CN116777365A - 一种提高多层级智能合约交易效率方法及装置 - Google Patents
一种提高多层级智能合约交易效率方法及装置 Download PDFInfo
- Publication number
- CN116777365A CN116777365A CN202310528113.8A CN202310528113A CN116777365A CN 116777365 A CN116777365 A CN 116777365A CN 202310528113 A CN202310528113 A CN 202310528113A CN 116777365 A CN116777365 A CN 116777365A
- Authority
- CN
- China
- Prior art keywords
- transaction
- information
- intelligent contract
- transaction information
- intelligent
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 71
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 230000005540 biological transmission Effects 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000005206 flow analysis Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000012098 association analyses Methods 0.000 claims description 4
- 238000000556 factor analysis Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种提高多层级智能合约交易效率的方法及装置，涉及数据处理技术领域，包括获取智能合约的交易申请信息和智能合约的交易信息；基于层次分析法对所述智能合约的交易信息进行分层,将分层后的智能合约的交易信息进行相邻层级节点间的规程分析，其中将每个层级的节点与上下层级建立路由连接,得到树型网状结构的交易网络；将所述智能合约的交易申请信息发送至所述交易网络进行节点位置判断处理，得到判断结果；基于判断结果和所述交易网络对所述智能合约的交易信息进行数据传输，得到交易结果，本发明没有复杂的数据传输结构，减少数据冲突，并且可以多个交易信息同时进行交易，提高交易效率，减少数据冲突。
Description
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种提高多层级智能合约交易效率的方法及装置。
背景技术
智能合约因为共识机制的问题导致交易吞吐量有限，进而导致交易的执行效率低，目前，交易的执行是顺序处理的，其中处理流程复杂，处理智能合约的过程中存在一些变量导致读写冲突，因此需要一种能够简化交易流程，简化交易数据传输过程，快速确定交易节点，节约交易资源的方法和装置，用于提高智能合约的交易效率。
发明内容
本发明的目的在于提供一种提高多层级智能合约交易效率的方法及装置，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：
一方面，本申请提供了一种提高多层级智能合约交易效率的方法，包括：
获取智能合约的交易申请信息和智能合约的交易信息,所述智能合约的交易信息包括智能合约交易范围信息、智能合约交易对象信息和智能合约的交易内容信息；
基于层次分析法对所述智能合约的交易信息进行分层,得到分层后的智能合约的交易信息；
将分层后的智能合约的交易信息进行相邻层级节点间的规程分析，其中将每个层级的节点与上下层级建立路由连接,得到树型网状结构的交易网络；
将所述智能合约的交易申请信息发送至所述交易网络进行节点位置判断处理，得到判断结果；
基于判断结果和所述交易网络对所述智能合约的交易信息进行数据传输,得到交易结果，并将所述交易结果进行交易流程分析,若交易流程分析得到的结果为交易成功,则进行下一交易直至所有的交易结果为交易成功。
