CN109840111B - 一种图形化的业务处理系统和方法 - Google Patents
一种图形化的业务处理系统和方法 Download PDFInfo
- Publication number
- CN109840111B CN109840111B CN201910140369.5A CN201910140369A CN109840111B CN 109840111 B CN109840111 B CN 109840111B CN 201910140369 A CN201910140369 A CN 201910140369A CN 109840111 B CN109840111 B CN 109840111B
- Authority
- CN
- China
- Prior art keywords
- model
- component
- service
- business
- user
- 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
Landscapes
- Stored Programmes (AREA)
Abstract
本申请公开了一种图形化的业务处理系统,所述系统包括:人机交互界面和流程执行模块,人机交互界面,用于接收用户绘制的包含用组件图形表示的一个或多个任务节点的业务流程图,所述组件图形用于指定所述组件图形所表示的任务节点需要调用的程序组件,且所述业务流程图中的至少一个组件图形指定的程序组件为人工智能AI程序组件,AI程序组件用于调用AI模型;流程执行模块,用于根据所述业务流程图的执行逻辑,执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案。本申请公开的系统和方法,不需要针对不同的业务场景开发不同的业务产品,即可实现任意业务场景下的整个业务解决方案的自动执行,从而可以提高业务处理效率。
Description
技术领域
本申请涉及机器智能技术领域,尤其涉及一种图形化的业务处理系统和方法。
背景技术
随着海量业务数据的不断产生,业务提供方期望能够自动处理业务问题,以提高业务处理效率,增强市场竞争力。
目前,业务提供方主要根据业务运维人员梳理的具体业务需求,针对性地开发出能够解决特定业务场景下的业务问题的业务产品,以自动化的解决该业务场景下的业务问题。
但是,目前的这种业务处理方式,需要针对不同的业务场景开发不同的业务产品,一旦业务场景和/或业务需求有变,则需要开发新的业务产品,或需要对原有的业务产品的代码进行修改得到新的业务产品,受软件开发周期的影响,使得业务产品不能很快投入使用,导致业务处理效率低下。
发明内容
本申请实施例提供一种图形化的业务处理系统和方法,以实现任意场景下的业务的自动处理,从而提高业务处理效率。
第一方面,本申请实施例提供一种图形化的业务处理系统,所述系统包括:
人机交互界面,用于接收用户绘制的包含用组件图形表示的一个或多个任务节点的业务流程图,其中,所述组件图形用于指定所述组件图形所表示的任务节点需要调用的程序组件,且所述业务流程图中的至少一个组件图形指定的程序组件为人工智能AI程序组件,所述AI程序组件用于调用AI模型;
流程执行模块,用于根据所述业务流程图的执行逻辑,执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案。
第二方面,本申请实施例还提供一种图形化的业务处理方法,所述方法包括:
人机交互界面接收用户绘制的包含用组件图形表示的一个或多个任务节点的业务流程图,其中,所述组件图形用于指定所述组件图形所表示的任务节点需要调用的程序组件,且所述业务流程图中的至少一个组件图形指定的程序组件为人工智能AI程序组件,所述AI程序组件用于调用AI模型;
流程执行模块根据所述业务流程图的执行逻辑,执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
由于人机交互界面可以接收用户绘制的用于描述任意业务场景下的业务解决方案的业务流程图,且流程执行模块可以通过调用该业务流程图中的组件图形指定的程序组件,如通过调用能够调用AI模型的AI程序组件,自动执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案,从而自动化的实现更多的、任意的业务场景下的业务处理,而不需要针对不同的业务场景开发不同的业务产品,因此,可以快速实现个性化的业务处理需求,提高业务处理效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的图形化的业务处理系统的结构示意图之一。
图2为本申请实施例提供的图形化的业务处理系统的结构示意图之二。
图3为本申请实施例提供的图形化的业务处理系统的结构示意图之三。
图4为本申请实施例提供的图形化的业务处理系统的结构示意图之四。
图5为本申请实施例提供的图形化的业务处理方法的流程示意图之一。
图6为本申请实施例提供的图形化的业务处理方法的流程示意图之二。
图7为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了解决现有的业务处理方式业务处理效率低下的问题,本申请实施例提供了一种图形化的业务处理系统和方法,以下结合附图,详细说明本申请各实施例提供的技术方案。
需要说明的是,本申请实施例提供的一种图形化的业务处理系统和方法,可以应用于处理各类业务问题的专家系统,也可以应用于其他系统。
如图1所示,在一个实施例中,该图形化的业务处理系统100可以包括:人机交互界面101和流程执行模块102。
