一种数据处理方法及数据处理系统与流程

1.本发明属于数据处理技术领域，具体涉及一种数据处理方法及数据处理系统。


背景技术：

2.sat数据问题求解指的是基于给定的一个命题逻辑公式，命题逻辑公式由子句集组成，判定是否存在一组对于命题逻辑公式的赋值使得其中的所有子句集取值为真，如果存在，则称命题逻辑公式可满足，否则，则称命题逻辑公式不可满足，命题逻辑公式一般较为复杂，包含有文字、变量、运算符等大量的数据，在判定命题逻辑公式是否可满足时，需要首先把命题逻辑公式表达为合取范式，再将合取范式分解为多个子句集，最后一般依靠技术人员为不同的子句集设置具体的处理模型，使用这种方法求解sat数据问题往往过多依靠技术人员的专业能力和经验，导致发生求解时间长、求解效率低的问题，本发明提出一种数据处理方法及数据处理系统来解决该技术问题。


技术实现要素：

3.本发明针对sat数据问题，旨在提供一种数据处理方法及数据处理系统，来解决现有技术中在求解sat数据问题时，需要依靠技术人员给子句集设置处理模型，导致的求解时间长、求解效率低的问题。
4.为了达到上述的发明目的，给出如下所述的一种数据处理方法，主要包括以下的步骤：
5.基于给定的命题逻辑公式，编码生成所述命题逻辑公式的合取范式，并且获取用于求解所述命题逻辑公式的处理器的参数，所述处理器的参数包括处理器包含的处理模型的个数，以及每个所述处理模型的模型参数，还将所述合取范式和所述处理器的参数输入到训练好的机器学习分类模型中，以得到所述合取范式的若干个子句集；
6.获取使用所述处理器的不同处理模型成功求解历史命题逻辑公式的经验数据，所述经验数据包括历史命题逻辑公式的合取范式，历史命题逻辑公式的合取范式的各个子句集，以及分别处理历史命题逻辑公式的合取范式的各个子句集的处理模型；
7.根据所述合取范式的若干个子句集与所述历史命题逻辑公式的合取范式的各个子句集的相似程度，并且结合分别处理所述历史命题逻辑公式的合取范式的各个子句集的处理模型，来分别确定所述合取范式的若干个子句集的处理模型；
8.使用不同的处理模型分别处理所述合取范式的若干个子句集，并且分别得到若干个子句集的处理结果，还根据合取范式组合若干个子句集的处理结果，以成功完成对于给定的命题逻辑公式的求解。
9.作为本发明的一种优选技术方案，成功求解给定的命题逻辑公式、历史命题逻辑公式，包括判定给定的命题逻辑公式、历史命题逻辑公式是可满足的情况，以及包括判定给定的命题逻辑公式、历史命题逻辑公式是不可满足的情况。
10.作为本发明的一种优选技术方案，分别确定所述合取范式的若干个子句集的处理
模型，包括如下的步骤：
11.分别提取出所述合取范式的若干个子句集，以及所述历史命题逻辑公式的合取范式的各个子句集的数据特征；
12.根据所述合取范式的若干个子句集的数据特征和所述历史命题逻辑公式的合取范式的各个子句集的数据特征，对于所述合取范式的若干个子句集和所述历史命题逻辑公式的合取范式的各个子句集进行聚类处理，从而得到不同类别的子句集的组合；
13.在每个类别的子句集的组合中，确定属于所述合取范式的若干个子句集中的当前子句集，同时确定属于所述历史命题逻辑公式的合取范式的各个子句集中的历史子句集，并且将所述历史子句集中的与所述当前子句集之间的欧氏距离最小的所述历史子句集，判定为与所述当前子句集最相似的所述历史子句集，还将与所述当前子句集最相似的所述历史子句集的处理模型作为所述当前子句集的处理模型，进而分别确定所述合取范式的若干个子句集的处理模型。
14.作为本发明的一种优选技术方案，分别确定所述合取范式的若干个子句集的处理模型之后，还包括如下的步骤：
15.对于所述合取范式的若干个子句集，分别根据子句集中包含的变量的数量设置子句集的权重值，子句集中包含的变量的数量越多，对应的权重值越大；
