CN117150362B - 一种基于规则引擎的主数据标签标记方法及系统 - Google Patents
一种基于规则引擎的主数据标签标记方法及系统 Download PDFInfo
- Publication number
- CN117150362B CN117150362B CN202311167092.8A CN202311167092A CN117150362B CN 117150362 B CN117150362 B CN 117150362B CN 202311167092 A CN202311167092 A CN 202311167092A CN 117150362 B CN117150362 B CN 117150362B
- Authority
- CN
- China
- Prior art keywords
- mark
- preset
- data
- history
- record
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000003550 marker Substances 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供一种基于规则引擎的主数据标签标记方法及系统,其中方法包括:配置规则引擎;获取待标记数据;基于所述规则引擎,对所述待标记数据进行主数据标签标记。本发明的基于规则引擎的主数据标签标记方法及系统,基于配置后的规则引擎自动对待标记数据进行主数据标签标记,无需业务人员人工完成,降低了工作人员的工作量,降低了人力成本,更提升了主数据标签标记的效率,同时,也更加智能化和人性化。
Description
技术领域
本发明涉及计算机数据处理技术领域,特别涉及一种基于规则引擎的主数据标签标记方法及系统。
背景技术
目前,企事业单位内的信息在流转时,为提升关键主数据的识别应用效果,需要进行主数据标签标记,比如:为合作频繁、付款即时的优质客户添加重要客户标签。
但是,进行主数据标签标记往往是由工作人员人工完成,工作量较大,以致人力成本较大,另外,人工进行主数据标签标记的效率也较低。
因此,亟需一种解决办法。
发明内容
本发明目的之一在于提供了一种基于规则引擎的主数据标签标记方法,基于配置后的规则引擎自动对待标记数据进行主数据标签标记,无需业务人员人工完成,降低了工作人员的工作量,降低了人力成本,更提升了主数据标签标记的效率,同时,也更加智能化和人性化。
本发明实施例提供的一种基于规则引擎的主数据标签标记方法,包括:
配置规则引擎;
获取待标记数据;
基于所述规则引擎,对所述待标记数据进行主数据标签标记。
优选的,所述配置规则引擎,包括:
更新预设的标记基准库;
基于所述标记基准库,对所述规则引擎进行配置;
其中,所述更新预设的标记基准库,包括:
获取用户输入的第一待选基准;
确定所述第一待选基准是否符合基准条件;
当符合时,将所述第一待选基准存入所述标记基准库;
和/或,
获取大量的历史标记记录;
基于所述历史标记记录,确定第二待选基准;
将所述第二待选基准存入所述标记基准库。
优选的,所述基准条件包括以下一种或多种结合:
所述用户的可信度大于等于预设的可信度阈值且所述第一待选基准由目标方产生;所述目标方包括:所述用户或与所述用户之间在预设的关联关系库中对应至少有N个关联关系的其他用户;
所述第一待选基准的应用范围与预设的预测应用范围库中的预测应用范围之间的总重合度大于等于预设的重合度阈值;
所述用户对所述第一待选基准进行可信担保的担保值大于等于预设的担保阈值。
优选的,所述基于所述历史标记记录,确定第二待选基准,包括:
基于所述历史标记记录的记录时间戳,将所述历史标记记录设置于预设的时间轴上;
从所述时间轴上确定符合连续记录条件的历史标记记录序列;
对所述历史标记记录序列内各个所述历史标记记录中的被标记数据进行聚类,获得至少一个聚类类别;
将所述聚类类别与所述历史标记记录序列内的所述历史标记记录中的标记类型进行配对关联,获得所述第二待选基准;
其中,所述连续记录条件包括:
所述历史标记记录序列内的所述历史标记记录中的所述标记类型相同且唯一;
所述历史标记记录序列内两两相邻所述历史标记记录之间的时间间隔小于等于预设的间隔阈值;
所述历史标记记录序列内的所述历史标记记录的第一总数目大于等于预设的第一数目阈值;
在所述时间轴上,所述历史标记记录序列内的两两所述历史标记记录之间的目标历史标记记录的第一总数目小于等于预设的第二数目阈值;目标历史标记记录包括:与所述历史标记记录序列内的任一个所述历史标记记录属于同一标记人或标记场景的其他所述历史标记记录。
优选的,所述获取待标记数据,包括:
获取用户输入的所述待标记数据;
和/或,
监听大量的数据流转流程;
将所述数据流转流程与预设的触发流程库中的触发流程进行匹配;
当匹配符合时,基于匹配符合的所述触发流程对应的预设的数据捕捉模板,捕捉匹配符合的所述数据流转流程下的所述待标记数据。
本发明实施例提供的一种基于规则引擎的主数据标签标记系统,包括:
规则引擎配置模块,用于配置规则引擎;
待标记数据获取模块,用于获取待标记数据;
主数据标签标记模块,用于基于所述规则引擎,对所述待标记数据进行主数据标签标记。
优选的,所述规则引擎配置模块配置规则引擎,包括:
更新预设的标记基准库;
基于所述标记基准库,对所述规则引擎进行配置;
其中,所述更新预设的标记基准库,包括:
获取用户输入的第一待选基准;
确定所述第一待选基准是否符合基准条件;
当符合时,将所述第一待选基准存入所述标记基准库;
和/或,
获取大量的历史标记记录;
基于所述历史标记记录,确定第二待选基准;
将所述第二待选基准存入所述标记基准库。
优选的,所述基准条件包括以下一种或多种结合:
所述用户的可信度大于等于预设的可信度阈值且所述第一待选基准由目标方产生;所述目标方包括:所述用户或与所述用户之间在预设的关联关系库中对应至少有N个关联关系的其他用户;
所述第一待选基准的应用范围与预设的预测应用范围库中的预测应用范围之间的总重合度大于等于预设的重合度阈值;
所述用户对所述第一待选基准进行可信担保的担保值大于等于预设的担保阈值。
优选的,所述规则引擎配置模块基于所述历史标记记录,确定第二待选基准,包括:
基于所述历史标记记录的记录时间戳,将所述历史标记记录设置于预设的时间轴上;
从所述时间轴上确定符合连续记录条件的历史标记记录序列;
对所述历史标记记录序列内各个所述历史标记记录中的被标记数据进行聚类,获得至少一个聚类类别;
将所述聚类类别与所述历史标记记录序列内的所述历史标记记录中的标记类型进行配对关联,获得所述第二待选基准;
其中,所述连续记录条件包括:
所述历史标记记录序列内的所述历史标记记录中的所述标记类型相同且唯一;
所述历史标记记录序列内两两相邻所述历史标记记录之间的时间间隔小于等于预设的间隔阈值;
所述历史标记记录序列内的所述历史标记记录的第一总数目大于等于预设的第一数目阈值;
在所述时间轴上,所述历史标记记录序列内的两两所述历史标记记录之间的目标历史标记记录的第一总数目小于等于预设的第二数目阈值;目标历史标记记录包括:与所述历史标记记录序列内的任一个所述历史标记记录属于同一标记人或标记场景的其他所述历史标记记录。
优选的,所述待标记数据获取模块获取待标记数据,包括:
获取用户输入的所述待标记数据;
和/或,
监听大量的数据流转流程;
将所述数据流转流程与预设的触发流程库中的触发流程进行匹配;
当匹配符合时,基于匹配符合的所述触发流程对应的预设的数据捕捉模板,捕捉匹配符合的所述数据流转流程下的所述待标记数据。
本发明的其它特征和优点将在随后的说明书中阐述,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而了解。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。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于规则引擎的主数据标签标记方法的示意图;
图2为本发明实施例中一种基于规则引擎的主数据标签标记系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种基于规则引擎的主数据标签标记方法,如图1所示,包括:
步骤S1:配置规则引擎;
步骤S2:获取待标记数据;待标记数据包括:需要进行主数据标签标记的数据;
步骤S3:基于所述规则引擎,对所述待标记数据进行主数据标签标记;
所述配置规则引擎,包括:
更新预设的标记基准库;
基于所述标记基准库,对所述规则引擎进行配置;标记基准库中有大量的标记基准,标记基准代表什么数据需要标记什么类型,比如:数据为“任务完成绝限时间”,标记类型为“重点注意”;基于大量的标记基准,对规则引擎进行配置,使得规则引擎能够识别待标记数据中需要标记的数据并标记对应类型;
其中,所述更新预设的标记基准库,包括:
获取用户输入的第一待选基准;
确定所述第一待选基准是否符合基准条件;
当符合时,将所述第一待选基准存入所述标记基准库;更新标记基准库时,可以利用用户(比如:系统技术人员、企事业单位的管理人员等)输入第一待选基准进行更新,验证第一待选基准是否符合基准条件,待符合时再入库,提升更新质量;
和/或,
获取大量的历史标记记录;
基于所述历史标记记录,确定第二待选基准;
将所述第二待选基准存入所述标记基准库。还可以利用企事业单位内部历史上产生的大量的人工进行主数据标签标记的历史标记记录确定的第二待选基准对标记基准库进行更新,提升更新全面性。
上述技术方案的工作原理及有益效果为:
本申请基于配置后的规则引擎自动对待标记数据进行主数据标签标记,无需业务人员人工完成,降低了工作人员的工作量,降低了人力成本,更提升了主数据标签标记的效率,同时,也更加智能化和人性化。
在一个实施例中,所述基准条件包括以下一种或多种结合:
所述用户的可信度大于等于预设的可信度阈值且所述第一待选基准由目标方产生;所述目标方包括:所述用户或与所述用户之间在预设的关联关系库中对应至少有N个关联关系的其他用户;可信度代表用户的可信程度,可信度越大,代表可信程度越大,与用户历史输入待选基准的次数、基准总数目等有关,可由技术人员根据实际需求提前预设;关联关系包括:同部门、互相担保等;N为正整数,也可由技术人员根据实际需求提前预设;设置这一基准条件,充分保证入入标记基准库的第一待选基准的可信性,提升更新质量;
所述第一待选基准的应用范围与预设的预测应用范围库中的预测应用范围之间的总重合度大于等于预设的重合度阈值;预测应用范围为预测的企事业单位未来一定时间内可能会应用到的标记基准应用范围,比如:未来会下发多个任务通知,则预测应用范围为标记任务绝限时间、标记任务要求等;重合度阈值可以为,比如:45%;设置这一基准条件,可以使得更新后的标记基准库能够针对性适用于企事业单位近期的工作内容,提升更新针对性;
所述用户对所述第一待选基准进行可信担保的担保值大于等于预设的担保阈值。担保值代表用户对第一待选基准进行可信担保的担保程度,担保值越大,担保程度越大。设置这一基准条件,可以进一步保证入入标记基准库的第一待选基准的可信性,提升更新质量。
在一个实施例中,所述基于所述历史标记记录,确定第二待选基准,包括:
基于所述历史标记记录的记录时间戳,将所述历史标记记录设置于预设的时间轴上;设置时,将历史标记记录设置于时间轴上记录时间戳对应的时间轴位置处;
从所述时间轴上确定符合连续记录条件的历史标记记录序列;
对所述历史标记记录序列内各个所述历史标记记录中的被标记数据进行聚类,获得至少一个聚类类别;
将所述聚类类别与所述历史标记记录序列内的所述历史标记记录中的标记类型进行配对关联,获得所述第二待选基准;历史标记记录序列内的历史标记记录反应了使用同一标记类型对多个被标记数据进行标记的情形,因此,对该各被标记数据进行聚类,将聚类类别与标记类型进行配对关联,作为第二待选基准;
其中,所述连续记录条件包括:
所述历史标记记录序列内的所述历史标记记录中的所述标记类型相同且唯一;
所述历史标记记录序列内两两相邻所述历史标记记录之间的时间间隔小于等于预设的间隔阈值;间隔阈值可以为,比如:10分钟;设置这一连续记录条件,可以使得历史标记记录序列反应是人工连续进行主数据标签标记的情形,提升筛选针对性及筛选价值(一般的,人工标记时会将同类型的信息叠加到一块,一起标记为同一类型);
所述历史标记记录序列内的所述历史标记记录的第一总数目大于等于预设的第一数目阈值;第一数目阈值可以为,比如:20;设置这一连续记录条件,可以进一步保证使得历史标记记录序列反应是人工连续进行主数据标签标记的情形;