人机交互界面101,用于接收用户绘制的包含用组件图形表示的一个或多个任务节点的业务流程图,其中,所述组件图形用于指定所述组件图形所表示的任务节点需要调用的程序组件,且所述业务流程图中的至少一个组件图形指定的程序组件为人工智能(Artificial Intelligence,AI)程序组件,所述AI程序组件用于调用AI模型。
业务流程图,用于描述包含至少一个业务处理步骤的业务解决方案,该业务解决方案用于解决指定业务场景下的指定业务问题,其中,指定业务场景例如可以是通信设备的故障处理场景。并且,针对不同的业务问题,或者说针对不同的业务场景,人机交互界面101可以接收用户绘制的不同的业务流程图,以实现更多的、任意的业务场景下的业务处理。
程序组件,可以理解为是能够自动实现一个或多个特定功能的程序封装模块。组件图形,可以理解为是用于表示程序组件的图标,也可以理解为是程序组件的访问入口。本说明书提供的图形化的业务处理系统可以包括多个程序组件,相应的,在人机交互界面101中可以对应存在多个组件图形,且不同程序组件对应的组件图形不同。
例如,如图2所示,图形化的业务处理系统100可以包括多个程序组件200,例如可以包括AI程序组件201和其他程序组件202,其中,其他程序组件202又可以包括指令执行组件2021、数据库访问组件2022、邮件管理组件2023、文件管理组件2024和报表管理组件2025,等等。
相应的,在图形化的业务处理系统100的人机交互界面101中,可以对应存在组件图形1011,且组件图形1011可以包括第一组件图形111和第二组件图形112,其中,第一组件图形111用于指定AI程序组件201,第二组件图形112用于指定其他程序组件202,且第二组件图形112可以对应包括指令执行组件图形2021、数据库访问组件图形2022、邮件管理组件图形2023、文件管理组件图形2024和报表管理组件图形2025,等等。
需要说明的是,上文中所说的各种程序组件及其对应的组件图形仅仅是一些例子,并不构成对本申请实施例提供的技术方案的限制。在实际应用中,用户可以根据实际的业务场景扩展出更多的程序组件及其对应的组件图形。并且上文中所说的各种程序组件的功能可以从其名称获得,本文不再一一赘述。
AI模型,可以是预先基于样本数据和预设人工智能算法训练得到的模型,该AI模型可以用于实现业务流程图描述的业务解决方案中的预设业务处理步骤。例如,当业务流程图描述的是一个通信设备故障预测方案时,AI模型可以基于通信设备的运行数据,预测该通信设备是否出现某种故障。在本说明书实施例中,AI模型可以一个二进制的文件的形式存在,AI程序组件可以在读取该二进制的文件之后,通过运行该二进制的文件实现对该AI模型的调用。
作为一个例子,用户可以在人机交互界面101中,将相应的程序组件的组件图形拖拽到业务流程图绘制区域,并将不同的组件图形用连接线按照一定的顺序连接起来,就可以绘制出一个业务流程图。
详细地,在本说明书实施例所述的业务流程图中,一个组件图形可以表示一个任务节点,一个任务节点可以通过调用表示该任务节点的组件图形指定的程序组件来实现一个或多个业务处理步骤。
可选地,在本说明书实施例所述的业务流程图中,组件图形还可以用于描述调用程序组件实现目标业务处理步骤所需要的相关参数。
流程执行模块102,用于根据所述业务流程图的执行逻辑,执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案。
具体的,人机交互界面101接收的业务流程图的执行逻辑可通过该业务流程图中各组件图形之间的连接顺序表示,相应的,流程执行模块102,可以用于根据所述业务流程图中各组件图形之间的连接顺序,以及组件图形描述的调用程序组件实现至少一个业务处理步骤所需要的相关参数,依次调用所述业务流程图中的组件图形指定的程序组件,执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案。
如图2所示,当人机交互界面101接收的业务流程图包含用第一组件图形111和第二组件图形112表示的多个任务节点时,流程执行模块102,可以根据所述业务流程图中各组件图形之间的连接顺序,以及组件图形描述的调用程序组件实现至少一个业务处理步骤所需要的相关参数,调用AI程序组件201和相应的其他程序组件202,来执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案。
需要说明的是,流程执行模块102在执行业务流程图描述的业务解决方案时,AI程序组件可以调用一个AI模型,也可以根据业务需要调用多个AI模型。
本申请实施例提供的图形化的业务处理系统100,由于其中的人机交互界面101可以接收用户绘制的用于描述任意业务场景下的业务解决方案的业务流程图,其中的流程执行模块102可以通过调用该业务流程图中的组件图形指定的程序组件,如通过调用能够调用AI模型的AI程序组件,自动执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案,从而自动化的实现更多的、任意的业务场景下的业务处理,而不需要针对不同的业务场景开发不同的业务产品,因此,可以快速实现个性化的业务处理需求,提高业务处理效率。
此外,本申请实施例提供的图形化的业务处理系统100,通过调用包括AI程序组件在内的程序组件,可实现任意业务场景下的整个业务解决方案的自动执行,而不仅仅是业务解决方案中的部分业务处理步骤的自动执行,因此,可以实现业务处理的完全自动化。
可选地,如图3所示,在另一实施例中,该图形化的业务处理系统100除了包括人机交互界面101和流程执行模块102,还可以包括:AI模型训练与管理模块103。