另一方面，本申请还提供了一种提高多层级智能合约交易效率的装置，包括：
获取单元，用于获取智能合约的交易申请信息和智能合约的交易信息,所述智能合约的交易信息包括智能合约交易范围信息、智能合约交易对象信息和智能合约的交易内容信息；
第一处理单元，用于基于层次分析法对所述智能合约的交易信息进行分层,得到分层后的智能合约的交易信息；
第二处理单元，用于将分层后的智能合约的交易信息进行相邻层级节点间的规程分析，其中将每个层级的节点与上下层级建立路由连接,得到树型网状结构的交易网络；
第三处理单元，用于将所述智能合约的交易申请信息发送至所述交易网络进行节点位置判断处理，得到判断结果；
第四处理单元，用于基于判断结果和所述交易网络对所述智能合约的交易信息进行数据传输,得到交易结果，并将所述交易结果进行交易流程分析,若交易流程分析得到的结果为交易成功,则进行下一交易直至所有的交易结果为交易成功。
本发明的有益效果为：
本发明通过对所有的智能合约的交易信息进行分层，确定每个层级对应的交易信息，并且按照每个交易的重要性进行排序划分，为之后的对每个交易进行编号做准备，减少数据计算量，保障交易的准确性，并且本发明还通过对分层后的智能合约的交易信息进行规程分析，将所有智能合约的交易信息建立树形网状结构，进而保证每个交易对应有一个节点，在需要交易时，直接将数据发送至该节点进行处理，达到快速定位，快速交易的目的，提高交易效率，并且上一层级的智能合约的交易信息包含下一层级的节点的智能合约信息，在数据传输过程中，只会上下层相互传输，没有复杂的数据传输结构，减少数据冲突，本发明通过预设的编号方式对每层的每个节点进行编号，进而通过关联分析的方式，确定每个交易信息对应的交易节点，进而达到快速定位，快速交易的目的，并且可以多个交易信息同时进行交易，提高交易效率，减少数据冲突。
本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明实施例中所述的提高多层级智能合约交易效率的方法流程示意图；
图2为本发明实施例中所述的提高多层级智能合约交易效率的装置结构示意图。
图中标记：701、获取单元；702、第一处理单元；703、第二处理单元；704、第三处理单元；705、第四处理单元；706、第一判断单元；707、第二判断单元；708、第三判断单元；7021、第一分析子单元；7022、第二分析子单元；7023、第一计算子单元；7024、第一判断子单元；7031、第一处理子单元；7032、第二处理子单元；7033、第二计算子单元；7034、第三处理子单元；70331、第三计算子单元；70332、第四处理子单元；70333、第二判断子单元；7041、第五处理子单元；7042、第三分析子单元；7043、第六处理子单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1：
本实施例提供了一种提高多层级智能合约交易效率的方法。
参见图1，图中示出了本方法包括步骤S1、步骤S2、步骤S3、步骤S4和步骤S5。
步骤S1、获取智能合约的交易申请信息和智能合约的交易信息,所述智能合约的交易信息包括智能合约交易范围信息、智能合约交易对象信息和智能合约的交易内容信息；
可以理解的是本步骤通过收到交易申请后，自动获取智能合约的交易信息，进而为之后的交易做准备，并将获取到的数据存储至数据库内，为之后的数据调用做准备，进而可以多个交易同时进行，减少交易时间，提高交易效率。
步骤S2、基于层次分析法对所述智能合约的交易信息进行分层,得到分层后的智能合约的交易信息；
可以理解的是本步骤通过对交易信息进行分层，确保每个交易之间的层次类别，提高为以后编号做准备，减少计算量，本步骤中，步骤S2包括步骤S21、步骤S22、步骤S23和步骤S24。
步骤S21、将所述智能合约的交易信息进行因素分析，并基于分析结果建立层次结构模型；
可以理解的是本步骤通过对所有交易信息中的各因素进行归类分析，划分为由上到下顺序形成的至少两层的层次结构模型，其中通过按照每层次包含的交易数据的多少进行分层，例如包含的交易对象信息因素、交易范围信息因素和交易价值信息因素的进行分层，其中包含的因素数量越多，其层次越高；
