CN110349008B - 一种基于自然语言的决策支持方法、装置和电子设备 - Google Patents
一种基于自然语言的决策支持方法、装置和电子设备 Download PDFInfo
- Publication number
- CN110349008B CN110349008B CN201910587782.6A CN201910587782A CN110349008B CN 110349008 B CN110349008 B CN 110349008B CN 201910587782 A CN201910587782 A CN 201910587782A CN 110349008 B CN110349008 B CN 110349008B
- Authority
- CN
- China
- Prior art keywords
- rule
- rules
- parameter
- business
- natural language
- 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 42
- 238000003860 storage Methods 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 14
- 230000003993 interaction Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012896 Statistical algorithm Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 26
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000013058 risk prediction model Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- 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
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种基于自然语言的决策支持方法、装置、电子设备和计算机可读介质。所述方法首先接收使用自然语言描述的业务规则配置信息,接着对所述自然语言进行识别以获得所述业务规则配置信息,并基于所述业务规则配置信息确定业务策略。本发明实现了将业务决策从程序代码中分离出来,并支持使用预定义的自然语言编写业务规则,便于业务规则维护人员及决策人员运维业务,提高决策效率。
Description
技术领域
本发明涉及计算机信息处理领域,具体而言,涉及一种基于自然语言的决策支持方法、装置、电子设备及计算机可读介质。
背景技术
21世纪以来,在决策制定过程中,管理者们如何运用计算机化的支持方式已经发生了巨大变化。随着越来越多的决策制定者掌握计算机和Web知识,决策支持***/商业智能正在不断地演变,从一开始的作为基本的个人支持工具,正迅速地成为整个机构中的共用品。数据仓库以及分析工具大大提高了跨越机构界限的信息获取。为团队提供的决策支持继续随着群体支持***的新发展而不断改善,用以在任何时间、任何地点提高协同工作。
人工智能方法正在提高决策支持的质量,并已经渗透到许多应用领域。智能代理执行常规任务,使决策者能够腾出时间更专注于重要工作,有组织的学习和知识管理的发展使得在任何时间、任何地点为有关问题提供整个机构的专门技术成为可能。
互联网和企业内部网信息传递***提高并促进了所有这些决策支持***。相较于传统行业,互联网行业要求更高的时效性,更强的灵活性,而传统的决策引擎***重代码化、可读性差,部署时效差。因此业界极需一种便于决策人员操作、提高决策效率的决策支持***。
发明内容
鉴于上述问题,本发明提供一种克服上述问题或者至少部分地解决上述问题的一种基于自然语言的决策支持方法、装置、电子设备及计算机可读介质。
本发明说明书公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
第一方面,本发明提供一种基于自然语言的决策支持方法,包括如下步骤:
接收使用自然语言描述的业务规则配置信息;
对所述自然语言进行识别以获得所述业务规则配置信息;
基于所述业务规则配置信息确定业务策略。
根据本发明的优选实施方式,所述接收使用自然语言描述的业务规则配置信息还包括:
根据历史业务规则数据列出业务规则的推荐参数信息列表,推荐参数信息包括参数名称、参数优选范围及参数优选逻辑关系;
接收对所述推荐参数列表中至少一个参数的参数名称、参数优选范围及参数优选逻辑关系中至少一项的选择。
根据本发明的优选实施方式,所述识业务规则配置的参数包括变量和/或常量。
根据本发明的优选实施方式,其特征在于,所述业务规则配置信息包括规则组合包信息,所述规则组合包包括多条规则的配置信息及各规则之间的逻辑关系。
根据本发明的优选实施方式,基于所述业务规则配置信息确定业务策略包括:
解析所述规则组合包内的各规则及规则之前的逻辑关系;
基于所述规则组合包的解析结果,得到业务策略。
根据本发明的优选实施方式,所述解析所述规则组合包内的各规则及规则之前的逻辑关系包括:通过Drools规则引擎解析所述规则组合包。
根据本发明的优选实施方式,所述业务规则包括以下方式的至少一种,或者它们之间任意组合:
参数管理规则、策略管理规则、流程管理规则、部署管理规则。
本发明的第二方面提出一种基于自然语言的决策支持装置,包括:接收模块,用于接收使用自然语言描述的业务规则配置信息;识别模块,用于对所述自然语言进行识别以获得所述业务规则配置信息;确定模块,用于基于所述业务规则配置信息确定业务策略。
