CN111932150B - 基于ai决策及引擎的流程执行方法、装置、设备及介质 - Google Patents
基于ai决策及引擎的流程执行方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111932150B CN111932150B CN202010976540.9A CN202010976540A CN111932150B CN 111932150 B CN111932150 B CN 111932150B CN 202010976540 A CN202010976540 A CN 202010976540A CN 111932150 B CN111932150 B CN 111932150B
- Authority
- CN
- China
- Prior art keywords
- engine
- data
- decision
- core process
- target system
- 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
- G06Q10/06—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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063118—Staff planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及人工智能技术领域,提供一种基于AI决策及引擎的流程执行方法、装置、设备及介质,能够启动预先构建的核心流程引擎并封装初始流程,将至少一个子任务与核心流程引擎进行适配,响应接收到的待处理任务及所述待处理任务的附属信息,驱动核心流程引擎运转,基于AI决策算法对配置节点生成推荐决策,根据推荐决策处理配置节点,并响应配置节点完成处理,驱动核心流程引擎继续流转,直至待处理任务执行完毕,进而结合人工智能实现对所述待处理任务的自动执行,既提高了所述待处理任务的处理效率,又确保了所述待处理任务执行的准确度。本发明还涉及区块链技术,核心流程引擎可存储至区块链。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于AI决策及引擎的流程执行方法、装置、设备及介质。
背景技术
现有技术方案中,很多机构都需要依据流程执行各个任务,但是大多数流程在执行过程中还存在一定缺陷。如法院等机构在采用传统的执行系统和相关办公系统时,主要存在以下缺陷:
(1)流程节点松散,需要人工去操作,并完成各个流程节点,没有智能化的技术来协助工作人员执行流程的流转或者常规程序化的工作。例如:对于法院,在完成发执行通知后不会自动提醒,或者协助完成下一节点的常规工作(自动财产查询等)。
(2)系统与系统之间没有完全打通,缺乏统一管理及连接。工作人员需要在不同的系统之间进行切换操作。例如:对于法院,处理一个案件时是在全国执行系统办理,但是到了发执行通知节点,还需要去另外一个系统进行操作。
(3)对于简单案件,受限于当前的技术和系统,仍然需要全流程手动操作。例如:对于法院办理的无财产案件,需要法官手动执行程序化的操作,耗时耗力。
发明内容
鉴于以上内容,有必要提供一种基于AI决策及引擎的流程执行方法、装置、设备及介质,能够结合人工智能,基于AI决策及工作流引擎实现对待处理任务的自动执行,既提高了待处理任务的处理效率,又确保了待处理任务执行的准确度。
一种基于AI决策及引擎的流程执行方法,所述基于AI决策及引擎的流程执行方法包括:
获取初始流程,启动预先构建的核心流程引擎,并封装所述初始流程至所述核心流程引擎;
获取至少一个子任务,将所述至少一个子任务与所述核心流程引擎进行适配;
响应接收到的待处理任务及所述待处理任务的附属信息,驱动所述核心流程引擎运转;
在所述核心流程引擎运转时,基于AI决策算法对配置节点生成推荐决策;
根据所述推荐决策处理所述配置节点;
响应所述配置节点完成处理,驱动所述核心流程引擎继续流转,直至所述待处理任务执行完毕。
根据本发明优选实施例,所述基于AI决策及引擎的流程执行方法还包括:
以Activity工作流引擎为驱动构建所述核心流程引擎,并将所述核心流程引擎部署于区块链上。
根据本发明优选实施例,所述将所述至少一个子任务与所述核心流程引擎进行适配包括:
获取每个所述子任务的数据字段;
确定所述数据字段的数量,并将所述数据字段的数量裁剪至与所述核心流程引擎适配;
确定所述数据字段的名称,并根据所述核心流程引擎的规范数据格式转换所述数据字段的名称;
确定所述数据字段的格式,并根据所述核心流程引擎的适配格式转换所述数据字段的格式;及
获取所述核心流程引擎的运行数据及结果数据,并将所述运行数据及所述结果数据封装为标准格式数据,将封装后的运行数据及结果数据反馈至所述子任务。
根据本发明优选实施例,所述基于AI决策算法对配置节点生成推荐决策包括:
确定所述待处理任务的当前用户;
采用皮尔逊算法计算所述当前用户与所述核心流程引擎上记录的所有用户的相关程度;
按照所述相关程度由高到低的顺序对所述所有用户进行排序;
从所述所有用户中获取排在前预设位的用户;
确定获取的用户中每个用户对所述配置节点的决策;