步骤S22、基于所述层次结构模型，逐层对所述交易信息的重要性进行对比，其中判断交易信息的重要性的方法为判断每个交易信息包含的因素信息的数量，得到判别矩阵；
可以理解的是，在本步骤中，基于层次结构模型逐层对两两因素进行比较获得相对重要程度的关系，并使用1-9标度法对每个指标进行打分，并做归一化处理后得到判别矩阵，判别矩阵的公式如下所示：
其中：A为判别矩阵；aij为当前层级的元素i和元素j对上一层级的重要性比例标度；i和j分别为不同种类的因素；n为层次结构模型的维度。
步骤S23、基于所述判别矩阵分别计算特征向量和最大特征值，并将所述特征向量和所述最大特征值进行一致性计算，得到一致性计算的结果；
步骤S24、若所述一致性计算的结果为所述判别矩阵满足一致性指标，则将所述基于所述特征向量和所述最大特征值对每个层次的所有交易信息进行排序，得到分层后的智能合约的交易信息；
可以理解的是为了确保方案权重的合理性，需要对判别矩阵进行一致性检验，基于最大特征值和如下所示的公式进行计算得到度量判别矩阵偏离一致性的指标，当判别矩阵满足一致性指标，说明方案权重合理，若不满足则需要重新设计判别矩阵。并且本发明还采用几何平均法求取指标权重，然后基于权重值的大小进行排序：
其中：R为一致性指标；λmax为判别矩阵的最大特征值；n为判别矩阵的阶数；E为平均随机一致性指标；
步骤S3、将分层后的智能合约的交易信息进行相邻层级节点间的规程分析，其中将每个层级的节点与上下层级建立路由连接,得到树型网状结构的交易网络；
可以理解的是本步骤通过确定每个层级的关系，构建树形网状结构，保障下一层级节点能够稳定传输至上一层级节点，快速高效，提高效率，本步骤中，步骤S3包括步骤S31、步骤S32、步骤S33和步骤S34。
步骤S31、将所述分层后的智能合约的交易信息发送至Bert模型中进行预训练，得到所有层级的智能合约的交易信息中的特征语句，所述特征语句为包括智能合约的交易信息之间的包含关系的语句；
可以理解的是本步骤通过Bert模型对分层后的智能合约的交易信息进行预训练，进而识别所有层级的智能合约的交易信息中包含有解释或说明智能合约的交易信息之间的关系的词语，得到特征语句，为之后的确定两两层级之间对应的包含关系提供依据。
步骤S32、将所有层级的智能合约的交易信息进行两两组合，得到至少两个智能合约的交易信息组合；
步骤S33、将所述特征语句分别与所有智能合约的交易信息组合进行匹配度计算，得到两两层级的智能合约的交易信息对应的包含关系；
本发明通过将两两层级的智能合约的交易信息进行组合，进而通过匹配计算，确定两两层级间的智能合约的交易信息之间关系，本步骤中，步骤S33包括步骤S331、步骤S332和步骤S333。
步骤S331、基于预设的匹配度计算公式计算所述特征语句分别与每个智能合约的交易信息组合的匹配度值；
可以理解的本步骤通过计算每个智能合约的交易信息组合与特征语句中的包含关系的匹配度，进而确定每个智能合约的交易信息组合内的两个层级是否存在包含关系，其中，匹配度的计算公式如下所示：
其中，A为所述特征语句分别与每个智能合约的交易信息组合的匹配度值，xi表示特征语句中第i个包含关系的词语个数，yi表示智能合约的交易信息组合中第i个包含关系的词语个数，n表示包含关系的词语总数。
步骤S332、将所述特征语句分别与每个智能合约的交易信息组合的匹配度值与预设的匹配度阈值进行对比，得到对比结果；
步骤S333、若所述对比结果为所述匹配度值大于或等于预设的匹配度阈值，则判断所述匹配度值对应智能合约的交易信息组合存在包含关系，并基于语义识别模型确定两两层级的智能合约的交易信息对应的包含关系。
可以理解的是本步骤通过语义识别模型识别两两层级的智能合约的交易信息对应的包含关系，快速确定是谁包含谁，进而确定将哪个层级放在树型网状结构的交易网络的上一层级，进而保证上一层级的智能合约的交易信息包含下一层级节点的智能合约的交易信息。
步骤S34、基于每个层级的智能合约的交易信息和所述包含关系建立关系网络，得到树型网状结构的交易网络，其中，所述树型网状结构的交易网络中上一层级节点的智能合约的交易信息包含下一层级节点的智能合约的交易信息。
