基于CARBA具备认知能力的规则引擎自搜索模型的实现

doi:10.3969/j.issn.1000-0801.2009.07.013

摘要/Abstract

摘要：

本文通过介绍规则引擎和Rete匹配算法提出了自搜索的重要性和必要性，随后介绍了具备认知功能的自搜索方案，然后提出了一种分布式环境下基于公共agent请求代理体系结构（CARBA）的具备认知能力的规则引擎自搜索模型以及自搜索模型中基于agent协作的二次自学习算法，最后对该机器学习算法进行实验分析并提出了改进方法。

关键词: 规则引擎, 自搜索, Rete算法, CARBA, 机器学习

Abstract:

In this paper，ru1e engine and Rete a1gorithm are introduced in order to i11uminate the essentia1ity of adaptive search，then a cognitive search mode1 based on CARBA is put forward and a second 1earning a1gorithm based on agents is proposed as we11.Corre1ative experiments are carried out and a viab1e improved scheme for the machine 1earning a1gorithm is a1so discussed at the end of this paper.

Key words: ru1e engine, adaptive search, Rete a1gorithm, CARBA, machine 1earning

郑勇,卢捍华,陈宫,周永才. 基于CARBA具备认知能力的规则引擎自搜索模型的实现[J]. 电信科学, 2009, 25(7): 43-50.

Yong Zheng,Hanhua Lu,Gong Chen,Yongcai Zhou. An Implementation Scheme for Cognitive Search Model Based on CARBA for Rule Matching[J]. Telecommunications Science, 2009, 25(7): 43-50.

图/表 6

图1

图2

图3

表1

表2

图4

参考文献 11

1	Wiseman G . Rea1-wor1d ru1e engines.
2	方应飞 . 基于规则引擎的自定义查询系统的设计与实现. 北京：北京邮电大学出版社， 2008
3	冯跃忠，李晓峰 . 基于规则库的电信业务UML活动图验证机制. 北京邮电大学学报， 2008，31（2）：76～79
4	Forgy L C . Rete：a fast a1gorithm for the many pattern/many object pattern match prob1em. Artificia1 Inte11igence， 1982，19：17～37
5	王文彬 . 基于产生式规则的电信计费引擎的研究与实现. 北京：北京邮电大学出版社， 2008
6	王士新 . 自搜索规则匹配的研究. 南京：南京邮电大学出版社， 2007
7	Zheng Yong ， Lu Hanhua ， Sun Yanfei . A cognitive SDP mode1：a te1ecom way to he1p socia1 computing in communications and interactions.In： The 1st Internationa1 Symposium on Know1edge Acquisition and Mode1ing， Wuhan，China， December 2008
8	Zhang Yunyong ， Tan Hao ， Liu Jinde . Agent based computing basic architecture （ABCBA）.In： Proceedings of the Fourth Internationa1 Conference on Para11e1 and Distributed Computing，App1ications and Techno1ogies， Chengdu，China， August 2003
9	张云勇，胡健，刘锦德 . 新一代开放系统核心架构研究——公共agent请求代理体系结构CARBA. 计算机科学， 2002，29（2）：78～80
10	闫友彪，陈元淡 . 机器学习的主要策略综述. 计算机应用研究， 2004（7）：4～10
11	邱越峰，田增平，季文贇等. 一种高效的检测相似重复记录的方法. 计算机学报， 2001，24（1）：69～77

搜索条件	传统方法	自搜索	触发的规则
C1	90 770	16 979	R1
C2	78 181	2 897	R2
C3	93 698	18 414	R1和R2

搜索条件	SUM（个）	RST1（个）	RST2（个）
C3（第1次）	94 119	93 698	421
C3（第2次）	66 203	65 782	421
C3（第3次）	94 119	93 698	421
C3（第4次）	66 203	65 782	421
C3（第5次）	66 203	65 782	421
C3（第6次）	66 203	65 782	421
C4（第1次）	97 348	96 830	518
C4（第2次）	66 300	65 782	518
C4（第3次）	66 300	65 782	518
C4（第4次）	66 300	65 782	518
C4（第5次）	66 300	65 782	518
C4（第6次）	66 300	65 782	518

[1]	郭泽华, 朱昊文, 徐同文. 面向分布式机器学习的网络模态创新[J]. 电信科学, 2023, 39(6): 44-51.
[2]	刘雅琼, 吕哲, 赵亚飞, 寿国础. AI技术在卫星通信/互联网领域的应用综述[J]. 电信科学, 2023, 39(2): 10-24.
[3]	章坚武, 安彦军, 邓黄燕. DNS攻击检测与安全防护研究综述[J]. 电信科学, 2022, 38(9): 1-17.
[4]	周志超, 冯毅, 夏小涵, 冯瑜瑶, 蔡超, 邱佳慧, 杨立辉, 乌云霄. 基于移动蜂窝网的机器学习室外指纹定位方案[J]. 电信科学, 2021, 37(8): 85-95.
[5]	李想,李原,张子飞,杨哲. 基于密度聚类的网络性能故障大数据分析方法[J]. 电信科学, 2020, 36(9): 51-58.
[6]	肖子玉. 面向2030的未来网络关键技术综述——Beyond 5G[J]. 电信科学, 2020, 36(9): 114-121.
[7]	邱亚星,王希栋,边森,岳磊. 基于聚类分析和深度学习的多频多模网络负载均衡优化[J]. 电信科学, 2020, 36(7): 156-162.
[8]	欧阳晔,杨爱东,孟凡语. 一种博弈论辅助的机器学习算法检测用户流失行为[J]. 电信科学, 2020, 36(6): 79-89.
[9]	林锋,徐柳婧,陈晓华,戚伟强,陈可,朱添田. 一种基于多视角特征融合的Webshell检测方法[J]. 电信科学, 2020, 36(6): 125-132.
[10]	盛剑涛,陈茂飞,刘东鑫,汪来富,史国水,金华敏. 基于组合分类器的恶意域名检测技术[J]. 电信科学, 2020, 36(5): 47-55.
[11]	庞涛,丘海华,潘碧莹. 手机终端人工智能关键技术研究[J]. 电信科学, 2020, 36(5): 145-151.
[12]	钟其柱. 基于机器学习分析VoLTE视频通话质量的研究及应用[J]. 电信科学, 2020, 36(3): 156-165.
[13]	刘姿杉,程强,吕博. 面向机器学习的隐私保护关键技术研究综述[J]. 电信科学, 2020, 36(11): 18-27.
[14]	陈孝莲,秦奕,张杰,李亚杰,宋浩鲲,张会彬. 基于机器学习的光纤窃听检测方法[J]. 电信科学, 2020, 36(11): 61-67.
[15]	桂飞,程阳,李丹,洪思虹. 互联网智能路由架构及算法[J]. 电信科学, 2020, 36(10): 12-20.