根据获取的用户中每个用户与所述当前用户的相关程度计算确定的决策中每个决策的推荐度;
将推荐度最高的决策确定为所述推荐决策。
根据本发明优选实施例,所述基于AI决策及引擎的流程执行方法还包括:
采用RESTful架构创建系统对接公共接口,所述系统对接公共接口包括标准接口及耦合转换接口;
当检测到有目标系统与所述核心流程引擎对接时,确定所述目标系统的部署环境;
当所述部署环境为外网环境时,根据所述标准接口的接口标准改造所述目标系统,并通过所述系统对接公共接口将改造后的目标系统对接至所述核心流程引擎;或者
当所述部署环境为内网环境时,利用所述耦合转换接口对所述目标系统与所述核心流程引擎进行耦合,并通过耦合后得到的接口将所述目标系统对接至所述核心流程引擎。
根据本发明优选实施例,所述利用所述耦合转换接口对所述目标系统与所述核心流程引擎进行耦合包括:
当所述目标系统的URL支持解析时,将所述目标系统的URL解析成所述标准接口的标准接口字段,并按照所述标准接口字段进行数据交换;或者
当所述目标系统的URL不支持解析时,将所述目标系统的数据包打包为OBJ字段数据,并根据打包得到的OBJ字段数据生成标准接口以供所述目标系统解析。
根据本发明优选实施例,所述基于AI决策及引擎的流程执行方法还包括:
获取所述核心流程引擎的临时数据、结果数据及持久化数据;
在所述待处理任务执行完毕后,删除所述临时数据,保留所述结果数据,并将所述持久化数据转存至大数据中心。
一种基于AI决策及引擎的流程执行装置,所述基于AI决策及引擎的流程执行装置包括:
封装单元,用于获取初始流程,启动预先构建的核心流程引擎,并封装所述初始流程至所述核心流程引擎;
适配单元,用于获取至少一个子任务,将所述至少一个子任务与所述核心流程引擎进行适配;
驱动单元,用于响应接收到的待处理任务及所述待处理任务的附属信息,驱动所述核心流程引擎运转;
生成单元,用于在所述核心流程引擎运转时,基于AI决策算法对配置节点生成推荐决策;
处理单元,用于根据所述推荐决策处理所述配置节点;
所述驱动单元,还用于响应所述配置节点完成处理,驱动所述核心流程引擎继续流转,直至所述待处理任务执行完毕。
一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现所述基于AI决策及引擎的流程执行方法。
一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现所述基于AI决策及引擎的流程执行方法。
由以上技术方案可以看出,本发明能够获取初始流程,启动预先构建的核心流程引擎,并封装所述初始流程至所述核心流程引擎,通过数据来驱动流程节点前进,辅助实现业务流程的自动化,获取至少一个子任务,将所述至少一个子任务与所述核心流程引擎进行适配,响应接收到的待处理任务及所述待处理任务的附属信息,驱动所述核心流程引擎运转,在所述核心流程引擎运转时,基于AI决策算法对配置节点生成推荐决策,以辅助实现对原本需要人为操作的所述配置节点的自动执行,进一步根据所述推荐决策处理所述配置节点,并响应所述配置节点完成处理,驱动所述核心流程引擎继续流转,直至所述待处理任务执行完毕,能够结合人工智能实现对所述待处理任务的自动执行,既提高了所述待处理任务的处理效率,又确保了所述待处理任务执行的准确度。
附图说明
图1是本发明基于AI决策及引擎的流程执行方法的较佳实施例的流程图。
图2是本发明基于AI决策及引擎的流程执行装置的较佳实施例的功能模块图。
图3是本发明实现基于AI决策及引擎的流程执行方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
如图1所示,是本发明基于AI决策及引擎的流程执行方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
所述基于AI决策及引擎的流程执行方法应用于一个或者多个电子设备中,所述电子设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific IntegratedCircuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能式穿戴式设备等。
所述电子设备还可以包括网络设备和/或用户设备。其中,所述网络设备包括,但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。
所述电子设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
S10,获取初始流程,启动预先构建的核心流程引擎,并封装所述初始流程至所述核心流程引擎。
其中,所述初始流程是指相关领域内通用的流程。
例如:法院的业务流程相对固定,主要包括收案、财产查询、分案、财产处置、强制措施、结案和文书处理等。
通过上述实施方式,将通用的流程作为初始流程固化至预先构建的核心流程引擎,以便后续在需要使用时直接调用,使流程节点之间的流转或中止通过所述核心流程引擎中预设的流转约束条件、中止条件和特殊条件进行触发,进而实现流程的自动化。
在本发明的至少一个实施例中,所述基于AI决策及工作流引擎的流程执行方法还包括:
以Activity工作流引擎为驱动构建所述核心流程引擎,并将所述核心流程引擎部署于区块链上。
