业务数据的执行配置方法、装置、计算机设备及存储介质与流程

1.本技术涉及到业务数据处理领域，特别是涉及到一种业务数据的执行配置方法、装置、计算机设备及存储介质。


背景技术：

2.目前对于企业的业务部门或者应用程序中来说，很多业务模块都需要使用到决策，而目前对于各个业务模块使用的决策系统没有统一的标准，在需要使用到决策时，各个业务模块均需要开发相应的决策功能，导致业务开发出现功能重复的现象，增加研发成本，且为各个业务模块开发决策规则，决策规则部署在业务代码中，不便于对决策规则的维护，且相同的决策功能占用大量的资源，导致业务的决策执行效率低。


技术实现要素：

3.本技术的主要目的为提供一种业务数据的执行配置方法、装置、计算机设备及存储介质，旨在解决目前业务数据的决策执行方式复杂、决策执行效率低的问题。
4.为了实现上述发明目的，本技术提出一种业务数据的执行配置方法，包括：
5.获取用户的申请信息；
6.根据自然语言算法识别所述申请信息，获取所述申请信息包含的业务数据；
7.根据所述业务数据从预设的决策库中匹配决策运行脚本；所述决策运行脚本基于决策条件以预配置的转码规则而转化得到；所述决策条件基于历史数据源通过机器学习得到；
8.根据所述业务数据与所述决策运行脚本生成业务执行信息；
9.调用所述业务执行信息中的决策运行脚本，并将所述业务数据写入所述决策运行脚本后执行所述决策运行脚本，得到业务决策结果。
10.进一步地，所述根据自然语言算法识别所述申请信息，获取所述申请信息包含的业务数据，包括：
11.根据自然语言算法识别所述申请信息，获取所述申请信息包含的业务信息及所述业务信息的内容范围；
12.根据自然语言算法识别所述内容范围内的内容信息，获取所述业务信息对应的业务数据。
13.进一步地，所述根据自然语言算法识别所述内容范围内的内容信息，获取所述业务信息对应的业务数据，包括：
14.获取所述业务信息的先验知识数据；
15.将所述自然语言算法配置增加所述先验知识数据，得到先验知识的自然语言算法；
16.根据所述先验知识的自然语言算法识别所述内容范围内的内容信息，获取所述业务信息的业务数据。
17.进一步地，所述根据所述业务数据与所述决策运行脚本生成业务执行信息之后，还包括：
18.将所述业务执行信息上传至任务调度链；
19.所述调用所述业务执行信息中的决策运行脚本，包括：
20.获取所述业务执行信息的优先级；
21.根据所述优先级依次从所述任务调度链中获取所述业务执行信息，并调用所述业务执行信息中的决策运行脚本。
22.进一步地所述调用所述业务执行信息中的决策运行脚本，包括：
23.获取所述业务执行信息的优先级；
24.根据所述优先级分配业务执行信息的执行资源；
25.获取当前的系统资源；
26.从所述任务调度链中获取所述执行资源满足所述系统资源的业务执行信息，并基于所述执行资源调用所述业务执行信息中的决策运行脚本。
27.进一步地，所述根据所述业务数据从预设的决策库中匹配决策运行脚本，包括：
28.根据所述业务数据匹配与该业务数据关联的决策条件；
29.根据所述决策条件从预设的决策库中匹配决策运行脚本；
30.当所述决策条件的数量至少两个，将所述决策条件对应的决策运行脚本进行组合，生成组合决策脚本。
31.进一步的，所述将所述业务数据写入所述决策运行脚本，包括：
32.获取所述决策运行脚本的计算参数；
33.获取所述业务数据中与所述计算参数具有相同语义的参数信息，并获取所述参数信息中的数据值；
34.将所述数据值配置为所述计算参数的参数值，以将所述业务数据写入所述决策运行脚本。
35.本技术还提供一种业务数据的执行配置装置，包括：
36.数据获取模块，用于获取用户的申请信息；
37.业务识别模块，用于根据自然语言算法识别所述申请信息，获取所述申请信息包含的业务数据；
38.脚本匹配模块，用于根据所述业务数据从预设的决策库中匹配决策运行脚本；所述决策运行脚本基于决策条件以预配置的转码规则而转化得到；所述决策条件基于历史数据源通过机器学习得到；
39.任务生成模块，用于根据所述业务数据与所述决策运行脚本生成业务执行信息；
40.决策执行模块，用于调用所述业务执行信息中的决策运行脚本，并将所述业务数据写入所述决策运行脚本后执行所述决策运行脚本，得到业务决策结果。
