CN109345184B - 基于微表情的节点信息处理方法、装置、计算机设备及存储介质 - Google Patents
基于微表情的节点信息处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109345184B CN109345184B CN201810861626.XA CN201810861626A CN109345184B CN 109345184 B CN109345184 B CN 109345184B CN 201810861626 A CN201810861626 A CN 201810861626A CN 109345184 B CN109345184 B CN 109345184B
- Authority
- CN
- China
- Prior art keywords
- processing
- time limit
- node
- processing time
- information
- 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.)
- Active
Links
Images
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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于微表情的节点信息处理方法,用于解决现有节点处理不够灵活,容易出现处理意见错误提交的情况的技术问题。本发明提供的方法包括:在节点处理时限内,监听并获取目标流程的当前节点的处理人提交的各个处理意见信息,所述各个处理意见信息包括两个以上的处理意见信息,并由所述处理人分次提交,所述节点处理时限根据所述处理人的职位信息和工作状态实时确定得到,其中,所述处理人的工作状态根据所述处理人当前的微表情获取得到;若接收到确认所述当前节点处理完成的指令,或者所述节点处理时限到达,则控制所述目标流程从当前节点流转至下一个节点。本发明还提供基于微表情的节点信息处理装置、计算机设备及存储介质。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及基于微表情的节点信息处理方法、装置、计算机设备及存储介质。
背景技术
在政务办公系统中,用户处理政务事项时,往往需要按照规定的流程进行处理,在流程中,用户一旦提交了一个意见或处理结果,该政务事项将自动流转至下一个流程节点。比如,用户在流程节点的意见输入框中输入处理意见后,点击“提交”按钮,该政务事项便自动流转至下一个流程节点,但其实用户可能仅是处理意见缓存在该流程节点上,并没有确定当前流程节点已处理完成的意思,可见,现有的政务办公系统容易出现处理意见提交错误的情况。
发明内容
基于此,有必要针对上述技术问题,提供一种可以降低处理意见错误提交的可能性的基于微表情的节点信息处理方法、装置、计算机设备及存储介质。
一种基于微表情的节点信息处理方法,包括:
在节点处理时限内,监听并获取目标流程的当前节点的处理人提交的各个处理意见信息,所述各个处理意见信息包括两个以上的处理意见信息,并由所述处理人分次提交,所述节点处理时限根据所述处理人的职位信息和工作状态实时确定得到,其中,所述处理人的工作状态根据所述处理人当前的微表情获取得到;
若接收到确认所述当前节点处理完成的指令,或者所述节点处理时限到达,则控制所述目标流程从当前节点流转至下一个节点。
一种基于微表情的节点信息处理装置,包括:
处理意见提交模块,用于在节点处理时限内,监听并获取目标流程的当前节点的处理人提交的各个处理意见信息,所述各个处理意见信息包括两个以上的处理意见信息,并由所述处理人分次提交,所述节点处理时限根据所述处理人的职位信息和工作状态实时确定得到,其中,所述处理人的工作状态根据所述处理人当前的微表情获取得到;
节点流转模块,用于若接收到确认所述当前节点处理完成的指令,或者所述节点处理时限到达,则控制所述目标流程从当前节点流转至下一个节点。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于微表情的节点信息处理方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述基于微表情的节点信息处理方法的步骤。
上述基于微表情的节点信息处理方法、装置、计算机设备及存储介质,在节点处理时限内,监听并获取目标流程的当前节点的处理人提交的各个处理意见信息,所述各个处理意见信息包括两个以上的处理意见信息,并由所述处理人分次提交,所述节点处理时限根据所述处理人的职位信息和工作状态实时确定得到,其中,所述处理人的工作状态根据所述处理人当前的微表情获取得到;若接收到确认所述当前节点处理完成的指令,或者所述节点处理时限到达,则控制所述目标流程从当前节点流转至下一个节点。可见,本发明可以实现流程节点上处理意见信息的多次提交,并且仅确认当前节点处理完成或者节点的处理时限达到时才会从当前节点流转至下一个节点,确保了当前节点上的处理意见是处理人的最终结果,不仅降低了处理意见错误提交的可能性,而且提高了节点处理的灵活度,提升用户使用体验。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中基于微表情的节点信息处理方法的一应用环境示意图;
