CN104714941A - 用于使用自然语言处理来增强业务流程执行的方法和系统 - Google Patents
用于使用自然语言处理来增强业务流程执行的方法和系统 Download PDFInfo
- Publication number
- CN104714941A CN104714941A CN201410676363.7A CN201410676363A CN104714941A CN 104714941 A CN104714941 A CN 104714941A CN 201410676363 A CN201410676363 A CN 201410676363A CN 104714941 A CN104714941 A CN 104714941A
- Authority
- CN
- China
- Prior art keywords
- answer
- operation flow
- confidence
- information
- degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及用于使用自然语言处理来增强业务流程执行的方法和系统。在示意性实施方式中,提供了一种用于使用自然语言处理来增强业务流程执行的方法、系统和计算机程序产品。从在数据处理系统中执行的业务流程中提取关于在所述业务流程中的状态的信息。基于所述信息以及从在所述业务流程中定义的所述状态的迁移,形成自然语言(NL)问题的集合。利用NL答案的相应集合、NL答案的所述集合中具有相关联的置信度评级的NL答案,回答NL问题的所述集合。确定在NL答案的所述集合中的置信度评级是否超过置信度的阈值水平。响应于所述置信度评级超过所述阈值,执行任务以在所述业务流程中执行所述迁移。
Description
技术领域
本发明概括地涉及用于改进业务流程(business process)的方法、系统和计算机程序产品。更具体地,本发明涉及用于使用自然语言处理来增强业务流程的方法、系统和计算机程序产品。
背景技术
业务流程是用于完成任务的步骤的组织。典型地,业务流程包括沿着一个或者多个流以实现目标任务的多个步骤。进一步,流只能够的某些任务可以依赖于其他步骤。
某些流(flow)被认为是业务流程中的常规流,而某些其他流被认为是备选流。业务流程中的常规流表示流程的预测的、期望的或者常规的原因。备选的流涉及在业务流程的执行期间遇到条件或者异常。以重新规划至备选流的方式,备选路径允许业务流程来通过满足条件或者克服异常来完成。
自然语言处理(NLP)是支持在人类和数据处理系统之间的信息交换的技术。例如,NLP的一个分支适合将给定内容转换至人类可用的语言或者形式。例如,NLP可以接受其内容为计算机特定语言或者形式的文档,并产生其相应内容是人类可读形式的文档。
发明内容
示意性的实施方式提供了用于使用自然语言处理来增强业务流程执行的方法、系统和计算机程序产品。一个实施方式从在数据处理系统中执行的业务流程中提取关于在所述业务流程中的状态的信息。该实施方式基于所述信息以及从在所述业务流程中定义的所述状态的迁移,形成自然语言(NL)问题的集合。该实施方式使用处理器和存储器来利用NL答案的相应集合、NL答案的所述集合中具有相关联的置信度评级的NL答案,回答NL问题的所述集合。该实施方式确定在NL答案的所述集合中的置信度评级是否超过置信度的阈值水平。该实施方式响应于响应于所述置信度评级超过所述阈值,执行任务以在所述业务流程中执行所述迁移。
其他实施方式包括一种计算机可用的程序产品,包括包含用于使用自然语言处理来用于增强业务流程执行的计算机可用代码的计算机可读存储介质。所述实施方式进一步包括用于从在数据处理系统中执行的业务流程中提取关于在所述业务流程中的状态的信息的计算机可用代码。所述实施方式进一步包括用于基于所述信息以及从在所述业务流程中定义的所述状态的迁移,形成自然语言(NL)问题的集合的计算机可用代码。所述实施方式进一步包括用于使用处理器和存储器来利用NL答案的相应集合、NL答案的所述集合中具有相关联的置信度评级的NL答案,回答NL问题的所述集合的计算机可用代码。所述实施方式进一步包括用于确定在NL答案的所述集合中的置信度评级是否超过置信度的阈值水平的计算机可用代码。所述实施方式进一步包括用于响应于所述置信度评级超过所述阈值,执行任务以在所述业务流程中执行所述迁移的计算机可用代码。
另一实施方式包括一种用于使用自然语言处理来增强业务流程执行的数据处理系统。所述实施方式进一步包括包含存储介质的存储设备,其中所述存储设备存储计算机可用的程序代码。所述实施方式进一步包括处理器,其中所述处理器执行所述计算机可用程序代码,以及其中所述计算机可用程序代码包括:用于从在数据处理系统中执行的业务流程中提取关于在所述业务流程中的状态的信息的计算机可用代码。所述实施方式进一步包括用于基于所述信息以及从在所述业务流程中定义的所述状态的迁移来形成自然语言(NL)问题的集合的计算机可用代码。所述实施方式进一步包括用于使用处理器和存储器来利用NL答案的相应集合、NL答案的所述集合中具有相关联的置信度评级的NL答案,以回答NL问题的所述集合的计算机可用代码。所述实施方式进一步包括用于确定在NL答案的所述集合中的置信度评级是否超过置信度的阈值水平的计算机可用代码。所述实施方式进一步包括用于响应于所述置信度评级超过所述阈值,执行任务以在所述业务流程中执行所述迁移的计算机可用代码。
附图说明
在所附权利要求书中阐述了本发明的被认为是新颖特征的特性。然而,当结合附图阅读时,通过参考以下详细描述的示意性实施方式,可以更好地理解本发明自身以及使用的优选、其进一步的目的和优势。
图1绘出了其中可以实现示意性实施方式的数据处理系统的网络的框图;
图2绘出了其中可以实现示意性实施方式的数据处理系统的框图;
图3绘出了根据一个示意性实施方式的通过使用自然语言处理用于增强业务流程执行的配置的框图;
图4绘出了根据一个示意性实施方式的使用自然语言处理的用于增强业务流程执行的示例应用的框图;以及
图5绘出了根据示意性实施方式的通过使用自然语言处理增强业务流程执行的示例流程的流程图。
具体实施方式
业务流程(流程)通常使用业务流程建模(BPM)语言(业务流程建模注释(BPMN))来建模。例如,常规流和备选流使用BPMN或者类似目的的语言来建模,以包括在一组节点中从一个节点向下一节点前进的步骤。
其中流程流的节点已经到达给定时间的节点形成在该时间的流程的状态。在流程中从节点开始并到达另一节点的流程的事务、操作、流程或者子流程被称为迁移。流中的节点具有相关联的目标。与节点相关联的目标表示必须被执行以离开节点、推进流程并且到达另一节点的迁移。
某些流程还可以包括异常流。异常流处理在流程执行期间出现的异常状况而产生的情况。异常流也使用类似与建模常规流的方式来建模,并且备选流也使用业务流程建模语言,并且包括一个或者多个节点。
示意性实施方式认识到,由于构成业务流程的方式,即通过使用业务流程建模语言来建模流程,在可以执行流程之前流和节点必须是预定的并且被设置到模型中。换言之,流程设计者必须预见在被设计的流程的各种流中可能到达的可能状态,并且将那些状态和流建模到可执行流程中。示意性实施方式认识到,流程状态和流的此类预确定可以导致僵硬的业务模型,该业务流程经常不能解决在模型执行期间出现的状况。
示意性实施方式认识到,为了在执行期间处理此类可能性,业务模型通常将备选或者异常流引导至涉及人类干预的节点。指定人来提供人类干预,这典型地使用用户接口或者决策制定工具来执行任务(人类任务)以促进流程。
作为示例,在执行期间,使用当前使用的建模技术建模的流程简单地将当前执行的流经由特殊节点(被称作人类任务)而放置到人类任务。与人类任务相关联的人经由任务或者组来登入系统,并且采取必要的动作过程以完成任务。系统继而返回控制到流程用于进一步执行。例如,任务满足特殊节点的目标由此将流程放置到不同状态,诸如在常规流中的状态,流程从该状态可以恢复执行。
尽管人类干预在某些流程中是有用的,示意性实施方式认识到通过使用当前可用的技术来执行人类干预是耗时的并且不准确。示意性实施方式还认识到,人类任务依赖于调查、数据采集、合格评定以及其他流程相关的任务,这些在当前是独立于业务执行而单独执行。
用于描述本发明的示意性实施方式概括地解决并且排除上述问题以及相关于业务流程建模和执行的其他问题。示意性实施方式提供了使用自然语言处理来增强业务流程执行的方法、系统和计算机程序产品。
一个实施方式通过在人类任务节点确定需要完成任务的信息或者证据而改进流程执行。该实施方式执行调查、数据采集、合格评定以及其他流程相关的任务以采集此类证据。证据包括使用业务流程而处理的文档或者将被处理的文档,在执行期间获得的结果,由流程使用的业务数据的采集、在执行业务的主题域中的问题、用以回答这些问题必要的知识或者信息,以及对于这些问题中的某些或者全部的答案。
如果在证据中的置信度水平超过执行度的阈值水平,则一个实施方式自动执行流程或者节点而无需人类干预。另一实施方式对指定的人类提供了证据由此推进人类干预并且后续流程返回执行。