41.本技术还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述业务数据的执行配置方法的步骤。
42.本技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述业务数据的执行配置方法的步骤。
43.本技术例提供了一种高效配置决策条件以对业务进行决策执行的方法，首先获取用户的申请信息，然后对用户提交的申请信息进行业务匹配与决策处理，为了准确地识别申请信息中的每一项业务数据，通过自然语言算法识别所述申请信息中包含的不同部分的业务内容信息，从而得到所述申请信息包含的业务数据，准确地识别申请信息中的每一项业务数据，然后根据所述业务数据从预设的决策库中匹配决策运行脚本，根据所述业务数据匹配该业务数据关联的决策条件，然后再根据所述决策条件从预设的决策库中匹配决策运行脚本，其中，所述决策运行脚本基于决策条件以预配置的转码规则而转化得到；所述决策条件基于历史数据源通过机器学习得到，再基于所述决策运行脚本与所述业务数据生成业务执行信息，然后基于预配置的资源调用所述业务执行信息中的决策运行脚本，将所述决策运行脚本配置在所述资源上进行运行，并将所述业务数据写入所述决策运行脚本，即获取业务数据与决策运行脚本的参数对应关系，基于业务数据与决策运行脚本的参数对应关系将业务数据写入至对应的参数中，然后执行所述决策运行脚本，基于所述决策运行脚本中的各项决策条件对业务数据进行判断，从而得到业务决策结果，将业务数据与业务决策条件进行解耦，减少业务决策重复研发的工作与成本，合理地利用决策资源，提高业务决策的效率。
附图说明
44.图1为本技术业务数据的执行配置方法的一实施例流程示意图；
45.图2为本技术业务数据的执行配置装置的一实施例结构示意图；
46.图3为本技术计算机设备的一实施例结构示意框图。
47.本技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
48.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
49.参照图1，本技术实施例提供一种业务数据的执行配置方法，包括步骤s10-s50，对于所述业务数据的执行配置方法的各个步骤的详细阐述如下，所述业务数据的执行配置方法可以由内置有相应功能的应用程序完成，例如内置于应用程序中的“业务决策”功能，通过该功能使得应用程序能够完成业务数据的决策执行，所述应用程序可以运行于终端设备上或运行于云端服务器中，因此，所述业务数据的执行配置方法也可以理解为由运行所述应用程序的终端设备或云端服务器完成。
50.s10、获取用户的申请信息。
51.本实施例应用于系统中不同用户、不同业务的监控、处理，随着数字化的不断发展，企业将多项业务配置至线上运行，并且将业务数据、用户数据以数字化的形式进行记录，然后基于数字化数据对业务进行决策处理，以得到业务的决策结果，例如风控业务执行决策为控制业务数据的进件及流转；额度业务执行决策为对业务数据进行额度量化的判断。本实施例提供一业务决策系统，用于对用户提交的申请信息进行业务匹配与决策处理。首先获取用户的申请信息，当用户提交数据后，将提交的数据定义为申请信息，业务决策系
统因此获取用户的申请信息；所述申请信息包括用户基本信息、征信信息、司法信息、地址信息、车辆信息、联系信息等。
52.s20、根据自然语言算法识别所述申请信息，获取所述申请信息包含的业务数据。
53.本实施例中，在获取了用户的申请信息之后，如上所述，申请信息中包含了用户基本信息、征信信息、司法信息、地址信息、车辆信息、联系信息等数据，将每一项不同的数据定义为业务数据，为了准确地识别申请信息中的每一项业务数据，根据自然语言算法识别所述申请信息，获取所述申请信息包含的业务数据，在一种实施方式中，对于申请信息中包含的业务数据的识别与确定，通过对不同业务数据拼接后的样本进行识别训练，首先，采集多份独立的业务数据样本，然后将至少两份不同的所述业务数据样本进行拼接组合，得到申请信息样本，再使用自然语言模型预测申请信息样本中包含的不同业务数据的数量，基于自然语言模型预测的业务数据的数量与拼接的申请信息样本包含的业务数据样本的数量对所述自然语言模型进行训练，使得训练好的自然语言模型具有对整个申请信息的内容进行识别和分类的能力，从而使用自然语言算法识别所述申请信息，获取所述申请信息包含的业务数据，提高了对申请信息中的文本内容的识别效果，所述申请信息中包含多项不同业务的信息，即所述申请信息包含多项不同业务的业务数据，通过识别所述申请信息，从而能够同时得到多项业务的业务数据。例如，一份申请信息包括a、b、c、d、e五部分的业务信息内容，每一部分的业务信息内容的数据类型不同，通过自然语言算法识别每个部分的业务信息内容，从而得到所述申请信息包含的业务数据。