通过将所述核心流程引擎部署于区块链上,可以提高系统的安全性。
所述核心流程引擎包括流程的节点管理、流向管理、流程样例管理等重要功能,用以驱动工作流的执行。
具体地,在以Activity工作流引擎为驱动构建所述核心流程引擎时,可以采用classpath方式、InputStream方式、字符串方式、zip格式压缩包方式等。
其中,使用InputStream方式部署流程资源需要传入一个输入流及资源的名称,输入流的来源不限,可以从classpath读取,也可以从一个绝对路径文件读取,也可以是从网络上读取。
利用字符串方式可以直接传入纯文本作为资源的来源,与classpath方式及InputStream方式类似,字符串方式的实现原理是把一组字符串的内容转化为字节流后再部署。
classpath方式、InputStream方式及字符串方式一次只能部署一个资源,除非执行多次deployment.addXxx()方法,而zip/bar格式压缩包方式将资源文件手动或使用Ant脚本,打包文件扩展名可以是Activiti官方推荐的bar或普通的zip。
可以理解的是,传统的流程节点通常使用不同的传统办公系统,以人工驱动业务前进,而不是以数据来驱动,而Activity工作流的特点是通过数据来驱动流程节点前进,进而能够实现业务流程的自动化。
S11,获取至少一个子任务,将所述至少一个子任务与所述核心流程引擎进行适配。
在本发明的至少一个实施例中,所述将所述至少一个子任务与所述核心流程引擎进行适配包括:
获取每个所述子任务的数据字段;
确定所述数据字段的数量,并将所述数据字段的数量裁剪至与所述核心流程引擎适配;
确定所述数据字段的名称,并根据所述核心流程引擎的规范数据格式转换所述数据字段的名称;
确定所述数据字段的格式,并根据所述核心流程引擎的适配格式转换所述数据字段的格式;及
获取所述核心流程引擎的运行数据及结果数据,并将所述运行数据及所述结果数据封装为标准格式数据,将封装后的运行数据及结果数据反馈至所述子任务。
其中,所述数据字段是指所述子任务的相关业务数据,如:时间数据等。
所述数据字段的数量是在最初配置每个子任务时就确定好的,例如:根据交互逻辑确定。
进一步地,对于所述数据字段的格式,以时间数据为例,可以是包括年月日的格式,如20200518,表示2020年5月18日。
通过上述实施方式,能够实现所述至少一个子任务与所述核心流程引擎间的数据通用,便于在所述至少一个子任务与所述核心流程引擎间进行数据交互。
S12,响应接收到的待处理任务及所述待处理任务的附属信息,驱动所述核心流程引擎运转。
其中,所述附属信息可以包括,但不限于以下一种或者多种信息的组合:
所述待处理任务的当前状态数据(如是否已经处于执行阶段)、各类文书数据以及其他任务的相关数据等。
可以理解的是,当接收到所述待处理任务及所述待处理任务的附属信息时,即触发了所述核心流程引擎的运转。
具体地,所述核心流程引擎在启动时就具备了状态数据,所述状态数据是指从所述核心流程引擎启动开始,全生命周期的各种状态数据,如妥投信息,查询反馈信息,控制反馈信息,节点运行截至期限等。
进一步地,根据所述状态数据驱动所述核心流程引擎运转。
S13,在所述核心流程引擎运转时,基于AI决策算法对配置节点生成推荐决策。
在本发明的至少一个实施例中,所述配置节点可以包括原本需要人为操作的节点。
例如:所述配置节点可以是简单的财务案件处理过程中的各个节点。
本实施例通过基于所述AI决策算法生成所述推荐决策,以辅助实现对原本需要人为操作的所述配置节点的自动执行。
具体地,所述基于AI决策算法对配置节点生成推荐决策包括:
确定所述待处理任务的当前用户;
采用皮尔逊算法计算所述当前用户与所述核心流程引擎上记录的所有用户的相关程度;
按照所述相关程度由高到低的顺序对所述所有用户进行排序;
从所述所有用户中获取排在前预设位的用户;
确定获取的用户中每个用户对所述配置节点的决策;
根据获取的用户中每个用户与所述当前用户的相关程度计算确定的决策中每个决策的推荐度;
将推荐度最高的决策确定为所述推荐决策。
例如:获取的用户分别为A、B、C,以皮尔逊算法进行计算后,确定A与所述当前用户的相关程度为95%,B与所述当前用户的相关程度为90%,C与所述当前用户的相关程度为80%,且A对所述配置节点的决策为M,B对所述配置节点的决策为N,C对所述配置节点的决策为M或Q,且概率分别为50%,那么M的推荐度为:95%*1+80%*0.5,N的推荐度为:90%*1,Q的推荐度为80%*0.5,由上述计算可知,M的推荐度最高,则将M确定为推荐决策。
其中,所述预设位可以进行自定义配置。
在上述实施方式中,基于协同过滤推荐算法的原理实现对配置节点的决策方式的智能推荐,将对商品的推荐原理应用到对节点决策方式的推荐上,由于算法本身能够处理非结构化的复杂对象,进一步确保了推荐的准确度。
当然,在其他实施方式中,还可以采用专家规则(即将专业用户的常用规则程序化)、基于内容的推荐算法或者基于知识的推荐算法等,只是上述几种方式可能存在一定缺陷,如:基于内容的推荐算法可能会有重复推荐的现象,而基于知识的推荐算法不是建立在用户需要和偏好基础上推荐的,推荐不够准确等。具体可以根据实际需求将上述算法作为备选算法。
S14,根据所述推荐决策处理所述配置节点。
需要说明的是,具体处理方式根据所述配置节点实际的任务类型而定。
