CN116795357B - 一种业务规则的处理方法、装置、设备及存储介质 - Google Patents
一种业务规则的处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116795357B CN116795357B CN202311058141.4A CN202311058141A CN116795357B CN 116795357 B CN116795357 B CN 116795357B CN 202311058141 A CN202311058141 A CN 202311058141A CN 116795357 B CN116795357 B CN 116795357B
- Authority
- CN
- China
- Prior art keywords
- rule
- template
- conditions
- classification
- condition
- 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.)
- Active
Links
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 88
- 230000003068 static effect Effects 0.000 claims abstract description 79
- 238000000034 method Methods 0.000 claims abstract description 51
- 230000003213 activating effect Effects 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims description 25
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000013524 data verification Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 abstract description 7
- 238000004364 calculation method Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 230000001419 dependent effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000004069 differentiation Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013502 data validation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/36—Software reuse
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
Abstract
本发明涉及数据处理领域,公开了一种业务规则的处理方法、装置、设备及存储介质,用于标准化分析和定义业务规则,并提高业务规则的可重用度。所述方法包括:接收用户输入的业务数据,并查询所述业务数据对应的规则分类;根据所述规则分类,查询对应的静态规则模板,并根据所述业务数据生成目标常量;激活所述静态规则模板,并将所述静态规则模板中的参数变量替换为所述目标常量,生成动态执行规则;通过所述动态执行规则执行所述业务数据,并返回执行结果。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种业务规则的处理方法、装置、设备及存储介质。
背景技术
在大部分的业务系统中,存在大量的业务规则。随着这几年互联网的快速发展,业务规则呈现出更加精细化和规划化的特征。
传统的业务规则的设计及重用,更多的方式是规则代码重用或者是逻辑重用。规则代码重用本质上就是对于类似的规则进行复制。然后再进行差异化的修改。逻辑重用的要求是规则或者规则集部分要完全一致。因此,实际场景中重用的规则数目非常有限。同时,这种设计在执行的过程中,无法发挥模式匹配算法对于相同原子条件的重用问题。
发明内容
本发明提供了一种业务规则的处理方法、装置、设备及存储介质,用于标准化分析和定义业务规则,并提高业务规则的可重用度。
本发明第一方面提供了一种业务规则的处理方法,所述业务规则的处理方法包括:
接收用户输入的业务数据,并查询所述业务数据对应的规则分类;
根据所述规则分类,查询对应的静态规则模板,并根据所述业务数据生成目标常量;
激活所述静态规则模板,并将所述静态规则模板中的参数变量替换为所述目标常量,生成动态执行规则;
通过所述动态执行规则执行所述业务数据,并返回执行结果。
结合第一方面,在本发明第一方面的第一实施方式中,所述业务规则的处理方法还包括:
获取规则名称以及所述规则名称对应的规则条件;
对所述规则条件进行条件拆分,得到分类条件以及决策条件;
对所述分类条件和所述决策条件进行分类组合,生成笛卡尔乘积分类组合。
结合第一方面,在本发明第一方面的第二实施方式中,所述对所述分类条件和所述决策条件进行分类组合,生成笛卡尔乘积分类组合,包括:
对所述分类条件和所述决策条件进行笛卡尔乘积计算,得到所有的组合情况,其中,所述笛卡尔乘积是指将两个集合中的元素进行两两组合,得到一个新的集合的过程;
根据所有的组合情况生成笛卡尔乘积分类组合。
结合第一方面,在本发明第一方面的第三实施方式中,所述接收用户输入的业务数据,并查询所述业务数据对应的规则分类,包括:
接收用户输入的业务数据,并对所述业务数据进行数据清洗和预处理,得到标准数据;
对所述标准数据进行数据特征提取,得到所述标准数据对应的类型和状态特征;
根据所述类型和所述状态特征,对所述业务数据进行归类处理,得到所述业务数据对应的规则分类。
结合第一方面,在本发明第一方面的第四实施方式中,所述通过所述动态执行规则执行所述业务数据,并返回执行结果,包括:
对所述业务数据进行数据验证和规则检查,得到检查结果;
根据所述检查结果,并通过所述动态执行规则对所述业务数据进行处理和分析,得到执行结果;
返回所述执行结果,并对所述执行结果进行记录和跟踪。
本发明第二方面提供了一种业务规则的处理装置,所述业务规则的处理装置包括:
接收模块,用于接收用户输入的业务数据,并查询所述业务数据对应的规则分类;
