一种指令处理流程推荐的方法技术

本发明专利技术公开了一种指令处理流程推荐的方法，通过定义各个指令类别的流程节点和流程流向规则；确定指令类别的类簇个数，对中心点进行选取；获取指令上下文实时数据进行本体化；查找聚类库，得到本体样本的的目标聚类中心点；根据中心点查找数据库该类簇所对应的指令流程，同时生成相应的指令处理流程预案提供给用户。本发明专利技术解决了现有的指令选择通常是决策层通过多年行业经验和直觉而做出，指令处理流程慢和决策效率低的问题。程慢和决策效率低的问题。程慢和决策效率低的问题。

【技术实现步骤摘要】
一种指令处理流程推荐的方法


[0001]本专利技术涉及的是指令决策
，特别涉及一种指令处理流程推荐的方法。

技术介绍

[0002]指令流程通常是指：拥有专业背景和多年行业知识、经验的专家经过推演和模拟研判而归纳总结的流程化作业。通过指令处理流程推荐，可以帮助指挥决策者减少决策成本，提高决策准确性，有利于提高决策效率。
[0003]现有的指令选择通常是决策层通过多年行业经验和直觉而做出，随着前端的信息不断的叠加，决策日益将基于数据和分析得出。指挥调度决策层如何快速准确的从数据信息中做出决策，规范决策流程提高决策效率。目前，关于指令处理流程推荐的相关方法较少，因此，亟需研究一种指令处理流程推荐的方法。

