基于规则引擎的业务决策方法、系统及存储介质

技术领域

本发明涉及规则引擎技术领域，尤其涉及一种基于规则引擎的业务决策方法、系统及存储介质。

背景技术

规则引擎有推理引擎发展而来，是一种嵌入在应用程序中的组件，实现了将业务决策从应用程序代码中分离出来，并使用预定义的语义模块编写业务决策。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。

现有技术是通过规则配置服务端配置对应业务方的数据模型，抽象出不同场景对应的资源，如规则集、单轴决策表、双轴决策表、函数、评分卡等 ，使用决策流串联所有资源，组成一个规则执行的整体。

目前，完整的决策需要复杂的人审流程，决策周期参差不齐，有限的资源下企业难以承载更多的业务。人审流程需要投入大量优质的人员来保证审批的时效性与准确性，由于人员不足，以及主观经验进行决策等失误，容易造成业务损失。且由于政策和市场环境瞬息万变，响应不及时，导致政策调整滞后。业务人员与IT人员混合开发规则形式，无法为风控技术提供一个私密的黑盒环境，存在外泄风险。

发明内容

本发明的主要目的在于提出一种基于规则引擎的业务决策方法、系统及存储介质，旨在摆脱传统经营决策对业务人员及IT人员的极大依赖，降低企业成本，降低决策引擎系统学习成本，实现真正的简单、快速、易上手，同时，缩短策略发布周期，实时应对环境变化。

为实现上述目的，本发明提供一种基于规则引擎的业务决策方法，所述方法应用于规则引擎的业务决策系统，所述系统包括规则配置服务端、规则执行服务端，所述方法包括以下步骤：

规则配置服务端根据业务方预先配置的规则策略集采用预设方式实时部署业务配置规则信息，将所述业务配置规则信息保存至数据库，并针对不同资源独立模拟测试不同资源并输出结果，将所述业务配置规则信息发送至规则执行服务端；

规则执行服务端根据业务调用方发送的模型数据，以及所述业务配置规则信息，执行对应的策略，输出决策结果。

本发明进一步的技术方案是，所述针对不同资源独立测试不同资源并输出结果的步骤包括：

采用规则引擎的RETE算法对输入数据计算匹配并输出结果。

本发明进一步的技术方案是，RETE算法在进行模式匹配时，是根据生成的鉴别网络来进行的，网络中非根结点的类型有1-input结点和2-input结点两种，1-input结点组成了Alpha网络，2-input结点组成了Beta网络。

本发明进一步的技术方案是，所述采用规则引擎的RETE算法对输入数据计算匹配并输出结果的步骤包括：

Match：找出符合LHS部分的working memory集合；

Confilict resolution：选出一个条件被满足的规则；

Act：执行RHS的内容；

返回Match步骤。

本发明进一步的技术方案是，所述规则配置服务端根据业务方预先配置的规则策略集采用预设方式实时部署业务配置规则信息的步骤包括：

所述规则配置服务端根据业务方预先配置的规则策略集采用HTTP方式实时部署业务配置规则信息。

本发明进一步的技术方案是，所述规则配置服务端根据业务方预先配置的规则策略集采用预设方式实时部署业务配置规则信息，将所述业务配置规则信息发送至规则执行服务端的步骤包括：

所述规则配置服务端根据业务方预先配置的规则策略集采用预设方式实时部署业务配置规则信息，将所述业务配置规则信息生成符合Drools规则引擎规范的DRL文件，发布规则运行文件到规则执行服务端。

本发明进一步的技术方案是，所述规则配置服务端根据业务方预先配置的规则策略集采用预设方式实时部署业务配置规则信息的步骤之前包括：

预先配置规则策略集，其中，所述规则策略集是规则运行所需资源的集合，定义策略集命名并选择数据模型后，添加资源信息，资源信息类型包括策略主流程、规则集、评分卡、子决策流、可编程函数、硬编码函数、单轴决策表、双轴决策表。