AI模型训练与管理模块103,用于训练和测试所述AI模型,并在测试通过时保存所述AI模型;其中,所述AI模型用于实现所述业务解决方案中的预设业务处理步骤。
进一步地,为了保证AI模型的应用不受AI模型的训练和测试的影响,以保障AI模型应用过程的稳定运行,也即为了保障应用AI模型进行生产的过程的稳定运行,可以将AI模型的训练和测试过程,与AI模型的应用过程进行分离。为了实现此目的,AI模型训练与管理模块103,具体可用于在第一服务集群106的节点中训练和测试所述AI模型,并在测试通过时将所述AI模型保存至第二服务集群107的至少一个节点中,其中,第一服务集群106和第二服务集群107是不同的服务集群。可选地,第一服务集群106中的节点和/或第二服务集群107中的节点可以为依赖Docker、Coreos等容器技术创建的容器。
在此基础上,AI程序组件201可用于从所述第二服务集群107的所述至少一个节点中调用所述AI模型。
不难理解,将AI模型的训练和测试,与AI模型的应用通过不同的服务集群实现,可以很好地实现AI模型的训练和测试过程,与AI模型的应用过程相分离的目的。
在一个更为详细的例子中,AI模型训练与管理模块103可以包括:算法选择子模块、样本数据接收模块、干扰管理子模块、参数设置子模块、模型训练子模块、效果评估子模块和保存子模块。
算法选择子模块,用于接收用户选择的预设人工智能算法。
作为一个例子,上述AI模型可以是一个单指标预测模型,更为具体的,当所述AI模型是一个单指标预测模型时,上述预设人工智能算法可以是长短期记忆网络(Long Short-Term Memory,LSTM)算法、季节性差分自回归滑动平均(Seasonal AutoregressiveIntegrated Moving Average)等算法,单指标预测模型的输入数据包括时间字段和预测字段;当所述AI模型是一个存在干扰因素的多指标预测模型时,上述预设人工智能算法可以是递归神经网络(Gated Recurrent Unit,GRU)、顺序学习(Sequence to Sequence,SEQ2SEQ)等算法,多指标预测模型的输入数据除了时间字段和预测字段之外还包括其他影响模型效果的字段。
样本数据接收模块,用于接收用户选择并上传的样本数据。
在AI模型训练与管理模块103训练AI模型之前,可以由用户对AI模型即将应用的业务场景进行需求梳理,确定出AI模型实际所要实现的业务处理步骤;然后对该业务场景的相关历史数据进行整理(通常选取与该业务场景的需求高度相关的数据)和预处理(如清洗、归一化、加标签等),得到样本数据,以供AI模型训练与管理模块103训练AI模型时使用。
具体的,用户可以选择不同的时间列、特征列和预测列作为样本数据,并上传至第一服务集群106的节点中。
可选地,针对一个具体的业务场景下的AI模型的训练,样本数据接收子模块可以接收用户选择并上传的不同样本数据,算法选择子模块可以接收用户选择的不同人工智能算法,以使模型训练子模块根据不同的样本数据和/或不同的人工智能算法进行训练得到多个AI模型,最后从这多个AI模型选择一个效果最好的AI模型作为解决该业务场景下的业务问题的AI模型并保存。
干扰管理子模块,用于对用户配置的所述AI模型的干扰因素进行管理。
其中,所述干扰因素是指可能对所述AI模型的预测效果起到作用的、并且可由用户进行自定义的数据特征,比如一个多指标预测模型的输入数据包括时间字段、预测字段和天气字段,其中天气字段即可被认为是一个干扰因素。
干扰因素的管理包括:对用户定义的干扰因素的种类和每个种类下的更为详细的分类的管理,比如当干扰因素为天气字段时,可以进一步地定义立冬、大雪等这样更细分的类别。
参数设置子模块,用于接收用户设置的所述预设人工智能算法的相关参数、所述AI模型的评估指标和所述AI模型的输出参数。
可选地,参数设置子模块还可以用于设置所述AI模型的输出参数,以及所述AI模型的输出数据的展示方式(如可视化展示)等内容。
模型训练子模块,用于根据所述人工智能算法、所述样本数据、所述干扰信息、所述相关参数和所述输出参数,训练所述AI模型。
效果评估子模块,用于根据所述评估指标和/或预设测试方式,确定训练出的所述AI模型的效果,并将所述AI模型的效果反馈给参数调优子模块。
参数调优子模块,用于在所述AI模型的效果不符合预期效果时,根据预设调参算法对所述预设人工智能算的相关参数进行调整,并重新触发所述模型训练子模块训练所述AI模型,直到所述AI模型的效果符合所述预期效果。这种由参数调优子模块自动对所述相关参数进行调优的方法,可以降低用户使用所述预设人工智能算法的门槛,提高用户的工作效率。
当然,也可以由人工对所述预设人工智能算的相关参数进行调整,并重新触发所述模型训练子模块训练所述AI模型,直到所述AI模型的效果符合所述预期效果。这种由人工进行所述相关参数调整的方法,需要用户对所述预设人工智能算法比较熟悉,用户的使用难度高。
保存子模块,用于将符合预期效果的所述AI模型保存至所述第二服务集群107的所述至少一个节点中。
可以理解,模型训练子模块可以针对不同的业务场景,训练出不同的AI模型,保存子模块可以将这些AI模型均进行保存。
可选地,AI模型训练与管理模块103还可以包括:结果反馈子模块,用于将训练出的所述AI模型的效果展示给用户,具体的可以利用可视化的图形将训练出的AI模型的评价指标和测试结果展示给用户。