可以理解的是本步骤通过建立树型网状结构的交易网络提高数据传输效率，其中在需要数据传输时，下一层级的节点将数据传输至上一层级的节点，其中没有复杂的数据传输结构，减少数据冲突，快速高效。
步骤S4、将所述智能合约的交易申请信息发送至所述交易网络进行节点位置判断处理，得到判断结果；
可以理解的是本步骤通过预设的编号方式对每层的每个节点进行编号，进而通过关联分析的方式，确定每个交易信息对应的交易节点，进而达到快速定位，快速交易的目的，本步骤中，步骤S4包括步骤S41、步骤S42和步骤S43。
步骤S41、将所述交易网络的每个节点进行编号处理，其中按照每个节点对应的位置信息、层级信息和预设的每个节点的交易码信息进行编号，得到交易网络的每个节点的编号信息；
可以理解的是本步骤通过建立树型网状结构的交易网络，其中所述交易网络中的节点内存储有每个层级的交易信息，每个节点内存储有一个交易信息，进而对所述树型网状结构的交易网络的每个节点进行编号就能对应每个编号快速查询到每个节点的位置，提高数据传输效率。
步骤S42、将所述智能合约的交易申请信息分别与交易网络的每个节点的编号信息进行关联分析，其中将所述智能合约的交易申请信息和所述编号信息无量纲化处理，并基于无量纲化后的智能合约的交易申请信息和无量纲化后的编号信息进行关联度计算，得到所述智能合约的交易申请信息分别与每个节点的编号信息的关联度值；
步骤S43、将所有的关联度值进行排序处理，得到最大的关联度值，并基于最大的关联度值对应的节点的编号信息确定所述智能合约的交易申请信息对应的交易节点位置信息。
可以理解的是本步骤通过智能合约的交易申请信息和每个节点的编号信息进行关联分析，可以快速确定最接近所述交易申请信息的交易节点，进而快速找到交易节点，提高交易效率，减少查询交易节点的步骤，没有复杂的数据传输结构，减少数据冲突。
步骤S5、基于判断结果和所述交易网络对所述智能合约的交易信息进行数据传输,得到交易结果，并将所述交易结果进行交易流程分析,若交易流程分析得到的结果为交易成功,则进行下一交易直至所有的交易结果为交易成功。
可以理解的是本步骤还可以对交易结果进行核对，并且，本发明可以多个交易同时进行，没有复杂的数据传输结构，减少了数据冲突，提高了交易效率，步骤S5之后还包括步骤S6、步骤S7和步骤S8。
步骤S6、若交易流程分析得到的结果为重复交易，则检索数据库内存储的所有历史交易信息，将数据库内所述重复交易对应的历史交易信息进行数据检查，得到检查结果；
步骤S7、若所述检查结果为历史交易信息的数据不完整，则将数据库内所述重复交易对应的历史交易信息进行删除，并重新执行交易流程，得到重新执行交易流程的交易数据；
步骤S8、将所述重新执行交易流程的交易数据进行数据检查，若所述重新执行交易流程的交易数据完整，则将所述重新执行交易流程的交易数据存储至数据库内的对应位置。
可以理解的是本步骤通过核对交易信息，如果出现交易重复的情况，本发明可以检测重复交易的信息谁的数据完整，进而保存交易信息更完整的一个数据，并且放置在原来的位置，放置出现错误或者查询不到的情况出现。
实施例2：
如图2所示，本实施例提供了一种提高多层级智能合约交易效率的装置，所述装置包括获取单元701、第一处理单元702、第二处理单元703、第三处理单元704和第四处理单元705。
获取单元701，用于获取智能合约的交易申请信息和智能合约的交易信息,所述智能合约的交易信息包括智能合约交易范围信息、智能合约交易对象信息和智能合约的交易内容信息；
第一处理单元702，用于基于层次分析法对所述智能合约的交易信息进行分层,得到分层后的智能合约的交易信息；
其中，所述第一处理单元702包括第一分析子单元7021、第二分析子单元7022、第一计算子单元7023和第一判断子单元7024。
第一分析子单元7021，用于将所述智能合约的交易信息进行因素分析，并基于分析结果建立层次结构模型；
第二分析子单元7022，用于基于所述层次结构模型，逐层对所述交易信息的重要性进行对比，其中判断交易信息的重要性的方法为判断每个交易信息包含的因素信息的数量，得到判别矩阵；
第一计算子单元7023，用于基于所述判别矩阵分别计算特征向量和最大特征值，并将所述特征向量和所述最大特征值进行一致性计算，得到一致性计算的结果；