图2是本发明一实施例中基于微表情的节点信息处理方法的一流程图;
图3是本发明一实施例中基于微表情的节点信息处理方法在一个应用场景下实时确定节点处理时限的流程示意图;
图4是本发明一实施例中基于微表情的节点信息处理方法在一个应用场景下获取处理人工作状态的流程示意图;
图5是本发明一实施例中基于微表情的节点信息处理方法步骤204在一个应用场景下的流程示意图;
图6是本发明一实施例中基于微表情的节点信息处理方法在一个应用场景下非处理人提交处理建议的流程示意图;
图7是本发明一实施例中基于微表情的节点信息处理装置的结构示意图;
图8是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请提供的基于微表情的节点信息处理方法,可应用在如图1的应用环境中,其中,客户端通过网络与服务器进行通信。其中,该客户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中,如图2所示,提供一种基于微表情的节点信息处理方法,以该方法应用在图1中的服务器为例进行说明,包括如下步骤:
101、在节点处理时限内,监听并获取目标流程的当前节点的处理人提交的各个处理意见信息,所述各个处理意见信息包括两个以上的处理意见信息,并由所述处理人分次提交,所述节点处理时限根据所述处理人的职位信息和工作状态实时确定得到,其中,所述处理人的工作状态根据所述处理人当前的微表情获取得到;
102、若接收到确认所述当前节点处理完成的指令,或者所述节点处理时限到达,则控制所述目标流程从当前节点流转至下一个节点。
对于步骤101和102,可以理解的是,该节点处理时限限定了处理人处理当前节点的最长时间,在该节点处理时限内,处理人可以多次提交关于当前节点的处理意见信息。并且,特别地,处理人还可以针对该当前节点上已提交的处理意见信息进行修改、删除等操作。在处理人确认当前节点处理完成时,处理人可以通过客户端向服务器发送确认所述当前节点处理完成的指令,服务器可以接收到确认所述当前节点处理完成的指令,此时,服务器控制所述目标流程从当前节点流转至下一个节点;另外,如果所述节点处理时限到达,服务器也会控制所述目标流程从当前节点流转至下一个节点。
进一步地,如图3所示,所述节点处理时限可以通过以下步骤实时确定:
201、获取所述处理人的职位信息和工作状态;
202、根据所述职位信息和所述工作状态确定所述当前节点的第一处理时限;
203、分析所述各个处理意见信息,计算所述各个处理意见信息之间的相似度;
204、根据计算得到的相似度所落入的相似度区间确定所述当前节点的第二处理时限;
205、根据所述第一处理时限和所述第二处理时限计算得到所述节点处理时限。
对于步骤201,职位信息包括处理人的职位、职称等信息。工作状态可以通过情绪识别技术识别该处理人当天的情绪状态,根据情绪状态确定处理人的工作状态。比如,识别得知处理人的心情值很高(值越高,心情越好),则确定该处理人的工作状态也较高,心情值与工作状态正相关。
需要说明的是,情绪识别技术有很多种,大多是通过获取个体的生理或非生理信号对个体的情绪状态进行自动辨别,是情感计算的一个重要组成部分。情绪识别研究的内容可以包括面部表情、语音、心率、行为、文本和生理信号识别等方面,通过以上内容来判断用户的情绪状态。在本方案中,具体可以通过装备摄像头对处理人进行面部图像采集,通过分析处理人的面部表情来完成情绪识别,得到该处理人当前的心情值。
更进一步地,如图4所示,所述处理人的工作状态可以通过以下步骤获取:
301、通过摄像设备采集处理人当前的微表情;
302、提取所述微表情中的各个动作单元;
303、按照预设的微表情评分标准获取各个所述动作单元对应的情绪值;
304、根据各个所述动作单元对应的情绪值计算得到所述处理人当前的心情值;
305、根据计算得到的所述心情值确定所述处理人的工作状态。
对于步骤301,可以在处理人每天必然使用的设备上安装一个摄像设备,比如摄像头,来采集该处理人当前的微表情。例如,可以在处理人上班打卡签到的设备上安装一个摄像头对处理人上班时的微表情进行采集。可以理解的是,采集处理人的微表情,主要是采集处理人的面部动作单元,后续可以从面部动作单元中提取得到微表情的各个动作单元,比如外眉上扬、脸颊抬起等动作。
对于步骤302,本方案中动作单元的类型主要包括以下表1中国际上通用的19种动作单元(AU):
表1 19种AU
AU标号 | AU描述 |
AU1 | 内眉上扬 |
AU2 | 外眉上扬 |
AU4 | 眉毛下压 |
AU5 | 上眼脸上扬 |
AU6 | 脸颊抬起 |
AU7 | 眼睑收紧 |
AU9 | 鼻子蹙皱 |
AU10 | 上唇上扬 |
AU12 | 嘴角上扬 |
AU14 | 收紧嘴角 |
AU15 | 嘴角下拉 |
AU16 | 下嘴唇下压 |
AU17 | 下巴缩紧 |
AU18 | 嘴唇褶皱 |
AU20 | 嘴唇伸展 |
AU23 | 嘴唇收缩 |
AU24 | 嘴唇压紧 |
AU25 | 上下嘴唇分开 |
AU26 | 下颚下拉 |
可以理解的是,在采集得到处理人的微表情之后,可以从中提取出上述19种中的一个、两个或多个动作单元(AU)。可知,动作单元对应的是处理人当前的面部特征和动作,这些动作单元一起反应了处理人当前的心情或情绪。例如,当人们高兴时,其面部动作会包括:嘴角上扬、脸颊抬起、眼睑收紧等动作单元,即上述的AU12、AU6、AU7.