本申请实施例提供的图形化的业务处理系统100,可以通过AI模型训练与管理模块103针对性地训练出多种AI模型,并通过人机交互界面101灵活地在业务流程图中嵌入训练好的AI模型,以在流程执行模块102执行业务流程图描述的业务解决方案时,通过调用嵌入的不同AI模型自动地实现不同业务场景下的业务处理,扩大图形化的业务处理系统100的应用场景和应用范围,提高不同业务场景下的业务处理效率。
此外,在上述实施例中,预设人工智能算法的相关参数的调优可由参数调优子模块自动执行,所述AI模型所要处理的所述预设业务处理步骤的干扰信息可由人工配置,这使得系统100自动实现业务解决方案的过程与人工经验的耦合性降低。
当人机交互界面101接收的业务流程图中包括至少一个第一组件图形时(第一组件图形指定的程序组件为AI程序组件),流程执行模块102在执行到第一组件图形表示的任务节点时,就会调用AI程序组件,由于AI程序组件被调用时会进一步地调用AI模型,而一个AI模型被调用时需要输入相应的输入数据,才能给出相应的输出结果。
因此,可选地,如图4所示,图形化的业务处理系统100还可以包括:输入数据获取模块105。
输入数据获取模块105,用于从第二组件图形指定的程序组件中获取所述AI模型的输入数据。其中,所述第二组件图形是所述业务处流程图中除第一组件图形外的组件图形,所述第一组件图形是用于指定所述AI程序组件的组件图形,且所述输入数据的数据格式与所述样本数据的数据格式相同。
如图4所示,作为一个例子,如果人机交互界面101接收的业务流程图中包括第一组件图形和第二组件图形,则流程执行模块102在执行业务流程图描述的业务解决方案时,会调用AI程序组件201和其他程序组件202,且AI程序组件201会调用AI模型104(AI模型104可以保存在如图3所示的第二服务集群107的节点中),以实现相应的业务处理步骤,此时,输入数据获取模块105会从业务流程图中的第二组件图形指定的其他程序组件202中获取AI模型104的输入数据,并将获取的输入数据传递给AI模型104。
进一步地,在获取AI模型104的输入数据之后,AI程序组件201,可以用于根据所述输入数据和所述AI模型的输出参数的设置,编译执行所述AI模型,得到所述AI模型的输出数据,并传递给业务流程图中的下一任务节点,保证业务流程图描述的整个业务解决方案的顺利执行。
可选地,图形化的业务处理系统100还可以进一步地通过人机交互界面101向用户展示AI模型104的输出数据,并接收用户对所述输出数据的预设操作生成反馈数据,也即,如图4所示,人机交互界面101还可以包括展示子模块1013,展示子模块1013可以用于展示所述AI模型的输出数据,并接收用户对所述输出数据的预设操作生成反馈数据。其中,预设操作可以包括确认操作或修改操作等操作。
更进一步地,人机交互界面101还可以包括反馈子模块1014,用于将所述反馈数据和所述反馈数据对应的输入数据作为新的样本数据发送给AI模型训练与管理模块103,以使所述AI模型训练与管理模块103对所述AI模型进行更新。也即,用户可以对AI模型的输出结果进行修改或确认,并将修改或确认后的数据结合AI模型的输入数据形成完整的新的样本数据反馈给AI模型训练与管理模块103,以使AI模型训练与管理模块103对AI模型104进行更新和迭代,以达到AI模型的效果不断被优化的目的。
具体的,在第一次训练出所述AI模型之后,可以由用户在AI模型训练与管理模块103中设备该AI模型的更新时间,比如可以设置手动触发更新或定期自动触发更新等。
以上是对本申请实施例提供的图形化的业务处理系统100的说明,相应于上述图形化的业务处理系统100,本申请实施例还提供了一种图形化的业务处理方法,下面进行介绍。
如图5所示,在一个实施例中,本申请实施例提供的一种图形化的业务处理方法,可以应用于上述图形化的业务处理系统100,该方法可以包括如下步骤:
步骤501、人机交互界面接收用户绘制的包含用组件图形表示的一个或多个任务节点的业务流程图,其中,所述组件图形用于指定所述组件图形所表示的任务节点需要调用的程序组件,且所述业务流程图中的至少一个组件图形指定的程序组件为人工智能AI程序组件,所述AI程序组件用于调用AI模型。
可选地,在本说明书实施例所述的业务流程图中,组件图形还可以用于描述调用程序组件实现目标业务处理步骤所需要的相关参数。
步骤502、流程执行模块根据所述业务流程图的执行逻辑,执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案。
具体的,人机交互界面101接收的业务流程图的执行逻辑可通过该业务流程图中各组件图形之间的连接顺序表示,相应的,流程执行模块102可以根据所述业务流程图中各组件图形之间的连接顺序,以及组件图形描述的调用程序组件实现至少一个业务处理步骤所需要的相关参数,调用所述业务流程图中的组件图形指定的程序组件,执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案。
本申请实施例提供的图形化的业务处理方法,由于人机交互界面可以接收用户绘制的用于描述任意业务场景下的业务解决方案的业务流程图,流程执行模块可以通过调用该业务流程图中的组件图形指定的程序组件,如通过调用能够调用AI模型的AI程序组件,自动执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案,从而自动化的实现更多的、任意的业务场景下的业务处理,而不需要针对不同的业务场景开发不同的业务产品,因此,可以快速实现个性化的业务处理需求,提高业务处理效率。
可选地,如图6所示,在另一实施例中,本申请实施例提供的一种图形化的业务处理方法,在步骤501之前,还可以包括:
步骤503、AI模型训练与管理模块103训练和测试所述AI模型,并在测试通过时保存所述AI模型;其中,所述AI模型用于实现所述业务解决方案中的预设业务处理步骤。