第一判断子单元7024，用于若所述一致性计算的结果为所述判别矩阵满足一致性指标，则将所述基于所述特征向量和所述最大特征值对每个层次的所有交易信息进行排序，得到分层后的智能合约的交易信息。
第二处理单元703，用于将分层后的智能合约的交易信息进行相邻层级节点间的规程分析，其中将每个层级的节点与上下层级建立路由连接,得到树型网状结构的交易网络；
其中，所述第二处理单元703包括第一处理子单元7031、第二处理子单元7032、第二计算子单元7033和第三处理子单元7034。
第一处理子单元7031，用于将所述分层后的智能合约的交易信息发送至Bert模型中进行预训练，得到所有层级的智能合约的交易信息中的特征语句，所述特征语句为包括智能合约的交易信息之间的包含关系的语句；
第二处理子单元7032，用于将所有层级的智能合约的交易信息进行两两组合，得到至少两个智能合约的交易信息组合；
第二计算子单元7033，用于将所述特征语句分别与所有智能合约的交易信息组合进行匹配度计算，得到两两层级的智能合约的交易信息对应的包含关系；
其中，所述第二计算子单元7033包括第三计算子单元70331、第四处理子单元70332和第二判断子单元70333。
第三计算子单元70331，用于基于预设的匹配度计算公式计算所述特征语句分别与每个智能合约的交易信息组合的匹配度值；
第四处理子单元70332，用于将所述特征语句分别与每个智能合约的交易信息组合的匹配度值与预设的匹配度阈值进行对比，得到对比结果；
第二判断子单元70333，用于若所述对比结果为所述匹配度值大于或等于预设的匹配度阈值，则判断所述匹配度值对应智能合约的交易信息组合存在包含关系，并基于语义识别模型确定两两层级的智能合约的交易信息对应的包含关系。
第三处理子单元7034，用于基于每个层级的智能合约的交易信息和所述包含关系建立关系网络，得到树型网状结构的交易网络，其中，所述树型网状结构的交易网络中上一层级节点的智能合约的交易信息包含下一层级节点的智能合约的交易信息。
第三处理单元704，用于将所述智能合约的交易申请信息发送至所述交易网络进行节点位置判断处理，得到判断结果；
其中，所述第三处理单元704包括第五处理子单元7041、第三分析子单元7042和第六处理子单元7043。
第五处理子单元7041，用于将所述交易网络的每个节点进行编号处理，其中按照每个节点对应的位置信息、层级信息和预设的每个节点的交易码信息进行编号，得到交易网络的每个节点的编号信息；
第三分析子单元7042，用于将所述智能合约的交易申请信息分别与交易网络的每个节点的编号信息进行关联分析，其中将所述智能合约的交易申请信息和所述编号信息无量纲化处理，并基于无量纲化后的智能合约的交易申请信息和无量纲化后的编号信息进行关联度计算，得到所述智能合约的交易申请信息分别与每个节点的编号信息的关联度值；
第六处理子单元7043，用于将所有的关联度值进行排序处理，得到最大的关联度值，并基于最大的关联度值对应的节点的编号信息确定所述智能合约的交易申请信息对应的交易节点位置信息。
第四处理单元705，用于基于判断结果和所述交易网络对所述智能合约的交易信息进行数据传输,得到交易结果，并将所述交易结果进行交易流程分析,若交易流程分析得到的结果为交易成功,则进行下一交易直至所有的交易结果为交易成功。
其中，所述第四处理单元705之后还包括第一判断单元706、第二判断单元707和第三判断单元708。
第一判断单元706，用于若交易流程分析得到的结果为重复交易，则检索数据库内存储的所有历史交易信息，将数据库内所述重复交易对应的历史交易信息进行数据检查，得到检查结果；
第二判断单元707，用于若所述检查结果为历史交易信息的数据不完整，则将数据库内所述重复交易对应的历史交易信息进行删除，并重新执行交易流程，得到重新执行交易流程的交易数据；
第三判断单元708，用于将所述重新执行交易流程的交易数据进行数据检查，若所述重新执行交易流程的交易数据完整，则将所述重新执行交易流程的交易数据存储至数据库内的对应位置。
需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