根据本发明的优选实施方式,所述接收模块还包括:
推荐模块,用于根据历史业务规则数据列出业务规则的推荐参数信息列表,推荐参数信息包括参数名称、参数优选范围及参数优选逻辑关系;
选择模块,用于接收对所述推荐参数列表中至少一个参数的参数名称、参数优选范围及参数优选逻辑关系中至少一项的选择。
根据本发明的优选实施方式,所述识业务规则配置的参数包括变量和/或常量。
根据本发明的优选实施方式,所述业务规则配置信息包括规则组合包信息,所述规则组合包包括多条规则的配置信息及各规则之间的逻辑关系。
根据本发明的优选实施方式,解析模块,用于解析所述规则组合包内的各规则及规则之前的逻辑关系;策略模块,用于基于所述规则组合包的解析结果,得到业务策略。
根据本发明的优选实施方式,所述解析模块通过Drools规则引擎处理所述规则组合包。
根据本发明的优选实施方式,所述业务规则包括以下方式的至少一种,或者它们之间任意组合:参数管理规则、策略管理规则、流程管理规则、部署管理规则。
第三方面,本发明说明书提供一种服务器,包括处理器和存储器:
所述存储器用于存储执行上述任一项所述方法的程序;
所述处理器被配置为用于执行所述存储器中存储的程序。
第四方面,本发明说明书实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一项所述方法的步骤。
本发明实现了将业务决策从程序代码中分离出来,并支持使用预定义的自然语言编写业务规则,便于业业规则维护人员及决策人员运维业务,提高决策效率。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚,下面将参照附图详细描述本发明的具体实施例。但需声明的是,下面描述的附图仅仅是本发明本发明示例性实施例的附图,对于本领域的技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他实施例的附图。
图1是根据本发明的一示例性实施例的基于自然语言的决策支持方法的流程图;
图2是根据本发明另一示例性实施例的基于自然语言的决策支持装置的模块框图。
图3为本发明提供的一种电子设备的具体实施例的结构示意图;
图4为本发明提供的一种计算机可读介质的具体实施例的结构示意图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而,示例性实施例能够以多种形式实施,且不应被理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例能够使得本发明更加全面和完整,更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分,因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中,本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是,并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
应理解,虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分,但这不应受这些定语限制。这些定语乃是用以区分一者与另一者。例如,第一器件亦可称为第二器件而不偏离本发明实质的技术方案。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
鉴于现有技术的问题,本发明提出一种基于自然语言的决策支持方法和相应的装置。在具体实施例中,基于开源规则引擎工具-Drools的客制化规则引擎实现该方法和装置。由此,本发明能实现将业务决策从程序代码中分离出来,并支持使用预定义的自然语言编写业务规则。
总的来说本发明接受自然语言的数据输入,解析业务规则、并根据业务规则确定业务策略。具体包括如下步骤:接收使用自然语言描述的业务规则配置信息;对所述自然语言进行识别以获得所述业务规则配置信息;基于所述业务规则配置信息确定业务策略。
本***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。
下面,通过具体的实施例对本发明的技术方案进行详细介绍和说明。
图1是根据本发明的一示例性实施例的基于自然语言的决策支持方法的流程图。该实施例基于开源规则引擎工具-Drools的客制化规则引擎***,它实现了将业务决策从程序代码中分离出来,并支持使用预定义的自然语言模块编写业务决策。参见图1,基于自然语言的决策支持方法包括:
S101:接收使用自然语言描述的业务规则配置信息。
该步骤可以提供一用于对业务规则进行自然语言编写的用户交互界面,包括显示装置和输入装置。
根据本发明的优选实施方式,在接收使用自然语言描述的业务规则配置信息时,提供一个业务规则的推荐参数信息列表,该推荐参数信息包括参数名称、参数优选范围及参数优选逻辑关系。
对于金融业务来说,一条规则的制定往往需要用到大量的参数,各个参数可能具有不同的类型和数值范围,有离散的,也有连续的。例如,对于年龄参数,其是一个连续的数值,但是真正被用到规则中数值可能集中在某个区段。再比如,对于学历参数,其是一个离散的参数,该参数在规则中可能需要和其他的参数共同起作用,例如“对于年龄大于27岁的男性,提高额度1000元”。
对于不同类型的业务的策略,包括授信、反欺诈、额度、提额、催收等等,其业务规则使用的参数也是千差万别。对于需要操控众多业务的运维人员来说,其有时很难从众多的参数中进行有意义的选择。为此,我们提出使用机器自学习的方式给出推荐参数信息列表,以便于运维人员方便的通过自然语言制定策略的同时,还能快速便捷的选择适合的参数。
当然,在此,本发明并不直接生成规则,而是根据以往的制定规则的经验来能过计算机或人工智能等技术来辅助生成规则。