进一步地,为了保证AI模型的应用不受AI模型的训练和测试的影响,以保障AI模型应用过程的稳定运行,也即为了保障应用AI模型进行生产的过程的稳定运行,可以将AI模型的训练和测试过程,与AI模型的应用过程进行分离。为了实现此目的,步骤503具体可以包括:AI模型训练与管理模块103在第一服务集群106的节点中训练和测试所述AI模型,并在测试通过时将所述AI模型保存至第二服务集群107的至少一个节点中,其中,第一服务集群106和第二服务集群107是不同的服务集群。
在此基础上,AI程序组件201可用于从所述第二服务集群107的所述至少一个节点中调用所述AI模型。
在一个更为详细的例子中,AI模型训练与管理模块103可以包括:算法选择子模块、样本数据接收模块、干扰管理子模块、参数设置子模块、模型训练子模块、效果评估子模块和保存子模块。
相应的,步骤503可以包括:
子步骤1、算法选择子模块接收用户选择的预设人工智能算法。
子步骤2、样本数据接收模块接收用户选择并上传的样本数据。
在训练AI模型之前,可以由用户对AI模型即将应用的业务场景进行需求梳理,确定出AI模型实际所要实现的业务处理步骤;然后对该业务场景的相关历史数据进行整理(通常选取与该业务场景的需求高度相关的数据)和预处理(如清洗、归一化、加标签等),得到样本数据,以供AI模型训练与管理模块103训练AI模型时使用。
具体的,用户可以选择不同的时间列、特征列和预测列作为样本数据,并上传至第一服务集群106的节点中。
可选地,针对一个具体的业务场景下的AI模型的训练,样本数据接收模块可以接收用户选择并上传的不同样本数据,算法选择子模块可以接收用户选择的不同人工智能算法,以使模型训练子模块根据不同的样本数据和/或不同的人工智能算法进行训练得到多个AI模型,最后从这多个AI模型选择一个效果最好的AI模型作为解决该业务场景下的业务问题的AI模型并保存。
子步骤3、干扰管理子模块接收对用户配置的所述AI模型的干扰因素进行管理。
子步骤4、参数设置子模块接收用户设置的所述预设人工智能算法的相关参数、所述AI模型的评估指标和所述AI模型的输出参数。
可选地,参数设置子模块还可以用于接收用户设置的所述AI模型的输出参数,以及所述AI模型的输出数据的展示方式(如可视化展示)等内容。
子步骤5、模型训练子模块根据所述人工智能算法、所述样本数据、所述干扰信息、所述相关参数和所述输出参数,训练所述AI模型。
子步骤6、效果评估子模块根据所述评估指标和/或预设测试方式,确定训练出的所述AI模型的效果,并将所述AI模型的效果反馈给参数调优子模块。
子步骤7、参数调优子模块在所述AI模型的效果不符合预期效果时,根据预设调参算法对所述相关参数进行调整,并重新触发所述模型训练子模块训练所述AI模型,直到所述AI模型的效果符合所述预期效果。这种由参数调优子模块自动对所述相关参数进行调优的方法,可以降低用户使用所述预设人工智能算法的门槛,提高用户的工作效率。
当然,也可以由人工对所述相关参数进行调整,并重新触发所述模型训练子模块训练所述AI模型,直到所述AI模型的效果符合所述预期效果。这种由人工进行所述相关参数调整的方法,需要用户对所述预设人工智能算法比较熟悉,用户的使用难度高。
子步骤8、保存子模块将符合预期效果的所述AI模型保存至所述第二服务集群的所述至少一个节点中。
可选地,步骤503还可以包括子步骤9、结果反馈子模块将训练出的所述AI模型的效果展示给用户,具体的可以利用可视化的图形将训练出的AI模型的评价指标和测试结果展示给用户。
本申请实施例提供的图形化的业务处理方法,可以通过AI模型训练与管理模块针对性地训练出多种AI模型,并通过人机交互界面灵活地在业务流程图中嵌入训练好的AI模型,以在流程执行模块执行业务流程图描述的业务解决方案时,通过调用嵌入的不同AI模型自动地实现不同业务场景下的业务处理,扩大图形化的业务处理方法的应用场景和应用范围,提高不同业务场景下的业务处理效率。
此外,在上述实施例中,预设人工智能算法的相关参数的调优可由参数调优子模块自动执行,AI模型所要处理的所述预设业务处理步骤的干扰信息可由人工配置,这使得自动实现业务解决方案的过程与人工经验的耦合性降低。
可选地,本申请实施例提供的一种图形化的业务处理方法,还可以包括:
步骤504、输入数据获取模块从第二组件图形指定的程序组件中获取所述AI模型的输入数据。其中,所述第二组件图形是所述业务处流程图中除第一组件图形外的组件图形,所述第一组件图形是用于指定所述AI程序组件的组件图形,且所述输入数据的数据格式与所述样本数据的数据格式相同。
可选地,在获取AI模型的输入数据之后,本申请实施例提供的一种图形化的业务处理方法,还可以包括:AI程序组件根据所述输入数据和所述AI模型的输出参数的设置,编译执行所述AI模型,得到所述AI模型的输出数据,并传递给业务流程图中的下一任务节点,保证业务流程图描述的整个业务解决方案的顺利执行。
可选地,本申请实施例提供的一种图形化的业务处理方法,还可以包括:
步骤505、人机交互界面的展示子模块可以展示所述AI模型的输出数据,并接收用户对所述输出数据的预设操作生成反馈数据。其中,预设操作可以包括确认操作或修改操作。
更进一步地,本申请实施例提供的一种图形化的业务处理方法,还可以包括:
步骤506、人机交互界面中的反馈子模块可以将所述反馈数据和所述反馈数据对应的输入数据作为新的样本数据发送给AI模型训练与管理模块,以使所述AI模型训练与管理模块对所述AI模型进行更新。