查询模块,用于根据所述规则分类,查询对应的静态规则模板,并根据所述业务数据生成目标常量;
替换模块,用于激活所述静态规则模板,并将所述静态规则模板中的参数变量替换为所述目标常量,生成动态执行规则;
执行模块,用于通过所述动态执行规则执行所述业务数据,并返回执行结果。
结合第二方面,在本发明第二方面的第一实施方式中,所述业务规则的处理装置还包括:
获取模块,用于获取规则名称以及所述规则名称对应的规则条件;
拆分模块,用于对所述规则条件进行条件拆分,得到分类条件以及决策条件;
生成模块,用于对所述分类条件和所述决策条件进行分类组合,生成笛卡尔乘积分类组合。
结合第二方面,在本发明第二方面的第二实施方式中,所述生成模块具体用于:
对所述分类条件和所述决策条件进行笛卡尔乘积计算,得到所有的组合情况,其中,所述笛卡尔乘积是指将两个集合中的元素进行两两组合,得到一个新的集合的过程;
根据所有的组合情况生成笛卡尔乘积分类组合。
结合第二方面,在本发明第二方面的第三实施方式中,所述接收模块具体用于:
接收用户输入的业务数据,并对所述业务数据进行数据清洗和预处理,得到标准数据;
对所述标准数据进行数据特征提取,得到所述标准数据对应的类型和状态特征;
根据所述类型和所述状态特征,对所述业务数据进行归类处理,得到所述业务数据对应的规则分类。
结合第二方面,在本发明第二方面的第四实施方式中,所述执行模块具体用于:
对所述业务数据进行数据验证和规则检查,得到检查结果;
根据所述检查结果,并通过所述动态执行规则对所述业务数据进行处理和分析,得到执行结果;
返回所述执行结果,并对所述执行结果进行记录和跟踪。
本发明第三方面提供了一种业务规则的处理设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述业务规则的处理设备执行上述的业务规则的处理方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的业务规则的处理方法。
本发明提供的技术方案中,将规则条件进行拆分,区分分类条件和决策条件;将业务规则进行进一步抽象,规则条件为原子条件,规则的比较值设计为变量,方便不同的分类定义差异化的值。这样的优势在于最大程度上减少了规则的维护工作量;将垂直设计的分类设计为扁平的分类组合;规则运算时,之前技术采用的是静态规则查找及执行。本发明采用的是参数与模版组合生成动态规则的方式运行,最大程度上标准化分析和定义业务规则,并提高业务规则的可重用度,决策逻辑上的差异通过分类的差异化组合关联静态规则模版以及规则模版中依赖的参数变量决定,运行态的动态规则由其动态组合生成,提升规则重用的前提下,可以满足精细化管理中不同分类的差异要求,静态规则减少及筛选的模式,可以大幅度提升规则执行过程中规则查找和激活的效率。
附图说明
图1为本发明实施例中业务规则的处理方法的一个实施例示意图;
图2为本发明实施例中分类组合的流程图;
图3为本发明实施例中规则分类的流程图;
图4为本发明实施例中执行业务数据的流程图;
图5为本发明实施例中业务规则的处理装置的一个实施例示意图;
图6为本发明实施例中业务规则的处理装置的另一个实施例示意图;
图7为本发明实施例中业务规则的处理设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种业务规则的处理方法、装置、设备及存储介质,用于标准化分析和定义业务规则,并提高业务规则的可重用度。本发明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,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,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。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中业务规则的处理方法的一个实施例包括:
S101、接收用户输入的业务数据,并查询业务数据对应的规则分类;
可以理解的是,本发明的执行主体可以为业务规则的处理装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
需要说明的是,规则分为管理态和运行态。传统方式的设计中,基本上管理态和运行态都是静态规则,所以两种状态的规则数目一致。本实施例中是将运行态的静态规则设计为动态规则,管理态的时候维护少量的静态规则,运行态时通过生成动态规则来达成最终的业务需求。
具体的,在业务系统中,用户输入的业务数据可以通过前端页面或者接口传递到后端。后端可以通过获取请求参数的方式来接收用户输入的业务数据。根据业务数据的类型和特点,可以将其归类到不同的规则分类中。根据规则分类的不同,可以使用不同的静态规则模板进行处理。
S102、根据规则分类,查询对应的静态规则模板,并根据业务数据生成目标常量;
具体的,根据上一步得到的规则分类,查询对应的静态规则模板。静态规则模板中通常包含了一些变量和规则条件等信息。根据业务数据的特点和需求,可以生成目标常量,用于替换模板中的变量。其中,根据上一步得到的规则分类,查询对应的静态规则模板。静态规则模板通常是一组预先定义好的规则条件和处理逻辑,可以根据不同的业务需求进行调整和修改。在生成目标常量时,需要根据业务数据的特点和要求,将模板中的变量替换为具体的业务数据。例如,对于个人贷款业务,可以将模板中的“贷款金额”变量替换为实际的贷款金额。其中,在原子决策条件中,最容易发生变化的是比较的内容。例如原子决策条件:申请单的100000>金额>20000。在不同的规则中,原子条件的属性和判断逻辑是固定的,其变化在于比较的值的变化。在设计比较值的时候,将其设计变量,不再使用常量,称为参数变量。
需要说明的是,当设计的规则包含以下三个要素时,其称为静态规则模版。1、规则条件为原子决策条件;2、原子决策条件的判断逻辑为参数变量或者条件为固定条件;3、决策结论可以自动生成,不需要再次手动定义,例如:申请单的参数变量1>金额>参数变量2。此外,规则定义流程是将业务规则进行参数化以及条件原子化,便于其他分类维度或者规则应用重用这条规则。
S103、激活静态规则模板,并将静态规则模板中的参数变量替换为目标常量,生成动态执行规则;