54.s30、根据所述业务数据从预设的决策库中匹配决策运行脚本；所述决策运行脚本基于决策条件以预配置的转码规则而转化得到；所述决策条件基于历史数据源通过机器学习得到。
55.本实施例中，当获取所述申请信息包含的业务数据之后，根据所述业务数据从预设的决策库中匹配决策运行脚本，所述决策运行脚本基于决策条件以预配置的转码规则而转化得到，在一种实施方式中，根据所述业务数据匹配该业务数据关联的决策条件，具体的，当获取了业务数据后，提取所述业务数据的参数，然后获取所述参数作为输入数据的决策条件，作为与所述业务数据相匹配的决策条件，然后再根据所述决策条件从预设的决策库中匹配决策运行脚本，所述决策运行脚本基于决策条件以预配置的转码规则而转化得到，具体的，当获取了决策条件后，提取所述决策条件中的逻辑部分与参数部分，将所述逻辑部分以预设的规则转化为表达式，其中，不同的逻辑以预设的规则转化为不同的表达式，例如逻辑为x1的部分转化的表达式为“if”，逻辑为x2的部分转化成的表达式为“while”，将所述参数部分映射至所述表达式中，然后根据所述表达式与参数生成脚本，并为脚本配置运行环境，从而生成决策运行脚本。当所述业务数据匹配了多个决策条件时，所述决策运行脚本为多个决策条件的组合脚本；且所述决策条件基于历史数据源通过机器学习得到，即通过收集历史数据源，所述历史数据源中包括不同业务样本与决策条件样本，且所述业务样本与决策条件样本标记了使用关系，如业务样本a1使用决策条件样本y1，业务样本a1使用决策条件样本y4，业务样本a3使用决策条件样本y3等，然后基于机器学习模型预测业务样本与决策条件样本的使用关系，基于机器学习模型预测的使用关系与历史数据源中标记的使用关系进行模型训练，使得训练好的机器学习模型具有对业务与决策条件的对应关系的识别能力，即通过机器学习得到影响不同业务的决策条件，建立业务与决策条件的关联，
从而准确地根据所述业务数据匹配该业务数据关联的决策条件，提高决策的准确率。
56.s40、根据所述业务数据与所述决策运行脚本生成业务执行信息。
57.本实施例中，在根据所述业务数据从预设的决策库中匹配决策运行脚本之后，根据所述业务数据与所述决策运行脚本生成业务执行信息，即基于所述决策运行脚本与所述业务数据生成一项决策执行任务，将该决策执行任务定义为业务执行信息。
58.s50、调用所述业务执行信息中的决策运行脚本，并将所述业务数据写入所述决策运行脚本后执行所述决策运行脚本，得到业务决策结果。
59.本实施例中，在根据所述业务数据与所述决策运行脚本生成业务执行信息后，调用所述业务执行信息中的决策运行脚本，即基于预配置的资源调用所述业务执行信息中的决策运行脚本，将所述决策运行脚本在所述资源上进行运行，并将所述业务数据写入所述决策运行脚本，即获取业务数据与决策运行脚本的参数对应关系，基于业务数据与决策运行脚本的参数对应关系将业务数据写入至对应的参数中，然后执行所述决策运行脚本，基于所述决策运行脚本中的各项决策条件对业务数据进行判断，从而得到业务决策结果。将业务数据与业务决策条件进行解耦，减少业务决策条件重复研发的工作与成本，提高业务决策的效率。
60.本实施例提供了一种高效配置决策条件以对业务进行决策执行的方法，首先获取用户的申请信息，然后对用户提交的申请信息进行业务匹配与决策处理，为了准确地识别申请信息中的每一项业务数据，通过自然语言算法识别所述申请信息中包含的不同部分的业务内容信息，从而得到所述申请信息包含的业务数据，准确地识别申请信息中的每一项业务数据，然后根据所述业务数据从预设的决策库中匹配决策运行脚本，根据所述业务数据匹配该业务数据关联的决策条件，然后再根据所述决策条件从预设的决策库中匹配决策运行脚本，其中，所述决策运行脚本基于决策条件以预配置的转码规则而转化得到；所述决策条件基于历史数据源通过机器学习得到，再基于所述决策运行脚本与所述业务数据生成业务执行信息，然后基于预配置的资源调用所述业务执行信息中的决策运行脚本，将所述决策运行脚本配置在所述资源上进行运行，并将所述业务数据写入所述决策运行脚本，即获取业务数据与决策运行脚本的参数对应关系，基于业务数据与决策运行脚本的参数对应关系将业务数据写入至对应的参数中，然后执行所述决策运行脚本，基于所述决策运行脚本中的各项决策条件对业务数据进行判断，从而得到业务决策结果，将业务数据与业务决策条件进行解耦，减少业务决策重复研发的工作与成本，合理地利用决策资源，提高业务决策的效率。