本发明进一步的技术方案是，一个规则策略集有且仅有一个策略主流程，策略主流程的节点可选择开始、结束、规则集、评分卡、可编程函数、硬编码函数、单轴决策表、双轴决策表等，资源间通过网关连接线连接成流程图，流程节点根据流程图先后顺序执行相关指令。

为实现上述目的，本发明还提出一种基于规则引擎的业务决策系统，所述系统包括规则配置服务端、规则执行服务端，以及存储器、处理器，所述存储器上存储有基于规则引擎的业务决策程序，所述基于规则引擎的业务决策程序被处理器调用时执行如上所述的方法的步骤。

为实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存在介质上存储有基于规则引擎的业务决策程序，所述基于规则引擎的业务决策程序被处理器调用时执行如上所述的方法的步骤。

本发明基于规则引擎的业务决策方法、系统及存储介质的有益效果是：本发明通过上述技术方案，能摆脱传统经营决策对业务人员及IT人员的极大依赖，降低企业成本，降低决策引擎系统学习成本，实现真正的简单、快速、易上手，同时，缩短策略发布周期，实时应对环境变化，让风险数据落地回归，服务于风险政策，让更多依赖传统决策方式的企业走向线上化、自动化和智能化。

附图说明

图1是本发明基于规则引擎的业务决策方法较佳实施例的流程示意图；

图2是基于规则引擎的业务决策系统的架构图；

图3是规则编译网络和匹配过程示意图；

本发明目的的实现、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

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参照图1，本发明提出一种基于规则引擎的业务决策方法，本发明基于规则引擎的业务决策方法应用于规则引擎的业务决策系统，所述系统包括规则配置服务端、规则执行服务端，如图1所示，本发明基于规则引擎的业务决策方法较佳实施例中，所述方法包括以下步骤：

步骤S10，规则配置服务端根据业务方预先配置的规则策略集采用预设方式实时部署业务配置规则信息，将所述业务配置规则信息保存至数据库，并针对不同资源独立模拟测试不同资源并输出结果，将所述业务配置规则信息发送至规则执行服务端。

其中，所述针对不同资源独立测试不同资源并输出结果的步骤包括：

采用规则引擎的RETE算法对输入数据计算匹配并输出结果。

RETE算法在进行模式匹配时，是根据生成的鉴别网络来进行的，网络中非根结点的类型有1-input结点和2-input结点两种，1-input结点组成了Alpha网络，2-input结点组成了Beta网络。

具体地，所述采用规则引擎的RETE算法对输入数据计算匹配并输出结果的步骤包括：

Match：找出符合LHS部分的working memory集合；

Confilict resolution：选出一个条件被满足的规则；

Act：执行RHS的内容；

返回Match步骤。

步骤S20，规则执行服务端根据业务调用方发送的模型数据，以及所述业务配置规则信息，执行对应的策略，输出决策结果。

本实施例中，所述规则配置服务端根据业务方预先配置的规则策略集采用预设方式实时部署业务配置规则信息的步骤包括：

所述规则配置服务端根据业务方预先配置的规则策略集采用HTTP方式实时部署业务配置规则信息。

所述规则配置服务端根据业务方预先配置的规则策略集采用预设方式实时部署业务配置规则信息，将所述业务配置规则信息发送至规则执行服务端的步骤包括：

所述规则配置服务端根据业务方预先配置的规则策略集采用预设方式实时部署业务配置规则信息，将所述业务配置规则信息生成符合Drools规则引擎规范的DRL文件，发布规则运行文件到规则执行服务端。

所述规则配置服务端根据业务方预先配置的规则策略集采用预设方式实时部署业务配置规则信息的步骤之前包括：

预先配置规则策略集，其中，所述规则策略集是规则运行所需资源的集合，定义策略集命名并选择数据模型后，添加资源信息，资源信息类型包括策略主流程、规则集、评分卡、子决策流、可编程函数、硬编码函数、单轴决策表、双轴决策表。