为了更准确的提供推荐参数信息列表,本发明的该实施例建立一个历史业务规则库,记录历史使用的规则及其使用频度,并按规则类型进行标记。此外,还可以根据历史业务规则的实际效用对规则进行评分,并进行记录。根据该历史业务规则数据,我们可以通过一些统计算法来列出不同业务规则中较高频使用的参数及参数的范围、参数之间逻辑关系等信息。
更优选的,本发明可以通过建立一个机器学习模型来自学习规则中表现较好的参数及参数值(对规则最后的评分起到的作用越大就越好)。例如可以用IV值来计算重要的参数。
当提供了供推荐参数信息列表,该实施例中用户交互界面中通过可视化的方式接收对所述推荐参数列表中至少一个参数的参数名称、参数优选范围及参数优选逻辑关系中至少一项的选择。由此,用户可以快速的选择自己想要的规则参数及参数值来制定业务规则。
S102:对所述自然语言进行识别以获得所述业务规则配置信息。
该步骤识别在用户交互界面上用于配置所述业务规则的自然语言。所述识别过程包括识别用于配置所述业务规则参数的自然语言,参数包括变量或常量。
S103:基于所述业务规则配置信息确定业务策略。
该步骤用于生成直接可由计算机利用的业务策略。但是,很多时候一个策略往往需要多条规则。因此,优选的,所述业务规则配置信息包括规则组合包信息,所述规则组合包包括多条规则的配置信息及各规则之间的逻辑关系。而所述业务规则包括以下方式的一种或多种组合:参数管理规则、策略管理规则、流程管理规则、部署管理规则;
在该实施例中,通过Drools规则引擎处理所述规则组合包,基于所述规则组合包的处理结果,得到业务策略。
上述方法,使得本发明达到了以下的技术效果:
(1)自然语言,即是在规则编写过程中的代码式的方式(if,not这种)变成自然语言(如果,那么),用于配置界面中,让运营和策略人员进行部署,这样部署一个规则包从原来的几十分钟,变为了分钟级的,时效性更高。
(2)把策略自动翻译成各种规则的组合包,现在规则数量在两万多,一条规则里有规则名,代号,有四个参数,参数有执行顺序,四个参数比如when和then,每一条自然语言规则,是对应一个代码视图,可以根据运营人员的需求选择规则中的参数变量/常量,可读性更高。
(3)本发明将业务规则编写分为参数管理/策略管理/流程管理/部署管理。参数管理对应底层数据输入输出,支持预配置,支持各种类型的数据应用,是实现决策引擎配置的前提条件。策略管理即规则引擎实现各种场景策略的应用场所,每一个策略对应一个应用场景,每个策略中包含若干该场景中的不同决策条件。流程管理即由业务逻辑所对应的生产流程,是由决策到决策流的关键所在。部署管理是一套标准化的策略上线流程,其背后对应的是严格的权限管理,是策略安全上线的最后保障。
本领域技术人员可以理解,实现上述实施例的全部或部分步骤被实现为由计算机数据处理设备执行的程序(计算机程序)。在该计算机程序被执行时,可以实现本发明提供的上述方法。而且,所述的计算机程序可以存储于计算机可读存储介质中,该存储介质可以是磁盘、光盘、ROM、RAM等可读存储介质,也可以是多个存储介质组成的存储阵列,例如磁盘或磁带存储阵列。所述的存储介质不限于集中式存储,其也可以是分布式存储,例如基于云计算的云存储。
下面描述本发明的装置实施例,该装置可以用于执行本发明的方法实施例。对于本发明装置实施例中描述的细节,应视为对于上述方法实施例的补充;对于在本发明装置实施例中未披露的细节,可以参照上述方法实施例来实现。
图2是根据本发明另一示例性实施例的基于自然语言的决策支持装置的模块框图。如图2所示,该装置包括接收模块、识别模块和确定模块。
接收模块,用于接收使用自然语言描述的业务规则配置信息;
该接收模块可以借助一用于对业务规则进行自然语言编写的用户交互界面,包括显示装置和输入装置。
根据本发明的优选实施方式,在接收使用自然语言描述的业务规则配置信息时,所述接收模块还包括推荐模块,提供一个业务规则的推荐参数信息列表,该推荐参数信息包括参数名称、参数优选范围及参数优选逻辑关系。
对于金融业务来说,一条规则的制定往往需要用到大量的参数,各个参数可能具有不同的类型和数值范围,有离散的,也有连续的。例如,对于年龄参数,其是一个连续的数值,但是真正被用到规则中数值可能集中在某个区段。再比如,对于学历参数,其是一个离散的参数,该参数在规则中可能需要和其他的参数共同起作用,例如“对于年龄大于27岁的男性,提高额度1000元”。
对于不同类型的业务的策略,包括授信、反欺诈、额度、提额、催收等等,其业务规则使用的参数也是千差万别。对于需要操控众多业务的运维人员来说,其有时很难从众多的参数中进行有意义的选择。为此,我们提出使用机器自学习的方式给出推荐参数信息列表,以便于运维人员方便的通过自然语言制定策略的同时,还能快速便捷的选择适合的参数。
当然,在此,本发明并不直接生成规则,而是根据以往的制定规则的经验来能过计算机或人工智能等技术来辅助生成规则。
为了更准确的提供推荐参数信息列表,本发明的该实施例建立一个历史业务规则库,记录历史使用的规则及其使用频度,并按规则类型进行标记。此外,还可以根据历史业务规则的实际效用对规则进行评分,并进行记录。根据该历史业务规则数据,我们可以通过一些统计算法来列出不同业务规则中较高频使用的参数及参数的范围、参数之间逻辑关系等信息。
更优选的,本发明可以通过建立一个机器学习模型来自学习规则中表现较好的参数及参数值(对规则最后的评分起到的作用越大就越好)。例如可以用IV值来计算重要的参数。
所述接收模块还包括选择模块,当推荐模块提供了供推荐参数信息列表,该选择模块借助用户交互界面中通过可视化的方式接收对所述推荐参数列表中至少一个参数的参数名称、参数优选范围及参数优选逻辑关系中至少一项的选择。由此,用户可以快速的选择自己想要的规则参数及参数值来制定业务规则。
识别模块用于对所述自然语言进行识别以获得所述业务规则配置信息。该模块识别在用户交互界面上用于配置所述业务规则的自然语言。所述识别过程包括识别用于配置所述业务规则参数的自然语言,参数包括变量或常量。
