[发明专利]一种规则有效性的确定方法、装置和设备

权利要求书

1.一种规则有效性的确定方法，其特征在于，包括：

获取多个业务系统的目标规则信息集；其中，所述目标规则信息集中包含规则的属性信息、规则命中的用户清单、被规则命中的用户的真实性，所述真实性用于表示被规则命中用户是否真实符合该规则；

根据所述规则的属性信息和规则命中的用户清单，生成目标用户的规则树；其中，所述目标用户为所述规则命中的用户清单中被规则命中的用户，所述规则树中包含命中所述目标用户的至少一个规则；

基于规则命中的用户清单，确定所述规则树中的相似规则；

利用所述规则树中的相似规则和被规则命中的用户的真实性，确定所述规则树中相似规则的有效性。

2.根据权利要求1所述的方法，其特征在于，获取多个业务系统在预设时间段内的目标规则信息集，包括：

从所述多个业务系统中采集第一规则信息集；其中，所述第一规则信息集中包含所述多个业务系统中部署的各个规则的属性信息、规则命中的用户清单；

根据被规则命中的用户在预设时间段内的行为数据，确定被规则命中的用户的真实性；

将所述被规则命中的用户的真实性添加至所述第一规则信息集中，得到第二规则信息集；

确定各个规则的标签；其中，规则的标签用于表示规则的特征和分类；

将所述各个规则的标签添加至所述第二规则信息集中，得到所述目标规则信息集。

3.根据权利要求1所述的方法，其特征在于，规则的属性信息包括：规则的体系规则、规则描述、规则的性质。

4.根据权利要求2所述的方法，其特征在于，在根据所述规则的属性信息和规则命中的用户清单，生成目标用户的规则树之前，还包括：

根据目标规则信息集中的规则标签，利用word2Vec得到各个规则的特征向量；

根据所述各个规则的特征向量、规则命中的用户清单和被规则命中的用户的真实性，生成各个业务系统的训练样本集；其中，所述训练样本集中包含多组训练样本，每组训练样本包含至少一个规则的特征向量、对应被规则命中的用户的真实性；

基于所述各个业务系统的训练样本集，利用Tree-LSTM模型训练得到各个业务系统的预测模型；其中，所述预测模型用于根据输入的规则的特征向量预测被规则命中的用户的真实性。

5.根据权利要求4所述的方法，其特征在于，基于所述规则的属性信息和规则命中的用户清单，确定所述规则树中的相似规则，包括：

对所述规则命中的用户清单中的用户进行聚类，确定跨业务系统相似规则信息集；其中，每个聚类下用户命中的不同业务系统的规则属于跨业务系统相似规则信息集；

根据所述跨业务系统相似规则信息集，确定所述规则树中不同业务系统中在同一时间段命中目标用户的相似规则；

对应的，利用所述规则树中的相似规则和被规则命中的用户的真实性，确定所述规则树中相似规则的有效性，包括：

确定所述相似规则所属的目标业务系统；

获取所述规则树中属于所述目标业务系统的规则的特征向量；其中，属于所述目标业务系统的规则的特征向量按照命中用户的时间排列；

根据所述规则树中属于所述目标业务系统的规则的特征向量、被规则命中的用户的真实性，利用所述目标业务系统的预测模型确定所述规则树中在同一时间段不同业务系统中的相似规则的有效性。