[发明专利]自动调整rete网络的方法、装置、计算机设备和存储介质

说明书

本发明提出的基于数据处理的自动调整rete网络的方法、装置、计算机设备和存储介质，其中方法包括：获取当前节点的变更频率以及当前节点过滤后的剩余事实，依据变动频率以及剩余事实获取排在当前节点之后各节点的变更频率以及各节点的剩余事实数量；依据排在当前节点之后各节点的变更频率以及各节点的剩余事实数量计算出排在当前节点之后每个节点对应的优选权值；将排在当前节点之后的所有节点按照其对应优选权值的数值从小至大依次排序，以将当前rete网络调整成节点按优选权值排序的rete网络，这样可以根据不同应用场景将网络结构自动调整网络到最优结构，提高规则引擎模式匹配算法性能，从而提高匹配效率，以及增加规则引擎的吞吐量。

技术领域

本发明涉及到数据处理的技术领域，特别是涉及到一种自动调整rete网络的方法、装置、计算机设备和存储介质。

背景技术

规则引擎是一种产生式推理系统，产生式推理系统包括一组规则，每个规则包含一组条件(LHS)和一组动作(RHS)，当规则的所有条件都满足时，该规则的动作会被加入到议程中等待执行。Rete算法作为规则引擎Drools内部实现算法，Rete网络中节点共享是提高算法性能的主要方法之一，而规则条件中各个约束的排列顺序，不仅会影响Rete网络中共享节点的数量，还会影响Rete算法推理过程的中间结果大小，从而影响规则匹配的效率。目前对规则条件约束重排序的研究方法有以下两点：

1)限制性强的条件优先：限制性强的条件可以过滤更多的事实，从而减少进入网络的中间临时数据，使得在事实数据流经网络的过程中耗时更少。

2)不稳定的条件置后：假如一个规则有n个条件，当一个事实匹配第一个条件时，会有n-1个join操作被执行，如果把该条件放置到最后，则只有一个join操作被执行，如果该条件被频繁的变更，会有更多的join节点被频繁的删除和添加，从而降低了效率。

对于上述两点，现有技术中提供了一种基于成本模型的Rete优化算法，该算法通过统计每个节点经过的事实数，内存存储的事实平均数量，匹配成功的事实数以及匹配成功率来建立一个成本模型，根据该模型计算出来的成本，最后选择成本最低的一种节点排序方法。

成本模型是一种静态网络，意味着Rete网络一旦确定后就不会再改变，在面对不同场景的数据时，无法根据实际运行结果动态调整网络拓扑，难以使算法性能达到最优。

发明内容

本发明的主要目的为提供一种自动调整rete网络的方法、装置、计算机设备和存储介质，旨在解决现有Rete网络无法根据实际情况调整得到比较优选网络的技术问题。

基于上述发明目的，本发明提出一种自动调整rete网络的方法，包括：

获取当前节点的变更频率以及所述当前节点过滤后的剩余事实，所述变更频率为节点排序变化的次数，所述事实为在节点中通过条件约束进行过滤的对象；

依据所述变动频率以及所述剩余事实获取排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量；

依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量计算出排在所述当前节点之后每个节点对应的优选权值；

将排在所述当前节点之后的所有节点按照其对应优选权值的数值从小至大依次排序，以将当前rete网络调整成节点按优选权值排序的rete网络。

进一步地，所述依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量计算出排在所述当前节点之后每个节点对应的优选权值的步骤，包括：

依据排在所述当前节点之后各节点的变更频率以及各所述节点的剩余事实数量分别计算出各所述节点对应的变更频率权值以及过滤事实数权值；

将各所述节点的变更频率权值以及过滤事实数权值通过归一化处理得到各所述节点对应的优选权值。