为其维护本地计算设备上的资源的基础设施、平台和/或软件即服务。应当理解，图9中所示的计算设备954A-N的类型仅旨在说明，并且计算节点910和云计算环境950可以通过任何类型的网络和/或网络可寻址连接(例如，使用web浏览器)与任何类型的计算机化设备通信。

现在参考图10，示出了由云计算环境950(图9)提供的一组功能抽象层。应当预先理解，图10中所示的组件、层和功能仅旨在说明，并且本发明的实施例不限于此。如所描绘的，提供了以下层和相应的功能：

硬件和软件层1060包括硬件和软件组件。硬件组件的示例包括：主机1061；基于RISC(精简指令集计算机)架构的服务器1062；服务器1063；刀片服务器1064；存储装置1065；以及网络和联网组件1066。在一些实施例中，软件组件包括网络应用服务器软件1067、数据库软件1068、量子平台路由软件(图10中未示出)和/或量子软件(图10中未示出)。

虚拟化层1070提供抽象层，从该抽象层可以提供虚拟实体的以下示例：虚拟服务器1071；虚拟存储器1072；虚拟网络1073，包括虚拟专用网络；虚拟应用和操作系统1074；以及虚拟客户端1075。

在一个示例中，管理层1080可以提供以下描述的功能。资源供应1081提供对被用来在云计算环境内执行任务的计算资源和其他资源的动态采购。计量和定价1082提供了在云计算环境中利用资源时的成本跟踪，以及用于消耗这些资源的记帐或发票。在一个示例中，这些资源可以包括应用软件许可证。安全性为云消费者和任务提供身份验证，以及为数据和其他资源提供保护。用户门户1083为消费者和系统管理员提供对云计算环境的访问。服务级别管理1084提供云计算资源分配和管理，使得满足所需的服务级别。服务水平协议(SLA)规划和履行1085提供对云计算资源的预安排和采购，其中根据SLA预期未来需求。

工作负载层1090提供可以利用云计算环境的功能的示例。可以从该层提供的工作负载和功能的非限制性示例包括：地图绘制和导航1091；软件开发和生命周期管理1092；虚拟教室教育传送1093；数据分析处理1094；交易处理1095；以及策略比较软件1096。

本发明可以是任何可能的技术细节集成水平的系统、方法、装置和/或计算机程序产品。计算机程序产品可以包括其上具有计算机可读程序指令的计算机可读存储介质(或多个介质)，计算机可读程序指令用于使处理器执行本发明的各方面。计算机可读存储介质可以是能够保留和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质可以是例如但不限于电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或前述的任何合适的组合。计算机可读存储介质的更具体示例的非穷举列表还可以包括以下：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、诸如上面记录有指令的打孔卡或凹槽中的凸起结构的机械编码装置，以及上述的任何适当组合。如本文使用的计算机可读存储介质不应被解释为暂时性信号本身，诸如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如，通过光纤线缆的光脉冲)、或通过导线传输的电信号。

本文描述的计算机可读程序指令可以从计算机可读存储介质下载到相应的计算/处理设备，或者经由网络，例如因特网、局域网、广域网和/或无线网络，下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或网络接口从网络接收计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路的配置数据，或者以一种或多种编程语言(包括面向对象的编程语言，例如Smalltalk、C++等)和过程编程语言(例如“C”编程语言或类似的编程语言)的任何组合编写的源代码或目标代码。计算机可读程序指令可以完全在用户的计算机上执行，部分在用户的计算机上执行，作为独立的软件包执行，部分在用户的计算机上并且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。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户的计算机，包括局域网(LAN)或广域网(WAN)，或者可以连接到外部计算机(例如，使用因特网服务提供方通过因特网)。在一些实施例中，为了执行本发明的各方面，包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令以使电子电路个性化。

在此参考根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明的各方面。将理解，流程图和/或框图的每个框以及流程图和/或框图中的框的组合可以由计算机可读程序指令来实现。这些计算机可读程序指令可以被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个或多个框中指定的功能/动作的装置。这些计算机可读程序指令还可以存储在计算机可读存储介质中，其可以引导计算机、可编程数据处理装置和/或其他设备以特定方式工作，使得其中存储有指令的计算机可读存储介质包括制品，该制品包括实现流程图和/或框图的一个或多个框中指定的功能/动作的各方面的指令。计算机可读程序指令还可以被加载到计算机、其他可编程数据处理装置或其他设备上，以使得在计算机、其他可编程装置或其他设备上执行一系列操作动作，以产生计算机实现的过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图的一个或多个框中指定的功能/动作。