另一实施方式通过在流程中计算备选流来改进流程,该流程可能当前需要显式的流程建模为单独的流程或者子流程。另一实施方式通过使得经由采集相关于那些节点的证据并且提供评级至此类证据的置信度,而在流程的某些或者全部后续节点处使得更好或者更多的信息可用。
相对于特定方法、模型、节点、证据类型、任务、操作、数据处理系统、环境、组件和应用而描述的示意性实施方式仅仅是示例。此类制品的任何特定证明并不旨在限制本发明。这些和其他类似制品的任意适合的证明可以在示意性实施方式的范围内进行选择。
此外,示意性实施方式可以相对于任何类型的数据、数据源或者通过数据网络对数据源的访问而实现。在本发明的范围内,任意类型的数据存储设备可以向本发明的实施方式提供数据,或者在数据处理系统本地或者经由社交网络实现。
使用特定代码、设计、架构、协议、布局、图表和工具仅作为示意性实施方式来描述,并且不应限制示意性实施方式。进一步,使用特定软件、工具和数据处理环境描述的示意性实施方式仅作为示例,以用于澄清描述。结合其他可比较的或者类似目的的结构、系统、应用或者架构来使用示意性实施方式。一个示意性实施方式可以以硬件、软件或者其组合来实现。
在此公开中的示例仅用于澄清描述,并且不应限制于示意性实施方式。附加的数据、操作、动作、任务、活动和操纵从本公开中是可见的,并且可以想到这些也落入示意性实施方式的范围内。
在此列出的任何优势仅仅是示例,并且并不旨在于限制实施方式。其他的或者不同的优势可以通过特定示意性实施方式来实现。此外,特定示意性实施方式可以具有上述列出的某些、全部优势或者不具有这些优势。
参见附图尤其是参见图1和图2,这些附图是其中可以实现示意性实施方式的数据处理环境的示例图。图1和图2仅仅是示例并且并不旨在断言或者暗示其中可以实现不同实施方式的环境。特定实现可以采取多种修改以便基于下文的描述对绘出的环境实现特定修改。
图1绘出了其中可以实现示意性实施方式的数据处理系统的网络的框图。数据处理系统100是其中可以实现示意性实施方式的计算机网络。数据处理环境100包括网络102。网络102是用于在数据处理环境100内提供将各种设备和计算机连接在一起的通信链路。网络102可以包括连接,诸如有线的、无线的通信链路、或者光纤线缆。服务器104和服务器106连同存储单元108耦合至网络102。软件应用可以在数据处理环境100中的任何计算机上执行。
另外,客户端110、112和114耦合至网络102。数据处理系统(诸如服务器104或者106或者客户端110、112或者114)可以包括数据,并且可以具有在其上执行的软件应用或者软件工具。
图1绘出了在一个实施方式中可用的特定组件,其仅作为示例而并不暗示对于此类架构的任何限制。自然语言处理(NLP)引擎105是能够从计算机生成的数据或者计算机选择的信息的离散片段生成自然语言(NL)文本的现有工具的应用。应用107实现在此描述的实施方式。问题和回答(Q和A)引擎109是现有应用,该应用能够在被呈现有自然语言问题以及属于问题的主题领域的一个或者多个适当的知识库时,以自然语言回答。IBM Watson是Q和A引擎109的示例(IBM和Watson是国际商业机器公司在美国和其他国家的商标)。
Q和A引擎109能够配置以接收来自各种源的输入。例如,Q和A引擎109通过网络102作为输入来接收电子文档的或者其他数据的语料库、来自内容生成器的数据、来自一个或者多个内容用户的信息以及来自输入的其他可能源的其他此类输入。在一个实施方式中,对于Q和A引擎109的输入中的某些或者全部可以通过网络102来路由。网络102上的各种计算机设备可以包括用于内容生成器和内容用户的接入点。这些计算机设备中的某些可以包括用于存储数据语料库的设备。在各种实施方式中,网络102可以包括本地网络连接和远程连接,从而Q和A引擎109可以在任何大小的环境中操作,包括本地的或者全局的环境(例如互联网)。附加地,Q和A引擎109可以配置以用作前端系统,其可以利用从文档、网络可访问源和/或结构化数据源所提取的、或者在其中表示的各种类型的知识。以此方式,某些流程利用输入接口填充Q和A引擎109以接收知识请求并相应地做出响应。
在一个实施方式中,内容生成器在文档中创建内容用于以Q和A引擎109用作数据的语料库。文档可以包括任何文件、文本、文章或者用于在Q和A引擎109中使用的数据的源。内容用户向Q和A引擎109输入问题,该Q和A引擎109使用在数据语料库中的内容回答。当流程评估文档的给定章节的语义内容时,流程可以使用各种规定来从Q和A引擎109查询此类文档。一个规定是用于向Q和A引擎109发送查询作为合法(well-formed)的问题。语义内容是基于在表示符(诸如,词、短语、标记、符号)之间的关系的内容、以及他们表示的含义、他们的指示、或者内涵。换言之,语义内容是翻译表示(诸如通过使用自然语言处理)的内容。在一个实施方式中,流程向Q和A引擎109发送合法的问题(例如,自然语言问题)。Q和A引擎109翻译问题并且向用户提供包括对于问题的一个或者多个答案的响应。在某些实施方式中,Q和A引擎109在问题的分级列表中向用户提供响应。
在某些实施方式中,Q和A引擎109可以是IBM WatsonTM Q和A引擎,其利用在下文中描述的示意性实施方式的机制来增强。IBMWatsonTM Q和A引擎系统接收输入问题,解析问题以提取问题的主要特征,使用提取的特征来制定查询,并且将这些查询应用至数据的语料库。基于对数据语料库的查询的应用,Q和A引擎系统生成对于输入问题的假设集合或者候选回答,通过跨越数据语料库进行查看以找到数据的语料库中具有包括对输入问题的某些潜在的有价值应答的部分来进行。
IBM WatsonTM Q和A引擎系统继而针对输入问题的语言、以及在使用各种推理算法的查询应用期间找到的数据语料库的每个部分中使用的语言执行深入分析。可以应用数百甚至数千推理算法,其中每个执行不同的分析,例如,比较并生成评分。例如,某些推理算法可以查看输入问题的语言内的术语和同义词的匹配,并且找到数 据语料库的部分。其他推理算法可以查看语言中的时间和空间特征,而其他算法可以评估数据语料库的部分的源并且评估其精确性。
从各种推理算法获得的评分指示潜在响应由输入问题基于推理算法的焦点的特定区域而推导的潜在响应的程度。每个结果得分继而相对于统计模型而加权。在训练IBM WatsonTM Q和A系统训练时段期间,统计模型捕获推理算法在两个类似通路之间针对特定域建立推理时执行推论算法的程度。统计模型继而可以被用于总结置信度的水平,该置信度是IBM WatsonTM Q和A系统具有的由问题推理潜在响应即候选答案的证据。流程可以针对每个候选答案而重复,直到IBM WatsonTM Q和A系统标识表面上显著强于其他答案的候选答案,并且由此而生成针对输入问题的最终答案、或者答案的分级集合。可以获得关于IBM WatsonTM Q和A系统的更多信息,例如,从IBM商业网站、IBM红皮书等处获得。例如,关于IBM WatsonTMQ和A系统的信息可以在如下文档中获得:Yuan等人的“Watson andHealthcare”,IBM developerWorks,2011、以及由Rob High所著的“The Era of Cognitive Systems:An Inside Look at IBM Watson andHow it Works”,IBM Redbooks,2012。
知识存储库111表示上述数据语料库并且包括在数据处理环境100内存在的知识库的集合、以及引用数据处理环境100外部可获得的知识库。知识库(知识库)是相关于给定主题域的信息的任何源。本体论(ontology)是知识库的示例。通常,信息语料库以任何适合的方式组织,包括但不限于关系数据库、平面文件、索引文件等,该信息语料库被用作示出实施方式范围内的知识库。业务流程113是使用当前使用的方法建模的任何业务流程。应用107在业务流程113上操作,并且使用NLP引擎105和Q和A引擎109来提供针对一个实施方式的在此描述的操作或者特征。
服务器104和106、存储单元108、以及客户端110、112和114可以通过使用有线连接、无线通信协议或者其他适合的数据连接性来耦合至网络102。客户端110、112和114例如可以是个人计算机或者网络计算机。
在绘出的示例中,服务器104可以向客户端110、112、以及114提供数据,诸如引导文件、操作系统映像、以及应用。在此示例中,客户端110、112以及114可以是对于服务器104的客户端。客户端110、112、114或者它们的某些组合可以包括它们自身的数据、引导文件、操作系统映像和应用。数据处理环境110可以包括在此并未示出的附加服务器、客户端以及其他设备。
在绘出的示例中,数据处理环境100可以是互联网。网络102可以表示网络和网关的集合,其使用传输控制协议/互联网协议(TCP/IP)和其他协议来在彼此之间进行通信。互联网的核心是在主节点和主机计算机之间的数据通信链路的骨干,包括成千上万的商业、政府、教育和其他计算机系统,这些系统可以路由数据和消息。当然,数据处理环境100还可以实现为大量不同类型的网络,例如,内联网、局域网(LAN)或者广域网(WAN)。图1旨在作为示例,而并非针对不同的示意性实施方式的架构限制。