以上所述，仅为本发明的具体实施方式，但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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种提高多层级智能合约交易效率的方法，其特征在于，包括：
获取智能合约的交易申请信息和智能合约的交易信息,所述智能合约的交易信息包括智能合约交易范围信息、智能合约交易对象信息和智能合约的交易内容信息；
基于层次分析法对所述智能合约的交易信息进行分层,得到分层后的智能合约的交易信息；
将分层后的智能合约的交易信息进行相邻层级节点间的规程分析，其中将每个层级的节点与上下层级建立路由连接,得到树型网状结构的交易网络；
将所述智能合约的交易申请信息发送至所述交易网络进行节点位置判断处理，得到判断结果；
基于判断结果和所述交易网络对所述智能合约的交易信息进行数据传输,得到交易结果，并将所述交易结果进行交易流程分析,若交易流程分析得到的结果为交易成功,则进行下一交易直至所有的交易结果为交易成功。
2.根据权利要求1所述的提高多层级智能合约交易效率的方法，其特征在于,所述基于层次分析法对所述智能合约的交易信息进行分层,得到分层后的智能合约的交易信息,包括:
将所述智能合约的交易信息进行因素分析，并基于分析结果建立层次结构模型；
基于所述层次结构模型，逐层对所述交易信息的重要性进行对比，其中判断交易信息的重要性的方法为判断每个交易信息包含的因素信息的数量，得到判别矩阵；
基于所述判别矩阵分别计算特征向量和最大特征值，并将所述特征向量和所述最大特征值进行一致性计算，得到一致性计算的结果；
若所述一致性计算的结果为所述判别矩阵满足一致性指标，则将所述基于所述特征向量和所述最大特征值对每个层次的所有交易信息进行排序，得到分层后的智能合约的交易信息。
3.根据权利要求1所述的提高多层级智能合约交易效率的方法，其特征在于,所述将分层后的智能合约的交易信息进行相邻层级节点间的规程分析，包括：
将所述分层后的智能合约的交易信息发送至Bert模型中进行预训练，得到所有层级的智能合约的交易信息中的特征语句，所述特征语句为包括智能合约的交易信息之间的包含关系的语句；
将所有层级的智能合约的交易信息进行两两组合，得到至少两个智能合约的交易信息组合；
将所述特征语句分别与所有智能合约的交易信息组合进行匹配度计算，得到两两层级的智能合约的交易信息对应的包含关系；
基于每个层级的智能合约的交易信息和所述包含关系建立关系网络，得到树型网状结构的交易网络，其中，所述树型网状结构的交易网络中上一层级节点的智能合约的交易信息包含下一层级节点的智能合约的交易信息。
4.根据权利要求3所述的提高多层级智能合约交易效率的方法，其特征在于,将所述特征语句与预设的交易信息之间的包含关系语句进行匹配度计算，得到两两层级的智能合约的交易信息对应的包含关系,包括：
基于预设的匹配度计算公式计算所述特征语句分别与每个智能合约的交易信息组合的匹配度值；
将所述特征语句分别与每个智能合约的交易信息组合的匹配度值与预设的匹配度阈值进行对比，得到对比结果；
若所述对比结果为所述匹配度值大于或等于预设的匹配度阈值，则判断所述匹配度值对应智能合约的交易信息组合存在包含关系，并基于语义识别模型确定两两层级的智能合约的交易信息对应的包含关系。
5.根据权利要求1所述的提高多层级智能合约交易效率的方法，其特征在于,将所述智能合约的交易申请信息发送至所述交易网络进行节点位置判断处理，得到判断结果，包括：
将所述交易网络的每个节点进行编号处理，其中按照每个节点对应的位置信息、层级信息和预设的每个节点的交易码信息进行编号，得到交易网络的每个节点的编号信息；
将所述智能合约的交易申请信息分别与交易网络的每个节点的编号信息进行关联分析，其中将所述智能合约的交易申请信息和所述编号信息无量纲化处理，并基于无量纲化后的智能合约的交易申请信息和无量纲化后的编号信息进行关联度计算，得到所述智能合约的交易申请信息分别与每个节点的编号信息的关联度值；
将所有的关联度值进行排序处理，得到最大的关联度值，并基于最大的关联度值对应的节点的编号信息确定所述智能合约的交易申请信息对应的交易节点位置信息。
6.一种提高多层级智能合约交易效率的装置，其特征在于，包括：
获取单元，用于获取智能合约的交易申请信息和智能合约的交易信息,所述智能合约的交易信息包括智能合约交易范围信息、智能合约交易对象信息和智能合约的交易内容信息；