附图中的流程图和框图示出了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。在这点上，流程图或框图中的每个框可以表示指令的模块、段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施方案中，框中所注明的功能可不按图中所注明的次序发生。例如，连续示出的两个框实际上可以基本上同时执行，或者这些框有时可以以相反的顺序执行，这取决于所涉及的功能。还将注意，框图和/或流程图图示的每个框以及框图和/或流程图图示中的框的组合可以由执行指定功能或动作或执行专用硬件和计算机指令的组合的专用的基于硬件的系统来实现。

尽管以上在运行在一个和/或多个计算机上的计算机程序产品的计算机可执行指令的一般上下文中描述了本主题，但是本领域的技术人员将认识到，本公开也可以结合其它程序模块来实现或可以结合其它程序模块来实现。通常，程序模块包括执行特定任务和/或实现特定抽象数据类型的例程、程序、组件、数据结构和/或其它程序模块。此外，本领域的技术人员可以理解，本发明的计算机实现的方法可以用其它计算机系统配置来实施，包括单处理器或多处理器计算机系统、小型计算设备、大型计算机、以及计算机、手持式计算设备(例如，PDA、电话)、基于微处理器的或可编程的消费或工业电子产品等。所示的各方面也可以在其中任务由通过通信网络链接的远程处理设备执行的分布式计算环境中实践。然而，本公开的一些方面，如果不是所有方面，可以在独立计算机上实践。在分布式计算环境中，程序模块可以位于本地和远程存储器存储设备中。例如，在一个或多个实施例中，计算机可执行组件可以从存储器执行，该存储器可以包括一个或多个分布式存储器单元或由一个或多个分布式存储器单元组成。如本文使用的，术语“存储器”和“存储器单元”可互换。此外，本文描述的一个或多个实施例可以以分布式方式执行计算机可执行组件的代码，例如，多个处理器组合或协同工作以执行来自一个或多个分布式存储器单元的代码。如本文使用的，术语“存储器”可以包含在一个位置处的单个存储器或存储器单元或者在一个或多个位置处的多个存储器或存储器单元。

如本申请中所使用的，术语“组件”、“系统”、“平台”、“接口”等可以指代和/或可以包括计算机相关的实体或与具有一个或多个特定功能的操作机器相关的实体。这里公开的实体可以是硬件、硬件和软件的组合、软件、或执行中的软件。例如，组件可以是，但不限于，在处理器上运行的进程、处理器、对象、可执行文件、执行线程、程序和/或计算机。作为说明，在服务器上运行的应用程序和服务器都可以是组件。一个或多个组件可以驻留在进程和/或执行的线程内，并且组件可以位于一个计算机上和/或分布在两个或更多计算机之间。在另一示例中，相应组件可从其上存储有各种数据结构的各种计算机可读介质执行。这些组件可以经由本地和/或远程进程进行通信，例如根据具有一个或多个数据分组的信号(例如，来自一个组件的数据，该组件经由该信号与本地系统、分布式系统中的另一个组件进行交互和/或通过诸如因特网之类的网络与其它系统进行交互)。作为另一个示例，组件可以是具有由电气或电子电路操作的机械部件提供的特定功能的装置，该电气或电子电路由处理器执行的软件或固件应用程序操作。在这种情况下，处理器可以在装置的内部或外部，并且可以执行软件或固件应用的至少一部分。作为又一示例，组件可以是通过电子组件而不是机械部件来提供特定功能的装置，其中电子组件可以包括处理器或其他装置以执行至少部分地赋予电子组件的功能的软件或固件。在一方面，组件可经由虚拟机来仿真电子组件，例如在云计算系统内。

此外，术语“或”旨在表示包含性的“或”而不是排他性的“或”。也就是说，除非另外指定，或者从上下文中清楚，否则“X采用A或B”旨在表示任何自然的包含性排列。也就是说，如果X使用A；X采用B；或者X采用A和B两者，则在任何前述实例下都满足“X采用A或B”。此外，除非另外指定或从上下文中清楚是指单数形式，否则如在本说明书和附图中使用的冠词“一”和“一个”一般应被解释为表示“一个或多个”。如本文使用的，术语“示例”和/或“示例性的”用于表示用作示例、实例或说明。为了避免疑惑，本文公开的主题不受这些示例限制。此外，本文中描述为“示例”和/或“示例性”的任何方面或设计不一定被解释为比其它方面或设计优选或有利，也不意味着排除本领域普通技术人员已知的等效示例性结构和技术。