在各种使用中,数据处理环境100可以用作实现其中可以实现示意性实施方式的客户端-服务器环境。客户端-服务器环境支持软件应用和跨越网络来分发数据,从而应用通过使用在客户端数据处理系统和服务器数据处理系统之间互动而操作。数据处理环境100还可以使用面向服务的架构,其中跨越网络分布的互操作软件组件可以封装在一起作为一致的业务应用。
参见图2,此图绘出了其中可以实现示意性实施方式的数据处理系统的框图。数据处理系统200是计算机的示例,诸如图1中的服务器104或者客户端110,或者其中实现处理的计算机可用程序代码或者指令可以针对示意性实施方式而位于其中的任何其他类型的设备。
在绘出的示例中,数据处理系统200实现集线器架构,其包括北桥和存储器控制器集线器(NB/MCH)202和南桥以及输入/输出(I/O)控制器集线器(SB/ICH)204。处理单元206、主存储器208、以及图形处理器210耦合至北桥和存储器控制器集线器(NB/MCH)202。处理单元206可以包括一个或者多个处理器,并且可以使用一个或者多个异构处理器系统来实现。处理单元206可是多核处理器。图形处理器210可以在特定实现中通过加速图形端口(AGP)来耦合至NB/MCH 202。
在绘出的示例,局域网(LAN)适配器212耦合至南桥和I/O控制器集线器(SB/ICH)204。音频适配器216、键盘和鼠标适配器220、调制解调器222、只读存储器(ROM)224、通用串行总线(USB)和其他端口232、以及PCI/PCIe设备234通过总线238耦合至南桥和控制器集线器204。硬盘驱动(HDD)或者固态驱动(SSD)226和CD-ROM 230通过总线240耦合至南桥和I/O控制器集线器204。PCI/PCIe设备234可以包括例如以太网适配器、附加卡以及PC卡用于笔记本计算机。PCI使用卡总线控制器而PCIe不使用。ROM 224例如可以是快闪二进制输入/输出系统(BIOS)。硬盘驱动226和CD-ROM 230例如可以使用集成驱动电子(IDE)、串行高级技术附接(SATA)接口、或者各种变型,诸如外部SATA(eSATA)以及微型SATA(mSATA)。超级I/O(SIO)设备236可以通过总线238耦合至南桥和I/O控制器集线器(SB/ICH)204。
存储器诸如主存储器208、ROM 224或者闪存(未示出)是计算机可用存储设备的某些示例。硬盘驱动或者固态驱动226、CD-ROM 230和其他类似可用设备是包括计算机使用存储介质的计算机可用存储设备的示例。
操作系统在处理单元206上运行。操作系统协调并针对图2中的数据处理系统200内的各种组件提供控制。操作系统可以是商业可获得的操作系统,诸如(AIX是国际商业机器公司在美国和其他国家中的商标)、(微软和Windows是微软公司在美国和其他国家的注册商标)、或者(Linux是LinusTorvalds在美国和其他国家的商标)。面向对象的编程系统(诸如JavaTM编程系统)可以结合操作系统运行,并且从在数据处理系统200上执行的JavaTM程序或者应用来提供对操作系统的调用(Java和基于Java的商标和标志是Oracle公司和/或其他实体的商标或者注册商标)。
图1中的用于操作系统的指令、面向对象的编程系统和应用或者程序诸如NLP引擎105、应用107、Q和A引擎109和业务流程113位于存储设备上,诸如硬盘驱动226上,并且可以被加载到以下一个或者多个存储器(诸如主存储器208)中的一个存储器,用于由处理单元206执行。示意性实施方式的处理可以由处理单元206使用计算机实现的指令来执行,该指令可以位于存储器或者一个或者多个外围设备中,该存储器诸如主存储器208、只读存储器224。
在图1-图2中的硬件可以依赖于实现而变化。其他内部硬件或者外围设备(诸如闪存、等效非易失性存储器或者光盘驱动等)可以附加地或者代替在图1-图2中绘出的硬件。另外,示意性实施方式的过程可以应用于多核数据处理系统。
在某些示意性实施方式中,数据处理系统200可以是个人数字助理(PDA),其通常以闪存配置以提供非易失性存储器用于存储操作系统文件和/或用户生成的文件。总线系统可以包括一个或者多个总线,诸如系统总线、I/O总线、以及PCI总线。当然,总线系统可以使用任意类型的通信架构或者架构(其能够提供用于在不同组件或者附接至架构或者结构的设备之间传输数据)实现。
通信单元可以包括用于传输和接收数据的一个或者多个设备,诸如调制解调器或者网络适配器。存储器例如可以是主存储器208或者高速缓存,诸如在北桥和存储器控制器集线器220中找到的高速缓存。处理单元可以包括一个或者多个处理器或者CPU。
在图1-图2中绘出的示例和上述示例并不意味着暗示架构限制。例如,除了采取PDA的形式,数据处理系统200还可以是平板计算机、膝上型计算机或者电话设备。
参见图3,此附图绘出了根据示意性实施方式的使用自然语言处理来用于增强业务流程的配置的框图。应用302可以实现为图1中的应用107。NLP引擎304是图1中的NLP引擎105的示例。Q和A引擎306是图1中的Q和A引擎109的示例。
应用302从执行中的业务流程接收信息308(正在运行的业务流程)。信息308包括当前状态信息,其包括流程执行历史直至状态、状态的目标、操作或者在状态处存在的条件。
例如,在一个示例实施方式中,信息308涉及人类任务状态,其中流程在接收信息308时正在等待人类干预。用于人类任务状态的信息308包括直至该状态由执行中的流程使用和产生的数据。信息308进一步包括关于如下的信息:任何状态特定的条件、处理范围条件、或者影响人类任务状态的其他条件。
在此实施方式中,信息308进一步包括关于如下的信息:人类任务状态的一个或者多个目标、可以促进流程执行的任何事物。例如,人类任务状态的目标,即,使得流程执行达到另一状态的迁移可以被验证,并且向目标发送某些数据。在验证并且向目标发送数据时,人类任务状态的目标得以实现(执行迁移)并且流程达到不同的状态。
应用302从信息308提取状态相关信息310。例如,在一个实施方式中,信息310包括状态描述和状态目标。
应用302向NLP引擎304提供信息30。NL引擎304将信息310转换至自然可读形式的自然语言中的一个或者多个问题312,例如作为语法正确的英语句子。NLP引擎304向应用302返回一个或者多个NL问题312。
应用302向Q和A引擎306呈现信息314。信息314包括一个或者多个NL问题312以及一个或者多个主题信息库(知识库)或者对其引用的组合。Q和A引擎306使用供给的或者引用的知识库来回答NL问题312。
在一个实施方式中,代替提供知识库或者对于知识库的引用,应用302向Q和A引擎提供用于选择知识库的一个或者多个标准或者规则。Q和A引擎306继而选择匹配选择标准的适当的知识库,并使用选择的知识库用于回答NL问题312。
Q和A引擎306向应用302返回一个或者多个NL答案316。NL答案316对应于信息314中的NL问题312。NL答案316是自然可读形式的自然语言,例如,是一个或者多个语法正确的英语句子。
Q和A引擎306可以返回具有NL答案314的附加信息(未示出)。例如,在一个实施方式中,Q和A引擎306返回具有NL答案316的置信度评级。置信度评级是NL答案316相对于信息314中的NL问题312的正确性、完整性、精确性和相关性的组合概率。
例如,通过答案所基于的依赖信息的正确性的程度,答案相对于错误而言更为正确。依赖于正确性的程度,Q和A系统计算答案中的概率置信度,例如,答案越正确则答案中的置信度越高,反之亦然。
作为另一示例,可以将答案完成到为该答案准备的可用信息的程度。在某些情况下,Q和A系统能够标识答案中的防止答案完成的差异(gap)。Q和A系统继而基于答案的完成来计算答案中的置信度概率(答案完成的越多,则置信度越高,并且反之亦然)。可选地,Q和A系统还可以提供关于差异的信息,从而另一实体例如系统或者用户可以获取该信息以填充差异。
作为另一示例,准确度是某些事项的值与该事项的实际值的接近程度的度量。依赖于该答案如何接近实际答案,答案具有准确度,这是以某些其他方式建立的。另外,对于正确性,Q和A系统在使用答案准确度的程度方面在概率置信度中表征答案的准确度。
答案的相关性指示给定答案在多大程度上回答了问题。例如,在技术上正确但没有回答问题的答案可以是根本与问题无关的,或者至少相关小于给出可用信息回答问题的另一答案。由于正确性和准确性、相关性具有程度,并且答案越是回答了问题,则该答案与问题越相关,并且反之亦然。
应用302使用NL答案316和由此返回的任何附加信息来执行动作。在一个实施方式中,动作318使得应用302来自动执行节点,诸如人类任务节点,以使得业务流程前进到另一节点。在另一实施方式中,动作318使得应用302来在执行与节点相关联的任务时利用可用信息来补充业务流程节点。
例如,如果节点是人类任务节点,在执行相关于节点目标的人类任务的过程中,NL答案316应当向人类应当已经询问的问题即NL问题316提供指定的人类准备答案。应用302还可以在NL答案316以外在动作318中提供附加信息。例如,在一个实施方式中,应用302还提供与NL答案316相关联的置信度水平,以帮助人类操作者确定是否依赖于答案。
