CN116932697A - 一种基于规则引擎优化的业务数据处理方法及相关设备 - Google Patents

一种基于规则引擎优化的业务数据处理方法及相关设备 Download PDF

Info

Publication number
CN116932697A
CN116932697A CN202310968326.2A CN202310968326A CN116932697A CN 116932697 A CN116932697 A CN 116932697A CN 202310968326 A CN202310968326 A CN 202310968326A CN 116932697 A CN116932697 A CN 116932697A
Authority
CN
China
Prior art keywords
rule
new
inclusion
rules
similar
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
Application number
CN202310968326.2A
Other languages
English (en)
Inventor
成若晖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty Insurance Company of China Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN202310968326.2A priority Critical patent/CN116932697A/zh
Publication of CN116932697A publication Critical patent/CN116932697A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/3332—Query translation
    • G06F16/3334—Selection or weighting of terms from queries, including natural language queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • 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
    • G06Q40/08—Insurance

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请属于金融科技领域，涉及一种基于规则引擎优化的业务数据处理方法及相关设备，包括获取规则引擎的全量规则，每条规则包含多个规则因子和对应的因子语句；基于业务场景对全量规则进行划分，获得不同业务场景的规则集合；根据规则集合中的规则对规则因子的引用关系，建立因子索引表；基于新规则的规则因子，从因子索引表中得到新规则的相似规则集合；计算新规则与每条相似规则之间的包含关系；根据包含关系优化规则集合，根据获取到的业务请求调用更新后的规则集合处理业务数据。此外，本申请还涉及区块链技术，全量规则可存储于区块链中。本申请能够减少规则引擎的规则库的复杂度，提高规则引擎的可维护性以及业务服务能力。

Description

一种基于规则引擎优化的业务数据处理方法及相关设备
技术领域
本申请涉及业务过程优化技术领域以及金融科技领域，尤其涉及一种基于规则引擎优化的业务数据处理方法及相关设备。
背景技术
规则引擎由推理引擎发展而来，是一种嵌入在应用程序中的组件，它可以将业务规则从应用程序代码中分离出来，并使用预定义的语义模块编写业务决策，规则引擎可以接收数据输入，解释业务规则，并根据业务规则作出业务决策。使用规则引擎可以大大简化业务流程，并提高业务效率与稳定性。
但由于业务场景种类繁多，尤其在金融领域，比如，车险涉及到的业务场景包括报案场景、查勘场景等，随着每个业务场景涉及到的规则数量的增加，规则引擎的复杂性也会增加，这会导致规则引擎难以管理和维护。规则之间往往还存在重复、包含等现象，这可能会导致规则引擎的性能下降，规则更新的难度上升，从而影响整个系统的性能。
发明内容
本申请实施例的目的在于提出一种基于规则引擎优化的业务数据处理方法及相关设备，以解决现有技术中规则引擎的复杂性随着规则数量的增加而增加，导致规则引擎难以管理和维护，同时，规则之间的重复和包含还会导致规则引擎难以进行更新优化的技术问题。
为了解决上述技术问题，本申请实施例提供一种基于规则引擎优化的业务数据处理方法，采用了如下所述的技术方案：
获取规则引擎的全量规则，其中，每条所述规则包含多个规则因子和每个所述规则因子对应的因子语句，所述因子语句之间具有逻辑运算关系；
基于业务场景对所述全量规则进行划分，获得不同所述业务场景的规则集合；
根据所述规则集合中的规则对规则因子的引用关系，建立因子索引表；
接收配置的新规则，基于所述新规则的规则因子，从所述因子索引表中得到所述新规则的相似规则集合；
计算所述新规则与所述相似规则集合中每条相似规则之间的包含关系；
根据所述包含关系得到规则优化动作，基于所述规则优化动作优化所述规则集合，得到更新的规则集合；
根据接收到的业务请求获取业务数据，基于所述业务数据匹配到所述规则引擎中对应的业务场景；
根据所述业务场景，调用所述业务场景对应的更新的规则集合作为目标执行规则，并按照所述目标执行规则处理所述业务数据。
进一步的，所述基于所述新规则的规则因子，从所述因子索引表中得到所述新规则的相似规则集合的步骤包括：
确定所述新规则所在的业务场景，得到目标规则集合；
获取所述目标规则集合的目标因子索引表，提取所述新规则的目标规则因子；
根据每个所述目标规则因子，在所述目标因子索引表中查找对应的目标规则作为相似规则；
将所有所述相似规则进行合并，得到相似规则集合。
进一步的，所述计算所述新规则与所述相似规则集合中每条相似规则之间的包含关系的步骤包括：
计算所述新规则与所述相似规则之间的包含度和被包含度；
根据所述包含度和所述被包含度得到所述新规则与所述相似规则之间的包含关系。
进一步的，所述根据所述包含关系得到规则优化动作的步骤包括：
在所述包含关系满足第一预设条件时，确定所述规则优化动作为将所述新规则正常上线；
在所述包含关系满足第二预设条件时，确定所述规则优化动作为将所述相似规则合并至所述新规则；
在所述包含关系满足第三预设条件时，确定所述规则优化动作为将所述新规则合并至所述相似规则；
在所述包含关系满足第四预设条件时，确定所述规则优化动作为将所述新规则代替所述相似规则；
在所述包含关系满足第五预设条件时，确定所述规则优化动作为对所述新规则不予上线。
进一步的，在所述根据所述规则集合中的规则对规则因子的引用关系，建立因子索引表的步骤之后还包括：
遍历每个所述规则集合中的全部规则，将当前遍历的所述规则记为当前优化规则；
基于所述当前优化规则的规则因子，从所述因子索引表中得到所述当前优化规则的当前相似规则集合；
计算所述当前优化规则与所述当前相似规则集合中每条当前相似规则之间的包含度和被包含度；
根据所述包含度和所述被包含度优化所述规则集合。
进一步的，所述根据所述包含度和所述被包含度优化所述规则集合的步骤包括：
在所述包含度在第一预设范围，或所述被包含度在第一预设范围时，保持所述当前优化规则和所述当前相似规则不变；
在所述包含度在第二预设范围且所述被包含度在第二预设范围时，将所述当前优化规则与所述当前相似规则进行合并；
在所述包含度为预设阈值时，将所述当前优化规则进行删除；
在所述被包含度为预设阈值时，将所述当前相似规则进行删除。
进一步的，所述基于业务场景对所述全量规则进行划分，获得不同所述业务场景的规则集合的步骤包括：
获取所述业务场景对应的规则配置文件；
解析所述规则配置文件，获得所述业务场景的业务规则，将所述业务规则进行组合得到规则集合。
为了解决上述技术问题，本申请实施例还提供一种基于规则引擎优化的业务数据处理装置，采用了如下所述的技术方案：
获取模块，用于获取规则引擎的全量规则，其中，每条所述规则包含多个规则因子和每个所述规则因子对应的因子语句，所述因子语句之间具有逻辑运算关系；
划分模块，用于基于业务场景对所述全量规则进行划分，获得不同所述业务场景的规则集合；
建立模块，用于根据所述规则集合中的规则对规则因子的引用关系，建立因子索引表；
查找模块，用于接收配置的新规则，基于所述新规则的规则因子，从所述因子索引表中得到所述新规则的相似规则集合；
计算模块，用于计算所述新规则与所述相似规则集合中每条相似规则之间的包含关系；
优化模块，用于根据所述包含关系得到规则优化动作，基于所述规则优化动作优化所述规则集合，得到更新的规则集合；
匹配模块，用于根据接收到的业务请求获取业务数据，基于所述业务数据匹配到所述规则引擎中对应的业务场景；
业务执行模块，用于根据所述业务场景，调用所述业务场景对应的更新的规则集合作为目标执行规则，并按照所述目标执行规则处理所述业务数据。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
该计算机设备包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上所述的基于规则引擎优化的业务数据处理方法的步骤。
为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上所述的基于规则引擎优化的业务数据处理方法的步骤。
与现有技术相比，本申请主要有以下有益效果：
本申请通过根据业务场景对获取的规则引擎的全量规则进行划分，得到每个业务场景对应的规则集合，并建立规则集合对应的因子索引表，根据因子索引表得到新规则的相似规则，计算得到新规则和相似规则之间的包含关系，根据包含关系优化规则集合，可以减少规则引擎的规则库的复杂度，使规则库更加清晰和易于维护，提高规则引擎的可维护性；同时，可以减少规则引擎的计算负担，提高规则引擎的性能和效率，还可以提高规则匹配的准确性和精度，有利于规则引擎的规则更新，提升更新效率，使新规则一上线即可使用，实现了新规则的热部署，进而提高了规则引擎提供规则解析服务的能力，也提高了应用系统提供服务的能力。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的基于规则引擎优化的业务数据处理方法的一个实施例的流程图；
图3是根据本申请的基于规则引擎优化的业务数据处理装置的一个实施例的结构示意图；
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
本申请提供了一种基于规则引擎优化的业务数据处理方法，可以应用于如图1所示的系统架构100中，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的基于规则引擎优化的业务数据处理方法一般由服务器/终端设备执行，相应地，基于规则引擎优化的业务数据处理装置一般设置于服务器/终端设备中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。在终端设备上安装有配置规则引擎的应用程序，本申请的基于规则引擎优化的业务数据处理方法通过对规则引擎的规则集合进行更新来优化规则引擎，以减少规则库的复杂度，提高该规则引擎的数据匹配效率和性能。
继续参考图2，示出了根据本申请的基于规则引擎优化的业务数据处理方法的一个实施例的流程图，包括以下步骤：
步骤S201，获取规则引擎的全量规则，其中，每条规则包含多个规则因子和每个规则因子对应的因子语句，因子语句之间具有逻辑运算关系。
规则引擎由推理引擎发展而来，是一种嵌入在应用程序中的组件，实现了将业务决策从应用程序代码中分离出来，并使用预定义的语义模块编写业务决策，规则引擎可以接受数据输入，解释业务规则，并根据业务规则做出业务决策。
规则引擎可以包括多个规则集合，在执行业务决策时，可以根据输入数据匹配的业务场景，从多个规则集合中选择与该业务场景对应的业务规则集合，也即，选择业务场景适用的业务规则实现业务需求。
可以理解的是，规则引擎可以作为应用程序中的组件或模块，也可以是一个独立系统。当规则引擎是一个独立系统时，规则引擎可以为多个应用系统提供规则解析服务。其中，应用系统包括但不限于：告警系统、保险营销系统、医疗营销系统。
在本实施例中，获取规则引擎中全部业务的全部规则，每条规则包含多个规则因子和每个规则因子对应的因子语句，每条因子包含有多个描述字段，因子语句之间具有逻辑运算关系。其中，规则因子可以为规则标号，逻辑运算关系包括与、或、非关系，对应的逻辑运算符分别为“&&”、“||”、“！”。
例如，假设规则1包含的规则因子有A、B和C，对应的因子语句，描述字段以及因子逻辑表达式见表1所示。
表1
在本实施例中，因子语句可以通过自然语言描述对应的字段，也即，因子语句可以为自然语言的文本；规则语句也可以通过机器语言描述对应的字段，也即，因子语句可以为机器语言的文本，但并不限于此。
需要强调的是，为进一步保证全量规则的私密和安全性，上述全量规则还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
步骤S202，基于业务场景对全量规则进行划分，获得不同业务场景的规则集合。
在本实施例中，规则引擎中包含执行业务流程所需的业务规则，将全部规则按照业务场景划分，得到每个业务场景的规则集合。示例的，在车险系统中，包含不同阶段，例如，报案阶段、查勘阶段、定损阶段、赔付阶段等，不同的阶段包含不同的业务场景，例如，查勘阶段的业务场景包括查勘出发标准、查勘到场标准、整案查勘标准、查勘发送标准等；定损阶段的业务场景包括定损发送指导、定损发送报价、定损验标客户推送等。每个业务场景有其对应的业务规则。
在一些可选的实施方式中，获取业务场景对应的规则配置文件；解析规则配置文件，获得业务场景的业务规则，将业务规则进行组合得到规则集合。
业务规则通常以配置文件的形式存在，即为规则配置文件。规则配置文件是根据规则配置信息生成的，规则配置信息包括执行业务流程的各种规则，以及各种规则之间的逻辑关系，逻辑关系可以对业务场景中的所有业务规则进行表示，对规则配置文件进行解析，即可得到对应的业务规则，将这些规则组成业务场景的规则集合。
通过解析业务场景的规则配置文件以获得业务规则，提高业务规则的获取效率。
步骤S203，根据规则集合中的规则对规则因子的引用关系，建立因子索引表。
引用关系表示某条规则对某个规则因子的引用，即某条规则使用到某个规则因子。应当理解，每个规则因子可能被多个规则使用，因子索引表则是用于记录每个规则因子被哪些规则使用过。
例如，规则集合中包含规则1、规则2、规则3以及规则4，规则1包含的规则因子有A、B和C；规则2包含的规则因子有A；规则3包含的规则因子有B和C；规则4包含的规则因子有C；将全部规则因子提取出来，根据规则对规则因子的引用关系，建立因子索引表，见表2所示。
表2
规则因子 使用的规则
A 规则1；规则2
B 规则1；规则3
C 规则1；规则3；规则4
通过因子索引表将规则进行重新定义，使得规则可以通过规则因子进行组合，具有很好的扩展性，可以满足复杂的规则要求，能够很好的适用于业务灵活多变且规则多、访问量高等的场景。
步骤S204，接收配置的新规则，基于新规则的规则因子，从因子索引表中得到新规则的相似规则集合。
现有的规则引擎在添加新规则时需要停止规则解析服务，而且添加新规则后需要进行重新编译和程序部署，规则更新难度大，无法实现规则快速复用、快速配置。
在本实施例中，根据新规则的规则因子进行规则优化更新，在接收到新规则时，对新规则进行相似规则搜索。
在一些可选的实现方式中，上述基于新规则的规则因子，从因子索引表中得到新规则的相似规则集合的步骤包括：
确定新规则所在的业务场景，得到目标规则集合；
获取目标规则集合的目标因子索引表，提取新规则的目标规则因子；
根据每个目标规则因子，在目标因子索引表中查找对应的目标规则作为相似规则；
将所有相似规则进行合并，得到相似规则集合。
确定新规则所在的业务场景，得到业务场景的规则集合，进而确定对应的因子索引表；提取新规则的规则因子，并在因子索引表中查找使用到新规则的每个规则因子的规则，查找到的规则即为相似规则，将查找到的所有的相似规则合并，即所有相似规则的并集为相似规则集合。
在本实施例中，通过新规则的规则因子在因子索引表进行相似规则查找，可以提高查找效率，减少相似规则计算负担；将查找到的相似规则进行合并，去除重复规则，提高查找的准确率，以便提高后续优化更新的效率和精度。
步骤S205，计算新规则与相似规则集合中每条相似规则之间的包含关系。
具体的，计算新规则与相似规则之间的包含度和被包含度；根据包含度和被包含度得到新规则与相似规则之间的包含关系。
在本实施例中，将新规则与相似规则集合中每一条相似规则进行两两对比，计算出包含度和被包含度，包含关系用包含度和被包含度表示。
其中，包含度是指一个集合包含于另外一个集合的程度，被包含度是指一个集合被包含于另外一个集合的程度。包含于表示被包含在里面的意思，例如，A包含于B是指A被包含在B里面，即A是B的子集；A被包含于B是指A里面包含B，即B是A的子集。
包含度和被包含度的计算公式如下：
包含度
被包含度
其中，logicnew和logicold分别表示新规则rulenew和相似规则ruleold的因子逻辑表达式；Cnew和Cold分别表示新规则rulenew和相似规则ruleold的多条因子语句描述字段集合的笛卡尔积；P(logicnew)表示新规则rulenew中多条规则因子在真值表中为1的比例；P(logicold)表示相似规则ruleold中多条规则因子在真值表中为1的比例；P(logicnewandlogicold)表示新规则rulenew和相似规则ruleold中规则因子并集在真值表中为1的比例。
示例的，新规则的规则因子为0438和0444，0438对应的描述字段为后门壳外板(左)、侧滑动门外板(左)，0444对应的描述字段为右侧轮眉饰板喷漆、后钢圈(右)；相似规则的规则因子为0438、0444和0002，其中，0438的描述字段为后门壳外板(左)、侧滑动门外板(左)、前大灯(左)，0444的描述字段为侧轮眉饰板喷漆，0002的描述字段为特斯拉MODEL3新能源。新规则与相似规则之间的包含度计算公式如下：
本实施例通过计算新规则和相似规则之间的包含度和被包含度，可以清楚地了解新新规则与相似规则之间的包含关系，有利于后续的规则集合优化更新。
步骤S206，根据包含关系得到规则优化动作，基于规则优化动作优化规则集合，得到更新的规则集合。
其中，优化动作包括正常上线、将相似规则合并至新规则、将新规则合并至相似规则、将新规则代替相似规则以及新规则不予上线等，相似规则即为旧规则。
第一预设条件为包含度(rulenew，ruleold)＝0％&&被包含度(rulenew，ruleold)＝0％，说明新规则与相似规则不存在共用的规则因子，即新规则与旧规则完全不重合，规则不重复，则可以直接将该新规则添加至规则集合中；
第二预设条件为0％<包含度(rulenew，ruleold)<100％&&0％<被包含度(rulenew，ruleold)<100％&&包含度(rulenew，ruleold)<被包含度(rulenew，ruleold)，说明新规则中的规则因子比相似规则中的规则因子多，且存在部分公用的规则因子，即存在重复规则，此时，将相似规则中的规则因子合并至新规则中，得到优化的新规则，并添加至规则集合中；
第三预设条件为0％<包含度(rulenew，ruleold)<100％&&0％<被包含度(rulenew，ruleold)<100％&&包含度(rulenew，ruleold)>被包含度(rulenew，ruleold)，说明新规则中的规则因子比相似规则中的规则因子少，且存在部分公用的规则因子，即存在重复规则，此时，将新规则中的规则因子合并至相似规则中，得到优化的新规则，进而得到更新的规则集合；
第四预设条件为0％<包含度(rulenew，ruleold)<100％&&被包含度(rulenew，ruleold)＝100％，说明新规则里包含有相似规则的全部规则因子，将新规则代替相似规则；
第五预设条件为包含度(rulenew，ruleold)＝100％，说明新规则的全部规则因子都包含在相似规则中，即新规则与旧规则重复，则对该新规则不予上线处理。
在本实施例中，将相似规则合并至新规则、将新规则合并至相似规则以及将新规则代替相似规则，都可以统称为规则因子的重组。
重复规则不仅会增加规则引擎的复杂度，还会增加规则引擎的计算负担，如果规则引擎在执行规则时重复计算相同的规则，将会浪费大量的时间和资源，影响规则引擎的性能和效率；同时，可能导致规则引擎执行相同的操作，造成不必要的错误或冲突。
在本实施例中，在配置新规则时，通过规则因子计算得到的包含度和被包含度，可以确定规则集合中是否存在重复规则，若存在重复规则，则通过规则因子的重组实现对重复规则的优化，可以减少规则引擎的计算负担，提高规则引擎的性能和效率，还可以减少执行相同操作造成的错误和冲突，提高规则匹配的准确性和精度。
步骤S207，根据接收到的业务请求获取业务数据，基于业务数据匹配到规则引擎中对应的业务场景。
接收到用户客户端发送的业务请求，业务请求中包含有业务标识，根据业务标识可以获取到相应的业务数据。规则引擎中配置有不同业务场景对应的规则，为了调用规则执行业务数据，则需要根据业务数据匹配到对应的规则引擎中对应的业务场景。
示例的，业务请求可以为核保请求、理赔请求、支付请求、权益下发请求以及风险识别请求等。
步骤S208，根据业务场景，调用规则引擎中对应的更新的规则集合作为目标执行规则，并按照目标执行规则处理所述业务数据。
在本实施例中，规则引擎中的全量规则按照业务场景划分，即规则引擎中包含不同业务场景对应的规则集合。根据确定的业务场景将匹配到的更新后的规则集合作为执行业务请求对应的业务的目标执行规则，按照目标执行规则处理业务数据，即可完成相应业务流程。
应当理解，本申请使用优化的规则引擎执行业务，可以避免相同规则的重复调用，造成业务执行过程中产生错误和冲突，同时，提高业务执行能力。
本申请通过根据业务场景对获取的规则引擎的全量规则进行划分，得到每个业务场景对应的规则集合，并建立规则集合对应的因子索引表，根据因子索引表得到新规则的相似规则，计算得到新规则和相似规则之间的包含关系，根据包含关系优化规则集合，可以减少规则库的复杂度，使规则库更加清晰和易于维护，提高规则引擎的可维护性；同时，可以减少规则引擎的计算负担，提高规则引擎的性能和效率，还可以提高规则匹配的准确性和精度，优化的规则引擎更加容易进行规则更新，提升更新效率，使新规则快速上线，实现了新规则的热部署，进而提高了规则引擎提供规则解析服务的能力，也提高了应用系统提供服务的能力。
在一些可选的实现方式中，在上述根据规则集合中的规则对规则因子的引用关系，建立因子索引表的步骤之后还包括：
遍历每个规则集合中的全部规则，将当前遍历的规则记为当前优化规则；
基于当前优化规则的规则因子，从因子索引表中得到当前优化规则的当前相似规则集合；
计算当前优化规则与当前相似规则集合中每条当前相似规则之间的包含度和被包含度；
根据包含度和所述被包含度优化规则集合。
规则引擎的规则库中存在大量的规则，如果有大量的重复规则，将会增加规则库的复杂度，导致规则库难以管理和维护。在本实施例中，需要对规则引擎中每个业务场景的规则集合进行优化，减少规则库的复杂度，使规则库更加清晰和易于理解，，从而使规则引擎更易于维护和管理。
具体的，对于每个业务场景，对规则集合中的每条规则进行相似规则搜索，得到当前相似规则集合，相似规则搜索同步骤S204，在此不再赘述。
采用同步骤S205的方法计算出当前优化规则rule1与每条当前相似规则rule2之间的包含度(rule1，rule2)和被包含度(rule1，rule2)，根据包含度(rule1，rule2)和被包含度(rule1，rule2)决策出优化动作，按照规则优化动作优化每个业务场景的规则集合。
在本实施例中，优化动作包括保持、合并以及删除，其中，保持表示保持当前优化规则和当前相似规则不变；合并表示当前优化规则和当前相似规则存在交集，将两者进行合并；删除表示将被包含的规则进行删除。
在一些可选的实现方式中，根据包含度和被包含度可以决策出优化动作，具体的，在包含度在第一预设范围，或被包含度在第一预设范围时，对应的优化动作为保持；在包含度在第二预设范围且被包含度在第二预设范围时，对应的优化动作为合并；在包含度为预设阈值或者被包含度为预设阈值时，对应的优化动作为删除。
示例的，不同的优化动作对应的包含度和被包含度具体如下：
保持：包含度(rule1，rule2)＜50％||被包含度(rule1，rule2)＜50％，说明两个规则之间的包含程度较小，共用的规则因子较少；
合并：100％＞包含度(rule1，rule2)≥50％&&100％＞被包含度(rule1，rule2)≥50％，说明两个规则之间的包含程度较大，共用的规则因子较多；
删除：包含度(rule1，rule2)＝100％，表示当前优化规则中的规则因子全部包含于当前相似规则中，则将被包含的当前优化规则进行删除；被包含度(rule1，rule2)＝100％，表示当前优化规则包含当前相似规则的全部规则因子，将被包含的当前相似规则进行删除。
通过上述的优化动作对规则引擎中每个业务场景的历史规则进行优化，可以减少规则库的复杂度，减少规则引擎的计算负担，提高规则匹配的准确性和精度，以及提高规则引擎的可维护性，降低规则更新难度。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3，作为对上述图2所示方法的实现，本申请提供了一种基于规则引擎优化的业务数据处理装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图3所示，本实施例所述的基于规则引擎优化的业务数据处理装置300包括：获取模块301、划分模块302、建立模块303、查找模块304、计算模块305、优化模块306、匹配模块307以及业务执行模块308。其中：
获取模块301用于获取规则引擎的全量规则，其中，每条所述规则包含多个规则因子和每个所述规则因子对应的因子语句，所述因子语句之间具有逻辑运算关系；
划分模块302用于基于业务场景对所述全量规则进行划分，获得不同所述业务场景的规则集合；
建立模块303用于根据所述规则集合中的规则对规则因子的引用关系，建立因子索引表；
查找模块304用于接收配置的新规则，基于所述新规则的规则因子，从所述因子索引表中得到所述新规则的相似规则集合；
计算模块305用于计算所述新规则与所述相似规则集合中每条相似规则之间的包含关系；
优化模块306用于根据所述包含关系得到规则优化动作，基于所述规则优化动作优化所述规则集合，得到更新的规则集合；
匹配模块307用于根据接收到的业务请求获取业务数据，基于所述业务数据匹配到所述规则引擎中对应的业务场景；
业务执行模块308用于根据所述业务场景，调用所述业务场景对应的更新的规则集合作为目标执行规则，并按照所述目标执行规则处理所述业务数据。
需要强调的是，为进一步保证全量规则的私密和安全性，上述全量规则还可以存储于一区块链的节点中。
基于上述基于规则引擎优化的业务数据处理装置，通过根据业务场景对获取的规则引擎的全量规则进行划分，得到每个业务场景对应的规则集合，并建立规则集合对应的因子索引表，根据因子索引表得到新规则的相似规则，计算得到新规则和相似规则之间的包含关系，根据包含关系优化规则集合，可以减少规则库的复杂度，使规则库更加清晰和易于维护，提高规则引擎的可维护性；同时，可以减少规则引擎的计算负担，提高规则引擎的性能和效率，还可以提高规则匹配的准确性和精度，优化的规则引擎更加容易进行规则更新，提升更新效率，使新规则快速上线，实现了新规则的热部署，进而提高了规则引擎提供规则解析服务的能力，也提高了应用系统提供服务的能力。
在本实施例的一些可选的实现方式中，查找模块304进一步用于：
确定所述新规则所在的业务场景，得到目标规则集合；
获取所述目标规则集合的目标因子索引表，提取所述新规则的目标规则因子；
根据每个所述目标规则因子，在所述目标因子索引表中查找对应的目标规则作为相似规则；
将所有所述相似规则进行合并，得到相似规则集合。
通过新规则的规则因子在因子索引表进行相似规则查找，可以提高查找效率，减少相似规则计算负担；将查找到的相似规则进行合并，去除重复规则，提高查找的准确率，以便提高后续优化更新的效率和精度。
在本实施例中，计算模块305进一步用于：
计算所述新规则与所述相似规则之间的包含度和被包含度；
根据所述包含度和所述被包含度得到所述新规则与所述相似规则之间的包含关系。
通过计算新规则和相似规则之间的包含度和被包含度，可以清楚地了解新新规则与相似规则之间的包含关系，有利于后续的规则集合优化更新。
在一些可选的实现方式中，优化模块306包括动作决策子模块，用于：
在所述包含关系满足第一预设条件时，确定所述第一优化动作为将所述新规则正常上线；
在所述包含关系满足第二预设条件时，确定所述第一优化动作为将所述相似规则合并至所述新规则；
在所述包含关系满足第三预设条件时，确定所述第一优化动作为将所述新规则合并至所述相似规则；
在所述包含关系满足第四预设条件时，确定所述第一优化动作为将所述新规则代替所述相似规则；
在所述包含关系满足第五预设条件时，确定所述第一优化动作为对所述新规则不予上线。
通过规则因子的重组实现对重复规则的优化，可以减少规则引擎的计算负担，提高规则引擎的性能和效率，还可以减少执行相同操作造成的错误和冲突，提高规则匹配的准确性和精度。
在一些可选的实现方式中，基于规则引擎优化的业务数据处理装置300还包括历史规则优化模块，历史规则优化模块包括遍历子模块、查找子模块、计算子模块以及优化子模块，其中：
遍历子模块用于遍历每个所述规则集合中的全部规则，将当前遍历的所述规则记为当前优化规则；
查找子模块用于基于所述当前优化规则的规则因子，从所述因子索引表中得到所述当前优化规则的当前相似规则集合；
计算子模块用于计算所述当前优化规则与所述当前相似规则集合中每条当前相似规则之间的包含度和被包含度；
优化子模块用于根据所述包含度和所述被包含度优化所述规则集合。
在本实施例的一些可选的实现方式中，优化子模块进一步用于：
在所述包含度在第一预设范围，或所述被包含度在第一预设范围时，保持所述当前优化规则和所述当前相似规则不变；
在所述包含度在第二预设范围且所述被包含度在第二预设范围时，将所述当前优化规则与所述当前相似规则进行合并；
在所述包含度为预设阈值时，将所述当前优化规则进行删除；
在所述被包含度为预设阈值时，将所述当前相似规则进行删除。
通过对规则引擎中每个业务场景的历史规则进行优化，可以减少规则库的复杂度，减少规则引擎的计算负担，提高规则匹配的准确性和精度，以及提高规则引擎的可维护性，降低规则更新难度。
在本实施例中，划分模块302进一步用于：
获取所述业务场景对应的规则配置文件；
解析所述规则配置文件，获得所述业务场景的业务规则，将所述业务规则进行组合得到规则集合。
通过解析业务场景的规则配置文件以获得业务规则，提高业务规则的获取效率。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图4，图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件41-43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如基于规则引擎优化的业务数据处理方法的计算机可读指令等。此外，所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据，例如运行所述基于规则引擎优化的业务数据处理方法的计算机可读指令。
所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
本实施例通过处理器执行存储在存储器的计算机可读指令时实现如上述实施例基于规则引擎优化的业务数据处理方法的步骤，通过根据业务场景对获取的规则引擎的全量规则进行划分，得到每个业务场景对应的规则集合，并建立规则集合对应的因子索引表，根据因子索引表得到新规则的相似规则，计算得到新规则和相似规则之间的包含关系，根据包含关系优化规则集合，可以减少规则库的复杂度，使规则库更加清晰和易于维护，提高规则引擎的可维护性；同时，可以减少规则引擎的计算负担，提高规则引擎的性能和效率，还可以提高规则匹配的准确性和精度，优化的规则引擎更加容易进行规则更新，提升更新效率，使新规则快速上线，实现了新规则的热部署，进而提高了规则引擎提供规则解析服务的能力，也提高了应用系统提供服务的能力。
本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的基于规则引擎优化的业务数据处理方法的步骤，通过根据业务场景对获取的规则引擎的全量规则进行划分，得到每个业务场景对应的规则集合，并建立规则集合对应的因子索引表，根据因子索引表得到新规则的相似规则，计算得到新规则和相似规则之间的包含关系，根据包含关系优化规则集合，可以减少规则库的复杂度，使规则库更加清晰和易于维护，提高规则引擎的可维护性；同时，可以减少规则引擎的计算负担，提高规则引擎的性能和效率，还可以提高规则匹配的准确性和精度，优化的规则引擎更加容易进行规则更新，提升更新效率，使新规则快速上线，实现了新规则的热部署，进而提高了规则引擎提供规则解析服务的能力，也提高了应用系统提供服务的能力。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式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效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种基于规则引擎优化的业务数据处理方法，其特征在于，包括下述步骤：
获取规则引擎的全量规则，其中，每条所述规则包含多个规则因子和每个所述规则因子对应的因子语句，所述因子语句之间具有逻辑运算关系；
基于业务场景对所述全量规则进行划分，获得不同所述业务场景的规则集合；
根据所述规则集合中的规则对规则因子的引用关系，建立因子索引表；
接收配置的新规则，基于所述新规则的规则因子，从所述因子索引表中得到所述新规则的相似规则集合；
计算所述新规则与所述相似规则集合中每条相似规则之间的包含关系；
根据所述包含关系得到规则优化动作，基于所述规则优化动作优化所述规则集合，得到更新的规则集合；
根据接收到的业务请求获取业务数据，基于所述业务数据匹配到所述规则引擎中对应的业务场景；
根据所述业务场景，调用所述业务场景中对应的更新的规则集合作为目标执行规则，并按照所述目标执行规则处理所述业务数据。
2.根据权利要求1所述的基于规则引擎优化的业务数据处理方法，其特征在于，所述基于所述新规则的规则因子，从所述因子索引表中得到所述新规则的相似规则集合的步骤包括：
确定所述新规则所在的业务场景，得到目标规则集合；
获取所述目标规则集合的目标因子索引表，提取所述新规则的目标规则因子；
根据每个所述目标规则因子，在所述目标因子索引表中查找对应的目标规则作为相似规则；
将所有所述相似规则进行合并，得到相似规则集合。
3.根据权利要求1所述的基于规则引擎优化的业务数据处理方法，其特征在于，所述计算所述新规则与所述相似规则集合中每条相似规则之间的包含关系的步骤包括：
计算所述新规则与所述相似规则之间的包含度和被包含度；
根据所述包含度和所述被包含度得到所述新规则与所述相似规则之间的包含关系。
4.根据权利要求3所述的基于规则引擎优化的业务数据处理方法，其特征在于，所述根据所述包含关系得到规则优化动作的步骤包括：
在所述包含关系满足第一预设条件时，确定所述规则优化动作为将所述新规则正常上线；
在所述包含关系满足第二预设条件时，确定所述规则优化动作为将所述相似规则合并至所述新规则；
在所述包含关系满足第三预设条件时，确定所述规则优化动作为将所述新规则合并至所述相似规则；
在所述包含关系满足第四预设条件时，确定所述规则优化动作为将所述新规则代替所述相似规则；
在所述包含关系满足第五预设条件时，确定所述规则优化动作为对所述新规则不予上线。
5.根据权利要求1所述的基于规则引擎优化的业务数据处理方法，其特征在于，在所述根据所述规则集合中的规则对规则因子的引用关系，建立因子索引表的步骤之后还包括：
遍历每个所述规则集合中的全部规则，将当前遍历的所述规则记为当前优化规则；
基于所述当前优化规则的规则因子，从所述因子索引表中得到所述当前优化规则的当前相似规则集合；
计算所述当前优化规则与所述当前相似规则集合中每条当前相似规则之间的包含度和被包含度；
根据所述包含度和所述被包含度优化所述规则集合。
6.根据权利要求5所述的基于规则引擎优化的业务数据处理方法，其特征在于，所述根据所述包含度和所述被包含度优化所述规则集合的步骤包括：
在所述包含度在第一预设范围，或所述被包含度在第一预设范围时，保持所述当前优化规则和所述当前相似规则不变；
在所述包含度在第二预设范围且所述被包含度在第二预设范围时，将所述当前优化规则与所述当前相似规则进行合并；
在所述包含度为预设阈值时，将所述当前优化规则进行删除；
在所述被包含度为预设阈值时，将所述当前相似规则进行删除。
7.根据权利要求1至6中任一项所述的基于规则引擎优化的业务数据处理方法，其特征在于，所述基于业务场景对所述全量规则进行划分，获得不同所述业务场景的规则集合的步骤包括：
获取所述业务场景对应的规则配置文件；
解析所述规则配置文件，获得所述业务场景的业务规则，将所述业务规则进行组合得到规则集合。
8.一种基于规则引擎优化的业务数据处理装置，其特征在于，包括：
获取模块，用于获取规则引擎的全量规则，其中，每条所述规则包含多个规则因子和每个所述规则因子对应的因子语句，所述因子语句之间具有逻辑运算关系；
划分模块，用于基于业务场景对所述全量规则进行划分，获得不同所述业务场景的规则集合；
建立模块，用于根据所述规则集合中的规则对规则因子的引用关系，建立因子索引表；
查找模块，用于接收配置的新规则，基于所述新规则的规则因子，从所述因子索引表中得到所述新规则的相似规则集合；
计算模块，用于计算所述新规则与所述相似规则集合中每条相似规则之间的包含关系；
优化模块，用于根据所述包含关系得到规则优化动作，基于所述规则优化动作优化所述规则集合，得到更新的规则集合；
匹配模块，用于根据接收到的业务请求获取业务数据，基于所述业务数据匹配到所述规则引擎中对应的业务场景；
业务执行模块，用于根据所述业务场景，调用所述业务场景对应的更新的规则集合作为目标执行规则，并按照所述目标执行规则处理所述业务数据。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的基于规则引擎优化的业务数据处理方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的基于规则引擎优化的业务数据处理方法的步骤。
CN202310968326.2A 2023-08-02 2023-08-02 一种基于规则引擎优化的业务数据处理方法及相关设备 Pending CN116932697A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310968326.2A CN116932697A (zh) 2023-08-02 2023-08-02 一种基于规则引擎优化的业务数据处理方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310968326.2A CN116932697A (zh) 2023-08-02 2023-08-02 一种基于规则引擎优化的业务数据处理方法及相关设备

Publications (1)

Publication Number Publication Date
CN116932697A true CN116932697A (zh) 2023-10-24

Family

ID=88375296

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310968326.2A Pending CN116932697A (zh) 2023-08-02 2023-08-02 一种基于规则引擎优化的业务数据处理方法及相关设备

Country Status (1)

Country Link
CN (1) CN116932697A (zh)

Similar Documents

Publication Publication Date Title
CN112148987B (zh) 基于目标对象活跃度的消息推送方法及相关设备
CN111666304B (zh) 数据处理装置、数据处理方法、存储介质与电子设备
CN112861662B (zh) 基于人脸和交互文本的目标对象行为预测方法及相关设备
CN113836131A (zh) 一种大数据清洗方法、装置、计算机设备及存储介质
CN111124917A (zh) 公共测试用例的管控方法、装置、设备及存储介质
CN111553556A (zh) 业务数据分析方法、装置、计算机设备及存储介质
CN114493255A (zh) 基于知识图谱的企业异常监控方法及其相关设备
CN111651552A (zh) 结构化信息确定方法、装置和电子设备
CN116860856A (zh) 一种财务数据处理方法、装置、计算机设备及存储介质
CN114265835A (zh) 基于图挖掘的数据分析方法、装置及相关设备
CN111782649A (zh) 数据采集格式更新方法、装置、计算机设备及存储介质
CN116956326A (zh) 权限数据的处理方法、装置、计算机设备及存储介质
CN116450723A (zh) 数据提取方法、装置、计算机设备及存储介质
CN108768742B (zh) 网络构建方法及装置、电子设备、存储介质
CN115578170A (zh) 一种财务批量制证方法、装置、设备及存储介质
CN115545753A (zh) 一种基于贝叶斯算法的合作伙伴预测方法及相关设备
CN115168848A (zh) 基于大数据分析拦截的拦截反馈处理方法
CN115099875A (zh) 基于决策树模型的数据分类方法及相关设备
CN116932697A (zh) 一种基于规则引擎优化的业务数据处理方法及相关设备
CN113297436A (zh) 基于关系图网络的用户策略分配方法、装置及电子设备
CN112561538B (zh) 风险模型创制方法、装置、计算机设备及可读存储介质
CN117273962A (zh) 保险保全处理方法、装置、设备及介质
CN116431639A (zh) 基于图形化的数据优化方法、装置、计算机设备及介质
CN116775649A (zh) 一种数据分类存储方法、装置、计算机设备及存储介质
CN117076775A (zh) 资讯数据的处理方法、装置、计算机设备及存储介质

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