技术实现思路

[0004]鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的一种指令处理流程推荐的方法。
[0005]本专利技术公开了一种指令处理流程推荐的方法，包括：
[0006]S100.定义各个指令类别的流程节点和流程流向规则；
[0007]S200.确定指令类别的类簇个数，对中心点进行选取；
[0008]S300.获取指令上下文实时数据进行本体化；
[0009]S400.查找聚类库，得到本体样本的的目标聚类中心点；
[0010]S500.根据中心点查找数据库该类簇所对应的指令流程，同时生成相应的指令处理流程预案提供给用户。
[0011]进一步地，S100中，流程节点和流向规则由行业领域专家结合多年的专业经验和解决的实际问题通过严密的逻辑推演定义，该流程节点和流向规则完善存储在数据表中。
[0012]进一步地，S200具体包括：
[0013]S201.选取类簇中心点，假设本体样本观测集为x＝{x1,x2,x3....x
n
}，其中，每个样本点x
i
均有n个属性，将本体样本观测集通过无监督化的机器学习划分到K(k<＝n)个聚类组中，随机选取K个样本数据点作为中心点，聚类中心点c＝{c1,c2,c3,c4.....c
k
}；
[0014]S202.假设p个样本点x＝{x1,x2,x3..x
p
}每个样本点x
i
均有n个属性。x
i
＝(x
i1
,x
i2
,x
i3
....x
in
)，聚类库中心点c＝{c1,c2,c3,c4.....c
n
}，c
j
∈x，每个聚类中心也有n个属性c
j
＝(c
j1
,c
j2
,c
j3
....c
jn
)，将每个样本点x
i
和聚类库中心点c
j
逐个进行欧氏距离计算，当某一聚类中心点与每个样本点欧式距离最小时，选取当前聚类中心点作为本体样本观测集的类簇中心点；
[0015]S203.利用算数平均值更新聚类中心，确定了样本点x
i
所属类簇后，重新计算中心点，簇类成员增加后进行算术平均值计算作为新的中心点，重复步骤S202直到中心点不变即为收敛。
[0016]进一步地，样本点x
i
到中心点c
j
类库中心点欧式距离d(x
i
,c
j
)，其计算的数据公式如下：
[0017][0018]其中，x
ik
表示样本点xi的第K类属性，c
jk
表示中心点c
j
对应的第K类属性。
[0019]进一步地，当找到其中欧式距离最小值对应的聚类中心点c
j
后，对样本点x
i
进行聚类，其中，聚类公式为：
[0020][0021]通过聚类公式，确定样本点所属类簇x
i
属于该类簇，样本点x，对象x∈c
j
。
[0022]进一步地，算数平均值更新聚类中心的公式为：
[0023][0024]其中，c
i
为更新簇平均值，x为簇类成员增加后样本点。
[0025]进一步地，S300中，采用最大正向匹配法或\和逆向最大匹配法，进行基于字典、词库匹配的分词，达到获取指令上下文实时数据进行本体化的目的。
[0026]进一步地，最大正向匹配法具体方法为：假设分词词典中的最长词有i个汉字字符，则用被处理文档的当前字串中的前i个字作为匹配字段，查找字典；若字典中存在这样的一个i字词，则匹配成功，匹配字段被作为一个词切分出来；如果词典中找不到这样的一个i字词，则匹配失败，将匹配字段中的最后一个字去掉，对剩下的字串重新进行匹配处理，如此反复，直到匹配成功，完成了一轮匹配，然后取下一个i字字串进行匹配处理，直到文档被扫描完为止。
[0027]进一步地，逆向最大匹配法具体方法为:从被处理文档的末端开始匹配扫描，每次取最末端的2i个字符作为匹配字段，若匹配失败，则去掉匹配字段最前面的一个字，继续匹配；使用逆序词典作为分词词典，其中的每个词条都将按逆序方式存放；在实际处理时，先将文档进行倒排处理，生成逆序文档；然后，根据逆序词典，对逆序文档用正向最大匹配法处理即可。
[0028]进一步地，S400具体方法为：得到所述本体库后，通过聚类算法得到本体X对应的类簇聚类中心点；其中，所述聚类库用于存储各个指令类别所对应的各聚类中心点；每一个指令类别所对应的各聚类中心点是利用聚类算法对该指令相关联的历史数据本体库进行聚类所得的；本体样本点和聚类库中的中心点逐个进行聚类计算，本体样本点和聚类库中心点逐个进行欧式距离计算，欧式距离最小的聚类类中心点即为该样本的类簇中心点。
[0029]本专利技术实施例提供的上述技术方案的有益效果至少包括：
[0030]本专利技术通过定义各个指令类别的流程节点和流程流向规则；确定指令类别的类簇个数，对中心点进行选取；获取指令上下文实时数据进行本体化；查找聚类库，得到本体样本的的目标聚类中心点；根据中心点查找数据库该类簇所对应的指令流程，同时生成相应的指令处理流程预案提供给用户。解决了现有的指令选择通常是决策层通过多年行业经验和直觉而做出，指令处理流程慢和决策效率低的问题。
[0031]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
附图说明
[0032]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0033]图1为本专利技术实施例1中，一种指令处理流程推荐的方法的流程图；
[0034]图2为本专利技术实施例1中，中心点聚类示意图。
具体实施方式
[0035]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种指令处理流程推荐的方法，其特征在于，包括：S100.定义各个指令类别的流程节点和流程流向规则；S200.确定指令类别的类簇个数，对中心点进行选取；S300.获取指令上下文实时数据进行本体化；S400.查找聚类库，得到本体样本的的目标聚类中心点；S500.根据中心点查找数据库该类簇所对应的指令流程，同时生成相应的指令处理流程预案提供给用户。2.如权利要求1的一种指令处理流程推荐的方法，其特征在于，S100中，流程节点和流向规则由行业领域专家结合多年的专业经验和解决的实际问题通过严密的逻辑推演定义，该流程节点和流向规则完善存储在数据表中。3.如权利要求1的一种指令处理流程推荐的方法，其特征在于，S200中具体包括：S201.选取类簇中心点，假设本体样本观测集为x＝{x1,x2,x3....x
n
}，其中，每个样本点x
i
均有n个属性，将本体样本观测集通过无监督化的机器学习划分到K(k<＝n)个聚类组中，随机选取K个样本数据点作为中心点，聚类中心点c＝{c1,c2,c3,c4.....c
k
}；S202.假设p个样本点x＝{x1,x2,x3..x
p
}每个样本点x
i
均有n个属性，x
i
＝(x
i1
,x
i2
,x
i3
....x
in
)，聚类库中心点c＝{c1,c2,c3,c4.....c
n
}，c
j
∈x，每个聚类中心也有n个属性c
j
＝(c
j1
,c
j2
,c
j3
....c
jn
)，将每个样本点x
i
和聚类库中心点c
j
逐个进行欧氏距离计算，当某一聚类中心点与每个样本点欧式距离最小时，选取当前聚类中心点作为本体样本观测集的类簇中心点；S203.利用算数平均值更新聚类中心，确定了样本点xi所属类簇后，重新计算中心点，簇类成员增加后进行算术平均值计算作为新的中心点，重复步骤S202直到中心点不变即为收敛。4.如权利要求3的一种指令处理流程推荐的方法，其特征在于，样本点x
i
到中心点c
j
类库中心点欧式距离d(x
i

【专利技术属性】
技术研发人员：杨林，向亮，李小龙，
申请(专利权)人：武汉烽火众智数字技术有限责任公司，
类型：发明
国别省市：