具体的,通过替换模板中的变量,可以生成动态执行规则。动态执行规则中包含了具体的业务规则和数据处理逻辑等信息。其中,通过替换模板中的变量,可以生成动态执行规则。动态执行规则中包含了具体的业务规则和数据处理逻辑等信息。动态执行规则可以根据业务数据的特点和需求进行调整和修改,以便更好地适应实际业务场景。在生成动态执行规则时,需要将模板中的参数变量替换为目标常量,以便准确地执行业务规则。进一步地,定义静态规则模板:创建静态规则模板,包含规则的结构和逻辑,但参数部分使用变量表示。静态规则模板可以使用文本模板、规则语言或其他规则定义方式进行描述。解析静态规则模板:解析静态规则模板,将其转换为规则引擎可处理的格式。确定模板中的参数变量,并提取目标常量。替换参数变量为目标常量:遍历静态规则模板中的参数变量。将参数变量替换为对应的目标常量。根据规则模板的语法和结构,进行相应的替换操作。生成动态执行规则:替换完成后,静态规则模板中的参数变量被目标常量取代。生成的结果即为动态执行规则,其中参数部分已经是具体的常量值。动态执行规则可以是规则引擎可执行的格式,如规则表达式、规则对象等。例如:假设有一个静态规则模板:规则模板:若订单金额大于{threshold}元,则享受{discount_rate}的折扣优惠。定义静态规则模板:创建规则模板,描述订单金额和折扣优惠的关系,但使用参数变量表示具体的阈值和折扣率。解析静态规则模板:解析规则模板,确定参数变量为{threshold}和{discount_rate}。替换参数变量为目标常量:假设目标常量为threshold=1000元,discount_rate=0.8。替换规则模板中的参数变量为具体的目标常量:替换后的规则模板:若订单金额大于1000元,则享受0.8的折扣优惠。生成动态执行规则:替换完成后,静态规则模板中的参数变量被具体的目标常量取代。生成的结果为动态执行规则:若订单金额大于1000元,则享受0.8的折扣优惠。
S104、通过动态执行规则执行业务数据,并返回执行结果。
具体的,通过执行动态规则,可以对业务数据进行处理和分析,并得出执行结果。执行结果可以通过接口或者前端页面等方式返回给用户。进一步地,定义规则引擎或规则执行引擎:创建一个规则引擎或规则执行引擎,用于动态执行规则并处理业务数据。规则引擎可以基于规则库或规则定义,根据规则条件和处理逻辑进行动态执行。解析规则和业务数据:解析规则库或规则定义,获取规则条件和处理逻辑。解析业务数据,将其转换为规则引擎可处理的格式,如对象、JSON等。动态执行规则:根据解析的规则条件,对业务数据进行匹配和评估,确定适用的规则。执行适用的规则,将业务数据传递给规则引擎执行。规则引擎根据规则条件和处理逻辑,对业务数据进行处理、计算、推理等操作。获取执行结果:规则引擎执行规则后,得到处理后的业务数据或计算结果。从规则引擎中获取执行结果,例如修改后的业务数据、计算结果、推理结论等。返回执行结果:将执行结果返回给用户或后续系统,以满足业务需求。根据业务需求,可以将执行结果以适当的格式返回,如对象、JSON、XML等。例如:假设有一个规则库,包含以下规则:规则1:若订单金额大于1000元,则享受8折优惠。规则2:若购买数量超过10个,则每个商品享受10%的折扣。定义规则引擎或规则执行引擎:创建一个规则引擎,用于动态执行规则并处理业务数据。解析规则和业务数据:解析规则库,获取规则条件和处理逻辑。解析用户输入的业务数据,如订单金额为1200元,购买数量为15个。动态执行规则:规则引擎匹配规则库中的规则条件,确定适用的规则。根据规则1的处理逻辑,计算折扣后的订单金额为960元。根据规则2的处理逻辑,计算每个商品的折扣为10%。获取执行结果:执行结果为处理后的订单金额和商品折扣。返回执行结果:将执行结果返回给用户或后续系统,例如返回处理后的订单金额和商品折扣的值。本实施例中,可以实现通过动态执行规则执行业务数据,并将执行结果返回。规则引擎根据规则条件和处理逻辑对业务数据进行处理、计算、推理等操作,从而满足具体业务需求,并提供相应的执行结果。
本发明实施例中,将规则条件进行拆分,区分分类条件和决策条件;将业务规则进行进一步抽象,规则条件为原子条件,规则的比较值设计为变量,方便不同的分类定义差异化的值。这样的优势在于最大程度上减少了规则的维护工作量;将垂直设计的分类设计为扁平的分类组合;规则运算时,之前技术采用的是静态规则查找及执行。本发明采用的是参数与模版组合生成动态规则的方式运行,最大程度上标准化分析和定义业务规则,并提高业务规则的可重用度,决策逻辑上的差异通过分类的差异化组合关联静态规则模版以及规则模版中依赖的参数变量决定,运行态的动态规则由其动态组合生成,提升规则重用的前提下,可以满足精细化管理中不同分类的差异要求,静态规则减少及筛选的模式,可以大幅度提升规则执行过程中规则查找和激活的效率。
在一具体实施例中,如图2所示,上述业务规则的处理方法还包括如下步骤:
S201、获取规则名称以及规则名称对应的规则条件;
S202、对规则条件进行条件拆分,得到分类条件以及决策条件;
S203、对分类条件和决策条件进行分类组合,生成笛卡尔乘积分类组合。
需要说明的是,本实施例中业务规则的定义如下:
规则001规则名称;
如果申请单的区域为A1分类条件;
并且申请单的业务类型为B1分类条件;
并且申请单的100000>金额>20000原子决策条件1;
并且申请单的性别为男原子决策条件2;
那么:
申请单的审批结果为不通过决策结论;
申请单的审批意见为申请金额小于20000决策结论;
规则002规则名称;
如果申请单的区域为A3分类条件;
并且申请单的无穷大>金额>200000原子决策条件1;
那么:
申请单的审批结果为不通过决策结论;
申请单的审批意见为申请金额小于20000决策结论;
规则003规则名称;
如果申请单的申请类型为新单分类条件;
并且申请单的征信报告为优秀原子决策条件1;
并且申请单的申请人年龄大于18岁原子决策条件2;
那么:
申请单的审批结果为信用评分=信用评分+10决策结论;
规则004规则名称;
如果申请单的申请类型为新单分类条件;
并且申请单的征信报告为普通原子决策条件1;
并且申请单的申请人年龄大于18岁原子决策条件2;
那么:
申请单的审批结果为信用评分=信用评分+5决策结论
规则005规则名称
如果申请单的申请类型为新单分类条件
并且申请单的申请人年龄小于18岁原子决策条件1
那么:
申请单的审批结果为不通过决策结论;
申请单的审批意见为申请人未满18岁决策结论;
本实施例中将规则条件中决定决策归属的条件或者超过50%以上规则共有的原子条件定义为规则分类,将其从规则条件中抽取出来,如下(假定有N个分类):(A1,A2…An)*(B1,B2…Bn)*…(N1,N2…Nn),将规则中垂直的分类条件抽取到一层,形成扁平式的笛卡尔乘积分类组合。其中,原子决策条件定义为单一属性的单一类型的条件判断。其判断逻辑无法再次分解和拆分。未来不同分类的规则是由原子决策条件以及参数变量组合而成。