例如:当所述节点为清算节点时,可以根据所述推荐决策自动执行数据的清算。
通过上述实施方式,能够基于推荐的决策实现对配置节点的自动执行,不仅给执行的用户提供了便利,降低人力需求,还进一步提高了流程的执行效率。
在其他实施例中,还可以向所述配置节点的处理者发送确认信息,当所述配置节点的处理者反馈确认处理的信号后,再根据所述推荐决策处理所述配置节点,以AI与人为结合的方式进一步保证处理的准确度。
S15,响应所述配置节点完成处理,驱动所述核心流程引擎继续流转,直至所述待处理任务执行完毕。
例如:对于法院的无财产案件,从立案到结案的整个流程都可以采用上述方案自动执行。
通过上述实施方式,能够结合人工智能实现对所述待处理任务的自动执行,既提高了所述待处理任务的处理效率,又确保了所述待处理任务执行的准确度。
在本发明的至少一个实施例中,所述基于AI决策及工作流引擎的流程执行方法还包括:
采用RESTful架构创建系统对接公共接口,所述系统对接公共接口包括标准接口及耦合转换接口;
当检测到有目标系统与所述核心流程引擎对接时,确定所述目标系统的部署环境;
当所述部署环境为外网环境时,根据所述标准接口的接口标准改造所述目标系统,并通过所述系统对接公共接口将改造后的目标系统对接至所述核心流程引擎;或者
当所述部署环境为内网环境时,利用所述耦合转换接口对所述目标系统与所述核心流程引擎进行耦合,并通过耦合后得到的接口将所述目标系统对接至所述核心流程引擎。
其中,所述目标系统可以包括,但不限于:用户外部系统、第三方系统等。例如:法院的各个系统、第三方服务系统、公积金中心系统、交管天眼系统等。
通过上述实施方式,能够通过创建的系统对接公共接口实现与其他系统的对接,避免用户在不同的流程节点需要操作不同系统所带来的麻烦,降低了用户学习的成本,用户不需要再操作各种各样的系统,达到一个平台实现多种任务操作的效果,同时节约了流程执行时间。
具体地,所述利用所述耦合转换接口对所述目标系统与所述核心流程引擎进行耦合包括:
当所述目标系统的URL支持解析时,将所述目标系统的URL解析成所述标准接口的标准接口字段,并按照所述标准接口字段进行数据交换;或者
当所述目标系统的URL不支持解析时,将所述目标系统的数据包打包为OBJ字段数据,并根据打包得到的OBJ字段数据生成标准接口以供所述目标系统解析。
通过对不同类型的目标系统实施不同的耦合,进而实现所述目标系统与所述核心流程引擎的对接。
在本发明的至少一个实施例中,所述基于AI决策及工作流引擎的流程执行方法还包括:
获取所述核心流程引擎的临时数据、结果数据及持久化数据;
在所述待处理任务执行完毕后,删除所述临时数据,保留所述结果数据,并将所述持久化数据转存至大数据中心。
其中,所述持久化数据包括原始数据及其他运转必要数据。
通过上述实施方式,能够保证所述核心流程引擎的快速运行,没有大量数据造成处理负担。
所述核心流程引擎不仅具有高度通用性和可移植性,而且,通过接口对接至不同的系统,使得所述核心流程引擎本身不会处理大量的数据。所述核心流程引擎的设计没有抛弃原有对接的系统,避免了对原系统功能的重复开发,提高了移植效率,更快地让客户体验到新引擎系统的便利。
由以上技术方案可以看出,本发明能够获取初始流程,启动预先构建的核心流程引擎,并封装所述初始流程至所述核心流程引擎,通过数据来驱动流程节点前进,辅助实现业务流程的自动化,获取至少一个子任务,将所述至少一个子任务与所述核心流程引擎进行适配,响应接收到的待处理任务及所述待处理任务的附属信息,驱动所述核心流程引擎运转,在所述核心流程引擎运转时,基于AI决策算法对配置节点生成推荐决策,以辅助实现对原本需要人为操作的所述配置节点的自动执行,进一步根据所述推荐决策处理所述配置节点,并响应所述配置节点完成处理,驱动所述核心流程引擎继续流转,直至所述待处理任务执行完毕,能够结合人工智能实现对所述待处理任务的自动执行,既提高了所述待处理任务的处理效率,又确保了所述待处理任务执行的准确度。
如图2所示,是本发明基于AI决策及引擎的流程执行装置的较佳实施例的功能模块图。所述基于AI决策及引擎的流程执行装置11包括封装单元110、适配单元111、驱动单元112、生成单元113、处理单元114、构建单元115、创建单元116、确定单元117、对接单元118、获取单元119、转存单元120。本发明所称的模块/单元是指一种能够被处理器13所执行,并且能够完成固定功能的一系列计算机程序段,其存储在存储器12中。在本实施例中,关于各模块/单元的功能将在后续的实施例中详述。
封装单元110获取初始流程,启动预先构建的核心流程引擎,并封装所述初始流程至所述核心流程引擎。
其中,所述初始流程是指相关领域内通用的流程。
例如:法院的业务流程相对固定,主要包括收案、财产查询、分案、财产处置、强制措施、结案和文书处理等。
通过上述实施方式,将通用的流程作为初始流程固化至预先构建的核心流程引擎,以便后续在需要使用时直接调用,使流程节点之间的流转或中止通过所述核心流程引擎中预设的流转约束条件、中止条件和特殊条件进行触发,进而实现流程的自动化。
在本发明的至少一个实施例中,构建单元115以Activity工作流引擎为驱动构建所述核心流程引擎,并将所述核心流程引擎部署于区块链上。
通过将所述核心流程引擎部署于区块链上,可以提高系统的安全性。