对于步骤303,本方案中,系统可以预先设置19种AU对应的情绪值,记录为微表情评分标准,比如,在一个具体应用场景中,该微表情评分标准如下表2所示:
表2 19种AU
可见,通过该微表情评分标准,在提取到该微表情中各个动作单元AU之后,可以查询该微表情评分标准得到各个动作单元对应的情绪值。在上述具体应用场景中,情绪值越大,表示该动作单元反应处理人的心情越好。
对于步骤304,在获取到各个所述动作单元对应的情绪值后,可以计算这些情绪值之和作为该处理人当前的心情值。比如,承接上述举例,若该处理人的动作单元分别为AU12、AU6、AU7,则获取到的对应的情绪值分别为3、1、4,从而计算得到该处理人的心情值为8。
对于步骤305,可以理解的是,服务器上可以预先设置各个心情值区间,不同的心情值区间对应不同的工作状态。比如,可以设置三个心情值区间,分别为[0,5]、[6,10]、[11,50],这三个心情值区间分别对应“不良”、“良好”、“优秀”三种工作状态。假设所述当前节点的处理人的心情值为8,则其落入第二个心情值区间[6,10]中,从而可以确定出该处理人的工作状态为“良好”。
对于步骤202,本方案为了体现人性化,处理人的职位信息中,职位、职称的级别越高,则第一处理时限越长;职位、职称的级别越低,则第一处理时限越短。即,职位、职称的级别与确定出的第一处理时限负相关。而工作状态可以量化,工作状态的值越高,代表处理人的工作状态越好,良好的工作状态有利于提高处理任务的效率,因此相应的第一处理时限也越短。因此,工作状态与确定出的第一处理时限负相关。具体可以通过如下公式体现:
T1=1/P*K1+1/W*K2
T1为第一处理时限,P为职位信息,P大于等于1,W为工作状态,W大于等于1,K1和K2分别为职位信息和工作状态对应的计算系数,可以根据实际情况确定。
对于步骤203,可以理解的是,在上述步骤101中获取到当前节点的处理人提交的各个处理意见信息,为了确保这些处理意见信息都是有效的,避免处理人利用这点来拖延处理当前节点的时间,本方案通过分析这些处理意见信息,计算各个处理意见信息之间的相似度。容易理解的是,如果各个处理意见信息之间高度相似,比如相似度大于90%,则可以认为这些处理意见信息是无效的,处理人在拖延流程的进度;反之,如果各个处理意见信息之间相似度过低,比如相似度小于10%,则也可以认为这些处理意见是无效的,因为对于同一个流程节点来说,处理该流程节点的意见之间必然具有关联性,相似度过低属于异常的状态,可以认为处理人同样在拖延流程的进度。
对于步骤204,服务器可以预先设置多个相似度区间,具体可以是三个相似度区间,比如,0~10%为第一区间,10%~90%为第二区间,90%~100%为第三区间,第一区间和第三区间均为异常相似度区间,计算得到的相似度落入异常相似度区间内表示各个处理意见信息为无效的意见信息,处理人恶意拖延流程的进度,因此可以确定当前节点的第二处理时限较短;反之,如果落入的是第二区间,则表示上述各个处理意见信息为正常的处理意见,确定出的当前节点的第二处理时限较长。具体地,可以与三个区间分别对应设置三个第二处理时限的值,比如1天、3天、1天,根据计算得到的相似度所落入的相似度区间来确定第二处理时限的具体值,假设落入的是第二区间,则确定出所述当前节点的第二处理时限为3天。
对于步骤205,具体地,所述节点处理时限的计算公式表示如下:
T=T1+T2,其中T1为第一处理时限,T2为第二处理时限。
进一步地,考虑到处理意见信息的长度会影响各个处理意见信息之间的相似度,为了提高本方案判断的准确性,可以进一步将各个处理意见信息的长度作为一个考量因素考虑到节点处理时限的评估方案中。具体地,相似度区间包括正常相似度区间和异常相似度区间,其中,计算得到的相似度落入所述正常相似度区间代表了所述各个处理意见信息之间的相似度在正常范围内,计算得到的相似度落入所述异常相似度区间代表了所述各个处理意见信息之间的相似度在异常范围内。如图5所示,所述步骤204可以包括:
401、判断计算得到的相似度落入预设的正常相似度区间内还是预设的异常相似度区间内;
402、若计算得到的相似度落入预设的正常相似度区间内,则确定出与所述正常相似度区间对应的所述当前节点的第二处理时限,然后执行步骤205;
403、若计算得到的相似度落入预设的异常相似度区间内,则检测所述各个处理意见信息各自的信息长度是否均小于预设的长度阈值,若是,则执行步骤404,若否,则执行步骤405;
404、根据所述各自的信息长度确定出所述当前节点的第三处理时限,然后根据所述第一处理时限、所述第二处理时限和所述第三处理时限计算得到所述节点处理时限;
405、确定出与所述异常相似度区间对应的所述当前节点的第二处理时限,然后执行所述根据所述第一处理时限和所述第二处理时限计算得到所述节点处理时限的步骤。
对于步骤401,可以理解的是,本实施例中,相似度区间包括正常相似度区间和异常相似度区间,因此,可以先判断该相似度区间具体落入到哪种区间中。