具体的,服务器在规则引擎中,每个规则通常都有一个名称,并且与之对应的规则条件,这些条件可以是业务数据的属性、状态、特征等。通过获取规则名称和规则条件,可以为后续的处理做好准备。对所述规则条件进行条件拆分,得到分类条件以及决策条件:规则条件可以根据其特点和属性进行拆分和分类。其中,分类条件是指用于分类和分组的条件,例如,对于银行贷款业务,可以根据贷款金额、贷款期限等条件进行分类。决策条件是指用于做出决策和判断的条件,例如,对于贷款申请,可以根据申请人的信用记录、收入情况等条件进行判断和决策。对所述分类条件和所述决策条件进行分类组合,生成笛卡尔乘积分类组合。进一步地,获取规则名称及规则条件:规则库:建立一个规则库,其中包含各个规则名称及其对应的规则条件。数据存储:将规则库中的规则名称和规则条件存储在一个数据结构中,如字典或数据库。查询规则条件:根据用户输入的规则名称,从数据结构中检索对应的规则条件。条件拆分,得到分类条件和决策条件:规则条件解析:对于每个规则条件,进行解析以确定其是分类条件还是决策条件。分类条件:将解析后的分类条件存储在一个集合或列表中。决策条件:将解析后的决策条件存储在另一个集合或列表中。对分类条件和决策条件进行分类组合,生成笛卡尔乘积分类组合:笛卡尔乘积计算:使用嵌套循环或递归的方法,对分类条件和决策条件进行组合,得到笛卡尔乘积分类组合。组合存储:将生成的组合结果存储在一个数据结构中,如列表或矩阵。例如:假设有以下规则库:规则1:若年龄大于等于18岁且性别为男,则允许进入。规则2:若年龄大于等于18岁且性别为女,则需要身份证验证。规则3:若年龄小于18岁,则禁止进入。获取规则名称及规则条件:规则名称:规则1、规则2、规则3。规则条件:规则1条件:年龄>=18,性别=男;规则2条件:年龄>=18,性别=女;规则3条件:年龄<18;条件拆分,得到分类条件和决策条件:分类条件:年龄>=18,性别=男;年龄>=18,性别=女;年龄<18;决策条件:无。对分类条件和决策条件进行分类组合,生成笛卡尔乘积分类组合:笛卡尔乘积分类组合:组合1:年龄>=18,性别=男;组合2:年龄>=18,性别=女;组合3:年龄<18。在这个例子中,从规则库中获取了规则名称和规则条件。然后,通过条件拆分,我们得到了分类条件和决策条件。最后,对分类条件进行组合,生成了笛卡尔乘积分类组合。本实施例中,可以根据规则库中的规则名称和规则条件,动态地获取相关的条件信息,并进行条件拆分和分类组合,生成适用于业务规则处理的笛卡尔乘积分类组合。这样可以灵活地处理各种规则情况,并进行后续的业务数据处理和规则执行。
在一具体实施例中,执行步骤S203的过程可以具体包括如下步骤:
(1)对分类条件和决策条件进行笛卡尔乘积计算,得到所有的组合情况,其中,笛卡尔乘积是指将两个集合中的元素进行两两组合,得到一个新的集合的过程;
(2)根据所有的组合情况生成笛卡尔乘积分类组合。
具体的,服务器将分类条件和决策条件进行组合,可以得到笛卡尔乘积分类组合。笛卡尔乘积是指将两个集合中的元素进行两两组合,得到一个新的集合的过程。在规则引擎中,将分类条件和决策条件进行笛卡尔乘积,可以得到所有可能的组合情况,以便进行后续的业务处理和决策。例如,对于银行贷款业务,可以将贷款金额、贷款期限等分类条件和申请人的信用记录、收入情况等决策条件进行组合,得到所有可能的贷款申请组合情况,以便进行风险评估和决策。进一步地,假设有以下分类条件和决策条件:分类条件:A = {a1,a2, a3};决策条件:B = {b1, b2};笛卡尔乘积计算:创建一个空列表,用于存储所有的组合情况。使用嵌套循环或递归的方法,将分类条件和决策条件进行两两组合。外层循环(或递归)遍历分类条件,内层循环(或递归)遍历决策条件。每次循环或递归,将两个元素组合起来,得到一个新的组合,并将该组合添加到结果列表中。循环结束后,结果列表中存储了所有的组合情况。在这个示例中,分类条件集合A中有3个元素(a1,a2,a3),决策条件集合B中有2个元素(b1,b2)。通过嵌套循环,将分类条件和决策条件两两组合,并将组合结果添加到combinations列表中。最终,combinations列表中存储了所有的组合情况。生成笛卡尔乘积分类组合:使用生成的组合情况列表,对每个组合进行进一步处理,以生成笛卡尔乘积分类组合。可以根据实际需求对组合情况进行处理,例如,将组合情况按照特定格式存储或进行其他操作。在这个示例中,我们使用了之前生成的combinations列表,对每个组合进行处理。通过split函数将组合字符串拆分为元素,并将拆分后的元素存储在cartesian_product列表中。最终,cartesian_product列表中存储了所有的笛卡尔乘积分类组合。综上所述,通过对分类条件和决策条件进行笛卡尔乘积计算,可以生成所有的组合情况。然后,根据需要对组合情况进行进一步处理,以生成笛卡尔乘积分类组合。这个过程能够灵活地处理不同条件的组合,为后续的业务规则处理提供基础。
在一具体实施例中,如图3所示,执行步骤S101的过程可以具体包括如下步骤:
S301、接收用户输入的业务数据,并对业务数据进行数据清洗和预处理,得到标准数据;
S302、对标准数据进行数据特征提取,得到标准数据对应的类型和状态特征;
S303、根据类型和状态特征,对业务数据进行归类处理,得到业务数据对应的规则分类。
具体的,服务器在业务系统中,用户输入的业务数据可以通过前端页面或者接口传递到后端。后端可以通过获取请求参数的方式来接收用户输入的业务数据。接收到的业务数据可能包含多个字段和属性,需要进行数据清洗和预处理,以便后续的业务处理,根据业务数据的类型和特点,可以将其归类到不同的规则分类中。规则分类可以根据业务数据的属性、状态、特征等进行划分。例如,对于银行的贷款业务,可以将业务数据分为个人贷款、企业贷款等不同的规则分类。根据规则分类的不同,可以使用不同的静态规则模板进行处理。进一步地,接收用户输入的业务数据并进行清洗和预处理:接收用户输入的业务数据,可以通过表单、接口或文件等方式获取。对数据进行清洗,包括去除无效数据、处理缺失值、纠正错误数据等。进行数据预处理,例如数据格式转换、标准化、归一化等,以确保数据的一致性和准确性。得到经过清洗和预处理的标准数据。数据特征提取,得到标准数据对应的类型和状态特征:对标准数据进行特征提取,以获取与业务规则相关的特征信息。特征可以包括数值特征(如年龄、金额)、类别特征(如性别、产品类型)等。