所述核心流程引擎包括流程的节点管理、流向管理、流程样例管理等重要功能,用以驱动工作流的执行。
具体地,在以Activity工作流引擎为驱动构建所述核心流程引擎时,可以采用classpath方式、InputStream方式、字符串方式、zip格式压缩包方式等。
其中,使用InputStream方式部署流程资源需要传入一个输入流及资源的名称,输入流的来源不限,可以从classpath读取,也可以从一个绝对路径文件读取,也可以是从网络上读取。
利用字符串方式可以直接传入纯文本作为资源的来源,与classpath方式及InputStream方式类似,字符串方式的实现原理是把一组字符串的内容转化为字节流后再部署。
classpath方式、InputStream方式及字符串方式一次只能部署一个资源,除非执行多次deployment.addXxx()方法,而zip/bar格式压缩包方式将资源文件手动或使用Ant脚本,打包文件扩展名可以是Activiti官方推荐的bar或普通的zip。
可以理解的是,传统的流程节点通常使用不同的传统办公系统,以人工驱动业务前进,而不是以数据来驱动,而Activity工作流的特点是通过数据来驱动流程节点前进,进而能够实现业务流程的自动化。
适配单元111获取至少一个子任务,将所述至少一个子任务与所述核心流程引擎进行适配。
在本发明的至少一个实施例中,所述适配单元111将所述至少一个子任务与所述核心流程引擎进行适配包括:
获取每个所述子任务的数据字段;
确定所述数据字段的数量,并将所述数据字段的数量裁剪至与所述核心流程引擎适配;
确定所述数据字段的名称,并根据所述核心流程引擎的规范数据格式转换所述数据字段的名称;
确定所述数据字段的格式,并根据所述核心流程引擎的适配格式转换所述数据字段的格式;及
获取所述核心流程引擎的运行数据及结果数据,并将所述运行数据及所述结果数据封装为标准格式数据,将封装后的运行数据及结果数据反馈至所述子任务。
其中,所述数据字段是指所述子任务的相关业务数据,如:时间数据等。
所述数据字段的数量是在最初配置每个子任务时就确定好的,例如:根据交互逻辑确定。
进一步地,对于所述数据字段的格式,以时间数据为例,可以是包括年月日的格式,如20200518,表示2020年5月18日。
通过上述实施方式,能够实现所述至少一个子任务与所述核心流程引擎间的数据通用,便于在所述至少一个子任务与所述核心流程引擎间进行数据交互。
响应接收到的待处理任务及所述待处理任务的附属信息,驱动单元112驱动所述核心流程引擎运转。
其中,所述附属信息可以包括,但不限于以下一种或者多种信息的组合:
所述待处理任务的当前状态数据(如是否已经处于执行阶段)、各类文书数据以及其他任务的相关数据等。
可以理解的是,当接收到所述待处理任务及所述待处理任务的附属信息时,即触发了所述核心流程引擎的运转。
具体地,所述核心流程引擎在启动时就具备了状态数据,所述状态数据是指从所述核心流程引擎启动开始,全生命周期的各种状态数据,如妥投信息,查询反馈信息,控制反馈信息,节点运行截至期限等。
进一步地,根据所述状态数据驱动所述核心流程引擎运转。
在所述核心流程引擎运转时,生成单元113基于AI决策算法对配置节点生成推荐决策。
在本发明的至少一个实施例中,所述配置节点可以包括原本需要人为操作的节点。
例如:所述配置节点可以是简单的财务案件处理过程中的各个节点。
本实施例通过基于所述AI决策算法生成所述推荐决策,以辅助实现对原本需要人为操作的所述配置节点的自动执行。
具体地,所述生成单元113基于AI决策算法对配置节点生成推荐决策包括:
确定所述待处理任务的当前用户;
采用皮尔逊算法计算所述当前用户与所述核心流程引擎上记录的所有用户的相关程度;
按照所述相关程度由高到低的顺序对所述所有用户进行排序;
从所述所有用户中获取排在前预设位的用户;
确定获取的用户中每个用户对所述配置节点的决策;
根据获取的用户中每个用户与所述当前用户的相关程度计算确定的决策中每个决策的推荐度;
将推荐度最高的决策确定为所述推荐决策。
例如:获取的用户分别为A、B、C,以皮尔逊算法进行计算后,确定A与所述当前用户的相关程度为95%,B与所述当前用户的相关程度为90%,C与所述当前用户的相关程度为80%,且A对所述配置节点的决策为M,B对所述配置节点的决策为N,C对所述配置节点的决策为M或Q,且概率分别为50%,那么M的推荐度为:95%*1+80%*0.5,N的推荐度为:90%*1,Q的推荐度为80%*0.5,由上述计算可知,M的推荐度最高,则将M确定为推荐决策。
其中,所述预设位可以进行自定义配置。
在上述实施方式中,基于协同过滤推荐算法的原理实现对配置节点的决策方式的智能推荐,将对商品的推荐原理应用到对节点决策方式的推荐上,由于算法本身能够处理非结构化的复杂对象,进一步确保了推荐的准确度。
当然,在其他实施方式中,还可以采用专家规则(即将专业用户的常用规则程序化)、基于内容的推荐算法或者基于知识的推荐算法等,只是上述几种方式可能存在一定缺陷,如:基于内容的推荐算法可能会有重复推荐的现象,而基于知识的推荐算法不是建立在用户需要和偏好基础上推荐的,推荐不够准确等。具体可以根据实际需求将上述算法作为备选算法。
处理单元114根据所述推荐决策处理所述配置节点。
需要说明的是,具体处理方式根据所述配置节点实际的任务类型而定。
