[发明专利]基于内容发布订阅的组合匹配系统与方法

权利要求书

1.一种基于内容发布订阅的组合匹配系统，其特征在于，包括：

存有多种匹配算法的算法库，其中，有些算法的匹配时间与匹配订阅的数量之间满足对数关系，而另一些算法的匹配时间和匹配订阅数量之间呈线性关系；

训练器：将历史匹配记录作为训练集训练预测模型并保存到决策器中；

决策器：根据训练后的预测模型，预测每个事件采用不同匹配算法的匹配时间，并选择匹配时间最小的算法执行事件匹配；

算法库：由多个行为互补的匹配算法组成；

在订阅插入时，向算法库中所有算法维护的对应数据结构中插入该订阅，在事件匹配时，决策器接受事件输入并调用训练器的预测模型，根据预测结果选择最优匹配算法，匹配结束后将事件与实际匹配时间作为一组训练数据加入训练器的训练集中；

算法库中的算法支持相同的订阅数据模型，具有接近的整体匹配性能，匹配订阅数量不同的事件具有不同的匹配性能。

2.根据权利要求1所述的基于内容发布订阅的组合匹配系统，其特征在于，训练器为算法库中每个匹配算法训练一个预测模型，训练器支持在线增量学习。

3.根据权利要求1所述的基于内容发布订阅的组合匹配系统，其特征在于，使用可变的时间窗口控制更新预测模型的时机，使决策器动态适应热点的切换，同时在热点没有变化时节约资源。

4.根据权利要求3所述的基于内容发布订阅的组合匹配系统，其特征在于，在每次事件匹配完成后，将实际匹配时间反馈给决策器，决策器将该实际匹配时间与预测的时间进行比对并统计偏差，用来评估预测模型的实时精度；

若预测精度大于预设阈值，则放宽时间窗口；若预测精度小于或等于阈值，则缩小时间窗口以增加预测模型更新的频率。

5.根据权利要求1所述的基于内容发布订阅的组合匹配系统，其特征在于，决策器负责估计算法库中算法的匹配时间，并选择时间成本最小的算法执行事件匹配，当训练器没有足够的历史匹配记录作为训练集来训练预测模型时，决策器随机选择一种算法执行事件匹配。

6.根据权利要求1所述的基于内容发布订阅的组合匹配系统，其特征在于，当训练器更新预测模型时，决策器在更新前保留一份预测模型的拷贝或使用更轻量级的次要预测模型作为替代。

7.根据权利要求6所述的基于内容发布订阅的组合匹配系统，其特征在于，以神经网络为主要预测模型，订阅分布统计为次要模型。

8.一种基于内容发布订阅的组合匹配方法，其特征在于，包括：

存有多种匹配算法的算法库，其中，有些算法的匹配时间与匹配订阅的数量之间满足对数关系，而另一些算法的匹配时间和匹配订阅数量之间呈线性关系；

步骤1：将历史匹配记录作为训练集训练预测模型并保存；

步骤2：根据训练后的预测模型，预测每个事件采用不同匹配算法的匹配时间，并选择匹配时间最小的算法执行事件匹配；

步骤3：在订阅插入时，向所有算法维护的对应数据结构中插入该订阅，在事件匹配时，接受事件输入并调用预测模型，根据预测结果选择最优匹配算法，匹配结束后将事件与实际匹配时间作为一组训练数据加入训练集中；

算法支持相同的订阅数据模型，具有接近的整体匹配性能，匹配订阅数量不同的事件具有不同的匹配性能；

使用可变的时间窗口控制更新预测模型的时机，在每次事件匹配完成后，将实际匹配时间与预测的时间进行比对并统计偏差，用来评估预测模型的实时精度；

若预测精度大于预设阈值，则放宽时间窗口；若预测精度小于或等于阈值，则缩小时间窗口以增加预测模型更新的频率；

当没有足够的历史匹配记录作为训练集来训练预测模型时，随机选择一种算法执行事件匹配；

更新预测模型时，在更新前保留一份预测模型的拷贝或使用更轻量级的次要预测模型作为替代；以神经网络为主要预测模型，订阅分布统计为次要模型。