16.根据所述权重值从大到小的顺序，针对所述合取范式的若干个子句集进行排序，得到子句集队列；
17.将所述子句集队列中的各个子句集发送给相应的处理模型进行处理，并且得到各个子句集的处理结果。
18.作为本发明的一种优选技术方案，根据所述合取范式的若干个子句集的处理结果，以及结合给定的命题逻辑公式的合取范式，无法成功求解给定的命题逻辑公式时，重新将给定的命题逻辑公式的合取范式和处理器的参数输入到训练好的机器学习分类模型中，以得到新的给定的命题逻辑公式的合取范式的若干个子句集，并且分别重新选取处理模型对若干个子句集进行处理，直至成功求解给定的命题逻辑公式。
19.作为本发明的一种优选技术方案，处理模型在处理子句集时，先对子句集进行位编码和位运算，通过预设的子句推导算法对子句集的布尔变量进行推导赋值，得到所述处理结果。
20.本发明还提供了一种数据处理系统，主要包括如下的模块：
21.子句集分类模块，用来基于给定的命题逻辑公式，编码生成所述命题逻辑公式的合取范式，并且获取用于求解所述命题逻辑公式的处理器的参数，所述处理器的参数包括处理器包含的处理模型的个数和每个所述处理模型的模型参数，还将所述合取范式和所述处理器的参数输入到训练好的机器学习分类模型中，以得到所述合取范式的若干个子句集；
22.经验数据获取模块，用来获取使用所述处理器的不同处理模型成功求解历史命题逻辑公式的经验数据，所述经验数据包括历史命题逻辑公式的合取范式，历史命题逻辑公式的合取范式的各个子句集，以及分别处理历史命题逻辑公式的合取范式的各个子句集的处理模型；
23.处理模型确定模块，用来根据所述合取范式的若干个子句集与所述历史命题逻辑
公式的合取范式的各个子句集的相似程度，并且结合分别处理所述历史命题逻辑公式的合取范式的各个子句集的处理模型，来分别确定所述合取范式的若干个子句集的处理模型；
24.求解模块，用来使用不同的处理模型分别处理所述合取范式的若干个子句集，并且分别得到若干个子句集的处理结果，还根据合取范式组合若干个子句集的处理结果，以求解给定的命题逻辑公式。
25.与现有技术相比，本发明的有益效果至少如下所述：
26.1、本发明首先基于给定的命题逻辑公式生成合取范式，并且获取用于求解命题逻辑公式的处理器的参数，还将合取范式和处理器的参数输入机器学习分类模型，得到合取范式的子句集；其次获取使用处理器的不同处理模型成功求解历史命题逻辑公式的经验数据；再次根据给定的命题逻辑公式的子句集与历史命题逻辑公式的子句集的相似程度，分别确定给定的命题逻辑公式的子句集的处理模型；最后使用不同的处理模型分别处理给定的命题逻辑公式的子句集，并且分别得到处理结果，进而完成对于给定的命题逻辑公式的求解；
27.2、通过本发明能够根据经验数据来自动确定给定的命题逻辑公式的子句集的处理模型，而不需要进行人为设置，本发明解决了求解命题逻辑公式往往过多依靠技术人员的专业能力和经验，导致求解时间长、求解效率低的问题，同时本发明使各个子句集的处理过程并行运行，能进一步的提高求解效率。
附图说明
28.图1为本发明的一种数据处理方法的步骤流程图；
29.图2为本发明的一种数据处理系统的组成结构图。
具体实施方式
30.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
31.可以理解，本技术所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本技术的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。