对于步骤402和403,由上述内容可知,如果各个处理意见信息之间的相似度落入正常相似度区间,则认为这些处理意见信息是正常处理流程节点产生的意见信息,从而根据上述步骤204的方法确定出与所述正常相似度区间对应的所述当前节点的第二处理时限,然后执行步骤205即可;反之,如果各个处理意见信息之间的相似度落入异常相似度区间,比如在相似度过高的区间90%~100%,或者在0~10%,可以认为这些处理意见信息是无效的,处理人很可能在拖延流程的进度,此时,为了进一步提高判断的准确性,执行步骤403,检测所述各个处理意见信息各自的信息长度。
对于步骤404,可以理解的是,一般来说,处理人处理流程节点时,需要两次以上输入的处理意见信息均不会过短(因为如果处理意见很简单,提交1次处理意见信息即可),因此,如果各个处理意见信息各自的信息长度过短,可以认为该处理人在拖延流程的进度或者消极怠工。其中,通过预设的长度阈值作为判断各个处理意见信息各自的信息长度是否过短的标准,该长度阈值可以根据实际情况具体设定,此处不做具体限定。当所述各自的信息长度均小于预设的长度阈值时,可以根据所述各自的信息长度确定出所述当前节点的第三处理时限,具体地,可以预先建立信息长度与第三处理时限的对应关系,比如,信息长度在0字符至20字符之间时,对应的第三处理时限为1天。
由于信息长度与节点处理时限的关系是正相关,而且信息长度作为考量因素时,其给节点处理时限带来的效果是负面的,即信息长度越短,则节点处理时限应当越短。因此,可知第三处理时限与节点处理时限之间的关系为负相关。在一个具体应用场景下,步骤304可以通过以下公式表示:
T=T1+T2-T3。其中,T为节点处理时限,T1、T2、T3分别为第一处理时限、第二处理时限和第三处理时限。
对于步骤405,与步骤402同理,当各个处理意见信息各自的信息长度并非均小于预设的长度阈值,此时无法确定处理人是否恶意拖延流程进度或消极怠工,因此无需额外加入第三处理时限这一要素来确定最终的节点处理时限。本实施例中,由于异常相似度区间也设置了对应的第二处理时限,因此确定与该异常相似度区间对应的该当前节点的第二处理时限,然后执行步骤205,这样做已经能够充分评价并最终得到合适的节点处理时限了。
优选地,本方案中,除了当前节点的处理人外,非处理人也可以针对当前节点提交处理建议信息,非处理人可以针对自己提交的处理建议信息进行修改、删除和增加等操作。具体地,如图6所示,所述基于微表情的节点信息处理方法还可以包括:
501、在所述节点处理时限内,监听并获取非处理人针对所述当前节点提交的处理建议信息,所述非处理人是指有权限参与所述目标流程的、除所述处理人以外的其它人员;
502、将所述处理建议信息发送给所述处理人。
对于步骤501和步骤502,可以理解的是,在所述当前节点的节点处理时限内,除了处理人可以多次提交各个处理意见信息以外,非处理人也可以针对所述当前节点发表自己的意见和看法,可以通过所述处理建议信息的形式分次提交到所述当前节点上。该处理建议信息提交后,服务器可以监听和获取到这些处理建议信息,之后,服务器将这些处理建议信息发送给处理人,以供处理人参考。需要说明的是,具体地,服务器可以将这些处理建议信息发送到处理人的系统账户上,处理人登录账户后可以通过站内信或者系统消息的形式查看到这些处理建议信息;或者,服务器可以根据这些处理建议信息生成提醒消息,然后将提醒消息发送至处理人的指定终端,比如手机、办公电脑等终端上。
由上述内容可知,本实施例提供的基于微表情的节点信息处理方法,在节点处理时限内,监听并获取目标流程的当前节点的处理人提交的各个处理意见信息,所述各个处理意见信息包括两个以上的处理意见信息,并由所述处理人分次提交,所述节点处理时限根据所述处理人的职位信息和工作状态实时确定得到,其中,所述处理人的工作状态根据所述处理人当前的微表情获取得到;若接收到确认所述当前节点处理完成的指令,或者所述节点处理时限到达,则控制所述目标流程从当前节点流转至下一个节点。可见,本发明可以实现流程节点上处理意见信息的多次提交,并且仅确认当前节点处理完成或者节点的处理时限达到时才会从当前节点流转至下一个节点,确保了当前节点上的处理意见是处理人的最终结果,不仅降低了处理意见错误提交的可能性,而且提高了节点处理的灵活度,提升用户使用体验。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种基于微表情的节点信息处理装置,该基于微表情的节点信息处理装置与上述实施例中基于微表情的节点信息处理方法一一对应。如图7所示,该基于微表情的节点信息处理装置包括处理意见提交模块601和节点流转模块602。各功能模块详细说明如下:
处理意见提交模块601,用于在节点处理时限内,监听并获取目标流程的当前节点的处理人提交的各个处理意见信息,所述各个处理意见信息包括两个以上的处理意见信息,并由所述处理人分次提交,所述节点处理时限根据所述处理人的职位信息和工作状态实时确定得到,其中,所述处理人的工作状态根据所述处理人当前的微表情获取得到;
节点流转模块602,用于若接收到确认所述当前节点处理完成的指令,或者所述节点处理时限到达,则控制所述目标流程从当前节点流转至下一个节点。
进一步地,所述节点处理时限可以通过以下模块实时确定:
信息获取模块,用于获取所述处理人的职位信息和工作状态;
第一时限确定模块,用于根据所述职位信息和所述工作状态确定所述当前节点的第一处理时限;
处理意见分析模块,用于分析所述各个处理意见信息,计算所述各个处理意见信息之间的相似度;
第二时限确定模块,用于根据计算得到的相似度所落入的相似度区间确定所述当前节点的第二处理时限;
节点时限计算模块,用于根据所述第一处理时限和所述第二处理时限计算得到所述节点处理时限。
进一步地,所述处理人的工作状态可以通过以下模块获取:
微表情采集模块,用于通过摄像设备采集处理人当前的微表情;
动作单元提取模块,用于提取所述微表情中的各个动作单元;
情绪值获取模块,用于按照预设的微表情评分标准获取各个所述动作单元对应的情绪值;
心情值计算模块,用于根据各个所述动作单元对应的情绪值计算得到所述处理人当前的心情值;
工作状态确定模块,用于根据计算得到的所述心情值确定所述处理人的工作状态。
进一步地,所述相似度区间包括正常相似度区间和异常相似度区间,其中,计算得到的相似度落入所述正常相似度区间代表了所述各个处理意见信息之间的相似度在正常范围内,计算得到的相似度落入所述异常相似度区间代表了所述各个处理意见信息之间的相似度在异常范围内;
所述第二时限确定模块可以包括:
第一确定单元,用于若计算得到的相似度落入预设的正常相似度区间内,则确定出与所述正常相似度区间对应的所述当前节点的第二处理时限,然后触发所述节点时限计算模块;
信息长度检测单元,用于若计算得到的相似度落入预设的异常相似度区间内,则检测所述各个处理意见信息各自的信息长度是否均小于预设的长度阈值;
第二确定单元,用于若所述信息长度检测单元的检测结果为是,则根据所述各自的信息长度确定出所述当前节点的第三处理时限,然后根据所述第一处理时限、所述第二处理时限和所述第三处理时限计算得到所述节点处理时限;
第三确定单元,用于若所述信息长度检测单元的检测结果为否,则确定出与所述异常相似度区间对应的所述当前节点的第二处理时限,然后触发所述节点时限计算模块。
进一步地,所述基于微表情的节点信息处理装置还可以包括:
处理建议获取模块,用于在所述节点处理时限内,监听并获取非处理人针对所述当前节点提交的处理建议信息,所述非处理人是指有权限参与所述目标流程的、除所述处理人以外的其它人员;
处理建议发送模块,用于将所述处理建议信息发送给所述处理人。
关于基于微表情的节点信息处理装置的具体限定可以参见上文中对于基于微表情的节点信息处理方法的限定,在此不再赘述。上述基于微表情的节点信息处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于微表情的节点信息处理方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于微表情的节点信息处理方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例中基于微表情的节点信息处理方法的步骤,例如图2所示的步骤101至步骤102。或者,处理器执行计算机程序时实现上述实施例中基于微表情的节点信息处理装置的各模块/单元的功能,例如图7所示模块601至模块602的功能。为避免重复,这里不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中基于微表情的节点信息处理方法的步骤,例如图2所示的步骤101至步骤102。或者,计算机程序被处理器执行时实现上述实施例中基于微表情的节点信息处理装置的各模块/单元的功能,例如图7所示模块601至模块602的功能。为避免重复,这里不再赘述。
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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请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。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于微表情的节点信息处理方法,其特征在于,包括:
在节点处理时限内,监听并获取目标流程的当前节点的处理人提交的各个处理意见信息,所述各个处理意见信息包括两个以上的处理意见信息,并由所述处理人分次提交,所述节点处理时限根据所述处理人的职位信息和工作状态实时确定得到,其中,所述处理人的工作状态根据所述处理人当前的微表情获取得到;