根据业务需求,选择适当的特征提取方法,如统计特征、文本特征提取、图像特征提取等。提取到的特征可以表示为向量或特征描述符。归类处理和规则分类:根据提取到的特征,进行数据的归类处理。可以使用机器学习算法(如聚类、分类器)或规则引擎来进行归类操作。根据类型和状态特征,将业务数据划分到不同的规则分类。每个规则分类对应一组具体的业务规则。例如:假设有一个业务场景是根据用户的购买记录将其分为三类:高价值客户、普通客户和低价值客户。接收用户输入的业务数据并进行清洗和预处理:假设用户输入的购买记录包括订单金额、购买时间、购买商品类别等信息。进行数据清洗,去除无效数据,处理缺失值,纠正错误数据。预处理可能包括将金额转换为数值类型,标准化时间格式等。数据特征提取,得到标准数据对应的类型和状态特征:从标准数据中提取特征,例如提取订单金额作为数值特征,提取购买时间和商品类别作为类别特征。归类处理和规则分类:假设设定以下规则分类:高价值客户:订单金额大于1000元。普通客户:订单金额在100元到1000元之间。低价值客户:订单金额小于100元。根据提取到的订单金额特征,对业务数据进行归类处理。例如,如果某个用户的订单金额为1200元,则该用户被归类为高价值客户。
在一具体实施例中,如图4所示,执行步骤S104的过程可以具体包括如下步骤:
S401、对业务数据进行数据验证和规则检查,得到检查结果;
S402、根据检查结果,并通过动态执行规则对业务数据进行处理和分析,得到执行结果;
S403、返回执行结果,并对执行结果进行记录和跟踪。
具体的,服务器通过执行动态规则,可以对业务数据进行处理和分析,并得出执行结果。执行结果可以通过接口或者前端页面等方式返回给用户。在执行过程中,需要进行数据验证和规则检查,以确保业务数据的正确性和完整性。同时,需要对执行结果进行记录和跟踪,以便后续的数据分析和业务优化。进一步地,数据验证和规则检查:定义规则库或规则引擎,包含各个规则及其对应的验证条件和规则检查逻辑。遍历规则库中的每个规则,对业务数据进行验证和规则检查。针对每个规则,检查业务数据是否满足规则的验证条件。如果业务数据满足规则的验证条件,则规则检查通过;否则,规则检查不通过。动态执行规则处理和分析:根据通过的规则,获取规则库中对应的规则处理逻辑。动态执行规则处理逻辑,对业务数据进行处理和分析。处理和分析的方式根据具体业务需求而定,可以是计算、推理、数据转换、业务流程等操作。返回执行结果并记录跟踪:将处理和分析的结果作为执行结果返回给用户或后续系统。记录执行结果,包括执行时间、执行状态、处理过程中的相关数据等。根据需要,将执行结果进行跟踪,例如保存到日志文件、数据库或其他持久化媒介中。例如:假设有一个规则库,其中包含以下规则:规则1:订单金额大于1000元,则享受8折优惠。规则2:购买数量超过10个,则每个商品享受10%的折扣。规则3:购买日期在促销活动期间,则享受额外的赠品。数据验证和规则检查:对于某个业务数据,如订单金额为1200元,购买数量为15个,购买日期在促销活动期间,依次检查规则1、规则2和规则3。规则1检查:订单金额大于1000元,检查通过。规则2检查:购买数量超过10个,检查通过。规则3检查:购买日期在促销活动期间,检查通过。动态执行规则处理和分析:规则1处理:根据规则1的处理逻辑,计算折扣后的订单金额为960元。规则2处理:根据规则2的处理逻辑,计算每个商品的折扣为10%。规则3处理:根据规则3的处理逻辑,添加额外的赠品到订单中。返回执行结果并记录跟踪:执行结果:返回处理后的订单金额、商品折扣和赠品信息给用户或后续系统。记录跟踪:记录执行结果的时间、状态和相关数据,如处理后的订单信息。本实施例中,服务器对业务数据进行数据验证和规则检查,得到检查结果。根据检查结果,动态执行规则处理和分析业务数据,得到执行结果。最后,将执行结果返回给用户或后续系统,并进行记录和跟踪。
上面对本发明实施例中业务规则的处理方法进行了描述,下面对本发明实施例中业务规则的处理装置进行描述,请参阅图5,本发明实施例中业务规则的处理装置一个实施例包括:
接收模块501,用于接收用户输入的业务数据,并查询所述业务数据对应的规则分类;
查询模块502,用于根据所述规则分类,查询对应的静态规则模板,并根据所述业务数据生成目标常量;
替换模块503,用于激活所述静态规则模板,并将所述静态规则模板中的参数变量替换为所述目标常量,生成动态执行规则;
执行模块504,用于通过所述动态执行规则执行所述业务数据,并返回执行结果。
通过上述各个组成部分的协同合作,将规则条件进行拆分,区分分类条件和决策条件;将业务规则进行进一步抽象,规则条件为原子条件,规则的比较值设计为变量,方便不同的分类定义差异化的值。这样的优势在于最大程度上减少了规则的维护工作量;将垂直设计的分类设计为扁平的分类组合;规则运算时,之前技术采用的是静态规则查找及执行。本发明采用的是参数与模版组合生成动态规则的方式运行,最大程度上标准化分析和定义业务规则,并提高业务规则的可重用度,决策逻辑上的差异通过分类的差异化组合关联静态规则模版以及规则模版中依赖的参数变量决定,运行态的动态规则由其动态组合生成,提升规则重用的前提下,可以满足精细化管理中不同分类的差异要求,静态规则减少及筛选的模式,可以大幅度提升规则执行过程中规则查找和激活的效率。
请参阅图6,本发明实施例中业务规则的处理装置另一个实施例包括:
接收模块501,用于接收用户输入的业务数据,并查询所述业务数据对应的规则分类;
查询模块502,用于根据所述规则分类,查询对应的静态规则模板,并根据所述业务数据生成目标常量;
替换模块503,用于激活所述静态规则模板,并将所述静态规则模板中的参数变量替换为所述目标常量,生成动态执行规则;
执行模块504,用于通过所述动态执行规则执行所述业务数据,并返回执行结果。
可选的,所述业务规则的处理装置还包括:
获取模块505,用于获取规则名称以及所述规则名称对应的规则条件;
拆分模块506,用于对所述规则条件进行条件拆分,得到分类条件以及决策条件;
生成模块507,用于对所述分类条件和所述决策条件进行分类组合,生成笛卡尔乘积分类组合。
可选的,所述生成模块507具体用于:
对所述分类条件和所述决策条件进行笛卡尔乘积计算,得到所有的组合情况,其中,所述笛卡尔乘积是指将两个集合中的元素进行两两组合,得到一个新的集合的过程;
根据所有的组合情况生成笛卡尔乘积分类组合。
可选的,所述接收模块501具体用于:
接收用户输入的业务数据,并对所述业务数据进行数据清洗和预处理,得到标准数据;
对所述标准数据进行数据特征提取,得到所述标准数据对应的类型和状态特征;