32.发明人发现在求解sat数据问题时，也就是说在判定命题逻辑公式是否可满足时，需要首先把命题逻辑公式表达为合取范式，再将合取范式分解为多个子句集，最后一般依靠技术人员为不同的子句集设置具体的处理模型，使用这种方法求解sat数据问题往往过多依靠技术人员的专业能力和经验，导致发生求解时间长、求解效率低的问题，为了解决这个技术问题，发明人提出了以下的数据处理方法。
33.参考如图1所示，本发明提供的一种数据处理方法，主要通过执行如下的步骤过程来进行实现：
34.步骤一、基于给定的命题逻辑公式，编码生成上述命题逻辑公式的合取范式，并且获取用于求解上述命题逻辑公式的处理器的参数，上述处理器的参数包括处理器包含的处
理模型的个数，以及每个上述处理模型的模型参数，还将上述合取范式和上述处理器的参数输入到训练好的机器学习分类模型中，以得到上述合取范式的若干个子句集；
35.进一步的，成功求解给定的命题逻辑公式，包括判定给定的命题逻辑公式是可满足的情况，以及包括判定给定的命题逻辑公式是不可满足的情况；
36.具体的，上述合取范式可以分为若干个子句集，需要分别对该若干个子句集进行处理，再按照合取范式将各个子句集的处理结果组合在一起，才能最终求解一个命题逻辑公式，现有技术中一般每次仅处理一个子句集，而在本实施例中，上述处理器指的是具有数据运算能力的设备，包含有多个处理模型，每个处理模型每次均可以处理一个子句集；要想成功求解命题逻辑公式，首先就需要将命题逻辑公式的合取范式划分为不同的子句集，本实施例使用机器学习分类模型实现子句集的划分，该机器学习分类模型根据上述处理模型的模型参数和历史的合取范式，以及历史的合取范式的子句集划分结果进行了提前训练。
37.步骤二、获取使用上述处理器的不同处理模型成功求解历史命题逻辑公式的经验数据，上述经验数据包括历史命题逻辑公式的合取范式，历史命题逻辑公式的合取范式的各个子句集，以及分别处理历史命题逻辑公式的合取范式的各个子句集的处理模型；
38.进一步的，成功求解历史命题逻辑公式，包括判定历史命题逻辑公式是可满足的情况，以及包括判定历史命题逻辑公式是不可满足的情况；
39.具体的，发明人考虑到可以提前获取使用上述处理器的不同处理模型成功求解历史命题逻辑公式的经验数据，若能从该经验数据中找到子句集和其处理模型之间的对应关系，就能根据该对应关系确定给定的命题逻辑公式的合取范式的若干个子句集的处理模型，也就能解决现有技术中依靠技术人员为不同的子句集设置具体的处理模型，导致发生的求解时间长、求解效率低的问题，同时也能使求解命题逻辑公式免于受技术人员的专业能力和经验的限制，根据上述对应关系确定给定的命题逻辑公式的合取范式的若干个子句集的处理模型的具体方法，将在下文中进行描述。
40.步骤三、根据上述合取范式的若干个子句集与上述历史命题逻辑公式的合取范式的各个子句集的相似程度，并且结合分别处理上述历史命题逻辑公式的合取范式的各个子句集的处理模型，来分别确定上述合取范式的若干个子句集的处理模型；
41.进一步的，分别确定上述合取范式的若干个子句集的处理模型，包括如下的步骤：
42.第一步、分别提取出上述合取范式的若干个子句集，以及上述历史命题逻辑公式的合取范式的各个子句集的数据特征；
43.第二步、根据上述合取范式的若干个子句集的数据特征和上述历史命题逻辑公式的合取范式的各个子句集的数据特征，对于上述合取范式的若干个子句集和上述历史命题逻辑公式的合取范式的各个子句集进行聚类处理，从而得到不同类别的子句集的组合；
44.第三步、在每个类别的子句集的组合中，确定属于上述合取范式的若干个子句集中的当前子句集，同时确定属于上述历史命题逻辑公式的合取范式的各个子句集中的历史子句集，并且将上述历史子句集中的与上述当前子句集之间的欧氏距离最小的上述历史子句集，判定为与上述当前子句集最相似的上述历史子句集，还将与上述当前子句集最相似的上述历史子句集的处理模型作为上述当前子句集的处理模型，进而分别确定上述合取范式的若干个子句集的处理模型；