现在针对某些示例用例来描述图3中绘出的配置的操作。在一个示例用例中,假定用于处理购买订单的业务流程是在数据处理系统中正在执行。假定流程中的节点是名称为“信用批准”的人类任务节点。换言之,购买订单流程需要来自人类的信用批准。
进一步,假设信用批准节点的目标是向第三方发送信用应用以用于批准。换言之,通过人类向第三方发送信用应用信息,购买订单业务流程从“信用订单”人类任务节点前进至流程中的另一节点。
在此示例情况下,应用302接收信息308,其部分地包括用以完成来自潜在买家的信用应用的信息。信息308还可以包括其他信息,诸如买家的内部账号、订单证明以及由购买订单业务流程处理的其他信息,直至“信用批准”节点。
应用302从信息308中提取状态相关的信息310。例如,应用302提取在信用应用准备好时必须发送到某处以便批准的信息。其他状态相关的信息可以是买家的地理区域、买家的类型以及所提议购买事务的数量,其全部相关于“信用批准”节点,并且由此可以是信息310的一部分。
一个实施方式通过检验状态依赖或者迁移来执行提取状态相关信息。例如,该实施方式确定从一个状态迁移到另一状态的信息。此类信息形成状态相关信息。知晓状态相关信息之后,一个实施方式可以形成问题以从其他实体获得该状态相关信息。其他实施方式搜索集合中的状态相关信息,诸如信息308。其他实施方式计算来自信息的状态相关信息以及集合诸如在信息308中的可用推断。
NLP引擎304可以返回为NL问题312,“我应当如何发送用于批准的信用应用”,或者“我如何发送用于批准的事务的数量的信用应用?”或者“我如何获得对于第三方信用批准者的针对此买家的此信用应用?”或者这些或者其他类似结构的问题的组合。注意,这些问题的每一个都是自然语言的结构,由人类可理解并且可以由人类以自然语言来回答。
应用302向Q和A系统传递这些问题。应用302还确定由销售者使用的信用批准者的列表是有用的信息(知识库),财务事务的本体论是另一有用的知识库,并且从数据处理环境内应用302的位置到达数据处理系统外部的规范还可以是用于回答问题的有用的知识库。应用302还向Q和A引擎306发送这些知识库,对其的引用或者用于选择它们的方法。
Q和A引擎306以一个或者多个答案316进行响应,其包括“经由协议A1向地址https://askdjakjsqkn.apx发送信用应用以便批准”。进一步,Q和A引擎306向此回答指定评级为0.9的置信度。在支持置信度评级中的证据可以是在信用批准者中的信用批准者规范中的部分,远程系统访问规范以及在来自用以获得答案中使用的知识库的信息的其他部分。NL答案316中的其他回答可以是,通过使用在其支持中具有适当证据的置信度评级为0.6,“此信用应用可以通过使用批准者abc、pqr或者xyz来批准”。
假定置信度阈值被设置为0.8。在一个示例实施方式中,应用302选择第一答案,发现置信度评级0.9超过阈值,并且通过经由协议A1向地址https://askdjakjsqkn.apx发送向批准者发送信用应用来前进至自动完成动作。在另一示例实施方式中,应用302发现至少一个答案没有超过置信度阈值,并确定向“信用批准”节点补充从支持答案的知识库提取的事实连同答案。例如,应用302提供人类用户以答案来响应于发送信用应用以便批准,“此信用应用可以使用批准者abc、qpr或者xyz来批准”(置信度评级为0.6)。
当对于根据一个实施方式的人类用户而言可用时,此类信息使得人类干预任务相对于人类仅知晓信用应用正在等待批准而言时更为有效。注意,选择多个答案中的一个仅仅是用于示出一个实施方式的操作的简化示例,并且不应当限制示意性实施方式。应用302可以从NL答案316中选择一个或者多个答案,组合各个所选择的答案的置信度评级,或者使用在示出的实施方式范围内的答案的基础动作318的另一适合方式。
参见图4,此图绘出了用于根据一个示意性实施方式而使用自然语言处理的用于增强业务流程执行的框图。应用402是图3中的应用302的示例。
应用402的组件404提取流程信息,例如从图3中的信息306中提取信息310。组件406与NLP引擎接口通信,以便传输由组件404提取的信息。例如,组件406与图3中的NLP引擎304接口通信,以传递图3中的信息。应用402接收NL问题和经由组件406由NLP引擎生成的任何附加信息。
组件408选择一个或者多个知识库,对知识库的引用或者其组合,以将其提供至Q和A引擎。在一个实施方式中,组件408指定选择标准或者配置选择规则来用于选择适当的知识库,以便代替地或者附加于选择知识库或者对知识库的引用。
作为图3中的信息314的部分,应用402向Q和A引擎(诸如,Q和A引擎306)提供知识库、对知识库的引用、选择标准或者用于选择知识库的规则、或者其组合。组件410向Q和A引擎提供接口,其接收组件408的结果。应用402接收NL答案以及由Q和A引擎生成的附加信息。
组件412基于从Q和A引擎在组件410接收的NL答案和附加信息来执行动作。例如,组件412执行图3中的动作。在一个实施方式中,应用402使用组件412来自动执行流程节点,诸如人类任务节点,并且使得业务流程前进至另一节点。在另一实施方式中,应用402使用组件412来向业务流程节点提供在执行与节点相关联的任务中可用的信息,诸如通过向指定人类提供从Q和A引擎接收的NL答案和附加信息,来加速在流程中的人类任务节点处的操作的人类完成。
参见图5,此图绘出了根据一个示意性实施方式的使用自然语言处理增强业务流程执行的示例流程的流程图。流程500可以在图4的应用402中实现。
应用通过检测执行业务流程的状态而开始(方框502)。应用标识该状态的目标,诸如从图3中的信息中(方框504)。应用确定相关于该状态的流程信息,诸如图3中的信息310(方框506)。
应用形成用于实现状态的目标的必须回答的自然语言问题问题(方框508)。例如,应用以参见图3和图4描述的方式使用NLP引擎,以执行方框508的操作。应用可以重复方框508来以此方式形成一个以上的NL问题。
应用确定选择标准,该选择标准用于选择知识库以回答在方框508中形成的NL问题(方框510)。在一个实施方式中,应用根据方框510中的选择标准来选择知识库。以此方式,应用可以重复方框510以用于确定一个以上的选择标准,用于选择一个以上的知识库、或者其组合。
应用使用一个或者多个知识库来生成对一个或者多个NL问题的一个或者多个NL答案(方框512)。例如,应用以参见图3和图4描述的方式来使用Q和A引擎以执行方框512的操作。
在方框514中应用确定生成的NL答案的置信度水平(方框514)。例如,应用以参见图3和图4描述的方式来使用Q和A引擎以执行方框514的操作。
应用确定置信度水平是否超过置信度的阈值水平(方框516)。如果置信度水平超过阈值(方框516中为“是”路径),则应用使用一个或者多个NL答案来自动执行业务流程的节点(方框518)。应用之后结束流程500。
如果置信度水平没有超过阈值(方框516的“否”路径),应用向业务流程的节点提供一个或者多个NL连同从支持答案的知识库中提取的现实(方框520)。应用之后结束流程500。
方框516的置信度水平阈值可以是依赖于工作流的。例如,当工作流涉及敏感、重要或者危险操作(诸如,银行事务、外科手术或者核电规划)时,期望可以将置信度阈值设置为接近百分之百,例如,95%的阈值。另一方面,如果工作流涉及自愈操作,例如操作容错系统,则期望可以将置信度阈值设置为较低的值,例如,75%的阈值。
一个实施方式进一步包括,作为机器学习或者机器训练流程的一部分而向Q和A系统提供反馈的反馈机制。例如,一旦Q和A系统已经基于证据而选择了业务流程步骤,则选择的正确性可以由进一步的事实来确定,诸如,该选择是否导致期望的结果,另一实体是否接受或者拒绝该选择,该选择是否被另一实体修改,或者其组合。
反馈机制强化了用于未来使用的Q和A引擎。例如,过去的校正选择变为附加因素以在未来相似环境的情况下改进相似选择的置信度评级。例如,在一个情况下,选择的正确性是在选择作为一部分的整个任务成功完成时建立的,而无关于在最终结果中的选择的贡献程度。
在另一情况下,选择的正确性依赖于其中该选择的贡献大于阈值程度的子任务或者任务的部分的成功。相反,在过去呈现为不正确的选择可以用于在未来的相似环境下降低相似选择的置信度。选择的不正确性还可以以类似方式基于整体任务或者子任务的成功或者失败。为了使得在Q和A系统中的未来操作中产生此类结果,可以在知识库中创建附加数据,调整知识库中的现有数据,或者其组合。
附图中的流程图和框图示出了根据本发明各种实施方式的系统、方法和计算机程序产品的可能实现的架构、功能性和操作。就此,流程图或者框图中的每个方框可以表现包括用于实现指定逻辑功能的一个或者多个可执行指令的模块、代码段或者代码的部分。还应当注意,在某些备选实现中,在方框中注释的功能可以以附图中所示以外的顺序出现。例如,依赖于所涉及的功能,相继示出的两个方框实际上可以基本上并发地执行,或者方框有时候可以以相反顺序执行。还应当注意,框图和/或流程图示出中的每个方框、以及框图和/或流程图示出中的方框的组合可以通过专用的基于硬件的系统来实现,该系统执行专用功能或者动作、或者专用硬件和计算机执行的组合。