例如:当所述节点为清算节点时,可以根据所述推荐决策自动执行数据的清算。
通过上述实施方式,能够基于推荐的决策实现对配置节点的自动执行,不仅给执行的用户提供了便利,降低人力需求,还进一步提高了流程的执行效率。
在其他实施例中,还可以向所述配置节点的处理者发送确认信息,当所述配置节点的处理者反馈确认处理的信号后,再根据所述推荐决策处理所述配置节点,以AI与人为结合的方式进一步保证处理的准确度。
响应所述配置节点完成处理,所述驱动单元112驱动所述核心流程引擎继续流转,直至所述待处理任务执行完毕。
例如:对于法院的无财产案件,从立案到结案的整个流程都可以采用上述方案自动执行。
通过上述实施方式,能够结合人工智能实现对所述待处理任务的自动执行,既提高了所述待处理任务的处理效率,又确保了所述待处理任务执行的准确度。
在本发明的至少一个实施例中,创建单元116采用RESTful架构创建系统对接公共接口,所述系统对接公共接口包括标准接口及耦合转换接口;
当检测到有目标系统与所述核心流程引擎对接时,确定单元117确定所述目标系统的部署环境;
当所述部署环境为外网环境时,对接单元118根据所述标准接口的接口标准改造所述目标系统,并通过所述系统对接公共接口将改造后的目标系统对接至所述核心流程引擎;或者
当所述部署环境为内网环境时,所述对接单元118利用所述耦合转换接口对所述目标系统与所述核心流程引擎进行耦合,并通过耦合后得到的接口将所述目标系统对接至所述核心流程引擎。
其中,所述目标系统可以包括,但不限于:用户外部系统、第三方系统等。例如:法院的各个系统、第三方服务系统、公积金中心系统、交管天眼系统等。
通过上述实施方式,能够通过创建的系统对接公共接口实现与其他系统的对接,避免用户在不同的流程节点需要操作不同系统所带来的麻烦,降低了用户学习的成本,用户不需要再操作各种各样的系统,达到一个平台实现多种任务操作的效果,同时节约了流程执行时间。
具体地,所述对接单元118利用所述耦合转换接口对所述目标系统与所述核心流程引擎进行耦合包括:
当所述目标系统的URL支持解析时,将所述目标系统的URL解析成所述标准接口的标准接口字段,并按照所述标准接口字段进行数据交换;或者
当所述目标系统的URL不支持解析时,将所述目标系统的数据包打包为OBJ字段数据,并根据打包得到的OBJ字段数据生成标准接口以供所述目标系统解析。
通过对不同类型的目标系统实施不同的耦合,进而实现所述目标系统与所述核心流程引擎的对接。
在本发明的至少一个实施例中,获取单元119获取所述核心流程引擎的临时数据、结果数据及持久化数据;
在所述待处理任务执行完毕后,转存单元120删除所述临时数据,保留所述结果数据,并将所述持久化数据转存至大数据中心。
其中,所述持久化数据包括原始数据及其他运转必要数据。
通过上述实施方式,能够保证所述核心流程引擎的快速运行,没有大量数据造成处理负担。
所述核心流程引擎不仅具有高度通用性和可移植性,而且,通过接口对接至不同的系统,使得所述核心流程引擎本身不会处理大量的数据。所述核心流程引擎的设计没有抛弃原有对接的系统,避免了对原系统功能的重复开发,提高了移植效率,更快地让客户体验到新引擎系统的便利。
由以上技术方案可以看出,本发明能够获取初始流程,启动预先构建的核心流程引擎,并封装所述初始流程至所述核心流程引擎,通过数据来驱动流程节点前进,辅助实现业务流程的自动化,获取至少一个子任务,将所述至少一个子任务与所述核心流程引擎进行适配,响应接收到的待处理任务及所述待处理任务的附属信息,驱动所述核心流程引擎运转,在所述核心流程引擎运转时,基于AI决策算法对配置节点生成推荐决策,以辅助实现对原本需要人为操作的所述配置节点的自动执行,进一步根据所述推荐决策处理所述配置节点,并响应所述配置节点完成处理,驱动所述核心流程引擎继续流转,直至所述待处理任务执行完毕,能够结合人工智能实现对所述待处理任务的自动执行,既提高了所述待处理任务的处理效率,又确保了所述待处理任务执行的准确度。
如图3所示,是本发明实现基于AI决策及引擎的流程执行方法的较佳实施例的电子设备的结构示意图。
所述电子设备1可以包括存储器12、处理器13和总线,还可以包括存储在所述存储器12中并可在所述处理器13上运行的计算机程序,例如基于AI决策及引擎的流程执行程序。
本领域技术人员可以理解,所述示意图仅仅是电子设备1的示例,并不构成对电子设备1的限定,所述电子设备1既可以是总线型结构,也可以是星形结构,所述电子设备1还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置,例如所述电子设备1还可以包括输入输出设备、网络接入设备等。
需要说明的是,所述电子设备1仅为举例,其他现有的或今后可能出现的电子产品如可适应于本发明,也应包含在本发明的保护范围以内,并以引用方式包含于此。