45.具体的，在上述第一步到上述第三步中，首先提取给定的命题逻辑公式的合取范
式的若干个子句集的数据特征，还有历史命题逻辑公式的合取范式的各个子句集的数据特征，该数据特征包括子句集中的变量、运算符，其次基于给定的命题逻辑公式的数据特征，以及历史命题逻辑公式的数据特征，对给定的命题逻辑公式的若干个子句集和历史命题逻辑公式的各个子句集进行聚类，通过该步骤能够把相似的子句集划分到同一个子句集的组合中，最后在不同类别的子句集的组合中，分别计算给定的命题逻辑公式的子句集与历史命题逻辑公式的子句集之间的欧氏距离，并且将与给定的命题逻辑公式的子句集之间的欧氏距离最小的历史命题逻辑公式的子句集作为与给定的命题逻辑公式的子句集最相似的历史命题逻辑公式的子句集，那么也就能使用该历史命题逻辑公式的子句集的处理模型来处理该给定的命题逻辑公式的子句集，通过该方法能避免依靠人工为给定的命题逻辑公式的子句集设置处理模型，从而提高求解给定的命题逻辑公式的效率，需要注意的是，如果最后确定的处理模型已经被删除，或者是正在被占用，可以将与给定的命题逻辑公式的子句集之间的欧氏距离第二小的历史命题逻辑公式的子句集作为与给定的命题逻辑公式的子句集最相似的历史命题逻辑公式的子句集，并且重新确定处理模型。
46.步骤四、使用不同的处理模型分别处理上述合取范式的若干个子句集，并且分别得到若干个子句集的处理结果，还根据合取范式组合若干个子句集的处理结果，以成功完成对于给定的命题逻辑公式的求解；
47.进一步的，分别确定给定的命题逻辑公式的合取范式的若干个子句集的处理模型之后，还包括如下的步骤：
48.第一步、对于上述合取范式的若干个子句集，分别根据子句集中包含的变量的数量设置子句集的权重值，子句集中包含的变量的数量越多，对应的权重值越大；
49.第二步、根据上述权重值从大到小的顺序，针对上述合取范式的若干个子句集进行排序，得到子句集队列；
50.第三步、将上述子句集队列中的各个子句集发送给相应的上述处理模型进行处理，并且得到各个子句集的处理结果；
51.进一步的，处理模型在处理子句集时，先对子句集进行位编码和位运算，通过预设的子句推导算法对子句集的布尔变量进行推导赋值，得到上述处理结果；
52.进一步的，根据上述合取范式的若干个子句集的处理结果，以及结合给定的命题逻辑公式的合取范式，无法成功求解给定的命题逻辑公式时，重新将给定的命题逻辑公式的合取范式和处理器的参数输入到训练好的机器学习分类模型中，以得到新的给定的命题逻辑公式的合取范式的若干个子句集，并且分别重新选取处理模型对若干个子句集进行处理，直至成功求解给定的命题逻辑公式；
53.具体的，由于上述处理器中包含有多个处理模型，在求解给定的命题逻辑公式时，多个处理模型可以同时并行处理，进而提高求解效率，在对给定的命题逻辑公式的合取范式划分子句集时，考虑使每个处理模型都处理一个子句集，这样可以尽可能保证最高效率的求解，在一些情况下，例如处理模型不够用，可以允许一个处理模型求解两个或者两个以上的子句集，但是给子句集分配处理模型时，应当尽量使所有的处理模型求解的子句集的数量平均，可以保证在最大程度上提高并行求解的效率；在对给定的命题逻辑公式的合取范式进行子句集划分时，还需要考虑不同的处理模型的处理位数，也即处理模型的模型参数，应当与子句集所需的处理位数相匹配，如果子句集所需的处理位数较小，而处理模型的