由此,在示意性实施方式中提供了计算机实现的方法、系统和计算机程序产品,以用于使用自然语言处理来增强业务流程执行。实施方式作为授权业务流程和人类任务节点之间的中介。一个实施方式使用内部或者外部知识库(诸如,本体论、协作数据库、文档、业务流模型和主题域专用信息的其他源)来执行深入分析。
一个实施方式通过注入新的业务流(例如,用于从协作数据处理环境内向第三方批准者自动准备和传输信用应用的新的流)。其他实施方式还执行当前流程的深入分析,并采集或者创建潜在候选备选流或者异常流,以提供对人类操作者的透彻分析,从而改进关于任务处置的人类决策制定。
如由本领域技术人员所理解,本发明的方面可以实现为系统、方法或者计算机程序产品。由此,本发明的方面可以采取整体硬件环境、整体软件环境(包括固件、驻留软件、微代码,等)或者组合软件和硬件方面的实施方式,在此可以将其统称为“电路”、“模块”或者“系统”。进一步,可以采取在一个或者多个计算机可读存储设备或者其中体现了计算机可读程序代码的计算机可读介质体现的计算机程序产品的形式。
可以使用一个或者多个存储设备或者计算机可读介质的组合。计算机可读介质可以是计算机可读存储介质。计算机可读存储设备例如可以是但不限于电子的、磁性的、光学的、电磁的或者半导体系统、装置或者设备、或者上述的任意适合的组合。计算机可读存储设备的更具体示例(非穷举列表)可以包括如下:便携式计算机盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式压缩盘只读存储器(CD-ROM)、光学存储设备、磁性存储设备或者以上任意适合的组合。在此文档中,计算机可读存储设备可以是任何有形的设备或者介质,其可以存储用于由执行执行系统、装置或者设备使用、或者与其相连接的程序。术语“计算机可读存储设备”或者其变形不必涵盖单独的传播介质,诸如铜线、光纤或者无线传输介质。
在计算机可读存储设备或者计算机可读介质上体现的程序代码可以使用任意适合的介质来传输,包括但不限于无线、有线、光纤、RF等,或者上述任意适合的组合。
用于执行本发明的方面的操作的计算机程序代码可以以一个或者多个编程语言的任意组合来编写,包括面向对象编程语言诸如Java、Smalltalk、C++等,以及传统的过程化编程语言,诸如“C”编程语言或者类似的编程语言。程序代码可以完全在用户的计算机上执行、部分地在用户计算机上执行,作为单独的软件包执行、部分地在用户计算机上执行,并且部分地在远程计算机上执行,或者完全在远程计算机或者服务器上执行。在后一情况下,远程计算机可以通过任意类型的网络连接到用户的计算机,包括局域网(LAN)或者广域网(WAN),或者可以连接到外部计算机(例如,通过使用因特网服务提供者来通过因特网进行)。
在此可以参见根据本发明的方法、装置(系统)和计算机程序产品的流程图图示和/或框图来描述本发明的各个方面。应当注意,流程图示出和/或框图中的每个方框、以及流程图示出和/或框图中的方框的组合可以以计算机程序指令来实现。这些计算机程序指令可以被提供到一个或者多个通用计算机、专用计算机或者其他可编程数据处理设备的一个或者多个处理器以产生一种机器,从而在经由计算机或者其他可编程数据处理装置的一个或者多个处理器执行时,可以创建用于实现在流程图和/或一个或者多个框图中指定的功能/动作。
这些计算机程序指令还可以存储在一个或者多个计算机可读存储设备中,或者计算机可读介质中,该计算机程序指令能够指引一个或者多个计算机或者一个或者多个其他可编程数据处理装置、或者一个或者多个其他设备来以特定方式操作,从而在一个或者多个计算机可读存储设备或者计算机可读介质中存储的指令可以生成一种制品,该制品包括实现在流程图中和/或在一个或者多个框图中指定的功能/动作的指令。
计算机程序指令还可以被加载到一个或者多个计算机、一个或者多个其他可编程数据处理装置、或者一个或者多个其他设备,以使得在一个或者多个计算机、一个或者多个其他可编程数据处理装置或者一个或者多个其他设备上执行一系列操作步骤,以生成计算机实现的处理,从而在一个或者多个计算机、一个或者多个其他可编程数据处理装置、或者一个或者多个其他设备上执行的指令提供处理,该处理用于实现在流程图中和/或在一个或者多个框图中指定的功能/动作。
在此使用的术语是用于进描述特定实施方式,而并不旨在限制本发明。如在此使用,单数形式“一个”、“一种”和“所述”旨在包括复数形式,触发上下文中明确指出。应当进一步理解,在此说明书中使用的术语“包括”和/或“包含”指定存在所描述的特征、整数、步骤、操作、元素和/或组件,但不限于排除存在或者附加的一个或者多个其他特征、整数、步骤、操作、元素、组件以及它们的组。
在下文权利要求书中的全部装置或者步骤、加上功能元件的相对应的结构、材料、动作和等效项旨在包括用于执行如特别请求的其他请求的元素相结合而执行功能的任何结构、材料或者动作。已经出于示出和描述的目的而呈现本发明的说明书,然而其并不旨在穷尽或者将本发明限制于所公开的形式。在不脱离本发明的范围和精神的情况下,多种修改和变化对于本领域技术人员而言是易见的。选择并描述了实施方式以便最好地解释本发明的原理和实践应用,以支持本领域技术人员理解具有适合于期望特定使用的各种修改的各种实施方式的本发明。
Claims (14)
1.一种用于使用自然语言处理来增强业务流程执行的方法,所述方法包括:
从在数据处理系统中执行的业务流程中提取关于在所述业务流程中的状态的信息;
基于所述信息以及从在所述业务流程中定义的所述状态的迁移,形成自然语言(NL)问题的集合;
使用处理器和存储器来利用NL答案的相应集合、NL答案的所述集合中具有相关联的置信度评级的NL答案,回答NL问题的所述集合;
确定在NL答案的所述集合中的置信度评级是否超过置信度的阈值水平;以及
响应于所述置信度评级超过所述阈值,执行任务以在所述业务流程中执行所述迁移。
2.根据权利要求1所述的方法,进一步包括:
响应于所述置信度评级超过所述阈值,在所述业务流程中创建子流程,其中所述子流程在所述业务流程的模型中被忽略,以及其中所述子流程包括自动执行所述任务以执行所述迁移并忽略在所述业务流程中所需的人类动作以执行所述迁移。
3.根据权利要求1所述的方法,其中所述执行忽略针对所述迁移所需的人类动作。
4.根据权利要求1所述的方法,其中所述确定进一步包括:
确定NL答案的所述集合中的累积置信度是否超过所述阈值。
5.根据权利要求1所述的方法,进一步包括:
向问题和答案(Q和A)引擎发送NL问题的所述集合;
向所述Q和A引擎发送用以在回答NL问题的所述集合中的NL问题中使用的域信息的源;以及
从所述Q和A引擎接收具有所述相关联的置信度评级的NL答案的所述集合。
6.根据权利要求5所述的方法,其中域信息的所述源包括对域信息的所述源所在的位置的引用。
7.根据权利要求5所述的方法,其中发送域信息的所述源包括:发送选择规则,其中在所述Q和A引擎处执行所述选择规则标识域信息的所述源。
8.根据权利要求1所述的方法,所述形成所述NL问题进一步包括:
与自然语言处理(NLP)引擎进行接口通信;
向所述NLP引擎发送所述信息;以及
从所述NLP引擎接收NL问题的所述集合,其中NL问题的所述集合中的NL问题是根据人类可读的自然语言的语法规则被形成的。
9.根据权利要求1所述的方法,其中所述业务流程是根据在业务流程建模语言中指定的业务流程模型被配置的。
10.根据权利要求9所述的方法,其中所述业务流程建模语言是业务流程建模注释(BPMN)。
11.根据权利要求1所述的方法,进一步包括:
检测所述业务流程正在所述状态处等待,其中从所述业务流程中的所述状态到第二状态的所述迁移需要由人类执行的任务。
12.根据权利要求1所述的方法,进一步包括:
响应于所述置信度评级没有超过所述阈值,向所述状态添加NL答案的所述集合,从而NL答案的所述集合在执行所述任务以完成所述业务流程中的所述迁移时是可用的。
13.一种计算机可用的程序产品,包括包含用于使用自然语言处理来增强业务流程执行的计算机可用代码的计算机可用存储设备,所述计算机可用代码包括用于执行根据权利要求1-12中的任一项的步骤的计算机可用代码。
14.一种用于使用自然语言处理来增强业务流程执行的数据处理系统,所述数据处理系统包括:
包含存储介质的存储设备,其中所述存储设备存储计算机可用程序代码;以及
处理器,其中所述处理器执行所述计算机可用程序代码,以及其中所述计算机可用程序代码包括:
用于从在数据处理系统中执行的业务流程中提取关于在所述业务流程中的状态的信息的计算机可用代码;
用于基于所述信息以及从在所述业务流程中定义的所述状态的迁移来形成自然语言(NL)问题的集合的计算机可用代码;
用于使用处理器和存储器来利用NL答案的相应集合、NL答案的所述集合中具有相关联的置信度评级的NL答案,以回答NL问题的所述集合的计算机可用代码;