确定模块,用于基于所述业务规则配置信息确定业务策略。该模块用于生成直接可由计算机利用的业务策略。但是,很多时候一个策略往往需要多条规则。因此,优选的,所述业务规则配置信息包括规则组合包信息,所述规则组合包包括多条规则的配置信息及各规则之间的逻辑关系。而所述业务规则包括以下方式的一种或多种组合:参数管理规则、策略管理规则、流程管理规则、部署管理规则;
在该实施例中,通过Drools规则引擎处理所述规则组合包,基于所述规则组合包的处理结果,得到业务策略。
本领域技术人员可以理解,上述装置实施例中的各模块可以按照描述分布于装置中,也可以进行相应变化,分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
下面描述本发明的电子设备实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
图3是根据本发明的一种电子设备的示例性实施例的结构框图。下面参照图3来描述根据本发明该实施例的的电子设备300。图3显示的电子设备300仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于:至少一个处理单元310、至少一个存储单元320、连接不同***组件(包括存储单元320和处理单元310)的总线330、显示单元340等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元310执行,使得所述处理单元310执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元310可以执行如图3所示的步骤。
所述存储单元320可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)3201和/或高速缓存存储单元3202,还可以进一步包括只读存储单元(ROM)3203。
所述存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204,这样的程序模块3205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线330可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备300也可以与一个或多个外部设备400(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备300交互的设备通信,和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口350进行。并且,电子设备300还可以通过网络适配器360与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器360可以通过总线330与电子设备300的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备300使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述,本领域的技术人员易于理解,本发明描述的示例性实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法,即:
本发明利用公司数据库存储的大量用户信息,构建用户操作的时间序列数据,依此建立风险预测模型,预测用户出现逾期、伪冒和中介的可能性。对于不同的模型预测结果实施不同的应对策略,既能更加精确地识别用户风险,又利用人工辅助去探索发现更多的未知风险,并反哺模型,提高预测的精准度。
图4为本发明提供的一种计算机可读介质的原理示意图。
所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于自然语言的决策支持方法,其特征在于,包括如下步骤:
提供业务规则的推荐参数信息的列表,接收使用自然语言描述的业务规则配置信息,包括:建立历史业务规则库,记录历史使用的业务规则及其使用频度并按照规则类型进行标记,同时根据历史业务规则的实际效用对规则进行评分和记录;根据历史业务规则数据、通过统计算法列出不同业务规则中高频使用的参数及参数范围、参数之间的逻辑关系;通过建立机器学习模型自学习规则中表现好的参数及参数值而确定推荐参数信息,列出业务规则的推荐参数信息的列表,并且,在用户交互界面通过可视化方式接收对所述推荐参数信息的列表中至少一个参数的参数名称、参数优选范围及参数优选逻辑关系中至少一项的选择,得到使用自然语言描述的业务规则配置信息;其中,推荐参数信息包括参数名称、参数优选范围及参数优选逻辑关系;
在用户交互界面上对配置业务规则参数的所述自然语言进行识别以获得所述业务规则配置信息;其中,所述业务规则配置信息包括规则组合包;
基于所述业务规则配置信息确定业务策略包括:解析所述规则组合包内的各规则及规则之间的逻辑关系;基于所述规则组合包的解析结果得到业务策略。
2.根据权利要求1所述的方法,其特征在于对配置业务规则参数的自然语言进行识别中的参数包括:变量和/或常量。
3.根据权利要求1所述的方法,其特征在于所述规则组合包包括:多条规则的配置信息及各规则之间的逻辑关系。
4.根据权利要求1所述的方法,其特征在于,所述解析所述规则组合包内的各规则及规则之间的逻辑关系包括:通过Drools规则引擎解析所述规则组合包。
5.根据权利要求1所述的方法,其特征在于,所述业务规则包括以下方式的至少一种,或者它们之间任意组合:
参数管理规则、策略管理规则、流程管理规则、部署管理规则。
6.一种基于自然语言的决策支持装置,其特征在于,包括:
接收模块,用于提供业务规则的推荐参数信息的列表,接收使用自然语言描述的业务规则配置信息,包括:建立历史业务规则库,记录历史使用的业务规则及其使用频度并按照规则类型进行标记,同时根据历史业务规则的实际效用对规则进行评分和记录;根据历史业务规则数据、通过统计算法列出不同业务规则中高频使用的参数及参数范围、参数之间的逻辑关系;通过建立机器学习模型自学习规则中表现好的参数及参数值而确定推荐参数信息,列出业务规则的推荐参数信息的列表,并且,在用户交互界面通过可视化方式接收对所述推荐参数信息的列表中至少一个参数的参数名称、参数优选范围及参数优选逻辑关系中至少一项的选择,得到使用自然语言描述的业务规则配置信息;其中,推荐参数信息包括参数名称、参数优选范围及参数优选逻辑关系;
识别模块,用于在用户交互界面上对配置业务规则参数的所述自然语言进行识别以获得所述业务规则配置信息;其中,所述业务规则配置信息包括规则组合包;
确定模块,用于基于所述业务规则配置信息确定业务策略包括:解析所述规则组合包内的各规则及规则之间的逻辑关系;基于所述规则组合包的解析结果得到业务策略。
7.一种服务器,包括处理器和存储器:
所述存储器用于存储执行权利要求1至5任一项所述方法的程序;
所述处理器被配置为用于执行所述存储器中存储的程序。
8.一种计算机可读存储介质,其存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910587782.6A CN110349008B (zh) | 2019-07-02 | 2019-07-02 | 一种基于自然语言的决策支持方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910587782.6A CN110349008B (zh) | 2019-07-02 | 2019-07-02 | 一种基于自然语言的决策支持方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110349008A CN110349008A (zh) | 2019-10-18 |
CN110349008B true CN110349008B (zh) | 2023-11-17 |
Family
ID=68178045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910587782.6A Active CN110349008B (zh) | 2019-07-02 | 2019-07-02 | 一种基于自然语言的决策支持方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110349008B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782232A (zh) * | 2019-11-04 | 2020-02-11 | 北京明略软件***有限公司 | 业务流程可视化配置方法、装置、电子设备及存储介质 |
CN113010231A (zh) * | 2021-03-29 | 2021-06-22 | 上海寻梦信息技术有限公司 | 物流时效预测的规则配置方法、装置、设备及存储介质 |
CN113380354B (zh) * | 2021-06-16 | 2024-05-24 | 联仁健康医疗大数据科技股份有限公司 | 一种人员招募方法、装置、***、电子设备及存储介质 |
CN114463136A (zh) * | 2022-01-06 | 2022-05-10 | 弘量科技(深圳)有限公司 | 基于多维数据挖掘和逻辑推演的基金推荐方法、装置、设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008054331A1 (en) * | 2006-11-02 | 2008-05-08 | Crimsonlogic Pte Ltd | System and method for processing language independent natural language statements |
CN103092967A (zh) * | 2013-01-22 | 2013-05-08 | 交通银行股份有限公司 | 一种基于规则引擎的业务规则决策方法及装置 |
CN103927174A (zh) * | 2014-04-17 | 2014-07-16 | 北京视博数字电视科技有限公司 | 业务处理方法和装置 |
CN106990967A (zh) * | 2017-04-05 | 2017-07-28 | 百融(北京)金融信息服务股份有限公司 | 规则引擎的数据处理方法 |
-
2019
- 2019-07-02 CN CN201910587782.6A patent/CN110349008B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008054331A1 (en) * | 2006-11-02 | 2008-05-08 | Crimsonlogic Pte Ltd | System and method for processing language independent natural language statements |
CN103092967A (zh) * | 2013-01-22 | 2013-05-08 | 交通银行股份有限公司 | 一种基于规则引擎的业务规则决策方法及装置 |
CN103927174A (zh) * | 2014-04-17 | 2014-07-16 | 北京视博数字电视科技有限公司 | 业务处理方法和装置 |