根据所述类型和所述状态特征,对所述业务数据进行归类处理,得到所述业务数据对应的规则分类。
可选的,所述执行模块504具体用于:
对所述业务数据进行数据验证和规则检查,得到检查结果;
根据所述检查结果,并通过所述动态执行规则对所述业务数据进行处理和分析,得到执行结果;
返回所述执行结果,并对所述执行结果进行记录和跟踪。
本发明实施例中,将规则条件进行拆分,区分分类条件和决策条件;将业务规则进行进一步抽象,规则条件为原子条件,规则的比较值设计为变量,方便不同的分类定义差异化的值。这样的优势在于最大程度上减少了规则的维护工作量;将垂直设计的分类设计为扁平的分类组合;规则运算时,之前技术采用的是静态规则查找及执行。本发明采用的是参数与模版组合生成动态规则的方式运行,最大程度上标准化分析和定义业务规则,并提高业务规则的可重用度,决策逻辑上的差异通过分类的差异化组合关联静态规则模版以及规则模版中依赖的参数变量决定,运行态的动态规则由其动态组合生成,提升规则重用的前提下,可以满足精细化管理中不同分类的差异要求,静态规则减少及筛选的模式,可以大幅度提升规则执行过程中规则查找和激活的效率。
上面图5和图6从模块化功能实体的角度对本发明实施例中的业务规则的处理装置进行详细描述,下面从硬件处理的角度对本发明实施例中业务规则的处理设备进行详细描述。
图7是本发明实施例提供的一种业务规则的处理设备的结构示意图,该业务规则的处理设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对业务规则的处理设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在业务规则的处理设备600上执行存储介质630中的一系列指令操作。
业务规则的处理设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作系统631,例如Windows Server,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图7示出的业务规则的处理设备结构并不构成对业务规则的处理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种业务规则的处理设备,所述业务规则的处理设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述业务规则的处理方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述业务规则的处理方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种业务规则的处理方法,其特征在于,所述业务规则的处理方法包括:
接收用户输入的业务数据,并查询所述业务数据对应的规则分类;具体的,接收用户输入的业务数据,并对所述业务数据进行数据清洗和预处理,得到标准数据;对所述标准数据进行数据特征提取,得到所述标准数据对应的类型和状态特征;根据所述类型和所述状态特征,对所述业务数据进行归类处理,得到所述业务数据对应的规则分类;
根据所述规则分类,查询对应的静态规则模板,并根据所述业务数据生成目标常量;具体的,根据得到的规则分类,查询对应的静态规则模板,静态规则模板中包含变量和规则条件信息,根据业务数据的特点和需求,生成目标常量,用于替换模板中的变量;静态规则模板是一组预先定义好的规则条件和处理逻辑,根据不同的业务需求进行调整和修改;在生成目标常量时,根据业务数据的特点和要求,将模板中的变量替换为具体的业务数据;其中,在原子决策条件中,最容易发生变化的是比较的内容,在不同的规则中,原子决策条件的属性和判断逻辑是固定的,原子决策条件的变化在于比较的值的变化,在设计比较值的时候,将其设计变量,不再使用常量,称为参数变量;需要说明的是,当设计的规则包含以下三个要素时,其称为静态规则模版:规则条件为原子决策条件;原子决策条件的判断逻辑为参数变量或者条件为固定条件;决策结论可以自动生成,不需要再次手动定义;规则定义流程是将业务规则进行参数化以及条件原子化,便于其他分类维度或者规则应用重用这条规则;
激活所述静态规则模板,并将所述静态规则模板中的参数变量替换为所述目标常量,生成动态执行规则;具体的,通过替换模板中的变量,生成动态执行规则,动态执行规则中包含具体的业务规则和数据处理逻辑信息;动态执行规则根据业务数据的特点和需求进行调整和修改,以便更好地适应实际业务场景;在生成动态执行规则时,将模板中的参数变量替换为目标常量,以便准确地执行业务规则;其中,定义静态规则模板:创建静态规则模板,包含规则的结构和逻辑,但参数部分使用变量表示;解析静态规则模板:解析静态规则模板,将静态规则模板转换为规则引擎可处理的格式;确定模板中的参数变量,并提取目标常量,替换参数变量为目标常量:遍历静态规则模板中的参数变量,将参数变量替换为对应的目标常量,根据规则模板的语法和结构,进行相应的替换操作;生成动态执行规则:替换完成后,静态规则模板中的参数变量被目标常量取代,生成的结果即为动态执行规则,其中参数部分已经是具体的常量值,动态执行规则是规则引擎可执行的格式;
通过所述动态执行规则执行所述业务数据,并返回执行结果;其中,获取规则名称以及所述规则名称对应的规则条件;对所述规则条件进行条件拆分,得到分类条件以及决策条件;对所述分类条件和所述决策条件进行分类组合,生成笛卡尔乘积分类组合;具体的,对所述分类条件和所述决策条件进行笛卡尔乘积计算,得到所有的组合情况,其中,所述笛卡尔乘积是指将两个集合中的元素进行两两组合,得到一个新的集合的过程;根据所有的组合情况生成笛卡尔乘积分类组合;将规则条件中决定决策归属的条件或者超过50%以上规则共有的原子条件定义为规则分类,将其从规则条件中抽取出来,将规则中垂直的分类条件抽取到一层,形成扁平式的笛卡尔乘积分类组合,其中,原子决策条件定义为单一属性的单一类型的条件判断,原子决策条件的判断逻辑无法再次分解和拆分;未来不同分类的规则是由原子决策条件以及参数变量组合而成。
2.根据权利要求1所述的业务规则的处理方法,其特征在于,所述通过所述动态执行规则执行所述业务数据,并返回执行结果,包括:
对所述业务数据进行数据验证和规则检查,得到检查结果;
根据所述检查结果,并通过所述动态执行规则对所述业务数据进行处理和分析,得到执行结果;
返回所述执行结果,并对所述执行结果进行记录和跟踪。
3.一种业务规则的处理装置,其特征在于,所述业务规则的处理装置包括:
接收模块,用于接收用户输入的业务数据,并查询所述业务数据对应的规则分类;具体的,接收用户输入的业务数据,并对所述业务数据进行数据清洗和预处理,得到标准数据;对所述标准数据进行数据特征提取,得到所述标准数据对应的类型和状态特征;根据所述类型和所述状态特征,对所述业务数据进行归类处理,得到所述业务数据对应的规则分类;
查询模块,用于根据所述规则分类,查询对应的静态规则模板,并根据所述业务数据生成目标常量;具体的,根据得到的规则分类,查询对应的静态规则模板,静态规则模板中包含变量和规则条件信息,根据业务数据的特点和需求,生成目标常量,用于替换模板中的变量;静态规则模板是一组预先定义好的规则条件和处理逻辑,根据不同的业务需求进行调整和修改;在生成目标常量时,根据业务数据的特点和要求,将模板中的变量替换为具体的业务数据;其中,在原子决策条件中,最容易发生变化的是比较的内容,在不同的规则中,原子决策条件的属性和判断逻辑是固定的,原子决策条件的变化在于比较的值的变化,在设计比较值的时候,将其设计变量,不再使用常量,称为参数变量;需要说明的是,当设计的规则包含以下三个要素时,其称为静态规则模版:规则条件为原子决策条件;原子决策条件的判断逻辑为参数变量或者条件为固定条件;决策结论可以自动生成,不需要再次手动定义;规则定义流程是将业务规则进行参数化以及条件原子化,便于其他分类维度或者规则应用重用这条规则;
替换模块,用于激活所述静态规则模板,并将所述静态规则模板中的参数变量替换为所述目标常量,生成动态执行规则;具体的,通过替换模板中的变量,生成动态执行规则,动态执行规则中包含具体的业务规则和数据处理逻辑信息;动态执行规则根据业务数据的特点和需求进行调整和修改,以便更好地适应实际业务场景;在生成动态执行规则时,将模板中的参数变量替换为目标常量,以便准确地执行业务规则;其中,定义静态规则模板:创建静态规则模板,包含规则的结构和逻辑,但参数部分使用变量表示;解析静态规则模板:解析静态规则模板,将静态规则模板转换为规则引擎可处理的格式;确定模板中的参数变量,并提取目标常量,替换参数变量为目标常量:遍历静态规则模板中的参数变量,将参数变量替换为对应的目标常量,根据规则模板的语法和结构,进行相应的替换操作;生成动态执行规则:替换完成后,静态规则模板中的参数变量被目标常量取代,生成的结果即为动态执行规则,其中参数部分已经是具体的常量值,动态执行规则是规则引擎可执行的格式;
执行模块,用于通过所述动态执行规则执行所述业务数据,并返回执行结果;其中,获取规则名称以及所述规则名称对应的规则条件;对所述规则条件进行条件拆分,得到分类条件以及决策条件;对所述分类条件和所述决策条件进行分类组合,生成笛卡尔乘积分类组合;具体的,对所述分类条件和所述决策条件进行笛卡尔乘积计算,得到所有的组合情况,其中,所述笛卡尔乘积是指将两个集合中的元素进行两两组合,得到一个新的集合的过程;根据所有的组合情况生成笛卡尔乘积分类组合;将规则条件中决定决策归属的条件或者超过50%以上规则共有的原子条件定义为规则分类,将其从规则条件中抽取出来,将规则中垂直的分类条件抽取到一层,形成扁平式的笛卡尔乘积分类组合,其中,原子决策条件定义为单一属性的单一类型的条件判断,原子决策条件的判断逻辑无法再次分解和拆分;未来不同分类的规则是由原子决策条件以及参数变量组合而成。
4.一种业务规则的处理设备,其特征在于,所述业务规则的处理设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述业务规则的处理设备执行如权利要求1-2中任一项所述的业务规则的处理方法。
5.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-2中任一项所述的业务规则的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311058141.4A CN116795357B (zh) | 2023-08-22 | 2023-08-22 | 一种业务规则的处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311058141.4A CN116795357B (zh) | 2023-08-22 | 2023-08-22 | 一种业务规则的处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116795357A CN116795357A (zh) | 2023-09-22 |
CN116795357B true CN116795357B (zh) | 2023-11-03 |
Family
ID=88044093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311058141.4A Active CN116795357B (zh) | 2023-08-22 | 2023-08-22 | 一种业务规则的处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116795357B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6868413B1 (en) * | 2001-05-10 | 2005-03-15 | Networks Associates Technology, Inc. | System and method for customizing and processing business logic rules in a business process system |
CN107180338A (zh) * | 2017-05-22 | 2017-09-19 | 深圳市小牛在线互联网信息咨询有限公司 | 业务执行方法、装置、存储介质及计算机设备 |
CN107656755A (zh) * | 2016-07-24 | 2018-02-02 | 平安科技(深圳)有限公司 | 规则引擎的编辑方法及装置 |
CN110532366A (zh) * | 2019-09-03 | 2019-12-03 | 出门问问(武汉)信息科技有限公司 | 一种模板规则管理方法、语言生成方法、装置及存储设备 |
CN110782169A (zh) * | 2019-10-29 | 2020-02-11 | 中国联合网络通信集团有限公司 | 更新业务流程方法和装置 |