61.在一个实施例中，所述根据自然语言算法识别所述申请信息，获取所述申请信息包含的业务数据，包括：
62.根据自然语言算法识别所述申请信息，获取所述申请信息包含的业务信息及所述业务信息的内容范围；
63.根据自然语言算法识别所述内容范围内的内容信息，获取所述业务信息对应的业务数据。
64.本实施例中，在根据自然语言算法识别所述申请信息的过程中，先识别所述企业管理信息的业务信息，具体的，通过关键词匹配的方式，识别所述申请信息中与预设的关键词相匹配的词语，将匹配得到的词语确定为对应的业务信息，再识别所述业务信息的内容
范围，在申请信息中，每一项业务信息的内容处于同一个内容范围中，通过识别得到的两个业务信息，便可确定前一个业务信息的内容范围，基于该方式确定每一项业务信息的内容范围，再根据自然语言算法识别所述内容范围内的内容信息，获取所述业务信息对应的业务数据，进一步的，在根据识别所述内容范围内的内容信息，获取所述业务信息对应的业务数据的过程中，只提取业务信息中决策相关的业务数据，例如针对业务信息a，只需要获取其中的业务数据a1，a2；针对业务信息b，只需要获取其中的业务数据b1，从而准确地识别出每一项业务信息包含的内容信息，以准确地对各项业务数据匹配决策运行脚本，从而得到准确的决策结果，提高业务数据决策执行的准确率。
65.在一个实施例中，所述根据自然语言算法识别所述内容范围内的内容信息，获取所述业务信息对应的业务数据，包括：
66.获取所述业务信息的先验知识数据；
67.将所述自然语言算法配置增加所述先验知识数据，得到先验知识的自然语言算法；
68.根据所述先验知识的自然语言算法识别所述内容范围内的内容信息，获取所述业务信息的业务数据。
69.本实施例中，在根据自然语言算法识别所述内容范围内的内容信息，获取所述业务信息的业务数据的过程中，申请信息中不同部分的业务信息可能包含有不同的专属名词，为了准确地识别不同部分业务信息的业务数据，获取所述业务信息的先验知识数据，所述先验知识通过采集该业务信息对应类型下的单词库统计而得到，一种实施方式中，通过采集该业务信息对应的文本数据，对所述文本数据进行拆分，获得文本数据包含的语句和词汇，并对所述语句和词汇进行语义识别，并去除无效的词汇，然后统计所述语句和词汇的出现概率，将出现概率满足预设值的目标语句和目标词汇作为该业务信息下的先验知识数据，然后将所述自然语言算法配置增加所述先验知识数据，得到先验知识的自然语言算法，再根据所述先验知识的自然语言算法识别所述内容范围内的内容信息，获取所述业务信息的业务数据，通过配置有对应专属名词的先验知识的自然语言算法，能够快速、准确地识别出所述内容范围内的内容信息，获取所述内容范围内所需的目标数据作为业务数据，从而提高业务数据的识别效率，提高业务决策的效率。
70.在一个实施例中，所述根据所述业务数据与所述决策运行脚本生成业务执行信息之后，还包括：
71.将所述业务执行信息上传至任务调度链；
72.所述调用所述业务执行信息中的决策运行脚本，包括：
73.获取所述业务执行信息的优先级；
74.根据所述优先级依次从所述任务调度链中获取所述业务执行信息，并调用所述业务执行信息中的决策运行脚本。
75.本实施例中，在据所述业务数据与所述决策运行脚本生成业务执行信息之后，将所述业务执行信息上传至任务调度链，即将业务执行信息作为一个节点进行上链处理，在一种实施方式中，所述任务调度链为区块链链路，即将每一项业务执行信息配置为一个区块，然后将区块接入区块链，完成业务执行信息的上链，通过将业务执行信息上链可以对业务执行信息的决策过程进行追溯，并且保证业务执行信息不轻易被篡改，所述任务调度链