也即,用户可以对AI模型的输出结果进行修改或确认,并将修改或确认后的数据结合AI模型的输入数据形成完整的新的样本数据反馈给AI模型训练与管理模块,以使AI模型训练与管理模块对AI模型进行更新和迭代,以达到AI模型的效果不断被优化的目的。
需要说明的是,由于本申请实施例提供的一种图形化的业务处理方法与本申请实施例提供的一种图形化的业务处理系统相对应,因此,在本说明书中对一种图形化的业务处理方法描述的较为简单,相关之处请参考上文中对一种图形化的业务处理系统的介绍。
图7示出了是本申请实施例提供的一种电子设备的结构示意图。请参考图7,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成图形化的业务处理系统,所述图形化的业务处理系统包括:人机交互界面和流程执行模块,并具体用于执行以下操作:
人机交互界面接收用户绘制的包含用组件图形表示的一个或多个任务节点的业务流程图,其中,所述组件图形用于指定所述组件图形所表示的任务节点需要调用的程序组件,且所述业务流程图中的至少一个组件图形指定的程序组件为人工智能AI程序组件,所述AI程序组件用于调用AI模型;
流程执行模块根据所述业务流程图的执行逻辑,执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案。
上述如本申请图7所示实施例揭示的图形化的业务处理系统执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central ProcessingUnit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行图7所示实施例中图形化的业务处理系统执行的方法,所述图形化的业务处理系统包括:人机交互界面和流程执行模块,并具体用于执行以下操作:
人机交互界面接收用户绘制的包含用组件图形表示的一个或多个任务节点的业务流程图,其中,所述组件图形用于指定所述组件图形所表示的任务节点需要调用的程序组件,且所述业务流程图中的至少一个组件图形指定的程序组件为人工智能AI程序组件,所述AI程序组件用于调用AI模型;
流程执行模块根据所述业务流程图的执行逻辑,执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是,本申请中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种图形化的业务处理系统,其特征在于,所述系统包括:
人机交互界面,用于接收用户绘制的包含用组件图形表示的一个或多个任务节点的业务流程图,其中,所述组件图形用于指定所述组件图形所表示的任务节点需要调用的程序组件,且所述业务流程图中的至少一个组件图形指定的程序组件为人工智能AI程序组件,所述AI程序组件用于调用AI模型;
流程执行模块,用于根据所述业务流程图的执行逻辑,执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案;
AI模型训练与管理模块,用于训练和测试所述AI模型,并在测试通过时保存所述AI模型,其中,所述AI模型用于实现所述业务解决方案中的预设业务处理步骤;
其中,所述AI模型训练与管理模块包括:
算法选择子模块,用于接收用户选择的预设人工智能算法;
样本数据接收模块,用于接收用户选择并上传的样本数据;
干扰管理子模块,用于对用户配置的所述AI模型的干扰因素进行管理,其中,所述干扰因素是指可能对所述AI模型的预测效果起到作用的、并且可由用户进行自定义的数据特征,干扰因素的管理包括:对用户定义的干扰因素的种类和每个种类下的更为详细的分类的管理;
参数设置子模块,用于接收用户设置的所述预设人工智能算法的相关参数、所述AI模型的评估指标和所述AI模型的输出参数;
模型训练子模块,用于根据所述人工智能算法、所述样本数据、所述干扰因素、所述相关参数和所述输出参数,训练所述AI模型;
效果评估子模块,用于根据所述评估指标和/或预设测试方式,确定训练出的所述AI模型的效果;
参数调优子模块,用于在所述AI模型的效果不符合预期效果时,根据预设调参算法对所述相关参数进行调整,并重新触发所述模型训练子模块训练所述AI模型,直到所述AI模型的效果符合所述预期效果;
保存子模块,用于将符合预期效果的所述AI模型保存至第二服务集群的所述至少一个节点中。
2.根据权利要求1所述的系统,其特征在于,
所述AI模型训练与管理模块,具体用于在第一服务集群的节点中训练和测试所述AI模型,并在测试通过时将所述AI模型保存至第二服务集群的至少一个节点中;
其中,所述AI程序组件用于从所述第二服务集群的所述至少一个节点中调用所述AI模型。
3.根据权利要求1所述的系统,其特征在于,所述系统还包括:
输入数据获取模块,用于从第二组件图形指定的程序组件中获取所述AI模型的输入数据;
其中,所述第二组件图形是所述业务处流程图中除第一组件图形外的组件图形,所述第一组件图形是用于指定所述AI程序组件的组件图形,且所述输入数据的数据格式与所述样本数据的数据格式相同。
4.根据权利要求3所述的系统,其特征在于,
所述AI程序组件,用于根据所述输入数据和所述AI模型的输出参数的设置,编译执行所述AI模型,得到所述AI模型的输出数据。
5.根据权利要求4所述的系统,其特征在于,
所述人机交互界面包括展示子模块;
所述展示子模块,用于展示所述AI模型的输出数据,并接收用户对所述输出数据的预设操作生成反馈数据。
6.根据权利要求5所述的系统,其特征在于,
所述人机交互界面还包括反馈子模块;
所述反馈子模块,用于将所述反馈数据和所述反馈数据对应的输入数据作为新的样本数据发送给所述AI模型训练与管理模块,以使所述AI模型训练与管理模块对所述AI模型进行更新。