处理位数较大，则会造成资源浪费，如果子句集所需的处理位数较大，而处理模型的处理位数较小，则会造成子句集可能无法处理，或者处理效率较低的问题，因此在划分子句集时，可以参考处理器的参数，包括每个处理模型的处理位数，来保证处理器的多个处理模型可以最大限度的提高对多个子句集的并行处理效率；此外，将上述子句集队列中的各个子句集发送给相应的上述处理模型，可以为固定数量的批量分发，也可以是按照顺序逐一分发，上述子句集中变量越多，其需要赋值的过程就越多，处理量更大，在处理模型处理能力固定的情况下，其处理速度更低，因此对于变量更多的子句集，需要增加权重，更早的发送给对应的处理模型进行处理，一定程度上可以提高多个子句集并行处理的效率，在同一处理模型需要对多个子句集进行求解处理的情况下，可以依据子句集的权重来进行先后求解处理，来保证子句集的并行处理效率。
54.参考如图2所示，本发明还提供一种数据处理系统，用来实现如以上内容所描述的一种数据处理方法，具体的，将各个模块的功能描述如下：
55.子句集分类模块，用来基于给定的命题逻辑公式，编码生成上述命题逻辑公式的合取范式，并且获取用于求解上述命题逻辑公式的处理器的参数，上述处理器的参数包括处理器包含的处理模型的个数和每个上述处理模型的模型参数，还将上述合取范式和上述处理器的参数输入到训练好的机器学习分类模型中，以得到上述合取范式的若干个子句集；
56.经验数据获取模块，用来获取使用上述处理器的不同处理模型成功求解历史命题逻辑公式的经验数据，上述经验数据包括历史命题逻辑公式的合取范式，历史命题逻辑公式的合取范式的各个子句集，以及分别处理历史命题逻辑公式的合取范式的各个子句集的处理模型；
57.处理模型确定模块，用来根据上述合取范式的若干个子句集与上述历史命题逻辑公式的合取范式的各个子句集的相似程度，并且结合分别处理上述历史命题逻辑公式的合取范式的各个子句集的处理模型，来分别确定上述合取范式的若干个子句集的处理模型；
58.求解模块，用来使用不同的处理模型分别处理上述合取范式的若干个子句集，并且分别得到若干个子句集的处理结果，还根据合取范式组合若干个子句集的处理结果，以求解给定的命题逻辑公式。
59.综上所述，本发明首先基于给定的命题逻辑公式生成合取范式，并且获取用于求解命题逻辑公式的处理器的参数，还将合取范式和处理器的参数输入机器学习分类模型，得到合取范式的子句集；其次获取使用处理器的不同处理模型成功求解历史命题逻辑公式的经验数据；再次根据给定的命题逻辑公式的子句集与历史命题逻辑公式的子句集的相似程度，分别确定给定的命题逻辑公式的子句集的处理模型；最后使用不同的处理模型分别处理给定的命题逻辑公式的子句集，并且分别得到处理结果，进而完成对于给定的命题逻辑公式的求解；通过本发明能够根据经验数据来自动确定给定的命题逻辑公式的子句集的处理模型，而不需要进行人为设置，本发明解决了求解命题逻辑公式往往过多依靠技术人员的专业能力和经验，导致求解时间长、求解效率低的问题，同时本发明使各个子句集的处理过程并行运行，能进一步的提高求解效率。
60.应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，
这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
61.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一个非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
62.以上上述的实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
63.以上上述的实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
64.以上上述的仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。