配置在任务执行列表中，在调用所述业务执行信息中的决策运行脚本的过程中，依次从任务调度链中获取相应的业务执行信息后进行执行，进一步的，不同业务数据的执行优先级不同，在进行业务数据的决策时，先执行高优先级的业务执行信息，即获取所述业务执行信息的优先级，在一种实施方式中，所述业务执行信息的优先级基于对应业务的重要级别而确定得到；然后根据所述优先级依次从所述任务调度链中获取所述业务执行信息，并调用所述业务执行信息中的决策运行脚本，从而合理地配置业务执行信息的执行顺序，保证业务决策执行的有序性。
76.在一个实施例中，所述调用所述业务执行信息中的决策运行脚本，包括：
77.获取所述业务执行信息的优先级；
78.根据所述优先级分配业务执行信息的执行资源；
79.获取当前的系统资源；
80.从所述任务调度链中获取所述执行资源满足所述系统资源的业务执行信息，并基于所述执行资源调用所述业务执行信息中的决策运行脚本。
81.本实施例中，在调用所述业务执行信息中的决策运行脚本的过程中，获取所述业务执行信息的优先级，在一种实施方式中，所述业务执行信息的优先级基于对应业务的重要级别而确定得到，然后根据所述优先级分配业务执行信息的执行资源，即根据不同优先级的级别分配不同的执行资源，所述执行资源包括服务器资源、计算力资源等，然后从所述任务调度链中获取所述执行资源满足所述系统资源的业务执行信息，在一种实施方式中，需要同时对多个业务执行信息进行执行，在任务调度链中获取多个待选的业务执行信息，然后计算多个待选的业务执行信息的执行资源的总值，若所述总值小于所述系统资源，则确定选取的该多个待选的业务执行信息的执行资源满足所述系统资源，完成业务执行信息的筛选，再基于所述资源信息调用所述业务执行信息中的决策运行脚本，通过合理地配置资源执行业务执行信息，提高资源的利用率，并且可以同时对多个业务执行信息进行执行，提高业务数据的执行效率。
82.在一个实施例中，所述根据所述业务数据从预设的决策库中匹配决策运行脚本，包括：
83.根据所述业务数据匹配与该业务数据关联的决策条件；
84.根据所述决策条件从预设的决策库中匹配决策运行脚本；
85.当所述决策条件的数量至少两个，将所述决策条件对应的决策运行脚本进行组合，生成组合决策脚本。
86.本实施例中，在根据所述业务数据从预设的决策库中匹配决策运行脚本的过程中，根据所述业务数据匹配与该业务数据关联的决策条件，然后根据所述决策条件从预设的决策库中匹配决策运行脚本；当所述决策条件的数量为多个时，即当所述决策条件的数量至少两个，将所述决策条件对应的决策运行脚本进行组合，生成组合决策脚本，本实施例将每个决策条件及对应的决策运行脚本均是独立配置的，使得决策条件能够自由、灵活地配置，进一步的，还可以对每个决策条件进行单独的维护，具体的，接收所述决策条件的更新维护信息，根据所述更新维护信息更新所述决策条件，生成目标决策条件，同时，基于所述预配置的转码规则将所述目标决策条件转化成目标决策运行脚本，从而对决策条件及其决策运行脚本进行更新、维护，从而提高决策条件配置的灵活性以及决策条件的维护效率，
减少业务数据的决策规则的开发成本，减少对决策规则的维护成本，提高决策条件配置的灵活性以及决策条件的维护效率。
87.在一个实施例中，所述将所述业务数据写入所述决策运行脚本，包括：
88.获取所述决策运行脚本的计算参数；
89.获取所述业务数据中与所述计算参数具有相同语义的参数信息，并获取所述参数信息中的数据值；
90.将所述数据值配置为所述计算参数的参数值，以将所述业务数据写入所述决策运行脚本。
91.本实施例中，在将所述业务数据写入所述决策运行脚本的过程中，获取所述决策运行脚本中的各项计算参数，然后获取所述业务数据中与所述计算参数具有相同语义的参数信息，并获取所述参数信息中的数据值，具体的，通过语义识别将业务数据中与所述计算参数相同语义的信息筛选拿出来，作为参数信息，然后获取所述参数信息中包含的数据值作为所述计算参数对应的数据值，以将所述业务数据写入所述决策运行脚本，然后执行所述包含业务数据的决策运行脚本，得到业务决策结果。不再需要手动地为脚本导入数据，通过语义识别与匹配，完成业务数据的自动写入，提高业务数据的决策执行效率。
92.参照图2，本技术还提供一种业务数据的执行配置装置，包括：
93.数据获取模块10，用于获取用户的申请信息；
94.业务识别模块20，用于根据自然语言算法识别所述申请信息，获取所述申请信息包含的业务数据；
95.脚本匹配模块30，用于根据所述业务数据从预设的决策库中匹配决策运行脚本；所述决策运行脚本基于决策条件以预配置的转码规则而转化得到；所述决策条件基于历史数据源通过机器学习得到；
96.任务生成模块40，用于根据所述业务数据与所述决策运行脚本生成业务执行信息；
97.决策执行模块50，用于调用所述业务执行信息中的决策运行脚本，并将所述业务数据写入所述决策运行脚本后执行所述决策运行脚本，得到业务决策结果。
98.如上所述，可以理解地，本技术中提出的所述业务数据的执行配置装置的各组成部分可以实现如上所述业务数据的执行配置方法任一项的功能。
99.在一个实施例中，所述根据自然语言算法识别所述申请信息，获取所述申请信息包含的业务数据，包括：
100.根据自然语言算法识别所述申请信息，获取所述申请信息包含的业务信息及所述业务信息的内容范围；
101.根据自然语言算法识别所述内容范围内的内容信息，获取所述业务信息对应的业务数据。
102.在一个实施例中，所述根据自然语言算法识别所述内容范围内的内容信息，获取所述业务信息对应的业务数据，包括：
103.获取所述业务信息的先验知识数据；
104.将所述自然语言算法配置增加所述先验知识数据，得到先验知识的自然语言算法；
105.根据所述先验知识的自然语言算法识别所述内容范围内的内容信息，获取所述业务信息的业务数据。
106.在一个实施例中，所述根据所述业务数据与所述决策运行脚本生成业务执行信息之后，还包括：
107.将所述业务执行信息上传至任务调度链；
108.所述调用所述业务执行信息中的决策运行脚本，包括：
109.获取所述业务执行信息的优先级；
110.根据所述优先级依次从所述任务调度链中获取所述业务执行信息，并调用所述业务执行信息中的决策运行脚本。
111.在一个实施例中，所述调用所述业务执行信息中的决策运行脚本，包括：
112.获取所述业务执行信息的优先级；
113.根据所述优先级分配业务执行信息的执行资源；
114.获取当前的系统资源；
115.从所述任务调度链中获取所述执行资源满足所述系统资源的业务执行信息，并基于所述执行资源调用所述业务执行信息中的决策运行脚本。
116.在一个实施例中，所述根据所述业务数据从预设的决策库中匹配决策运行脚本，包括：
117.根据所述业务数据匹配与该业务数据关联的决策条件；
118.根据所述决策条件从预设的决策库中匹配决策运行脚本；
119.当所述决策条件的数量至少两个，将所述决策条件对应的决策运行脚本进行组合，生成组合决策脚本。
120.在一个实施例中，所述将所述业务数据写入所述决策运行脚本，包括：
121.获取所述决策运行脚本的计算参数；
122.获取所述业务数据中与所述计算参数具有相同语义的参数信息，并获取所述参数信息中的数据值；
123.将所述数据值配置为所述计算参数的参数值，以将所述业务数据写入所述决策运行脚本。
124.参照图3，本技术实施例中还提供一种计算机设备，该计算机设备可以是移动终端，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和显示装置及输入装置。其中，该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机设备的输入装置用于接收用户的输入。该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括存储介质。该存储介质存储有操作系统、计算机程序和数据库。该计算机设备的数据库用于存放数据。该计算机程序被处理器执行时以实现一种业务数据的执行配置方法。
125.上述处理器执行上述的业务数据的执行配置方法，包括：获取用户的申请信息；根据自然语言算法识别所述申请信息，获取所述申请信息包含的业务数据；根据所述业务数据从预设的决策库中匹配决策运行脚本；所述决策运行脚本基于决策条件以预配置的转码规则而转化得到；所述决策条件基于历史数据源通过机器学习得到；根据所述业务数据与所述决策运行脚本生成业务执行信息；调用所述业务执行信息中的决策运行脚本，并将所
述业务数据写入所述决策运行脚本后执行所述决策运行脚本，得到业务决策结果。