其中,存储器12至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器12在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。存储器12在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card, SMC)、安全数字(Secure Digital, SD)卡、闪存卡(Flash Card)等。进一步地,存储器12还可以既包括电子设备1的内部存储单元也包括外部存储设备。存储器12不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如基于AI决策及引擎的流程执行程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器13在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器13是所述电子设备1的控制核心(Control Unit),利用各种接口和线路连接整个电子设备1的各个部件,通过运行或执行存储在所述存储器12内的程序或者模块(例如执行基于AI决策及引擎的流程执行程序等),以及调用存储在所述存储器12内的数据,以执行电子设备1的各种功能和处理数据。
所述处理器13执行所述电子设备1的操作系统以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个基于AI决策及引擎的流程执行方法实施例中的步骤,例如图1所示的步骤。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器13执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述电子设备1中的执行过程。例如,所述计算机程序可以被分割成封装单元110、适配单元111、驱动单元112、生成单元113、处理单元114、构建单元115、创建单元116、确定单元117、对接单元118、获取单元119、转存单元120。
或者,所述处理器13执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能,例如:
获取初始流程,启动预先构建的核心流程引擎,并封装所述初始流程至所述核心流程引擎;
获取至少一个子任务,将所述至少一个子任务与所述核心流程引擎进行适配;
响应接收到的待处理任务及所述待处理任务的附属信息,驱动所述核心流程引擎运转;
在所述核心流程引擎运转时,基于AI决策算法对配置节点生成推荐决策;
根据所述推荐决策处理所述配置节点;
响应所述配置节点完成处理,驱动所述核心流程引擎继续流转,直至所述待处理任务执行完毕。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、计算机设备,或者网络设备等)或处理器(processor)执行本发明各个实施例所述基于AI决策及引擎的流程执行方法的部分。
所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指示相关的硬件设备来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。
其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
进一步地,计算机可用存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,在图3中仅用一根箭头表示,但并不表示仅有一根总线或一种类型的总线。所述总线被设置为实现所述存储器12以及至少一个处理器13等之间的连接通信。
尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器13逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
图3仅示出了具有组件12-13的电子设备1,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
结合图1,所述电子设备1中的所述存储器12存储多个指令以实现一种基于AI决策及引擎的流程执行方法,所述处理器13可执行所述多个指令从而实现:
获取初始流程,启动预先构建的核心流程引擎,并封装所述初始流程至所述核心流程引擎;
获取至少一个子任务,将所述至少一个子任务与所述核心流程引擎进行适配;
响应接收到的待处理任务及所述待处理任务的附属信息,驱动所述核心流程引擎运转;
在所述核心流程引擎运转时,基于AI决策算法对配置节点生成推荐决策;
根据所述推荐决策处理所述配置节点;
响应所述配置节点完成处理,驱动所述核心流程引擎继续流转,直至所述待处理任务执行完毕。
具体地,所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种基于AI决策及引擎的流程执行方法,其特征在于,所述基于AI决策及引擎的流程执行方法包括:
获取初始流程,启动预先构建的核心流程引擎,并封装所述初始流程至所述核心流程引擎;
获取至少一个子任务,将所述至少一个子任务与所述核心流程引擎进行适配;
响应接收到的待处理任务及所述待处理任务的附属信息,驱动所述核心流程引擎运转;
在所述核心流程引擎运转时,基于AI决策算法对配置节点生成推荐决策;
根据所述推荐决策处理所述配置节点;
响应所述配置节点完成处理,驱动所述核心流程引擎继续流转,直至所述待处理任务执行完毕;
采用RESTful架构创建系统对接公共接口,所述系统对接公共接口包括标准接口及耦合转换接口;
当检测到有目标系统与所述核心流程引擎对接时,确定所述目标系统的部署环境;