其中，一个规则策略集有且仅有一个策略主流程，策略主流程的节点可选择开始、结束、规则集、评分卡、可编程函数、硬编码函数、单轴决策表、双轴决策表等，资源间通过网关连接线连接成流程图，流程节点根据流程图先后顺序执行相关指令。

以下结合图1至图3，对本发明进行进一步的详细阐述。

本发明基于规则引擎的业务决策方法相对于现有技术具有以下优点：

1、基于Drools技术开发，使用Rete算法，通过缓存避免相同条件多次评估的情况，高效输出规则结果。

2、通过配置模型提供对象结构化处理，支持自定义模型，满足各种数据结构，采用JSON格式灵活对接各个平台请求数据，自定义输出结果，满足各个系统入参、出参的差异化。

3、规则引擎支持各种规则及流程特性，包括策略、规则集、评分卡、决策流、单轴决策表、双轴决策表、函数、变量等。

4、提供灵活的测试及服务扩展机制，可实时测试规则集是否符合预期，更好的降低了企业维护成本。

5、可视化界面，业务人员可以用较低的学习成本就能根据市场变化快速调整业务规则，保障自身业务的灵活性。

本发明基于规则引擎的业务决策方法为实现上述优点所采用的技术方案具体如下：

根据业务场景需要定义数据模型，定制符合自身业务的数据参数，数据参数支持Integer、Double、String、Boolean、Date、Entity、List等7种数据类型，其中Entity数据类型支持无限层级，上述数据类型满足了大多数业务场景的配置。通过定义数据类型、名称、描述、关联字典等参数，以及返回值的数据类型、名称，完成一个完整的数据模型定义。数据模型采用树形结构展示及编辑。以面谈业务为例，业务人员采集常见业务场景的相关问题及备选答案，通过数据建模，完成数据模型的定义。

规则策略集是规则运行所需资源的集合，定义策略集命名并选择数据模型后，添加资源信息，资源信息类型包括策略主流程、规则集、评分卡、子决策流、可编程函数、硬编码函数、单轴决策表、双轴决策表等。一个规则策略集有且仅有一个策略主流程，策略流程的节点可选择开始、结束、规则集、评分卡、可编程函数、硬编码函数、单轴决策表、双轴决策表等，资源间通过网关连接线连接成流程图，流程节点根据流程图先后顺序执行相关指令。

业务人员通过可视化页面配置上述信息，无需编写代码即可配置复杂的业务规则。根据业务人员录入的信息，规则配置服务端生成符合Drools规则引擎规范的DRL文件，发布规则运行文件到规则执行服务端。

规则配置服务端采用HTTP方式实时部署规则，规则配置服务端可以针对不同资源独立模拟测试不同资源并输出结果，根据实际输出结果，业务方可以确定业务目标配置的规则是否正确。规则配置完成，规则配置服务端提供HTTP接口供业务调用方调用，规则执行采用纯内存方式计算，效率极高，最后把输出决策结果返回给业务调用方。

本发明基于规则引擎的业务决策方法应用于基于规则引擎的业务决策系统，如图2所示，包括规则配置服务端、规则执行服务端、业务调用方、业务方、数据库。

该基于规则引擎的业务决策系统具体包括：

规则配置服务端，在启动时获取本机的固定端口并绑定，通过此规则配置服务端的IP地址对外提供HTTP协议的Restful接口服务。

规则配置服务端用于接收业务方发送的业务配置规则，将业务配置规则保存到数据库。

其中，业务方发送的业务配置规则信息包括上述已定义的规则集的APPID、调用的版本号、数据模型的数据等。业务方将JSON格式的数据发送到规则配置服务端，规则配置服务端使用规则引擎的RETE算法对输入数据计算匹配并输出结果。