若接收到确认所述当前节点处理完成的指令,或者所述节点处理时限到达,则控制所述目标流程从当前节点流转至下一个节点;
其中,所述节点处理时限通过以下步骤实时确定:
获取所述处理人的职位信息和工作状态;
根据所述职位信息和所述工作状态确定所述当前节点的第一处理时限;
分析所述各个处理意见信息,计算所述各个处理意见信息之间的相似度;
根据计算得到的相似度所落入的相似度区间确定所述当前节点的第二处理时限;
根据所述第一处理时限和所述第二处理时限计算得到所述节点处理时限;
所述处理人的工作状态通过以下步骤获取:
通过摄像设备采集处理人当前的微表情;
提取所述微表情中的各个动作单元;
按照预设的微表情评分标准获取各个所述动作单元对应的情绪值;
根据各个所述动作单元对应的情绪值计算得到所述处理人当前的心情值;
根据计算得到的所述心情值确定所述处理人的工作状态;
所述相似度区间包括正常相似度区间和异常相似度区间,其中,计算得到的相似度落入所述正常相似度区间代表了所述各个处理意见信息之间的相似度在正常范围内,计算得到的相似度落入所述异常相似度区间代表了所述各个处理意见信息之间的相似度在异常范围内;
所述根据计算得到的相似度所落入的相似度区间确定所述当前节点的第二处理时限包括:
若计算得到的相似度落入预设的正常相似度区间内,则确定出与所述正常相似度区间对应的所述当前节点的第二处理时限,然后执行所述根据所述第一处理时限和所述第二处理时限计算得到所述节点处理时限的步骤;
若计算得到的相似度落入预设的异常相似度区间内,则检测所述各个处理意见信息各自的信息长度是否均小于预设的长度阈值;
若所述各自的信息长度均小于预设的长度阈值,则根据所述各自的信息长度确定出所述当前节点的第三处理时限,然后根据所述第一处理时限、所述第二处理时限和所述第三处理时限计算得到所述节点处理时限;
若所述各自的信息长度不是均小于预设的长度阈值,则确定出与所述异常相似度区间对应的所述当前节点的第二处理时限,然后执行所述根据所述第一处理时限和所述第二处理时限计算得到所述节点处理时限的步骤。
2.根据权利要求1中任一项所述的基于微表情的节点信息处理方法,其特征在于,所述基于微表情的节点信息处理方法还包括:
在所述节点处理时限内,监听并获取非处理人针对所述当前节点提交的处理建议信息,所述非处理人是指有权限参与所述目标流程的、除所述处理人以外的其它人员;
将所述处理建议信息发送给所述处理人。
3.一种基于微表情的节点信息处理装置,其特征在于,包括:
处理意见提交模块,用于在节点处理时限内,监听并获取目标流程的当前节点的处理人提交的各个处理意见信息,所述各个处理意见信息包括两个以上的处理意见信息,并由所述处理人分次提交,所述节点处理时限根据所述处理人的职位信息和工作状态实时确定得到,其中,所述处理人的工作状态根据所述处理人当前的微表情获取得到;
节点流转模块,用于若接收到确认所述当前节点处理完成的指令,或者所述节点处理时限到达,则控制所述目标流程从当前节点流转至下一个节点;
其中,所述节点处理时限通过以下模块实时确定:
信息获取模块,用于获取所述处理人的职位信息和工作状态;
第一时限确定模块,用于根据所述职位信息和所述工作状态确定所述当前节点的第一处理时限;
处理意见分析模块,用于分析所述各个处理意见信息,计算所述各个处理意见信息之间的相似度;
第二时限确定模块,用于根据计算得到的相似度所落入的相似度区间确定所述当前节点的第二处理时限;
节点时限计算模块,用于根据所述第一处理时限和所述第二处理时限计算得到所述节点处理时限;
所述处理人的工作状态通过以下模块获取:
微表情采集模块,用于通过摄像设备采集处理人当前的微表情;
动作单元提取模块,用于提取所述微表情中的各个动作单元;
情绪值获取模块,用于按照预设的微表情评分标准获取各个所述动作单元对应的情绪值;
心情值计算模块,用于根据各个所述动作单元对应的情绪值计算得到所述处理人当前的心情值;
工作状态确定模块,用于根据计算得到的所述心情值确定所述处理人的工作状态;
所述相似度区间包括正常相似度区间和异常相似度区间,其中,计算得到的相似度落入所述正常相似度区间代表了所述各个处理意见信息之间的相似度在正常范围内,计算得到的相似度落入所述异常相似度区间代表了所述各个处理意见信息之间的相似度在异常范围内;
所述第二时限确定模块包括:
第一确定单元,用于若计算得到的相似度落入预设的正常相似度区间内,则确定出与所述正常相似度区间对应的所述当前节点的第二处理时限,然后触发所述节点时限计算模块;
信息长度检测单元,用于若计算得到的相似度落入预设的异常相似度区间内,则检测所述各个处理意见信息各自的信息长度是否均小于预设的长度阈值;
第二确定单元,用于若所述信息长度检测单元的检测结果为是,则根据所述各自的信息长度确定出所述当前节点的第三处理时限,然后根据所述第一处理时限、所述第二处理时限和所述第三处理时限计算得到所述节点处理时限;