7.根据权利要求1-6任一项所述的系统,其特征在于,
所述业务流程图中的组件图形还用于描述调用程序组件实现至少一个业务处理步骤所需要的相关参数,所述执行逻辑用组件图形之间的连接顺序表示;
其中,所述流程执行模块,用于根据所述业务流程图中各组件图形之间的连接顺序,以及组件图形描述的相关参数,调用所述业务流程图中的组件图形指定的程序组件,执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案。
8.一种图形化的业务处理方法,其特征在于,所述方法包括:
人机交互界面接收用户绘制的包含用组件图形表示的一个或多个任务节点的业务流程图,其中,所述组件图形用于指定所述组件图形所表示的任务节点需要调用的程序组件,且所述业务流程图中的至少一个组件图形指定的程序组件为人工智能AI程序组件,所述AI程序组件用于调用AI模型;
流程执行模块根据所述业务流程图的执行逻辑,执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案;
AI模型训练与管理模块训练和测试所述AI模型,并在测试通过时保存所述AI模型,其中,所述AI模型用于实现所述业务解决方案中的预设业务处理步骤;
其中,所述AI模型训练与管理模块包括:
算法选择子模块,用于接收用户选择的预设人工智能算法;
样本数据接收模块,用于接收用户选择并上传的样本数据;
干扰管理子模块,所述AI模型训练与管理模块训练和测试所述AI模型,并在测试通过时保存所述AI模型,包括:干扰管理子模块接收对用户配置的所述AI模型的干扰因素进行管理,其中,所述干扰因素是指可能对所述AI模型的预测效果起到作用的、并且可由用户进行自定义的数据特征,干扰因素的管理包括:对用户定义的干扰因素的种类和每个种类下的更为详细的分类的管理;
参数设置子模块,用于接收用户设置的所述预设人工智能算法的相关参数、所述AI模型的评估指标和所述AI模型的输出参数;
模型训练子模块,用于根据所述人工智能算法、所述样本数据、所述干扰因素、所述相关参数和所述输出参数,训练所述AI模型;
效果评估子模块,用于根据所述评估指标和/或预设测试方式,确定训练出的所述AI模型的效果;
参数调优子模块,用于在所述AI模型的效果不符合预期效果时,根据预设调参算法对所述相关参数进行调整,并重新触发所述模型训练子模块训练所述AI模型,直到所述AI模型的效果符合所述预期效果;
保存子模块,用于将符合预期效果的所述AI模型保存至第二服务集群的所述至少一个节点中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910140369.5A CN109840111B (zh) | 2019-02-26 | 2019-02-26 | 一种图形化的业务处理系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910140369.5A CN109840111B (zh) | 2019-02-26 | 2019-02-26 | 一种图形化的业务处理系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109840111A CN109840111A (zh) | 2019-06-04 |
CN109840111B true CN109840111B (zh) | 2022-03-22 |
Family
ID=66885010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910140369.5A Active CN109840111B (zh) | 2019-02-26 | 2019-02-26 | 一种图形化的业务处理系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109840111B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446394A (zh) * | 2019-08-28 | 2021-03-05 | 北京中关村科金技术有限公司 | 基于图形的决策方法、装置以及存储介质 |
CN110363280A (zh) * | 2019-09-02 | 2019-10-22 | 国家气象信息中心 | 算法模型训练分析系统 |
CN110704045A (zh) * | 2019-09-20 | 2020-01-17 | 凡普数字技术有限公司 | 决策流程的构建方法、装置以及存储介质 |
CN111090733B (zh) * | 2019-12-24 | 2022-12-06 | 科大讯飞股份有限公司 | 人机交互方法、装置、设备及可读存储介质 |
CN111865665B (zh) * | 2020-06-23 | 2023-10-13 | 广州衡昊数据科技有限公司 | 一种网络设备故障自愈方法和装置 |
CN111885618B (zh) * | 2020-06-23 | 2024-03-29 | 广州衡昊数据科技有限公司 | 一种网络性能优化方法和装置 |
CN113204330B (zh) * | 2021-06-01 | 2024-03-26 | 李麟 | 一种基于人工智能的程序开发设计方法及系统 |
CN116431246B (zh) * | 2023-06-13 | 2023-08-11 | 建信金融科技有限责任公司 | 办公自动化软件配置方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105988815A (zh) * | 2015-03-04 | 2016-10-05 | 银联商务有限公司 | 一种业务流程开发方法及系统 |