第一处理单元，用于基于层次分析法对所述智能合约的交易信息进行分层,得到分层后的智能合约的交易信息；
第二处理单元，用于将分层后的智能合约的交易信息进行相邻层级节点间的规程分析，其中将每个层级的节点与上下层级建立路由连接,得到树型网状结构的交易网络；
第三处理单元，用于将所述智能合约的交易申请信息发送至所述交易网络进行节点位置判断处理，得到判断结果；
第四处理单元，用于基于判断结果和所述交易网络对所述智能合约的交易信息进行数据传输,得到交易结果，并将所述交易结果进行交易流程分析,若交易流程分析得到的结果为交易成功,则进行下一交易直至所有的交易结果为交易成功。
7.根据权利要求6所述的提高多层级智能合约交易效率的装置，其特征在于，所述第一处理单元包括：
第一分析子单元，用于将所述智能合约的交易信息进行因素分析，并基于分析结果建立层次结构模型；
第二分析子单元，用于基于所述层次结构模型，逐层对所述交易信息的重要性进行对比，其中判断交易信息的重要性的方法为判断每个交易信息包含的因素信息的数量，得到判别矩阵；
第一计算子单元，用于基于所述判别矩阵分别计算特征向量和最大特征值，并将所述特征向量和所述最大特征值进行一致性计算，得到一致性计算的结果；
第一判断子单元，用于若所述一致性计算的结果为所述判别矩阵满足一致性指标，则将所述基于所述特征向量和所述最大特征值对每个层次的所有交易信息进行排序，得到分层后的智能合约的交易信息。
8.根据权利要求6所述的提高多层级智能合约交易效率的装置，其特征在于，所述第二处理单元包括：
第一处理子单元，用于将所述分层后的智能合约的交易信息发送至Bert模型中进行预训练，得到所有层级的智能合约的交易信息中的特征语句，所述特征语句为包括智能合约的交易信息之间的包含关系的语句；
第二处理子单元，用于将所有层级的智能合约的交易信息进行两两组合，得到至少两个智能合约的交易信息组合；
第二计算子单元，用于将所述特征语句分别与所有智能合约的交易信息组合进行匹配度计算，得到两两层级的智能合约的交易信息对应的包含关系；
第三处理子单元，用于基于每个层级的智能合约的交易信息和所述包含关系建立关系网络，得到树型网状结构的交易网络，其中，所述树型网状结构的交易网络中上一层级节点的智能合约的交易信息包含下一层级节点的智能合约的交易信息。
9.根据权利要求8所述的提高多层级智能合约交易效率的装置，其特征在于，所述第二计算子单元包括：
第三计算子单元，用于基于预设的匹配度计算公式计算所述特征语句分别与每个智能合约的交易信息组合的匹配度值；
第四处理子单元，用于将所述特征语句分别与每个智能合约的交易信息组合的匹配度值与预设的匹配度阈值进行对比，得到对比结果；
第二判断子单元，用于若所述对比结果为所述匹配度值大于或等于预设的匹配度阈值，则判断所述匹配度值对应智能合约的交易信息组合存在包含关系，并基于语义识别模型确定两两层级的智能合约的交易信息对应的包含关系。
10.根据权利要求6所述的提高多层级智能合约交易效率的装置，其特征在于，所述第三处理单元包括：
第五处理子单元，用于将所述交易网络的每个节点进行编号处理，其中按照每个节点对应的位置信息、层级信息和预设的每个节点的交易码信息进行编号，得到交易网络的每个节点的编号信息；
第三分析子单元，用于将所述智能合约的交易申请信息分别与交易网络的每个节点的编号信息进行关联分析，其中将所述智能合约的交易申请信息和所述编号信息无量纲化处理，并基于无量纲化后的智能合约的交易申请信息和无量纲化后的编号信息进行关联度计算，得到所述智能合约的交易申请信息分别与每个节点的编号信息的关联度值；
第六处理子单元，用于将所有的关联度值进行排序处理，得到最大的关联度值，并基于最大的关联度值对应的节点的编号信息确定所述智能合约的交易申请信息对应的交易节点位置信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310528113.8A CN116777365A (zh) | 2023-05-11 | 2023-05-11 | 一种提高多层级智能合约交易效率方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310528113.8A CN116777365A (zh) | 2023-05-11 | 2023-05-11 | 一种提高多层级智能合约交易效率方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116777365A true CN116777365A (zh) | 2023-09-19 |