第三确定单元,用于若所述信息长度检测单元的检测结果为否,则确定出与所述异常相似度区间对应的所述当前节点的第二处理时限,然后触发所述节点时限计算模块。
4.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至2中任一项所述基于微表情的节点信息处理方法的步骤。
5.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至2中任一项所述基于微表情的节点信息处理方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810861626.XA CN109345184B (zh) | 2018-08-01 | 2018-08-01 | 基于微表情的节点信息处理方法、装置、计算机设备及存储介质 |
PCT/CN2018/106261 WO2020024390A1 (zh) | 2018-08-01 | 2018-09-18 | 基于微表情的节点信息处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810861626.XA CN109345184B (zh) | 2018-08-01 | 2018-08-01 | 基于微表情的节点信息处理方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109345184A CN109345184A (zh) | 2019-02-15 |
CN109345184B true CN109345184B (zh) | 2023-06-06 |
Family
ID=65291219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810861626.XA Active CN109345184B (zh) | 2018-08-01 | 2018-08-01 | 基于微表情的节点信息处理方法、装置、计算机设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109345184B (zh) |
WO (1) | WO2020024390A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379174A (zh) * | 2020-03-09 | 2021-09-10 | 北京达佳互联信息技术有限公司 | 业务数据处理方法、装置、计算机设备和存储介质 |
CN115034000B (zh) * | 2022-05-13 | 2023-12-26 | 深圳模德宝科技有限公司 | 一种工艺设计的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016090326A1 (en) * | 2014-12-05 | 2016-06-09 | Declara, Inc. | Intent based digital collaboration platform architecture and design |
WO2016101808A1 (zh) * | 2014-12-22 | 2016-06-30 | 中兴通讯股份有限公司 | 一种实现设备直通中继选择的方法、网络控制节点及用户设备 |
CN107909234A (zh) * | 2017-08-31 | 2018-04-13 | 平安科技(深圳)有限公司 | 工作流数据的时限提醒方法、处理方法及其装置、设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009110167A (ja) * | 2007-10-29 | 2009-05-21 | Hitachi Software Eng Co Ltd | 情報処理システム |
IL226047A (en) * | 2013-04-29 | 2017-12-31 | Hershkovitz Reshef May | A method and system for giving personal expressions |
CN104299225A (zh) * | 2014-09-12 | 2015-01-21 | 姜羚 | 一种表情识别在大数据分析的应用方法及系统 |
US10839415B2 (en) * | 2016-10-10 | 2020-11-17 | International Business Machines Corporation | Automated offer generation responsive to behavior attribute |