如在本说明书中所采用的，术语“处理器”可以指基本上任何计算处理单元或设备，包括但不限于单核处理器；具有软件多线程执行能力的单处理器；多核处理器；具有软件多线程执行能力的多核处理器；具有硬件多线程技术的多核处理器；平行平台；以及具有分布式共享存储器的并行平台。另外，处理器可以指被设计为执行本文描述的功能的集成电路、专用集成电路(ASIC)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑控制器(PLC)、复杂可编程逻辑器件(CPLD)、分立门或晶体管逻辑、分立硬件组件或其任意组合。此外，处理器可以采用纳米级架构，例如但不限于基于分子和量子点的晶体管、开关和门，以便优化空间使用或增强用户设备的性能。处理器也可以实现为计算处理单元的组合。在本公开中，诸如“存储”、“数据库”以及与组件的操作和功能相关的基本上任何其他信息存储组件之类的术语被用来指代“存储器组件”、“在”存储器“中体现的实体”或包括存储器的组件。应了解，本文描述的存储器和/或存储器组件可为易失性存储器或非易失性存储器，或可以包括易失性和非易失性存储器两者。作为说明而非限制，非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除ROM(EEPROM)、闪存或非易失性随机存取存储器(RAM)(例如，铁电RAM(FeRAM)，易失性存储器可以包括RAM，RAM可用作外部高速缓存存储器，例如作为说明而非限制，RAM可以许多形式获得，诸如同步RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双倍数据率(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)、直接Rambus RAM(DRRAM)、直接Rambus动态RAM(DRDRAM)和Rambus动态RAM(RDRAM)。

以上描述的内容仅包括系统和计算机实现的方法的示例。当然，不可能为了描述本公开而描述组件或计算机实现的方法的每个可想到的组合，但是本领域的普通技术人员可以认识到，本公开的许多进一步的组合和置换是可能的。此外，就在详细描述、权利要求书、附录和附图中使用术语“包括”、“具有”、“拥有”等来说，这些术语旨在以与术语“包含”在权利要求书中用作过渡词时所解释的类似的方式为包含性的。

已经出于说明的目的呈现了对各种实施例的描述，但是不旨在是穷举的或限于所公开的实施例。在不背离所描述的实施例的范围和精神的情况下，许多修改和变化对于本领域的普通技术人员将是显而易见的。选择本文使用的术语以最好地解释实施例的原理、实际应用或对市场上存在的技术改进，或使本领域的其他普通技术人员能够理解本文公开的实施例。

Claims (9)

1.一种计算机实现的方法，包括：

由操作地耦接到处理器的系统基于至少一个实体的特征来在语境上比较不同策略的策略数据中的条件的语义；以及

由所述系统采用模型以基于所述至少一个实体的所述特征来提供第一策略的第一策略数据中的第一条件与第二策略的第二策略数据中的第二条件如何在语义上不同的语境解释。

2.根据权利要求1所述的计算机实现的方法，还包括：

由所述系统从所述第一策略数据提取第一数据并且从所述第二策略数据提取第二数据，其中，所述第一数据和所述第二数据对应于所述至少一个实体的所述特征。

3.根据权利要求1所述的计算机实现的方法，还包括：

由所述系统标识所述第一策略数据中的第一数据，所述第一数据具有第一语义相似性得分，所述第一语义相似性得分在所述第二策略数据中的第二数据的第二语义相似性得分的定义范围内，其中所述第一语义相似性得分和所述第二语义相似性得分是基于所述至少一个实体的所述特征而计算的。

4.根据权利要求1所述的计算机实现的方法，还包括：

由所述系统基于以下各项中的至少一项来在语境上比较所述策略数据中的所述条件的所述语义：领域知识，与所述第一策略数据或所述第二策略数据相对应；所述第一策略数据中的第一数据，所述第一数据具有第一语义相似性得分，所述第一语义相似性得分在所述第二策略数据中的第二数据的第二语义相似性得分的定义范围内；或者从所述第一策略数据提取的第一数据和从所述第二策略数据提取的第二数据。

5.根据权利要求1所述的计算机实现的方法，还包括：

由所述系统采用所述模型以基于与所述至少一个实体相对应的语境数据，提供所述第一策略数据中的所述第一条件与所述第二策略数据中的所述第二条件如何在语义上不同的所述语境解释，并且减少以下各项中的至少一项：将所述第一策略数据与所述第二策略数据进行比较时的所述模型或所述处理器的工作负载或执行时间。

6.根据权利要求1所述的计算机实现的方法，还包括：

由所述系统采用所述模型以基于所述至少一个实体的所述特征来提供所述第一策略数据中的一个或多个第一条件，所述一个或多个第一条件在语义上不同于所述第二策略数据中的一个或多个第二条件。

7.根据权利要求1所述的计算机实现的方法，还包括：

由所述系统采用所述模型以基于与以下各项中的至少一项的相关性来对所述第一策略数据中的第一条件进行排名，所述第一条件在语义上不同于所述第二策略数据中的第二条件：所述至少一个实体的所述特征、或者所述至少一个实体。

8.一种系统，包括：

处理器，执行用于执行根据权利要求1-7中的任一项所述的方法的步骤的计算机可执行组件。

9.一种包括程序指令的计算机程序产品，所述程序指令由处理器可执行以使所述处理器执行根据权利要求1-7中的任一项所述的方法。

Images