用于确定在NL答案的所述集合中的置信度评级是否超过置信度的阈值水平的计算机可用代码;以及
用于响应于所述置信度评级超过所述阈值,执行任务以在所述业务流程中执行所述迁移的计算机可用代码。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/104,493 US20150170084A1 (en) | 2013-12-12 | 2013-12-12 | Augmenting business process execution using natural language processing |
US14/104,493 | 2013-12-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104714941A true CN104714941A (zh) | 2015-06-17 |
CN104714941B CN104714941B (zh) | 2018-04-20 |
Family
ID=53368939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410676363.7A Expired - Fee Related CN104714941B (zh) | 2013-12-12 | 2014-11-21 | 用于使用自然语言处理来增强业务流程执行的方法和系统 |
Country Status (2)
Country | Link |
---|---|
US (2) | US20150170084A1 (zh) |
CN (1) | CN104714941B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107223261A (zh) * | 2016-12-07 | 2017-09-29 | 深圳前海达闼云端智能科技有限公司 | 人机混合决策方法和装置 |
CN109033342A (zh) * | 2018-07-24 | 2018-12-18 | 北京京东尚科信息技术有限公司 | 应用于服务系统的服务提供方法、装置和服务模型 |
CN109102145A (zh) * | 2017-06-21 | 2018-12-28 | 埃森哲环球解决方案有限公司 | 流程编排 |
CN109800098A (zh) * | 2018-12-13 | 2019-05-24 | 平安普惠企业管理有限公司 | 业务异常节点定位方法、装置、计算机设备及存储介质 |
CN111047147A (zh) * | 2019-11-20 | 2020-04-21 | 深圳市法本信息技术股份有限公司 | 一种业务流程自动采集方法及智能终端 |
CN111860936A (zh) * | 2020-05-25 | 2020-10-30 | 北京致远互联软件股份有限公司 | 一种办公业务流程缺陷预测的方法 |
CN115098205A (zh) * | 2022-06-17 | 2022-09-23 | 来也科技(北京)有限公司 | 基于rpa和ai实现ia的流程编辑界面的控制方法 |
CN117608650A (zh) * | 2024-01-15 | 2024-02-27 | 钱塘科技创新中心 | 业务流程图生成方法、处理设备及存储介质 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11282005B2 (en) * | 2015-11-16 | 2022-03-22 | International Business Machines Corporation | Selecting a plurality of individuals and AI agents to accomplish a task |
CN107547354A (zh) * | 2016-06-27 | 2018-01-05 | 南京中兴软件有限责任公司 | 业务数据提供方法及装置 |
US10592612B2 (en) * | 2017-04-07 | 2020-03-17 | International Business Machines Corporation | Selective topics guidance in in-person conversations |
CN111480159B (zh) * | 2017-10-31 | 2024-04-12 | 叶克斯特股份有限公司 | 用于增强的企业列表的知识搜索引擎平台 |
US20190180206A1 (en) * | 2017-12-13 | 2019-06-13 | International Business Machines Corporation | Conversation-driven workflow |
US11620610B2 (en) | 2019-09-27 | 2023-04-04 | International Business Machines Corporation | Machine learning to predict impending abandonment of BOPIS orders |
US11900430B2 (en) * | 2019-09-27 | 2024-02-13 | International Business Machines Corporation | Turning predicted abandoned BOPIS orders into same-day delivery |
US11514458B2 (en) * | 2019-10-14 | 2022-11-29 | International Business Machines Corporation | Intelligent automation of self service product identification and delivery |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739434A (zh) * | 2008-11-20 | 2010-06-16 | 张曦 | 基于多层流程图组织对话语料的自然语言问答方法 |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050182765A1 (en) * | 1996-02-09 | 2005-08-18 | Technology Innovations, Llc | Techniques for controlling distribution of information from a secure domain |
US6829613B1 (en) * | 1996-02-09 | 2004-12-07 | Technology Innovations, Llc | Techniques for controlling distribution of information from a secure domain |
DE19706419A1 (de) * | 1997-02-19 | 1998-08-27 | Ibm | Verfahren und Vorrichtung zur Steuerung von Prozessen unter Verwendung einer Technologie zur maschinellen Sprachverarbeitung |
GB0027280D0 (en) * | 2000-11-08 | 2000-12-27 | Malcolm Peter | An information management system |
US7206744B2 (en) * | 2001-12-14 | 2007-04-17 | Sbc Technology Resources, Inc. | Voice review of privacy policy in a mobile environment |
US20060184517A1 (en) * | 2005-02-15 | 2006-08-17 | Microsoft Corporation | Answers analytics: computing answers across discrete data |
US7685165B2 (en) * | 2005-04-01 | 2010-03-23 | International Business Machines Corporation | Policy based resource management for legacy data |
US7877780B2 (en) * | 2005-04-01 | 2011-01-25 | Parasoft Corporation | System and method for enforcing functionality in computer software through policies |