CN109324793A (zh) * | 2018-10-24 | 2019-02-12 | 北京奇虎科技有限公司 | 支持算法组件化的处理系统及方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AUPP949599A0 (en) * | 1999-03-30 | 1999-04-22 | Griffith University | Visual architecture software language |
CN106201481A (zh) * | 2016-06-30 | 2016-12-07 | 传线网络科技(上海)有限公司 | 应用程序开发系统中的组件管理方法和装置 |
CN106775683B (zh) * | 2016-11-30 | 2020-06-19 | 华南理工大学 | 一种图形化编程控制与存储系统 |
CN108958796B (zh) * | 2017-05-23 | 2023-08-04 | 创新先进技术有限公司 | 业务请求处理方法及装置、业务请求处理系统 |
CN107577515A (zh) * | 2017-10-10 | 2018-01-12 | 北京小度信息科技有限公司 | 可视化组件的扩展方法、装置、电子设备及存储介质 |
CN108196843B (zh) * | 2018-01-09 | 2021-03-26 | 成都睿码科技有限责任公司 | 可视化Docker容器自动编译部署的运维方法 |
CN109242433A (zh) * | 2018-09-05 | 2019-01-18 | 广州衡昊数据科技有限公司 | 一种图形化配置及执行办公业务流程的系统和方法 |
-
2019
- 2019-02-26 CN CN201910140369.5A patent/CN109840111B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105988815A (zh) * | 2015-03-04 | 2016-10-05 | 银联商务有限公司 | 一种业务流程开发方法及系统 |
CN109324793A (zh) * | 2018-10-24 | 2019-02-12 | 北京奇虎科技有限公司 | 支持算法组件化的处理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109840111A (zh) | 2019-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109840111B (zh) | 一种图形化的业务处理系统和方法 | |
CN108846630B (zh) | 一种资源控制系统及方法 | |
CN109213482A (zh) | 基于卷积神经网络的人工智能图形化应用平台及应用方法 | |
CN110471652B (zh) | 任务编排方法、编排器、设备及可读存储介质 | |
CN111476192B (zh) | 基于智慧交通的截取图像合成方法及大数据云服务器 | |
CN109740965A (zh) | 一种工程验证分析方法及装置 | |
CN115756642A (zh) | 一种业务流程配置方法、装置、设备及存储介质 | |
CN112149838A (zh) | 实现自动构建模型的方法、装置、电子设备和存储介质 | |
CN115034519A (zh) | 一种用电负荷的预测方法、装置、电子设备以及存储介质 | |
CN108595178A (zh) | 一种基于hook的数据采集方法、装置及设备 | |
CN110532448B (zh) | 基于神经网络的文档分类方法、装置、设备及存储介质 | |
CN115185514A (zh) | 零代码建模的处理方法、装置及相关设备 | |
CN114595146A (zh) | Ab测试方法、装置、系统、电子设备及介质 | |
CN112733453A (zh) | 一种基于联合学习的设备预测性维护方法及装置 | |
CN113553097B (zh) | 模型版本管理方法及装置 | |
CN116797008B (zh) | 基于人工智能的珠宝生产控制方法及系统 | |
CN112148435B (zh) | 用于自动驾驶系统的确定目标模块调度策略的方法及装置 | |
CN114549184A (zh) | 风控模型的运行监控方法及其装置、电子设备及存储介质 | |
CN113064599A (zh) | 机器学习模型预测在线服务的部署方法和装置 | |
CN112035372A (zh) | 一种软件测试方法、装置及电子设备 | |
CN115375935A (zh) | 训练图像分类模型的方法、装置、电子设备及介质 | |
CN118260341A (zh) | 业务处理方法、装置、计算机设备、存储介质和程序产品 | |
CN117093198A (zh) | 业务模型建立方法、装置、计算机设备及可读介质 | |
CN115328535A (zh) | 参数配置方法、装置、计算机设备及存储介质 | |
CN116188091A (zh) | 造价清单自动匹配单价引用的方法、装置、设备及介质 |
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 |