在所述时间轴上,所述历史标记记录序列内的两两所述历史标记记录之间的目标历史标记记录的第一总数目小于等于预设的第二数目阈值;目标历史标记记录包括:与所述历史标记记录序列内的任一个所述历史标记记录属于同一标记人或标记场景的其他所述历史标记记录。第二数目阈值可以为,比如:3;标记场景为进行主数据标签标记的信息文件;目标历史标记记录的第一总数目越多,说明出现随意标记(一会标记一个类型,另一会标记其他类型)的情形的概率越大,因此,设置这一连续记录条件,保证基于历史标记记录,确定第二待选基准的可靠性。
在一个实施例中,所述获取待标记数据,包括:
获取用户输入的所述待标记数据;获取待标记数据时,可以由用户直接输入;
和/或,
监听大量的数据流转流程;数据流转流程可以为,比如:数据存储、任务下发、通知下发等;
将所述数据流转流程与预设的触发流程库中的触发流程进行匹配;
当匹配符合时,基于匹配符合的所述触发流程对应的预设的数据捕捉模板,捕捉匹配符合的所述数据流转流程下的所述待标记数据。触发流程为反映需要进行主数据标签标记的流程,比如:任务下发、通知下发等,当匹配符合时,触发到对应触发流程;数据捕捉模板为触发流程被触发后如何捕捉待标记数据的模板,比如:触发流程为任务下发,则数据捕捉模板为捕捉任务通知书中的内容。
本发明实施例提供了一种基于规则引擎的主数据标签标记系统,如图2所示,包括:
规则引擎配置模块1,用于配置规则引擎;
待标记数据获取模块2,用于获取待标记数据;
主数据标签标记模块3,用于基于所述规则引擎,对所述待标记数据进行主数据标签标记。
所述规则引擎配置模块1配置规则引擎,包括:
更新预设的标记基准库;
基于所述标记基准库,对所述规则引擎进行配置;
其中,所述更新预设的标记基准库,包括:
获取用户输入的第一待选基准;
确定所述第一待选基准是否符合基准条件;
当符合时,将所述第一待选基准存入所述标记基准库;
和/或,
获取大量的历史标记记录;
基于所述历史标记记录,确定第二待选基准;
将所述第二待选基准存入所述标记基准库。
所述基准条件包括以下一种或多种结合:
所述用户的可信度大于等于预设的可信度阈值且所述第一待选基准由目标方产生;所述目标方包括:所述用户或与所述用户之间在预设的关联关系库中对应至少有N个关联关系的其他用户;
所述第一待选基准的应用范围与预设的预测应用范围库中的预测应用范围之间的总重合度大于等于预设的重合度阈值;
所述用户对所述第一待选基准进行可信担保的担保值大于等于预设的担保阈值。
所述规则引擎配置模块1基于所述历史标记记录,确定第二待选基准,包括:
基于所述历史标记记录的记录时间戳,将所述历史标记记录设置于预设的时间轴上;
从所述时间轴上确定符合连续记录条件的历史标记记录序列;
对所述历史标记记录序列内各个所述历史标记记录中的被标记数据进行聚类,获得至少一个聚类类别;
将所述聚类类别与所述历史标记记录序列内的所述历史标记记录中的标记类型进行配对关联,获得所述第二待选基准;
其中,所述连续记录条件包括:
所述历史标记记录序列内的所述历史标记记录中的所述标记类型相同且唯一;
所述历史标记记录序列内两两相邻所述历史标记记录之间的时间间隔小于等于预设的间隔阈值;
所述历史标记记录序列内的所述历史标记记录的第一总数目大于等于预设的第一数目阈值;
在所述时间轴上,所述历史标记记录序列内的两两所述历史标记记录之间的其他所述历史标记记录的第一总数目小于等于预设的第二数目阈值。
所述待标记数据获取模块2获取待标记数据,包括:
获取用户输入的所述待标记数据;
和/或,
监听大量的数据流转流程;
将所述数据流转流程与预设的触发流程库中的触发流程进行匹配;
当匹配符合时,基于匹配符合的所述触发流程对应的预设的数据捕捉模板,捕捉匹配符合的所述数据流转流程下的所述待标记数据。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种基于规则引擎的主数据标签标记方法,其特征在于,包括:
配置规则引擎;
获取待标记数据;
基于所述规则引擎,对所述待标记数据进行主数据标签标记;
所述配置规则引擎,包括:
更新预设的标记基准库;
基于所述标记基准库,对所述规则引擎进行配置;
其中,所述更新预设的标记基准库,包括:
获取用户输入的第一待选基准;
确定所述第一待选基准是否符合基准条件;
当符合时,将所述第一待选基准存入所述标记基准库;
和,
获取大量的历史标记记录;
基于所述历史标记记录,确定第二待选基准;
将所述第二待选基准存入所述标记基准库;
所述基于所述历史标记记录,确定第二待选基准,包括:
基于所述历史标记记录的记录时间戳,将所述历史标记记录设置于预设的时间轴上;
从所述时间轴上确定符合连续记录条件的历史标记记录序列;
对所述历史标记记录序列内各个所述历史标记记录中的被标记数据进行聚类,获得至少一个聚类类别;
将所述聚类类别与所述历史标记记录序列内的所述历史标记记录中的标记类型进行配对关联,获得所述第二待选基准;
其中,所述连续记录条件包括:
所述历史标记记录序列内的所述历史标记记录中的所述标记类型相同且唯一;
所述历史标记记录序列内两两相邻所述历史标记记录之间的时间间隔小于等于预设的间隔阈值;
所述历史标记记录序列内的所述历史标记记录的第一总数目大于等于预设的第一数目阈值;
在所述时间轴上,所述历史标记记录序列内的两两所述历史标记记录之间的目标历史标记记录的第一总数目小于等于预设的第二数目阈值;目标历史标记记录包括:与所述历史标记记录序列内的任一个所述历史标记记录属于同一标记人或标记场景的其他所述历史标记记录。
2.如权利要求1所述的一种基于规则引擎的主数据标签标记方法,其特征在于,所述基准条件包括以下一种或多种结合:
所述用户的可信度大于等于预设的可信度阈值且所述第一待选基准由目标方产生;所述目标方包括:所述用户或与所述用户之间在预设的关联关系库中对应至少有N个关联关系的其他用户;
所述第一待选基准的应用范围与预设的预测应用范围库中的预测应用范围之间的总重合度大于等于预设的重合度阈值;
所述用户对所述第一待选基准进行可信担保的担保值大于等于预设的担保阈值。
3.如权利要求1所述的一种基于规则引擎的主数据标签标记方法,其特征在于,所述获取待标记数据,包括:
获取用户输入的所述待标记数据;
和/或,
监听大量的数据流转流程;
将所述数据流转流程与预设的触发流程库中的触发流程进行匹配;
当匹配符合时,基于匹配符合的所述触发流程对应的预设的数据捕捉模板,捕捉匹配符合的所述数据流转流程下的所述待标记数据。
4.一种基于规则引擎的主数据标签标记系统,其特征在于,包括:
规则引擎配置模块,用于配置规则引擎;
待标记数据获取模块,用于获取待标记数据;
主数据标签标记模块,用于基于所述规则引擎,对所述待标记数据进行主数据标签标记;
所述规则引擎配置模块配置规则引擎,包括:
更新预设的标记基准库;
基于所述标记基准库,对所述规则引擎进行配置;
其中,所述更新预设的标记基准库,包括:
获取用户输入的第一待选基准;
确定所述第一待选基准是否符合基准条件;
当符合时,将所述第一待选基准存入所述标记基准库;
和,
获取大量的历史标记记录;
基于所述历史标记记录,确定第二待选基准;
将所述第二待选基准存入所述标记基准库;
所述规则引擎配置模块基于所述历史标记记录,确定第二待选基准,包括:
基于所述历史标记记录的记录时间戳,将所述历史标记记录设置于预设的时间轴上;
从所述时间轴上确定符合连续记录条件的历史标记记录序列;
对所述历史标记记录序列内各个所述历史标记记录中的被标记数据进行聚类,获得至少一个聚类类别;
将所述聚类类别与所述历史标记记录序列内的所述历史标记记录中的标记类型进行配对关联,获得所述第二待选基准;
其中,所述连续记录条件包括:
所述历史标记记录序列内的所述历史标记记录中的所述标记类型相同且唯一;
所述历史标记记录序列内两两相邻所述历史标记记录之间的时间间隔小于等于预设的间隔阈值;
所述历史标记记录序列内的所述历史标记记录的第一总数目大于等于预设的第一数目阈值;
在所述时间轴上,所述历史标记记录序列内的两两所述历史标记记录之间的目标历史标记记录的第一总数目小于等于预设的第二数目阈值;目标历史标记记录包括:与所述历史标记记录序列内的任一个所述历史标记记录属于同一标记人或标记场景的其他所述历史标记记录。
5.如权利要求4所述的一种基于规则引擎的主数据标签标记系统,其特征在于,所述基准条件包括以下一种或多种结合:
所述用户的可信度大于等于预设的可信度阈值且所述第一待选基准由目标方产生;所述目标方包括:所述用户或与所述用户之间在预设的关联关系库中对应至少有N个关联关系的其他用户;
所述第一待选基准的应用范围与预设的预测应用范围库中的预测应用范围之间的总重合度大于等于预设的重合度阈值;
所述用户对所述第一待选基准进行可信担保的担保值大于等于预设的担保阈值。
6.如权利要求4所述的一种基于规则引擎的主数据标签标记系统,其特征在于,所述待标记数据获取模块获取待标记数据,包括:
获取用户输入的所述待标记数据;
和/或,
监听大量的数据流转流程;
将所述数据流转流程与预设的触发流程库中的触发流程进行匹配;
当匹配符合时,基于匹配符合的所述触发流程对应的预设的数据捕捉模板,捕捉匹配符合的所述数据流转流程下的所述待标记数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311167092.8A CN117150362B (zh) | 2023-09-11 | 2023-09-11 | 一种基于规则引擎的主数据标签标记方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311167092.8A CN117150362B (zh) | 2023-09-11 | 2023-09-11 | 一种基于规则引擎的主数据标签标记方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117150362A CN117150362A (zh) | 2023-12-01 |
CN117150362B true CN117150362B (zh) | 2024-06-11 |
Family
ID=88884041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311167092.8A Active CN117150362B (zh) | 2023-09-11 | 2023-09-11 | 一种基于规则引擎的主数据标签标记方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117150362B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108363821A (zh) * | 2018-05-09 | 2018-08-03 | 深圳壹账通智能科技有限公司 | 一种信息推送方法、装置、终端设备及存储介质 |
CN114564507A (zh) * | 2020-11-27 | 2022-05-31 | 厦门雅基软件有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN116304236A (zh) * | 2023-03-14 | 2023-06-23 | 深圳十方融海科技有限公司 | 一种用户画像生成方法、装置、电子设备和存储介质 |
CN116700721A (zh) * | 2023-06-16 | 2023-09-05 | 青岛佳有好医信息科技有限公司 | 基于Drools规则引擎的医院动态设置用户标签方法 |
CN116719891A (zh) * | 2023-05-30 | 2023-09-08 | 平安科技(深圳)有限公司 | 中医信息分组聚类方法、装置、设备及计算机存储介质 |
-
2023
- 2023-09-11 CN CN202311167092.8A patent/CN117150362B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108363821A (zh) * | 2018-05-09 | 2018-08-03 | 深圳壹账通智能科技有限公司 | 一种信息推送方法、装置、终端设备及存储介质 |
CN114564507A (zh) * | 2020-11-27 | 2022-05-31 | 厦门雅基软件有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN116304236A (zh) * | 2023-03-14 | 2023-06-23 | 深圳十方融海科技有限公司 | 一种用户画像生成方法、装置、电子设备和存储介质 |
CN116719891A (zh) * | 2023-05-30 | 2023-09-08 | 平安科技(深圳)有限公司 | 中医信息分组聚类方法、装置、设备及计算机存储介质 |
CN116700721A (zh) * | 2023-06-16 | 2023-09-05 | 青岛佳有好医信息科技有限公司 | 基于Drools规则引擎的医院动态设置用户标签方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117150362A (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109408337B (zh) | 一种接口运维的方法及装置 | |
CN102819758B (zh) | 在运动生产线上提高射频标签读写成功率的系统及方法 | |
US8060782B2 (en) | Root cause problem identification through event correlation | |
US9507946B2 (en) | Program vulnerability identification | |
CN111915366B (zh) | 一种用户画像构建方法、装置、计算机设备及存储介质 | |
US8756071B2 (en) | Methods and apparatus for queue-based cluster analysis | |
US7562024B2 (en) | Method and system for addressing client service outages | |
CN112508486A (zh) | 一种电力系统企业二次备品备件库存管理系统 | |
CN114201201A (zh) | 一种对业务系统异常检测方法、装置及设备 | |
CN114840519A (zh) | 一种数据打标签的方法、设备及存储介质 | |
CN117150362B (zh) | 一种基于规则引擎的主数据标签标记方法及系统 | |
US20030195868A1 (en) | Methods and systems for correlating company data stored in an electronic database | |
CN109801394B (zh) | 一种工作人员考勤方法及装置、电子设备和可读存储介质 | |
CN111414981A (zh) | 一种车辆管理的方法、装置、设备及存储介质 | |
CN110619572A (zh) | 一种监控企业公开数据高容错性增长的方法 | |
CN113822715B (zh) | 一种数据采集训练处理一体化平台分析方法 | |
US20070233584A1 (en) | Logistics auditing system and method | |
CN110602336B (zh) | 基于区块链的呼叫中心管理方法及系统 | |
CN113902345A (zh) | 一种电力调度业务的监控管理方法、装置及系统 | |
CN116433197B (zh) | 一种信息上报方法、装置、上报端及存储介质 | |
CN114066388B (zh) | 采购过程异常的智能化处理方法及装置 | |
CN112559557B (zh) | 一种企业数据流向监测系统及方法 | |
CN111782736B (zh) | 一种数据分类管理的方法及系统 | |
CN220290220U (zh) | 一种用于检测设备出入库和使用管理的智能操作系统 | |
RU174643U1 (ru) | Автоматизированная система мониторинга рационализаторской работы (деятельности) |
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 |