一种规则匹配方法及装置与流程

本申请涉及信息
技术领域：
，尤其涉及一种规则匹配方法及装置。
背景技术：
：随着信息化社会的发展，人们越来越依赖于网络处理工作和生活中的各种事务，这就使得企业更多的通过网络开展各种业务，而通常一个业务可根据对应的规则执行，即，根据输入的原始数据，通过规则计算之后，输出对应的结果(如，保险费率计算业务，根据输入的数据：汽车颜色是红色、汽车排量大于3.0l、汽车车主为男性、汽车车主交通事故发生率为2次/年，那么通过规则计算，可以得出保险费提高100％的结果)。可见，在大数据时代来临的前景下，未来通过网络进行的业务只会越来越多，这就对应的使得规则的数量也会越来越多，更新也会越来越频繁。于是，为了提高业务执行效率、降低业务更新成本、适应业务快速变化的需求，在现有技术中，采用规则引擎技术解决大量规则与业务之间的匹配问题。具体的，在现有技术中，该规则引擎接收待分析业务请求对应的数据信息(即，输入的数据信息)，并确定该数据信息对应的各数据的维度(如，汽车颜色、汽车排量、车主性别、数据发生率都是不同维度的数据)，根据预先保存的规则集以及各数据的维度，通过规则匹配方法确定需要使用的规则，使得该待分析业务请求对应的业务可以根据该规则执行。例如，对于输入数据a＝x、b＝y、c＝z，存在3个数据的维度a、b、c，假设存在规则集，如表1所示。表1可见，只有rule1中数据的维度与输入数据匹配，所以可以确定采用rule1处理该输入数据对应的业务。但是，由于前述的规则的不断增加，使得该待分析业务请求对应的数据信息可能会匹配到多个规则。继续沿用上例，假设此时该规则集中还包含rule6，并且rule6包含的数据的维度为(a、b、c、d)，则此时rule1和rule6都与该输入数据匹配。于是，对于匹配到多个规则的情况，在现有技术中，一般采用通过工作人员人工为各规则设置优先级的方法，使得当匹配到多个规则时，可以通过各规则的优先级确定最终使用的规则。并且，由于规则数量的快速增长，这一情况出现的几率也会越来越高。但是，由于人工为各规则设置的优先级的准确性并不高，容易导致匹配到的规则的准确性下降。可见，在现有技术中，在采用规则引擎方法时，由于人工设置的优先级，其准确性并不高，所以可能导致规则引擎匹配到的规则的准确性下降。基于上述原因，现有技术的规则匹配方法存在工作效率低、匹配精度低的问题。技术实现要素：本申请实施例提供一种规则匹配方法及装置，用以解决现有规则引擎在进行规则匹配时，只能通过预先人工设置各规则的优先级确定匹配到的规则，导致规则引擎使用繁琐、运行效率地、匹配精度低的问题。本申请实施例提供的一种规则匹配方法，包括：接收业务请求，其中，所述业务请求中携带若干待处理数据信息对应的维 度标识；根据预先保存的规则集，确定包含所述业务请求携带的所有维度标识的若干规则，作为待定规则；在各待定规则中，确定包含的维度标识最多的待定规则，作为与所述业务请求匹配的规则。本申请实施例提供的一种规则匹配装置，包括：接收模块，用于接收业务请求，其中，所述业务请求中携带若干待处理数据信息对应的维度标识；排查模块，用于根据预先保存的规则集，确定包含所述业务请求携带的所有维度标识的若干规则，作为待定规则；匹配模块，用于在各待定规则中，确定包含的维度标识最多的待定规则，作为与所述业务请求匹配的规则。本申请实施例提供一种规则匹配方法及装置，该方法当接收业务请求时，根据该业务请求中携带的若干待处理数据信息对应的维度标识，以及预先保存的规则集，确定包含该业务请求携带的所有维度标识的若干待定规则，最后在各待定规则中，确定包含的维度标识最多的待定规则，作为与该业务请求匹配的规则，完成规则匹配过程。通过上述方法，可以无需人工预先设置各规则的优先级，根据各待定规则中包含的维度标识，确定与该业务请求匹配的规则。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本申请实施例提供的规则匹配过程；图2是本申请实施例提供一种规则匹配装置的结构示意图。具体实施方式在本申请实施例中，当接收到业务请求时，可先确定该业务请求中携带的各待处理数据信息对应的维度标识，之后可根据预先保存的规则集，确定包含该业务请求所有维度标识的各规则，作为待定规则，最后便可根据各待定规则对应的维度标识，确定对应维度标识最多的待定规则为与该业务请求匹配的规则。可见，规则引擎在使用本申请的方法进行规则匹配时，可无需人工对规则集中的每个规则进行优先级设置，并选择精度最高的规则匹配给该业务请求，提高了规则引擎的运行效率，同时也提高了匹配精度。为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。图1为本申请实施例提供的规则匹配过程，具体包括以下步骤：s101：接收业务请求。在本申请实施例中，通常由规则引擎进行业务请求与规则之间的匹配，而一般只有业务请求数量、规则数量很多时(即，达到企业级的数量时)，才需要采用规则引擎技术完成业务请求与规则之间的匹配。所以，在本申请中，可由运行规则引擎的服务器接收该业务请求，并且具体可以由该规则引擎接收该业务请求。另外，由于该业务请求的作用是使该规则引擎确定一个与该业务请求匹配的规则，所以该业务请求中携带有若干待处理的数据信息，并且，由于各数据信息可能是不同维度的数据，所以还可以通过预先保存的数据信息与维度标识对应关系表，确定该业务请求携带的各数据信息对应的维度标识。其中，该数据信息与维度标识对应关系表中可包含数据信息的标识、数据信息的编码、维度标识、数据信息的取值范围等，该数据信息与维度标识对应 关系表可由人工预先建立并保存在该规则引擎中，以便该规则引擎可以区别不同纬度的数据信息。例如，假设电子商务平台的规则引擎a接收到了业务请求α，其中，该业务请求α携带有3个数据信息：卖家身份标识(identification，id)、收银台产品码、收银台业务标识。进一步假设该规则引擎中的数据信息与维度标识对应关系表，如表1所示。数据信息标识数据信息编码维度标识卖家idsellerid1合作者idpartnered2平台类型platformtyp3收银台产品码product4收银台业务标识bizidentity5表1可见，通过该数据信息与维度标识对应关系表，该规则引擎a可以确定该业务请求α携带的数据信息对应的维度标识分别为，1、3、5。需要说明的是，该规则引擎可以位于单独的一台设备中，也可以位于多台设备组成的系统中。s102：根据预先保存的规则集，确定包含所述业务请求携带的所有维度标识的若干规则，作为待定规则。在本申请实施例中，在接收到了该业务请求后，该规则引擎便可根据预先保存的规则集，确定与该业务请求相匹配的规则，作为待定规则，并且，与该业务请求匹配的规则需包含该业务请求中携带的所有维度标识。另外，该规则集为该规则引擎中所有规则的合集，并且，为了方便确定各规则的精度以及各规则涉及的数据范围，在该规则集保存的每一个规则，除了记录该规则的标识以及该规则的逻辑运算表达式之外，还保存有该规则对应的逻辑运算表达式中涉及的各数据信息对应的维度标识，即，该规则包含维度标 识。具体的，该规则引擎根据该业务请求中携带的所有维度标识，遍历该规则集中的所有规则，并将包含该业务请求中携带的所有维度标识的规则确定为待定规则，当遍历该规则集中的所有规则后，确定若干待定规则。继续沿用上例，假设该规则引擎a中存在规则集如表2所示。表2可见，该规则引擎a可以通过该规则集确定各规则对应的维度标识。并且，由于在步骤s101中该规则引擎a已经确定了该业务请求α携带的各维度标识分别为：1、3、5，所以该规则引擎a可遍历该规则集中所有规则，并确定包含该业务请求的所有维度标识的规则为待定规则。于是，由于rule3和rule4中包含的维度标识1、3、5和1、3、4、5均包含该业务请求α中的所有维度标识，所以该规则引擎a可以确定rule3和rule4为待定规则。s103：在各待定规则中，确定包含的维度标识最多的待定规则，作为与所 述业务请求匹配的规则。在本申请实施例中，由于该规则引擎的规则集中保存的规则数量可以很多，所以当该规则引擎遍历该按规则集之后，可能会确定若干待定规则，而由于对于每一个待定规则来说，该待定规则都是包含该业务请求的所有维度标识的，所以可以认为该待定规则是与业务请求匹配的，即，一个业务请求可与多个待定规则匹配。但是，由于一般只能采用一个规则执行该业务请求对应的业务，所以此时还需要确定最精确的规则，并将该规则匹配给该业务请求。于是，在本申请中在确定了各待定规则后，还需要进一步确定各待定规则中精度最高的待定规则，并将该精度最高的待定规则作为与所述业务请求匹配的规则。在本申请中认为：针对每个规则，若该规则包含的维度标识越多，则说明该规则使用的限制就越多，那么可以确定该规则的精度就越高。于是，为了能够将该业务请求与精度高的规则匹配，因此在本申请中，将各待定规则中包含维度标识最多的待定规则，作为各待定规则中精度最高的待定规则，与该业务请求进行匹配。具体的，本申请提供一种确定维度标识最多的待定规则的方法(即，确定精度最高的待定规则的方法)，首先，该规则引擎针对在步骤s102中确定的每个待定规则，根据该规则集中所有规则对应的维度标识，确定该待定规则对应的向量。其中，各待定规则的向量中的每个元素与该规则集中所有规则对应的维度标识一一对应，并且，针对各待定规则的向量中的每个元素，如果该元素对应的维度标识对应于该待定规则，则将该元素的值置为1(即，当该规则中存在该维度标识时，则在该规则的向量中确定该维度标识对应的元素的值为1)，如果该元素对应的维度标识不对应与该待定规则，则将该元素的值置为0(即，当该规则中不存在该维度标识时，则在该规则的向量中确定该维度标识对应的元素的值为0)。通过上述方法，该规则引擎便可确定各规则的向量中的每个元素的值，也就确定了各待定规则的向量的值。其次，该规则引擎可将针对每个待定规则确定的向量中对应位置的元素进 行逻辑或运算，确定最终向量，即，将包含所有待定规则的所有维度标识的向量，作为最终向量。最后，该规则引擎可将与该最终向量对应的待定规则，确定为对应的维度标识最多的待定规则、并将与该最终向量对应的待定规则作为与该业务请求匹配的规则。继续沿用上例，该规则引擎a首先可根据表2中的规则集，确定该规则集中所有规则对应的维度标识为：1、2、3、4、5，于是，针对每一个待定规则，该规则引擎可以确定该待定规则的向量。具体的，针对rule3，由于该待定规则中包含的维度标识为1、3、5，所以可以确定rule3的向量为(1，0，1，0，1)，即，对于rule3的向量中的第一个元素，由于该元素对应的维度标识为1，而rule3中包含该维度标识，所以将该第一个元素的值置为1。同理，可以确定rule3向量中的第二元素、第三元素、第四元素、第五元素的值分别为0、1、0、1。则针对rule4，同理可以确定rule4的向量为(1，0，1，1，1)。进一步的，该规则引擎a可以针对该rule3和rule4确定的向量(1，0，1，0，1)和(1，0，1，1，1)中的对应位置的元素进行逻辑或运算，即，rule3的向量中的第一元素与rule4的向量中的第一个元素进行逻辑或运算、rule3的向量中的第二元素与rule4的向量中的第二个元素进行逻辑运算……等等，于是该规则引擎a可以确定最终向量为其中||表示对应位置的元素进行逻辑或运算。最后，由于rule4的向量与该最终向量一致，所以该规则引擎a可以确定rule4为对应的维度标识最多的待定规则，并将rule4作为与该业务请求α匹配的规则。通过如图1所示的规则匹配方法，可见，在该规则引擎在接收到业务请求匹配的规则时，不再需要对规则进行优先级设置，只需在根据该业务请求携带的所有维度标识确定各待定规则后，再根据各待定规则对应的维度标识，确定 包含的维度标识最多的待定规则，作为与该业务请求匹配的规则。使得通过本申请所述的方法，可以无需对该规则集中的各规则进行优先级设定，避免了人工设置优先级带来的匹配精度的误差，可以为该业务请求匹配到精度较高的规则，提高了规则引擎的运行效率，提高了匹配精度。当然，除了上述通过各待定规则的向量，确定最终向量，并最终将与该最终向量对应的待定规则，确定为对应的维度标识最多的待定规则的方法以外，在本申请中还可以使用其他方法确定各待定规则中精度最高的待定规则，只要能够找到维度标识最多的待定规则，就在本申请的保护范围以内。另外，在步骤s103中，在该规则引擎确定最终向量后，由于可能存在没有与该最终向量对应的待定规则的情况，所以在本申请中，当没有与该最终向量应于的待定规则时，该规则引擎还可以根据各待定规则包含的维度标识的数量，确定各待定规则的第一权重值，并将确定第一权重值最大的待定规则，作为与该业务请求匹配的规则。其中，在本申请中认为：针对每个规则，该规则包含的维度标识的数量越多，则该规则的第一权重值越大。具体的，该规则引擎可直接将各待定规则包含的维度标识的数量，作为各待定规则的第一权重值。例如，假设，针对业务请求β，规则引擎确定了3个待定规则：rule7、rule8、rule9，并且这3个待定规则包含的维度标识分别为：1、3、5、6和1、4、6以及1、3、6，则rule7、rule8、rule9的向量分别为(1，0，1，0，1，1，0，0，0)、(1，0，0，1，0，1，0，0，0)、(1，0，1，0，0，1，0，0，0)，并且假设确定的最终向量为(1，0，1，0，1，1，0，0，1)，所以rule7、rule8、rule9没有与该最终向量对应的规则，则该规则引擎可确定rule7、rule8、rule9的维度标识的数量分别为：4、3、3，并且该规则引擎还可以确定rule7、rule8、rule9的第一权重值分别为：4、3、3。于是，该规则引擎最终可以确定rule7的第一权重值最大，即，确定rule7的精度更高，并将rule7作为与该业务请求β匹配的规则。进一步的，由于基于上述情况，所以也存在第一权重值最大的待定规则存 在两个以上的情况。则此时，由于各维度标识所对应的数据信息同样存在重要性的区别(如，用户id相比较于账户金额来说就是一个相对不重要的数据信息)，所以可以为每一个维度标识确定相应的第二权重值，以表示该维度标识对应数据信息的重要程度，则在本申请中，可以根据各维度标识的第二权重值，确定最终与该业务请求匹配的规则。具体的，在本申请中，当第一权重值最大的待定规则存在两个以上时，该规则引擎还可以针对每个第一权重值最大的待定规则，根据预先保存的各维度标识的第二权重值，确定该待定规则包含的所有维度标识对应的第二权重值之和，作为该待定规则的第三权重值，最后在第一权重值最大的各待定规则中，将第三权重值最大的待定规则确定为对应的维度标识最多的待定规则。继续沿用上例，假设针对业务请求β，该规则引擎还确定了rule10，并且，rule10包含的维度标识为1、3、4、6，该rule10的向量为(1，0，1，1，0，1，0，0，0)，可见，rule10与rule7的第一权重值都是4，所以此时该规则引擎还可根据rule10和rule7包含的所有维度标识的第二权重值之和，确定rule10和rule7的第三权重值，进一步假设各维度标识的权重如表3所示。维度标识第二权重110220330430540660710850990表3可见，rule10与rule7包含的所有维度标识的第二权重值之和分别为：130 和140。于是该规则引擎可以确定rule7的第三权重值最大，并将rule7作为与该业务请求β匹配的规则。更进一步的，由于维度标识数量最大的待定规则所包含的所有维度标识的权重值之和，在各待定规则中并不一定是最大的，所以在本申请中，当没有与该最终向量对应的待定规则时，即，包含的维度标识最多的待定规则存在两个以上时，该规则引擎也还可先针对每个待定规则，确定该待定规则中包含的所有维度标识的第二权重值之和，作为该待定规则的第三权重值，再将第三权重值最大的待定规则作为该业务请求匹配的规则，而无需再考虑各待定规则的维度标识的数量，即，不仅只考虑率第一权重值最大的待定规则，而是针对每个待定规则确定各待定规则的第三权重之。基于图1所示的规则匹配过程，本申请实施例还提供一种规则匹配装置，如图2所示。图2是本申请实施例提供一种规则匹配装置的结构示意图，具体包括：接收模块201，用于接收业务请求，其中，所述业务请求中携带若干待处理数据信息对应的维度标识；排查模块202，用于根据预先保存的规则集，确定包含所述业务请求携带的所有维度标识的若干规则，作为待定规则；匹配模块203，用于在各待定规则中，确定包含的维度标识最多的待定规则，作为与所述业务请求匹配的规则。所述匹配模块203具体用于，针对每个待定规则，根据所述规则集中所有规则对应的维度标识，确定该待定规则对应的向量，其中，所述向量中的每个元素与所述规则集中所有规则对应的维度标识一一对应，针对每个元素，如果该元素对应的维度标识对应于该待定规则，则将该元素的值置为1，如果该元素对应的维度标识不对应与该待定规则，则将该元素的值置为0，将针对每个待定规则确定的向量中对应位置的元素进行逻辑或运算，确定最终向量，将与所述最终向量对应的待定规则，确定为对应的维度标识最多的待定规则。第一权重匹配模块204，用于当不存在与所述最终向量对应的待定规则时，针对每一个待定规则，确定该待定规则对应的向量中元素的值为1的元素数量，作为该待定规则的第一权重值，在各待定规则中，将第一权重值最大的待定规则确定为对应的维度标识最多的待定规则。第二权重匹配模块205，用于当第一权重值最大的待定规则存在两个以上时，针对每个第一权重值最大的待定规则，根据预先保存的各维度标识对应的第二权重值，确定该待定规则包含的所有维度标识对应的第二权重值之和，作为该待定规则的第三权重值，在第一权重值最大的各待定规则中，将第三权重值最大的待定规则确定为对应的维度标识最多的待定规则。所述第二权重匹配模块205还用于，当包含的维度标识最多的待定规则存在两个以上时，针对每个第一权重值最大的待定规则，根据预先保存的各维度标识对应的第二权重值，确定该待定规则包含的所有维度标识对应的第二权重值之和，作为该待定规则的第三权重值，在各待定规则中，将第三权重值最大的待定规则，作为与所述业务请求匹配的规则。具体的，上述如图2所示的规则匹配装置可以位于服务器中，具体可以位于服务器的规则引擎中，该服务器可以是一台单独的设备，也可以是多台设备组成的系统。在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其 他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。当前第1页12