CN106990967A (zh) * | 2017-04-05 | 2017-07-28 | 百融(北京)金融信息服务股份有限公司 | 规则引擎的数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110349008A (zh) | 2019-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110349008B (zh) | 一种基于自然语言的决策支持方法、装置和电子设备 | |
Şimşit et al. | An outline of innovation management process: building a framework for managers to implement innovation | |
US20190095507A1 (en) | Systems and methods for autonomous data analysis | |
US10922613B2 (en) | Generating a solution for an optimization problem | |
US11367008B2 (en) | Artificial intelligence techniques for improving efficiency | |
US11080162B2 (en) | System and method for visualizing and measuring software assets | |
Bazrkar et al. | Total quality model for aligning organization strategy, improving performance, and improving customer satisfaction by using an approach based on combination of balanced scorecard and lean six sigma | |
Farzaneh et al. | A framework for developing business intelligence systems: a knowledge perspective | |
US10445677B2 (en) | System and method for integrating text analytics driven social metrics into business architecture | |
Meriton et al. | An examination of the generative mechanisms of value in big data-enabled supply chain management research | |
Osuszek et al. | Decision support and risk management in business context | |
Diirr et al. | Improvement of IT service processes: a study of critical success factors | |
CN109872057A (zh) | 一种内部控制管理*** | |
CN112330299A (zh) | 业务流程管理方法、装置、设备及存储介质 | |
CN112508723A (zh) | 基于自动择优建模的金融风险预测方法、装置和电子设备 | |
Stark et al. | Intelligent information technologies to enable next generation PLM | |
Sarnovsky et al. | Predictive models for support of incident management process in IT service management | |
CN117454278A (zh) | 一种标准企业数字化规则引擎的实现方法和*** | |
Hu et al. | Lean thinking and organisational learning: how can they facilitate each other? | |
Elacio et al. | Digital transformation in managing employee retention using agile and C4. 5 algorithm | |
Porouhan et al. | Workflow mining: Discovering process patterns & data analysis from MXML logs | |
Rhyn et al. | Patterns of Data-Driven Decision-Making: How Decision-Makers Leverage Crowdsourced Data. | |
Gryncewicz et al. | Agile approach to develop data lake based systems | |
Vinay et al. | Effect of contribution links on choosing hard goals in gore using ahp and topsis | |
Wang et al. | Application of decision tree algorithm in early entrepreneurial project screening |
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 |