[发明专利]一种规律挖掘和执行系统及其方法

说明书

技术领域

本发明所谈及的规律挖掘和执行系统及其方法，尤其适用于金融交易复杂事件潜在风险行为规律挖掘与识别，能够从存在多维量化属性、海量交易数据、风险行为模式隐蔽等诸多场景发现规律、提取规则，进而对正在进行的事件进行规则匹配。

背景技术

通常，事件流被设置为存在一定关系的一系列的先后发生的事件集合。在事件流中往往会呈现一种规律，如在典型的金融交易往往包含交易类型、账户、交易时间、交易前验事件等元素，一次交易被理解为一次事件，往往在N个具有一定特征的事件先后发生后会加剧随后发生事件的风险度等指标。

目前，大多数商业产品或开源工具处理这种场景往往采用RETE算法作为其核心算法。规律在软件中往往被表示为规则，在不可否认RETE算法在规则执行领域经典地位的同时，RETE算法存在一定的缺点，首先RETE算法使用了β存储区存储已计算的中间结果，以空间换取时间，从而加快系统的速度。然而β存储区根据规则的条件与事实的数目而成指数级增长，所以当规则与事实很多时，会耗尽系统资源，这样负载是否会令服务器崩溃将会成为一个隐患，基于JAVA编写的处理算法中GC的运行具有不可控性也会导致程序失去响应，使程序吞吐量瞬间下滑；此外，对于RETE算法而言大部分的condition需要是不变的，也就是说基本信息需要保持稳定不变，而大部分现存基于RETE算法的商业产品或开源工具采用xml配置或规则语言进行设置，这无疑进一步加剧了规则的自学习能力的缺失；最后在算法实现上，事实的删除与事实的添加顺序相同，除了要执行与事实添加相同的计算外，还需要执行查找，开销很高。

现有技术的金融交易处理的基本步骤如图1所示。

现行的商业产品一般思路为通过AI技术学习规则后，然后用RETE算法执行规则，也就是说规则的学习和执行采用了两个解决方案，在设计上仅仅是对已有经典算法的调用从而形成的商业解决方案，两者之间存在一定的隔离，没有一种统一的设计思想融汇其中，这样就导致了规则生成后，为了让规则执行引擎执行，需要额外再加一层，给软件带来了不必要的复杂性，该层负责将规则描述为RETE算法的执行引擎能够识别的一种形式，这样无疑增加了系统的编写成本、维护成本，在增加系统复杂度的同时也造成了系统资源的浪费，综上：规则学习和执行隔离的算法存在效率和执行上的损耗。如果能在规则产生的同时就能生成规则执行引擎就能理解的算法将在众多方面提高效率，因此一种有别于RETE算法的新型算法亟待出现。

发明内容

本发明的规律挖掘和执行系统避开RETE算法及其定义语言，建立一套全新的复杂事件规律提取和匹配执行方法。为存在多维量化属性的简单事件提供一种挖掘K维风险规律识别机制，为复杂事件提供基于自动机相似度模型同时触发多规则的处理机制，为即将发生的事件提供实时风险预估等商业服务。为了实现上述发明目标，本系统提供了一套根据数据库中的交易数据检索出风险行为规律并能根据提取出的规律对实时交易进行风险评估的方法。

本系统中所指的规则是指提取出现风险事件的规律，这种规律在软件中抽象为规则，当待验事件再度表现出类似的规律，在软件中即表现为匹配某一种或某几种规则，本系统将会智能的分析其与已有规则的相似度，进而得出风险值。

整个系统的主要模块如图4所示。本发明的金融交易复杂事件潜在风险规律挖掘和执行系统包括五个模块：

1事件识别模块；

2事件元素编码、量化数据离散化模块；

3规律提取模块；其包括：

3.1简单事件规律提取子模块；

3.2复杂事件规律提取子模块；

3.3习惯行为识别模块

4规则库及维护模块；

5规则匹配模块；其包括：

5.1简单事件规则匹配子模块；

5.2复杂事件规则匹配子模块；

5.3习惯行为判定模块。