US8010511B2 (en) * | 2006-08-29 | 2011-08-30 | Attributor Corporation | Content monitoring and compliance enforcement |
US8560372B2 (en) * | 2007-12-22 | 2013-10-15 | Sap Ag | Compiling workflows into instructions for a state correlation engine |
US8296820B2 (en) * | 2008-01-18 | 2012-10-23 | International Business Machines Corporation | Applying security policies to multiple systems and controlling policy propagation |
US8326795B2 (en) * | 2008-02-26 | 2012-12-04 | Sap Ag | Enhanced process query framework |
US8275803B2 (en) * | 2008-05-14 | 2012-09-25 | International Business Machines Corporation | System and method for providing answers to questions |
WO2010031017A1 (en) * | 2008-09-15 | 2010-03-18 | General Electric Company | Demand side management of household appliances beyond electrical |
US8140591B2 (en) * | 2010-01-19 | 2012-03-20 | International Business Machines Corporation | Enabling workflow awareness within a business process management (BPM) system |
US20110179045A1 (en) * | 2010-01-19 | 2011-07-21 | Microsoft Corporation | Template-Based Management and Organization of Events and Projects |
CN103221952B (zh) * | 2010-09-24 | 2016-01-20 | 国际商业机器公司 | 词法答案类型置信度估计和应用的方法和系统 |
US20120310667A1 (en) * | 2011-06-03 | 2012-12-06 | Roy Altman | Dynamic clinical pathways |
US9015031B2 (en) * | 2011-08-04 | 2015-04-21 | International Business Machines Corporation | Predicting lexical answer types in open domain question and answering (QA) systems |
WO2013066450A1 (en) * | 2011-10-31 | 2013-05-10 | Forsythe Hamish | Method, process and system to atomically structure varied data and transform into context associated data |
US20130124193A1 (en) * | 2011-11-15 | 2013-05-16 | Business Objects Software Limited | System and Method Implementing a Text Analysis Service |
US9275341B2 (en) * | 2012-02-29 | 2016-03-01 | New Sapience, Inc. | Method and system for machine comprehension |
US9208693B2 (en) * | 2012-04-30 | 2015-12-08 | International Business Machines Corporation | Providing intelligent inquiries in question answer systems |
US9141660B2 (en) * | 2012-12-17 | 2015-09-22 | International Business Machines Corporation | Intelligent evidence classification and notification in a deep question answering system |
US9158772B2 (en) * | 2012-12-17 | 2015-10-13 | International Business Machines Corporation | Partial and parallel pipeline processing in a deep question answering system |
US9753986B2 (en) * | 2012-12-17 | 2017-09-05 | International Business Machines Corporation | Multi-dimensional feature merging for supporting evidence in a question and answering system |
US9092818B2 (en) * | 2013-01-31 | 2015-07-28 | Wal-Mart Stores, Inc. | Method and system for answering a query from a consumer in a retail store |
US20140278786A1 (en) * | 2013-03-14 | 2014-09-18 | Twain Liu-Qiu-Yan | System and method to survey and evaluate items according to people's perceptions and to generate recommendations based on people's perceptions |
US9311294B2 (en) * | 2013-03-15 | 2016-04-12 | International Business Machines Corporation | Enhanced answers in DeepQA system according to user preferences |
US20140358964A1 (en) * | 2013-05-28 | 2014-12-04 | International Business Machines Corporation | Natural language processing (NLP) query formulation engine for a computing device |
US9369488B2 (en) * | 2013-05-28 | 2016-06-14 | Globalfoundries Inc. | Policy enforcement using natural language processing |
US9146987B2 (en) * | 2013-06-04 | 2015-09-29 | International Business Machines Corporation | Clustering based question set generation for training and testing of a question and answer system |
US9230009B2 (en) * | 2013-06-04 | 2016-01-05 | International Business Machines Corporation | Routing of questions to appropriately trained question and answer system pipelines using clustering |