126.所述计算机设备提供了一种高效配置决策条件以对业务进行决策执行的方法，首先获取用户的申请信息，然后对用户提交的申请信息进行业务匹配与决策处理，为了准确地识别申请信息中的每一项业务数据，通过自然语言算法识别所述申请信息中包含的不同部分的业务内容信息，从而得到所述申请信息包含的业务数据，准确地识别申请信息中的每一项业务数据，然后根据所述业务数据从预设的决策库中匹配决策运行脚本，根据所述业务数据匹配该业务数据关联的决策条件，然后再根据所述决策条件从预设的决策库中匹配决策运行脚本，其中，所述决策运行脚本基于决策条件以预配置的转码规则而转化得到；所述决策条件基于历史数据源通过机器学习得到，再基于所述决策运行脚本与所述业务数据生成业务执行信息，然后基于预配置的资源调用所述业务执行信息中的决策运行脚本，将所述决策运行脚本配置在所述资源上进行运行，并将所述业务数据写入所述决策运行脚本，即获取业务数据与决策运行脚本的参数对应关系，基于业务数据与决策运行脚本的参数对应关系将业务数据写入至对应的参数中，然后执行所述决策运行脚本，基于所述决策运行脚本中的各项决策条件对业务数据进行判断，从而得到业务决策结果，将业务数据与业务决策条件进行解耦，减少业务决策重复研发的工作与成本，合理地利用决策资源，提高业务决策的效率。
127.本技术一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被所述处理器执行时实现一种业务数据的执行配置方法，包括步骤：获取用户的申请信息；根据自然语言算法识别所述申请信息，获取所述申请信息包含的业务数据；根据所述业务数据从预设的决策库中匹配决策运行脚本；所述决策运行脚本基于决策条件以预配置的转码规则而转化得到；所述决策条件基于历史数据源通过机器学习得到；根据所述业务数据与所述决策运行脚本生成业务执行信息；调用所述业务执行信息中的决策运行脚本，并将所述业务数据写入所述决策运行脚本后执行所述决策运行脚本，得到业务决策结果。
128.所述计算机可读存储介质提供了一种高效配置决策条件以对业务进行决策执行的方法，首先获取用户的申请信息，然后对用户提交的申请信息进行业务匹配与决策处理，为了准确地识别申请信息中的每一项业务数据，通过自然语言算法识别所述申请信息中包含的不同部分的业务内容信息，从而得到所述申请信息包含的业务数据，准确地识别申请信息中的每一项业务数据，然后根据所述业务数据从预设的决策库中匹配决策运行脚本，根据所述业务数据匹配该业务数据关联的决策条件，然后再根据所述决策条件从预设的决策库中匹配决策运行脚本，其中，所述决策运行脚本基于决策条件以预配置的转码规则而转化得到；所述决策条件基于历史数据源通过机器学习得到，再基于所述决策运行脚本与所述业务数据生成业务执行信息，然后基于预配置的资源调用所述业务执行信息中的决策运行脚本，将所述决策运行脚本配置在所述资源上进行运行，并将所述业务数据写入所述决策运行脚本，即获取业务数据与决策运行脚本的参数对应关系，基于业务数据与决策运行脚本的参数对应关系将业务数据写入至对应的参数中，然后执行所述决策运行脚本，基于所述决策运行脚本中的各项决策条件对业务数据进行判断，从而得到业务决策结果，将业务数据与业务决策条件进行解耦，减少业务决策重复研发的工作与成本，合理地利用决策资源，提高业务决策的效率。
129.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，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。
130.本技术所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。
131.非易失性存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双速据率sdram(ssrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
132.需要说明的是，在本文中，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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
133.以上所述仅为本技术的优选实施例，并非因此限制本技术的专利范围。
134.凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。