Family
ID=87988586
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310528113.8A Pending CN116777365A (zh) | 2023-05-11 | 2023-05-11 | 一种提高多层级智能合约交易效率方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116777365A (zh) |
-
2023
- 2023-05-11 CN CN202310528113.8A patent/CN116777365A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021017679A1 (zh) | 地址信息解析方法、装置、系统及数据获取方法 | |
| US7711736B2 (en) | Detection of attributes in unstructured data | |
| CN106991447A (zh) | 一种嵌入式多类别属性标签动态特征选择算法 | |
| CN106971205A (zh) | 一种基于k近邻互信息估计的嵌入式动态特征选择方法 | |
| CN110516047A (zh) | 基于包装领域的知识图谱的检索方法及检索系统 | |
| CN113326377A (zh) | 一种基于企业关联关系的人名消歧方法及系统 | |
| CN109241199B (zh) | 一种面向金融知识图谱发现的方法 | |
| CN110222733B (zh) | 一种高精度的多阶神经网络分类方法及系统 | |
| CN109344227A (zh) | 工单处理方法、系统和电子设备 | |
| CN111597356A (zh) | 智能化教育知识图谱构建系统与方法 | |
| CN117290462A (zh) | 一种数据大模型的智能决策系统及方法 | |
| CN117472789B (zh) | 基于集成学习的软件缺陷预测模型构建方法和装置 | |
| CN115934923B (zh) | 一种基于大数据的电商回复方法及系统 | |
| CN111143624A (zh) | 面向土地审批测绘数据的自适应计算规则库匹配方法及系统 | |
| CN116777365A (zh) | 一种提高多层级智能合约交易效率方法及装置 | |
| CN117010373A (zh) | 一种电力设备资产管理数据所属类别和组的推荐方法 | |
| CN116152018A (zh) | 一种高新技术企业专利知识产权项目可行性预评估系统 | |
| CN116304726A (zh) | 一种基于语义库和知识图谱的物资相似性分析方法 | |
| CN114610882A (zh) | 一种基于电力短文本分类的异常设备编码检测方法和系统 | |
| CN114897193A (zh) | 一种基于人在回路的飞机结构维修决策方法及决策系统 | |
| CN111950615A (zh) | 一种基于树种优化算法的网络故障特征选择方法 | |
| CN116308174B (zh) | 信息服务系统标准化的验证方法及装置 | |
| Feng et al. | Research on the technology of data cleaning in big data | |
| CN117040942B (zh) | 一种基于深度学习的网络安全测试评估方法及系统 | |
| CN114238634B (zh) | 正则表达式的生成方法及应用、装置、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 |