US9311823B2 (en) * | 2013-06-20 | 2016-04-12 | International Business Machines Corporation | Caching natural language questions and results in a question and answer system |
-
2013
- 2013-12-12 US US14/104,493 patent/US20150170084A1/en not_active Abandoned
-
2014
- 2014-07-16 US US14/332,464 patent/US20150170086A1/en not_active Abandoned
- 2014-11-21 CN CN201410676363.7A patent/CN104714941B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739434A (zh) * | 2008-11-20 | 2010-06-16 | 张曦 | 基于多层流程图组织对话语料的自然语言问答方法 |
Non-Patent Citations (1)
Title |
---|
MICHAEL J. YUAN ET AL: "Watson and healthcare", 《IBM DEVELOPERWORKS》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107223261A (zh) * | 2016-12-07 | 2017-09-29 | 深圳前海达闼云端智能科技有限公司 | 人机混合决策方法和装置 |
CN109102145A (zh) * | 2017-06-21 | 2018-12-28 | 埃森哲环球解决方案有限公司 | 流程编排 |
US11282035B2 (en) | 2017-06-21 | 2022-03-22 | Accenture Global Solutions Limited | Process orchestration |
CN109033342A (zh) * | 2018-07-24 | 2018-12-18 | 北京京东尚科信息技术有限公司 | 应用于服务系统的服务提供方法、装置和服务模型 |
CN109800098A (zh) * | 2018-12-13 | 2019-05-24 | 平安普惠企业管理有限公司 | 业务异常节点定位方法、装置、计算机设备及存储介质 |
CN111047147A (zh) * | 2019-11-20 | 2020-04-21 | 深圳市法本信息技术股份有限公司 | 一种业务流程自动采集方法及智能终端 |
CN111047147B (zh) * | 2019-11-20 | 2023-09-26 | 深圳市法本信息技术股份有限公司 | 一种业务流程自动采集方法及智能终端 |
CN111860936A (zh) * | 2020-05-25 | 2020-10-30 | 北京致远互联软件股份有限公司 | 一种办公业务流程缺陷预测的方法 |
CN115098205A (zh) * | 2022-06-17 | 2022-09-23 | 来也科技(北京)有限公司 | 基于rpa和ai实现ia的流程编辑界面的控制方法 |
CN117608650A (zh) * | 2024-01-15 | 2024-02-27 | 钱塘科技创新中心 | 业务流程图生成方法、处理设备及存储介质 |
CN117608650B (zh) * | 2024-01-15 | 2024-04-09 | 钱塘科技创新中心 | 业务流程图生成方法、处理设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20150170084A1 (en) | 2015-06-18 |
CN104714941B (zh) | 2018-04-20 |
US20150170086A1 (en) | 2015-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104714941A (zh) | 用于使用自然语言处理来增强业务流程执行的方法和系统 | |
Tolk et al. | Reference modelling in support of M&S—foundations and applications | |
CN112560496A (zh) | 语义分析模型的训练方法、装置、电子设备及存储介质 | |
US20190156256A1 (en) | Generating risk assessment software | |
US20200117427A1 (en) | Relevance of a source code change to compliance requirements | |
US20210209682A1 (en) | Artificial Intelligence (AI) Enabled Blockchain Based Trading Partner Onboarding Optimization | |
US20220129637A1 (en) | Computerized selection of semantic frame elements from textual task descriptions | |
CN110727761B (zh) | 对象信息获取方法、装置及电子设备 | |
US20140019293A1 (en) | Automated Technique For Generating Recommendations Of Potential Supplier Candidates | |
US20220358292A1 (en) | Method and apparatus for recognizing entity, electronic device and storage medium | |
US11645526B2 (en) | Learning neuro-symbolic multi-hop reasoning rules over text | |
CN112925914B (zh) | 数据安全分级方法、系统、设备及存储介质 | |
Ullberg et al. | A language for interoperability modeling and prediction | |
US20220051049A1 (en) | Using meta-learning to optimize automatic selection of machine learning pipelines | |
CN113641805A (zh) | 结构化问答模型的获取方法、问答方法及对应装置 | |
US9208194B2 (en) | Expanding high level queries | |
US11526801B2 (en) | Conversational search in content management systems | |
CN111126422B (zh) | 行业模型的建立及行业的确定方法、装置、设备及介质 | |
US10332048B2 (en) | Job profile generation based on intranet usage | |
US11605386B2 (en) | Computerized dialog system improvements based on conversation data | |
CN109344410A (zh) | 一种机器翻译控制系统及方法、信息数据处理终端 | |
CN112508690A (zh) | 一种基于联合分布适配的风险评估方法、装置和电子设备 | |
Coda et al. | Big data on machine to machine integration’s requirement analysis within Industry 4.0 | |
US10380533B2 (en) | Business process modeling using a question and answer system | |
Saha et al. | A unified dialogue management strategy for multi-intent dialogue conversations in multiple languages |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180420 Termination date: 20201121 |
|
CF01 | Termination of patent right due to non-payment of annual fee |