CN111104779A (zh) * | 2019-11-13 | 2020-05-05 | 泰康保险集团股份有限公司 | 理赔业务处理方法、装置、介质及电子设备 |
CN115543298A (zh) * | 2022-09-26 | 2022-12-30 | 中国银行股份有限公司 | 基于规则执行器的业务处理方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2536097A1 (en) * | 2003-08-27 | 2005-03-10 | Equifax, Inc. | Application processing and decision systems and processes |
-
2023
- 2023-08-22 CN CN202311058141.4A patent/CN116795357B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6868413B1 (en) * | 2001-05-10 | 2005-03-15 | Networks Associates Technology, Inc. | System and method for customizing and processing business logic rules in a business process system |
CN107656755A (zh) * | 2016-07-24 | 2018-02-02 | 平安科技(深圳)有限公司 | 规则引擎的编辑方法及装置 |
CN107180338A (zh) * | 2017-05-22 | 2017-09-19 | 深圳市小牛在线互联网信息咨询有限公司 | 业务执行方法、装置、存储介质及计算机设备 |
CN110532366A (zh) * | 2019-09-03 | 2019-12-03 | 出门问问(武汉)信息科技有限公司 | 一种模板规则管理方法、语言生成方法、装置及存储设备 |
CN110782169A (zh) * | 2019-10-29 | 2020-02-11 | 中国联合网络通信集团有限公司 | 更新业务流程方法和装置 |
CN111104779A (zh) * | 2019-11-13 | 2020-05-05 | 泰康保险集团股份有限公司 | 理赔业务处理方法、装置、介质及电子设备 |
CN115543298A (zh) * | 2022-09-26 | 2022-12-30 | 中国银行股份有限公司 | 基于规则执行器的业务处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116795357A (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110020660B (zh) | 使用人工智能(ai)技术的非结构化过程的完整性评估 | |
US11170179B2 (en) | Systems and methods for natural language processing of structured documents | |
US20220044133A1 (en) | Detection of anomalous data using machine learning | |
US20150178825A1 (en) | Methods and Apparatus for Quantitative Assessment of Behavior in Financial Entities and Transactions | |
CN110929525B (zh) | 一种网贷风险行为分析检测方法、装置、设备和存储介质 | |
CN111986792A (zh) | 医疗机构评分方法、装置、设备及存储介质 | |
CN111581193A (zh) | 数据处理方法、设备、计算机系统及存储介质 | |
CN111966886A (zh) | 对象推荐方法、对象推荐装置、电子设备及存储介质 | |
CN107203772B (zh) | 一种用户类型识别方法及装置 | |
US10977290B2 (en) | Transaction categorization system | |
Chern et al. | A decision tree classifier for credit assessment problems in big data environments | |
CA3203127A1 (en) | Transaction data processing systems and methods | |
CN113159213A (zh) | 一种业务分配方法、装置及设备 | |
CN112612872A (zh) | 一种实现人工智能可解释的方法、装置、设备及存储介质 | |
CN116795357B (zh) | 一种业务规则的处理方法、装置、设备及存储介质 | |
CN115495587A (zh) | 一种基于知识图谱的告警分析方法及装置 | |
CN110443646B (zh) | 产品竞争关系网络分析方法和系统 | |
CN114495224A (zh) | 一种信贷风险确定方法及装置 | |
CN113988878A (zh) | 一种基于图数据库技术的反欺诈方法及系统 | |
Han et al. | UFTR: A unified framework for ticket routing | |
CN113571198A (zh) | 转化率预测方法、装置、设备及存储介质 | |
CN113220947A (zh) | 对事件特征进行编码的方法和装置 | |
CN112818215A (zh) | 产品数据的处理方法、装置、设备及存储介质 | |
Mune et al. | TUMKFCM-ELM: An Unsupervised Multiple Kernelized Fuzzy C-Means Extreme Learning Machine Approach for Heterogeneous Datasets | |
Oliveira | A method for defining customer spending behavior based on unsupervised machine learning |
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 |