CN108256810B (zh) * | 2016-12-28 | 2021-08-17 | 平安科技(深圳)有限公司 | 保险业务审批流程处理方法和装置 |
CN107862598A (zh) * | 2017-09-30 | 2018-03-30 | 平安普惠企业管理有限公司 | 远程面谈审批方法、服务器及可读存储介质 |
-
2018
- 2018-08-01 CN CN201810861626.XA patent/CN109345184B/zh active Active
- 2018-09-18 WO PCT/CN2018/106261 patent/WO2020024390A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016090326A1 (en) * | 2014-12-05 | 2016-06-09 | Declara, Inc. | Intent based digital collaboration platform architecture and design |
WO2016101808A1 (zh) * | 2014-12-22 | 2016-06-30 | 中兴通讯股份有限公司 | 一种实现设备直通中继选择的方法、网络控制节点及用户设备 |
CN107909234A (zh) * | 2017-08-31 | 2018-04-13 | 平安科技(深圳)有限公司 | 工作流数据的时限提醒方法、处理方法及其装置、设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2020024390A1 (zh) | 2020-02-06 |
CN109345184A (zh) | 2019-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109472206B (zh) | 基于微表情的风险评估方法、装置、设备及介质 | |
WO2019033525A1 (zh) | Au特征识别方法、装置及存储介质 | |
CN109472213B (zh) | 掌纹识别方法、装置、计算机设备和存储介质 | |
WO2020252917A1 (zh) | 一种模糊人脸图像识别方法、装置、终端设备及介质 | |
WO2020098074A1 (zh) | 人脸样本图片标注方法、装置、计算机设备及存储介质 | |
CN109743624B (zh) | 视频切割方法、装置、计算机设备和存储介质 | |
EP3617946A1 (en) | Context acquisition method and device based on voice interaction | |
CN109766917A (zh) | 面试视频数据处理方法、装置、计算机设备和存储介质 | |
CN111680551A (zh) | 监控牲畜数量的方法、装置、计算机设备及存储介质 | |
WO2022174699A1 (zh) | 图像更新方法、装置、电子设备及计算机可读介质 | |
CN110197107B (zh) | 微表情识别方法、装置、计算机设备及存储介质 | |
CN110309799B (zh) | 基于摄像头的说话判断方法 | |
CN110741387B (zh) | 人脸识别方法、装置、存储介质及电子设备 | |
CN109345184B (zh) | 基于微表情的节点信息处理方法、装置、计算机设备及存储介质 | |
CN109756563B (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
CN110610125A (zh) | 基于神经网络的牛脸识别方法、装置、设备及存储介质 | |
CN109754077B (zh) | 深度神经网络的网络模型压缩方法、装置及计算机设备 | |
CN110780956A (zh) | 一种智能远程协助方法、装置、计算机设备及存储介质 | |
EP3200092A1 (en) | Method and terminal for implementing image sequencing | |
CN114493902A (zh) | 多模态信息异常监控方法、装置、计算机设备及存储介质 | |
CN104346547A (zh) | 一种智能化的身份识别系统 | |
CN110163183B (zh) | 目标检测算法的评估方法、装置、计算机设备和存储介质 | |
CN116665278A (zh) | 微表情识别方法、装置、计算机设备及存储介质 | |
CN110837783A (zh) | 智慧社区中外来可疑人物自动警告方法、设备及存储介质 | |
CN111708988B (zh) | 侵权视频识别方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |