CN111427915A - 信息处理方法及装置、存储介质、电子设备 - Google Patents

Abstract

本公开提供一种信息处理方法、信息处理装置、存储介质与电子设备，涉及计算机技术领域。其中，所述信息处理方法包括：获取与非确定性事件关联的语义信息；根据所述语义信息，获取所述非确定性事件的匹配规则；若接收到事件，则通过所述非确定性事件的匹配规则对所述事件进行识别，以确定所述事件是否为非确定性事件。本公开的技术方案能够及时识别出非确定性事件，避免延迟性，提高识别效率。

Description

信息处理方法及装置、存储介质、电子设备

技术领域

本公开涉及计算机技术领域，具体而言，涉及一种信息处理方法、信息处理装置、计算机可读存储介质以及电子设备。

背景技术

在实际应用场景中，存在大量的行为检测诉求，并且可以通过对行为进行实时监测。

相关技术中，一般采用复杂事件处理来计算给出的事件匹配规则。但是采用复杂事件处理时，需要依赖于发生事件以及根据发生事件触发模式匹配规则计算结果。在处理非确定性事件时，不能采用实时计算，而只能通过离线的方式对不同事件的用户数据做差集进行计算。

在实现本发明过程中，发明人发现上述方式中，计算非确定性事件具有一定的延迟，及时性较差、计算效率低且准确性较低，难以满足业务需求。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开实施例提供一种信息处理方法、信息处理装置、计算机可读存储介质和电子设备，进而至少在一定程度上克服相关技术中计算非确定性事件存在延迟的问题。

本公开实施例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实施例的实践而习得。

根据本公开实施例的一个方面，提供一种信息处理方法，包括：获取与非确定性事件关联的语义信息；根据所述语义信息，获取所述非确定性事件的匹配规则；若接收到事件，则通过所述非确定性事件的匹配规则对所述事件进行识别，以确定所述事件是否为非确定性事件。

在本公开的一种示例性实施例中，所述根据所述语义信息，获取所述非确定性事件的匹配规则，包括：根据所述非确定性事件对应的解析规则，对所述语义信息进行解析得到语法信息，并根据所述语法信息确定所述非确定性事件的匹配规则。

在本公开的一种示例性实施例中，所述通过所述非确定性事件的匹配规则对所述事件进行识别，以确定所述事件是否为非确定性事件，包括：通过对所述非确定性事件的匹配规则解析得到的多个规则，对所述事件进行计算识别，以确定所述事件是否为所述非确定性事件。

在本公开的一种示例性实施例中，所述通过对所述非确定性事件的匹配规则解析得到的多个规则，对所述事件进行计算识别，以确定所述事件是否为所述非确定性事件，包括：按照所述多个规则之间的排列顺序，对所述事件进行计算识别，并根据计算结果确定所述事件是否为所述非确定性事件。

在本公开的一种示例性实施例中，所述按照所述多个规则之间的排列顺序，对所述事件进行计算识别，包括：按照过滤规则对所述事件进行过滤，并将过滤后的事件按照模式匹配规则进行组合；采用计算规则对组合后的事件进行计算得到计算结果，并根据所述计算结果确定所述组合后的事件是否为所述非确定性事件。

在本公开的一种示例性实施例中，所述根据计算结果确定所述组合后的事件是否为所述非确定性事件包括：若所述计算结果为所述组合后的事件满足所述计算规则，则确定所述事件属于所述非确定性事件；若所述计算结果为所述组合后的事件不满足所述计算规则，则确定所述事件为不属于所述非确定性事件。

在本公开的一种示例性实施例中，所述方法还包括：若确定所述事件为所述非确定性事件，则对所述非确定性事件对应的对象执行辅助操作。

根据本公开实施例的一个方面，提供一种信息处理装置，包括：信息获取模块，用于获取与非确定性事件关联的语义信息；规则获取模块，用于根据所述语义信息，获取所述非确定性事件的匹配规则；事件识别模块，用于若接收到事件，则通过所述非确定性事件的匹配规则对所述事件进行识别，以确定所述事件是否为非确定性事件。

根据本公开实施例的一个方面，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意一项所述的信息处理方法。

根据本公开实施例的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的信息处理方法。

本公开实施例中提供的信息处理方法、信息处理装置、计算机可读存储介质以及电子设备，通过获取新添加的与非确定性事件关联的语义信息，并根据语义信息来获取与非确定性事件的匹配规则，进而根据非确定性事件的匹配规则对接收到的事件进行识别，以确定接收到的事件是否为非确定性事件。一方面，由于可以通过语义信息确定与非确定性事件的匹配规则，进而可以通过非确定性事件的匹配规则来对接收到的事件进行实时在线识别，避免了只能通过离线方式计算用户数据而导致的延迟问题，能够通过实时处理提高了非确定性事件的识别效率，避免了局限性，提高了及时性和识别效率，并且也提高了识别准确性全面性。另一方面，由于可以及时对事件进行识别，因此避免了延迟性导致的漏识别的问题，提高了全面性，且能够提高事件的转换效率，从而满足业务需求。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施方式，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施方式，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示意性示出本公开实施例用于实现信息处理方法的***架构图。

图2示意性示出本公开实施例中一种信息处理方法的示意图。

图3示意性示出本公开实施例中复杂事件处理的流程示意图。

图4示意性示出本公开实施例中识别事件的具体流程示意图。

图5示意性示出本公开实施例中信息处理方法的具体流程示意图。

图6示意性示出本公开实施例中信息处理装置的框图。

图7示意性示出本公开实施例中一种电子设备的框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。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。

图1示出了可以应用本公开实施例的技术方案的示例性***架构的示意图。

如图1所示，***架构100可以包括第一端101、网络102、第二端103。其中，第一端101可以是客户端，例如可以为各种具有显示功能的手持设备(智能手机)、台式计算机、车载设备等等。网络102用以在第一端101和第二端103之间提供通信链路的介质，网络102可以包括各种连接类型，例如有线通信链路、无线通信链路等等，在本公开实施例中，第一端101和第二端103之间的网络102可以是有线通信链路，例如可以通过串口连接线提供通信链路，也可以是无线通信链路，通过无线网络提供通信链路。第二端103可以是客户端，例如便携式计算机、台式计算机、智能手机等具有数据处理功能的终端设备，用于识别事件。其中，当第一端和第二端均为客户端时，二者可以为同一个客户端。第二端也可以为服务器，此处不做限定。

应该理解，图1中的第一端、网络和第二端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客户端、网络和服务器。

需要说明的是，本公开实施例所提供的信息处理方法可以完全由第二端执行，相应地，信息处理装置可设置于第二端103中。

基于上述***架构，本公开实施例中提供了一种信息处理方法。参考图2中所示，该信息处理方法包括步骤S210至步骤S230，详细介绍如下：

在步骤S210中，获取与非确定性事件关联的语义信息；

在步骤S220中，根据所述语义信息，获取所述非确定性事件的匹配规则；

在步骤S230中，若接收到事件，则通过所述非确定性事件的匹配规则对所述事件进行识别，以确定所述事件是否为非确定性事件。

本公开实施例提供的信息处理方法中，一方面，由于可以通过语义信息确定与非确定性事件的匹配规则，进而可以通过非确定性事件的匹配规则来对接收到的事件进行实时在线识别，避免了只能通过离线方式计算用户数据而导致的延迟问题，能够通过实时处理提高了非确定性事件的识别效率，避免了局限性，提高了及时性和识别效率，并且也提高了识别准确性全面性。另一方面，由于可以及时对事件进行识别，因此避免了延迟性导致的漏识别的问题，提高了全面性，且能够提高事件的转换效率，从而满足业务需求。

接下来，结合附图对本公开实施例中的信息处理方法进行进一步解释说明。

参考图2中所示，在步骤S210中，获取与非确定性事件关联的语义信息。

本公开实施例中，事件是用户或浏览器自身执行的某种动作。事件的类型可以包括确定性事件以及非确定性事件两种。其中，每个确定性事件和非确定性事件可以由至少两个事件而组成，且至少两个事件之间存在固定的执行顺序。确定性事件指的是至少两个事件中的所有事件按照固定的执行顺序而发生，非确定性事件指的是至少两个事件中的一个或多个事件没有按照固定的执行顺序而发生，例如只按照固定的执行顺序发生了排列在前面的事件而未发生排列在后面的事件。举例而言，对于事件A至事件D，如果设定的确定性事件的执行顺序为ABCD，但是在执行过程中多个事件的执行顺序为ABDC，由于其中两个事件按顺序，两个事件没按顺序，因此可以认为其属于非确定性事件。

语义信息用于使用文本信息的方式描述待识别的事件的规则，具体可以根据待识别的对象的类型而确定，待识别的对象可以根据实际业务需求而确定，且不同应用场景所对应的待识别的对象可以相同或不同。待识别的事件可以为确定性事件或者是非确定性事件。例如，若待识别的对象为非确定性事件，则语义信息用于表示与非确定性事件关联的规则；若待识别的对象为确定性事件，则语义信息用于表示与确定性事件关联的规则。语义信息具体可以用程序或代码等来表示。本公开实施例中，对于初始的CEP(complex eventprocessing，复杂事件处理)过程而言，其中并未包含非确定性事件的相关内容，因此首先可以在CEP语法规则中添加非确定性事件关联的语义信息，以使语法规则中同时包含确定性事件的语义信息和非确定性事件的语义信息。进一步地，可以从复杂事件处理语法规则中，获取添加的用于描述非确定性事件的匹配规则的语义信息，以使得能够获取到在CEP语法规则中关于匹配规则定义而添加的WITH TIME OUT语义。该语义信息具体可以表示为ONEROW PER MATCH WITH TIME OUT。

在该语义信息中，可以包括多个能够用于识别非确定性事件的规则的描述信息。举例而言，多个规则可以包括但不限于过滤规则、模式匹配规则、以及计算规则等等。描述信息例如可以为文本信息，具体可以用代码来表示。通过语义信息，能够准确地描述如何识别非确定性事件。

接下来，在步骤S220中，根据所述语义信息，获取所述非确定性事件的匹配规则。

本公开实施例中，在得到新增加的语义信息之后，可以根据语义信息获取非确定性事件的匹配规则。具体地，可以根据非确定性事件对应的解析规则，对语义信息进行解析得到语法信息，并根据语法信息确定非确定性事件的匹配规则。解析规则可以根据解析器而确定，此处的解析器例如可以为CALCITE解析器。解析器中原本只包含确定性事件对应的规则，为了实现实时计算识别，可以在解析器中添加非确定性事件对应的解析规则，且添加的该解析规则可以为时间限制规则TIME OUT。基于此，解析规则可以包括多个维度的规则，例如过滤维度、分区维度以及排序维度等等。

CALCITE解析器在解析构建抽象语法树时，对该语义信息进行解析得到语法信息，以构建语义信息对应的语法节点NODE。解析器解析SQL(Structured Query Language，结构化查询语言)的具体过程可以包括：基于语法信息将语义信息解析为多个不同维度的规则，以便于将语义信息转换为语法信息，进而根据语法信息对语义信息进行处理，根据得到的多个规则的组合获取非确定性事件的匹配规则。多个维度的规则可以与语义信息中包含的描述信息相同，具体可以为过滤规则、模式匹配规则以及计算规则等等。进一步地，可以根据这些多个规则的组合来得到非确定性事件的匹配规则。

举例而言，语义信息为一段代码表示的文本信息。语法解析器对该语义信息进行处理，得到过滤规则以用于对事件的类型进行过滤，例如t1.type＝‘A’。还可以将语义信息解析为模式匹配规则，模式匹配规则用于表示模式时间顺序即排序规则，模式时间顺序可以为(t1，t2)，其中代表t1先发生。还可以将语义信息解析为计算规则，比如INTERVAL'15'MINUTE，用于表示15分钟超时，因此此处的计算规则可以为超时计算规则。

继续参考图2中所示，在步骤S230中，若接收到事件，则通过所述非确定性事件的匹配规则对所述事件进行识别，以确定所述事件是否为非确定性事件。

本公开实施例中，事件指的是事件流中包含的事件，具体可以为当前时刻的事件。可以对事件流中的多个事件进行匹配，以识别出非确定性事件。事件流描述的是从页面中接收事件的顺序。事件的类型可以属于非确定性事件的匹配规则中的类型，也可以不属于非确定性事件的匹配规则中的类型，此处不做限定。

本公开实施例中，对非确定性事件进行识别是基于复杂事件处理CEP(complexevent processing)而进行的，复杂事件处理是一个或多个由简单事件构成的事件流，通过一定的规则匹配，然后输出用户想得到的数据，满足规则的复杂事件。复杂事件处理的具体过程可以如图3中所示。参考图3中所示，其目标是从有序的简单事件流中发现一些高阶特征，其输入是一个或多个由简单事件构成的事件流，然后可以按照规则识别简单事件之间的内在联系，多个符合一定规则的简单事件构成复杂事件，其输出是满足规则的复杂事件。

在复杂事件处理的基础上，由于非确定性事件的匹配规则可以由多个规则组成，因此可以通过多个规则的组合来对接收到的事件进行识别。图4中示意性示出了识别事件的具体流程图，参考图4中所示，主要包括以下步骤：

在步骤S410中，按照过滤规则对所述事件进行过滤；

在步骤S420中，将过滤后的事件按照模式匹配规则进行组合；

在步骤S430中，采用计算规则对组合后的事件进行计算，并根据计算结果确定所述组合后的事件是否为所述非确定性事件。

本公开实施例中，过滤规则用于从多个事件中过滤掉不符合非确定性事件的事件，以便于筛选出与非确定性事件匹配的事件。在接收到事件时，首先可以确定事件的类型，进一步可以根据接收到的事件的类型而进行过滤。例如，将接收到的事件的类型与非确定性事件中包含的事件的类型进行匹配，若匹配成功则可以保留，若匹配失败则可以过滤掉。举例而言，非确定性事件例如可以包括事件A和事件B，若接收到的事件中包括事件C，则可以过滤掉。通过过滤规则对接收到的事件进行过滤，能够提高准确性。

接下来，可以将过滤后的事件按照模式匹配规则进行组合。过滤后的事件的类型与非确定性事件中包括的事件的类型一致，为了准确识别出非确定性事件，可以将过滤后的事件按照模式匹配规则中的时间顺序进行处理，例如将事件A和事件B按照时间顺序结合在一起，实现先发生事件A再发生事件B，以使得事件与非确定性事件的组成保持一致。

再进一步地，采用计算规则对组合后的事件进行计算，并根据计算结果确定所述组合后的事件是否为所述非确定性事件。计算规则可以用于确定组合后的事件是否在预设时间内完成，且计算规则可以根据预设时间而确定，因此计算时间可以理解为超时计算时间。预设时间可以由具体的语义信息等而确定，例如可以为15分钟或者是20分钟等等，此处不作具体限定。计算规则可以用于判断至少两个事件是否发生以及事件的发生时间是否符合非确定性事件的规则中规定的预设时间，即检测预设时间内是否接收到发生在后的事件。采用计算规则对组合后的事件进行匹配时，可以判断事件类型以及事件发生时间是否满足计算规则，以得到计算结果。具体地，若事件类型以及事件发生时间均符合条件则确定计算结果为满足计算规则；若事件类型以及事件发生时间不符合条件则确定计算结果为不满足计算规则。其中，事件发生时间满足条件指的是发生在后的事件的发生时间不满足预设时间，即预设时间内未检测到发生在后的事件。

计算结果不同，则对应的事件的识别结果也不同。具体地，若计算结果为所述组合后的事件满足计算规则，则可以确定组合后的事件为非确定性事件；如果计算结果为组合后的事件不满足计算规则，则可以确定组合后的事件不属于非确定性事件。

举例而言，若接收到一个事件，且通过类型检测确定该事件的类型为事件A，则可以将其记录并继续检测在预设时间内是否接收到事件B。如果预设时间内未接收到事件B(超出预设时间后检测到事件B)，则可认为属于非确定性事件；如果预设时间内接收到事件B，则可认为属于确定性事件。

通过图4中的技术方案，在接收到事件时，通过多个维度的多个规则组成的非确定性事件的匹配规则，对接收到的事件进行匹配，能够实时在线识别出接收到的事件是否为非确定性事件的功能，避免离线进行事件识别导致的延迟性，提高实时性和识别效率以及识别全面性。

图5中示意性示出了信息处理的具体流程图，参考图5中所示，主要包括以下步骤：

在步骤S510中，获取复杂事件处理中添加的与非确定性事件关联的语义规则，例如WITH TIME OUT。

在步骤S520中，获取在解析器中添加的解析规则，例如添加的TIME OUT超时规则，以使得解析规则中包括排序规则、模式匹配规则以及超时规则(计算规则)。

在步骤S530中，获取在模式匹配规则中添加的非确定性事件的匹配规则，以使得其中包括过滤规则、分区规则、排序规则、确定性事件匹配规则以及非确定性事件的匹配规则。排序规则即为模式匹配规则。

在步骤S540中，接收事件流，其中包括多个事件A以及事件B。

在步骤S550中，使用过滤规则、分区规则以及排序规则对接收到的事件进行处理，并将其存储至队列中作为匹配的结果。其中，分区规则可以为PARTITION BY pin，pin指的是事件里的某个值，例如可以为用户。具体可以按照用户标识对用户数据进行分区，且每一个用户对应一个分区。对于事件而言，t1、t2属于同一个分区。需要说明的是，此处的分区可以为队列。通过使用过滤规则、分区规则以及排序规则对接收到的事件进行处理并将其存储至队列，能够避免大量数据之间的相互干扰，使得每个用户的数据相互独立，提高信息处理的准确性。

在步骤S560中，将队列中的事件采用模式匹配规则进行匹配，以得到计算结果，并根据计算结果识别确定性事件和非确定性事件。其中，如果检测到事件A且在预设时间内检测到事件B，则为确定性事件；如果检测到事件A但在预设时间内未检测到事件B，则为非确定性事件。

通过图5中的技术方案，能够准确地识别接收到的事件，提高识别的准确性和及时性，并且提高了事件识别的全面性。

本公开实施例中，通过在复杂事件处理CEP语法规则中关于匹配规则定义添加WITH TIME OUT语义；在解析工具CALCITE解析构建AST(Abstract SyntaxTree，抽象语法树)时处理该语义信息，构建对应的语法节点NODE；抽象语法树在转换模式匹配规则时，在模式匹配规则中新增处理非确定性事件的匹配规则；在NFA(non-determintistic finiteautomaton，非确定性有限状态自动机)实现中添加对非确定性事件的匹配规则的输出结果。

如果经过模拟生产环境真实数据流，确定对于需要进行非确定性事件的计算结果满足预期的计算要求，则可以认为该方案是可行的。通过在SQL中增加语义信息，即可实现扩展新的计算规则，进而得到非确定性事件的匹配规则，以便于进行事件识别。只需要在SQL中增加语义信息，简化了操作步骤，且提高了便捷性，并且能够及时实时地进行事件处理，提高了准确性。

在识别出非确定性事件之后，可以针对该非确定性事件对应的对象进行辅助操作。此处的对象可以为任意合适的应用对象，例如物品或者是商品等等。在电子商务领域，非确定性事件可以由加入购物车以及支付两个事件组成，例如可以为将物品加入购物车但是在预设时间限制(例如15分钟)内没有进行支付的事件。此处的辅助操作可以为用于辅助物品交易的操作。例如可以为分配虚拟对象，此处的虚拟对象可以为优惠券、红包、金币、折扣等多种类型的能够用于物品交易的对象。通过使用虚拟对象，能够减少用户对于物品的支付金额。此处的物品可以为非确定性事件所对应的物品。本公开实施例中，能够及时地识别出非确定性事件，避免了漏识别的问题，提高了全面性，且在电子商务场景中能够提高物品交易的转换效率，提高物品交易的成功率，进而能够满足业务需求，提高营销效果。举例而言，比如检测到用户A在应用程序上浏览了某物品详情页，但是没有购买；或者是某物品下单了，但是未支付。针对这些非确定性事件的异常行为进行实时监测，然后主动营销以促成转化，提高营销效果。

本公开实施例的技术方案，可以在用于实时计算的软件flink的基础上计算非确定性事件(超时事件)，通过扩展SQL语法规则，同时对任务计算的规则进行扩展，以支持这种超时输出的应用场景。而且通过扩展SQL简单语法，对于业务使用人员来说学习成本较低，能够更便捷地满足业务诉求。

本公开实施例中，还提供了一种信息处理装置，参考图6中所示，该信息处理装置600主要包括以下模块：

信息获取模块601，用于获取与非确定性事件关联的语义信息；

规则获取模块602，用于根据所述语义信息，获取所述非确定性事件的匹配规则；

事件识别模块603，用于若接收到事件，则通过所述非确定性事件的匹配规则对所述事件进行识别，以确定所述事件是否为非确定性事件。

在本公开的一种示例性实施例中，规则获取模块包括：规则解析模块，用于根据所述非确定性事件对应的解析规则，对所述语义信息进行解析得到语法信息，并根据所述语法信息确定所述非确定性事件的匹配规则。

在本公开的一种示例性实施例中，事件识别模块包括：规则匹配模块，用于通过对所述非确定性事件的匹配规则解析得到的多个规则，对所述事件进行计算识别，以确定所述事件是否为所述非确定性事件。

在本公开的一种示例性实施例中，规则匹配模块包括：匹配控制模块，用于按照所述多个规则之间的排列顺序，对所述事件进行计算识别，并根据计算结果确定所述事件是否为所述非确定性事件。

在本公开的一种示例性实施例中，匹配控制模块包括：事件组合模块，用于按照过滤规则对所述事件进行过滤，并将过滤后的事件按照模式匹配规则进行组合；计算模块，用于采用计算规则对组合后的事件进行计算得到计算结果，并根据所述计算结果确定所述组合后的事件是否为所述非确定性事件。

在本公开的一种示例性实施例中，计算模块包括：第一识别模块，用于若所述计算结果为所述组合后的事件满足所述计算规则，则确定所述事件属于所述非确定性事件；第二识别模块，用于若所述计算结果为所述组合后的事件不满足所述计算规则，则确定所述事件为不属于所述确定性事件。

在本公开的一种示例性实施例中，所述装置还包括：辅助操作模块，用于若确定所述事件为所述非确定性事件，则对所述非确定性事件对应的对象执行辅助操作。

此外，上述信息处理装置中各部分的具体细节在信息处理方法部分实施方式中已经详细说明，未披露的细节内容可以参见方法部分的实施方式内容，因而不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

在本公开的实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为***、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“***”。

下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：上述至少一个处理单元710、上述至少一个存储单元720、连接不同***组件(包括存储单元720和处理单元710)的总线730以及显示单元740。

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710执行，使得所述处理单元710执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元710可以执行如图2中所示的步骤。

存储单元720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)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(ROM)7203。

存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204，这样的程序模块7205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730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、图形加速接口、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700也可以与一个或多个外部设备800(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700交互的设备通信，和/或与使得该电子设备700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750进行。并且，电子设备700还可以通过网络适配器760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。如图所示，网络适配器760通过总线730与电子设备700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700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。

在本公开的实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

根据本公开的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。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。

计算机可读信号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。可读信号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公开操作的程序代码，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)。

此外，上述附图仅是根据本公开实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (10)

1.一种信息处理方法，其特征在于，包括：

获取与非确定性事件关联的语义信息；

根据所述语义信息，获取所述非确定性事件的匹配规则；

若接收到事件，则通过所述非确定性事件的匹配规则对所述事件进行识别，以确定所述事件是否为非确定性事件。

2.根据权利要求1所述的信息处理方法，其特征在于，所述根据所述语义信息，获取所述非确定性事件的匹配规则，包括：

根据所述非确定性事件对应的解析规则，对所述语义信息进行解析得到语法信息，并根据所述语法信息确定所述非确定性事件的匹配规则。

3.根据权利要求1所述的信息处理方法，其特征在于，所述通过所述非确定性事件的匹配规则对所述事件进行识别，以确定所述事件是否为非确定性事件，包括：

通过对所述非确定性事件的匹配规则解析得到的多个规则，对所述事件进行计算识别，以确定所述事件是否为所述非确定性事件。

4.根据权利要求3所述的信息处理方法，其特征在于，所述通过对所述非确定性事件的匹配规则解析得到的多个规则，对所述事件进行计算识别，以确定所述事件是否为所述非确定性事件，包括：

按照所述多个规则之间的排列顺序，对所述事件进行计算识别，并根据计算结果确定所述事件是否为所述非确定性事件。

5.根据权利要求4所述的信息处理方法，其特征在于，所述按照所述多个规则之间的排列顺序，对所述事件进行计算识别，包括：

按照过滤规则对所述事件进行过滤，并将过滤后的事件按照模式匹配规则进行组合；

采用计算规则对组合后的事件进行计算得到计算结果，并根据所述计算结果确定所述组合后的事件是否为所述非确定性事件。

6.根据权利要求5所述的信息处理方法，其特征在于，所述根据计算结果确定所述组合后的事件是否为所述非确定性事件包括：

若所述计算结果为所述组合后的事件满足所述计算规则，则确定所述事件属于所述非确定性事件；

若所述计算结果为所述组合后的事件不满足所述计算规则，则确定所述事件为不属于所述非确定性事件。

7.根据权利要求1所述的信息处理方法，其特征在于，所述方法还包括：

若确定所述事件为所述非确定性事件，则对所述非确定性事件对应的对象执行辅助操作。

8.一种信息处理装置，其特征在于，包括：

信息获取模块，用于获取与非确定性事件关联的语义信息；

规则获取模块，用于根据所述语义信息，获取所述非确定性事件的匹配规则；

事件识别模块，用于若接收到事件，则通过所述非确定性事件的匹配规则对所述事件进行识别，以确定所述事件是否为非确定性事件。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任意一项所述的信息处理方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任意一项所述的信息处理方法。

Images