[發(fā)明專利]網(wǎng)絡(luò)信息的處理方法和抽象語法樹的建立方法及其裝置

有效

• 申請?zhí)枺?/td>: 201210172822.9
• 申請日: 2012-05-29
• 公開（公告）號: CN103455476B
• 公開（公告）日: 2016-11-23
• 發(fā)明（設(shè)計）人: 豐莎;陳國成;劉撫狄;蔣萌;王男
• 申請（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q30/00
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 吳貴明;江舟

技術(shù)領(lǐng)域

本申請涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，特別地涉及一種網(wǎng)絡(luò)信息的處理方法和裝置、以及抽象語法樹的建立方法和裝置。

背景技術(shù)

電子商務(wù)網(wǎng)站作為一個商品交易平臺（也可以稱為：電子交易平臺），每天有許多的賣家發(fā)布商品。一些信譽不好的賣家出于自身利益會利用這一平臺違規(guī)發(fā)布一些商品。例如，欺騙消費者的廣告商品、夸大宣傳效果的商品、騙取網(wǎng)站搜索流量的商品、商品分類擺放不正確的商品等。為此，電子商務(wù)網(wǎng)站的管理人員一方面需要能夠及時地阻止這些違規(guī)商品的發(fā)布，這要求從違規(guī)商品被發(fā)布到被檢測的時間應(yīng)當(dāng)盡可能地短；另一方面需要對已經(jīng)發(fā)布到網(wǎng)站的所有商品進(jìn)行掃描，從中檢測出違規(guī)商品，以便進(jìn)行相應(yīng)的處理。

目前對于電子商務(wù)網(wǎng)站收到的商品信息的檢測，主要有“規(guī)則引擎+搜索引擎”的方式和基于數(shù)據(jù)庫的信息檢索方式，以下分別介紹這兩種方式。

規(guī)則引擎是基于規(guī)則的專家系統(tǒng)的一部分，其核心是推理機，通過模式匹配器，推導(dǎo)事實與規(guī)則的匹配程度，當(dāng)事實與規(guī)則匹配時，將規(guī)則裝入規(guī)則優(yōu)先級表中；之后，從規(guī)則優(yōu)先級表中進(jìn)行規(guī)則匹配，在匹配到的所有規(guī)則中選取優(yōu)先級最高的規(guī)則（或者采用其他規(guī)則選擇算法來選擇規(guī)則），并執(zhí)行相應(yīng)的運作。典型的規(guī)則引擎包括Drools等，并有一些基于Drools的用于排查違規(guī)商品的業(yè)務(wù)系統(tǒng)。規(guī)則引擎適合于以流過濾的方式匹配目標(biāo)數(shù)據(jù)，當(dāng)遇到海量商品時，可以采用正向掃描的方式，逐一處理目標(biāo)商品。

規(guī)則引擎可用于實時排查違規(guī)商品，搜索引擎可用于全量排查違規(guī)商品。但這種“規(guī)則引擎+搜索引擎”的方式存在如下缺點：

由于規(guī)則引擎和搜索引擎兩者相對獨立，因此兩者的匹配規(guī)則之間無法兼容。針對同一個業(yè)務(wù)需求，需要分別設(shè)置兩者各自的商品管理規(guī)則，導(dǎo)致維護(hù)、開發(fā)成本較高。

此外，現(xiàn)有的規(guī)則引擎語法過于復(fù)雜，其維護(hù)、編寫規(guī)則的成本非常高；同時在語法增強方面的能力欠缺。由于正則表達(dá)式類型的匹配能力對于排查違規(guī)商品至關(guān)重要，而搜索引擎在面對需要支持正則表達(dá)式類型的匹配時，其實現(xiàn)成本高，性能差。

以下舉一個分別用規(guī)則引擎和搜索引擎進(jìn)行處理的例子。

例如，對于商品管理規(guī)則：禁止出現(xiàn)在標(biāo)題中標(biāo)注了包郵，而實際上商品價格中標(biāo)注的郵費卻不是0元的行為。

對于上述規(guī)則，還可以有一條補充規(guī)則，例如：標(biāo)題中含有“江浙滬包郵”、“滿100包郵”等在“包郵”之前添加限定詞的商品，則不認(rèn)為是違規(guī)商品。

根據(jù)上述限定的規(guī)則，“包郵五星皇冠手機”是違規(guī)的商品標(biāo)題，而“江浙滬包郵五星皇冠手機”是非違規(guī)的商品標(biāo)題。

對于上述規(guī)則的處理，需要用到正則表達(dá)式，在現(xiàn)有技術(shù)中，規(guī)則引擎能夠支持正則表達(dá)式，采用規(guī)則引擎處理時的核心偽代碼可以是：

import?java.util.*;

rulebaoyouRule

no-loop?false

salience?1

when

a:Auction(postage_price!=0,title?matches“.+[]+|[]+包郵.*”,)

then

setCheckStaus(false);

a.setError(“您的商品違反了淘寶的商品管理規(guī)則，校驗不通過”);

End

以下對正則表達(dá)式（“.+[]+|[]+包郵.*”）做出解釋。

正則表達(dá)式是一種常用的文本匹配的技術(shù)。首先按照規(guī)則，定義一個模式（字符串）；之后可以根據(jù)該模式，匹配目標(biāo)字符串是否符合該模式定義的特征。不同的編程語言，其規(guī)則有些許差異，但大致原理相似。

IFDL中的正則表達(dá)式規(guī)則，與JAVA語言類似。

上述的模式“.+[]+|[]+包郵.*”，其各個字符的意義如下：（“[]”中含有一個空格）

“.”：表示可以匹配任意一個字符；

“+”，“?”，“*”，這三個字符均用于定義數(shù)量，“+”表示出現(xiàn)在其之前的字符，數(shù)量為1個或1個以上；“?”表示0個或者1個；“*”表示任意個；

“[]”：用中括號括起的一組字符，用于圈定字符范圍；

“|”：表示or的關(guān)系；

因此根據(jù)上述的模式，可以匹配的目標(biāo)字符串的特征是：

目標(biāo)字符串含有“包郵”二字；

在“包郵”后面，緊跟著任意個字符（.*）；