RETE算法在进行模式匹配时，是根据生成的鉴别网络来进行的。网络中非根结点的类型有1-input结点（也称为alpha结点）和2-input结点（也称为beta结点）两种。1-input结点组成了Alpha网络，2-input结点组成了Beta网络。

每个非根结点都有一个存储区。其中1-input结点有alpha存储区和一个输入口；2-input结点有left存储区和right存储区和左右两个输入口，其中left存储区是beta存储区，right存储区是alpha存储区。存储区储存的最小单位是工作存储区元素（WorkingMemory Element，简称WME），WME是为事实建立的元素，是用于和非根结点代表的模式进行匹配的元素。Token是WME的列表，包含有多个WME，用于2-input结点的左侧输入。事实可以做为2-input结点的右侧输入，也可以做为1-input结点的输入。

每个非根结点都代表着产生式左部的一个模式，从根结点到终结点的路径表示产生式的左部。

RETE 算法主要流程可以分为以下步骤：

1.Match：找出符合LHS部分的working memory集合；

2.Confilict resolution：选出一个条件被满足的规则；

3.Act：执行RHS的内容；

4.返回第1步。

RETE算法主要改进Match的处理过程，通过构建一个网络进行匹配，规则编译网络和匹配过程如图3所示。

本技术方案适用多种决策场景，如根据客户征信信息自动给出信用贷款额度、根据客户面谈信息自动审批通过或拒绝、根据客户数据自动推送营销信息。以不同场景对应不同资源，规则集由多个规则组成一个整体，每个规则产生一个临时结果，多个规则结果也可产生一个规则集临时结果，规则集中包含特殊的内置规则，该内置规则可获取规则运行产生的各种临时数据及结果。评分卡通过业务方指定的规则给不同模型评出临时结果，包含每个评分项和一个评分卡的总分。单轴决策表通过不同条件实现一个赋值动作，不会产生一个临时结果，只是一个动作过程。双轴决策表是单轴决策表的增强实现，可以实现复合操作，能够更加灵活配置对应规则实现。函数使用Java语言特性，能够通过代码方式结合规则，更高的提供了灵活性。决策流内提供开始、结束、条件网关、合并网关、各种资源选择，通过BPMN使用连线方式，把前面所有资源串联起来，组成一个整体。整体策略还支持临时变量，作用域只在当前策略生效，并支持复杂表达式统计，如：数量、求和、求大小。规则配置服务端提供了发布服务到服务器，可实时部署。测试工具提供了仿真测试及单元测试，仿真测试测试整个策略并获取对应决策结果。单元测试针对单个资源的测试，提供细粒度测试。

规则执行服务端，用于接收业务调用方发送的模型数据，执行对应的策略，输出决策结果。

业务调用方通过HTTP调用规则执行服务端具体的策略，规则执行服务端通过内存中存在的策略，执行对应的规则，返回决策结果给到业务调用方。

本发明基于规则引擎的业务决策方法的有益效果是：本发明通过上述技术方案，能摆脱传统经营决策对业务人员及IT人员的极大依赖，降低企业成本，降低决策引擎系统学习成本，实现真正的简单、快速、易上手，同时，缩短策略发布周期，实时应对环境变化，让风险数据落地回归，服务于风险政策，让更多依赖传统决策方式的企业走向线上化、自动化和智能化。

为实现上述目的，本发明还提出一种基于规则引擎的业务决策系统，所述系统包括规则配置服务端、规则执行服务端，以及存储器、处理器，所述存储器上存储有基于规则引擎的业务决策程序，所述基于规则引擎的业务决策程序被处理器调用时执行如上实施例所述的方法的步骤，这里不再赘述。

为实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存在介质上存储有基于规则引擎的业务决策程序，所述基于规则引擎的业务决策程序被处理器调用时执行如上实施例所述的方法的步骤，这里不再赘述。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明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，均同理包括在本发明的专利保护范围内。