当所述部署环境为外网环境时,根据所述标准接口的接口标准改造所述目标系统,并通过所述系统对接公共接口将改造后的目标系统对接至所述核心流程引擎;或者
当所述部署环境为内网环境时,利用所述耦合转换接口对所述目标系统与所述核心流程引擎进行耦合,并通过耦合后得到的接口将所述目标系统对接至所述核心流程引擎,其中,所述利用所述耦合转换接口对所述目标系统与所述核心流程引擎进行耦合包括:当所述目标系统的URL支持解析时,将所述目标系统的URL解析成所述标准接口的标准接口字段,并按照所述标准接口字段进行数据交换;或者当所述目标系统的URL不支持解析时,将所述目标系统的数据包打包为OBJ字段数据,并根据打包得到的OBJ字段数据生成标准接口以供所述目标系统解析。
2.如权利要求1所述的基于AI决策及引擎的流程执行方法,其特征在于,所述基于AI决策及引擎的流程执行方法还包括:
以Activity工作流引擎为驱动构建所述核心流程引擎,并将所述核心流程引擎部署于区块链上。
3.如权利要求1所述的基于AI决策及引擎的流程执行方法,其特征在于,所述将所述至少一个子任务与所述核心流程引擎进行适配包括:
获取每个所述子任务的数据字段;
确定所述数据字段的数量,并将所述数据字段的数量裁剪至与所述核心流程引擎适配;
确定所述数据字段的名称,并根据所述核心流程引擎的规范数据格式转换所述数据字段的名称;
确定所述数据字段的格式,并根据所述核心流程引擎的适配格式转换所述数据字段的格式;及
获取所述核心流程引擎的运行数据及结果数据,并将所述运行数据及所述结果数据封装为标准格式数据,将封装后的运行数据及结果数据反馈至所述子任务。
4.如权利要求1所述的基于AI决策及引擎的流程执行方法,其特征在于,所述基于AI决策算法对配置节点生成推荐决策包括:
确定所述待处理任务的当前用户;
采用皮尔逊算法计算所述当前用户与所述核心流程引擎上记录的所有用户的相关程度;
按照所述相关程度由高到低的顺序对所述所有用户进行排序;
从所述所有用户中获取排在前预设位的用户;
确定获取的用户中每个用户对所述配置节点的决策;
根据获取的用户中每个用户与所述当前用户的相关程度计算确定的决策中每个决策的推荐度;
将推荐度最高的决策确定为所述推荐决策。
5.如权利要求1所述的基于AI决策及引擎的流程执行方法,其特征在于,所述基于AI决策及引擎的流程执行方法还包括:
获取所述核心流程引擎的临时数据、结果数据及持久化数据;
在所述待处理任务执行完毕后,删除所述临时数据,保留所述结果数据,并将所述持久化数据转存至大数据中心。
6.一种基于AI决策及引擎的流程执行装置,其特征在于,所述基于AI决策及引擎的流程执行装置包括:
封装单元,用于获取初始流程,启动预先构建的核心流程引擎,并封装所述初始流程至所述核心流程引擎;
适配单元,用于获取至少一个子任务,将所述至少一个子任务与所述核心流程引擎进行适配;
驱动单元,用于响应接收到的待处理任务及所述待处理任务的附属信息,驱动所述核心流程引擎运转;
生成单元,用于在所述核心流程引擎运转时,基于AI决策算法对配置节点生成推荐决策;
处理单元,用于根据所述推荐决策处理所述配置节点;
所述驱动单元,还用于响应所述配置节点完成处理,驱动所述核心流程引擎继续流转,直至所述待处理任务执行完毕;
所述适配单元,还用于采用RESTful架构创建系统对接公共接口,所述系统对接公共接口包括标准接口及耦合转换接口;
所述适配单元,还用于当检测到有目标系统与所述核心流程引擎对接时,确定所述目标系统的部署环境;
所述适配单元,还用于当所述部署环境为外网环境时,根据所述标准接口的接口标准改造所述目标系统,并通过所述系统对接公共接口将改造后的目标系统对接至所述核心流程引擎;或者
所述适配单元,还用于当所述部署环境为内网环境时,利用所述耦合转换接口对所述目标系统与所述核心流程引擎进行耦合,并通过耦合后得到的接口将所述目标系统对接至所述核心流程引擎,其中,所述利用所述耦合转换接口对所述目标系统与所述核心流程引擎进行耦合包括:当所述目标系统的URL支持解析时,将所述目标系统的URL解析成所述标准接口的标准接口字段,并按照所述标准接口字段进行数据交换;或者当所述目标系统的URL不支持解析时,将所述目标系统的数据包打包为OBJ字段数据,并根据打包得到的OBJ字段数据生成标准接口以供所述目标系统解析。
7.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现如权利要求1至5中任意一项所述的基于AI决策及引擎的流程执行方法。
8.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现如权利要求1至5中任意一项所述的基于AI决策及引擎的流程执行方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010976540.9A CN111932150B (zh) | 2020-09-17 | 2020-09-17 | 基于ai决策及引擎的流程执行方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010976540.9A CN111932150B (zh) | 2020-09-17 | 2020-09-17 | 基于ai决策及引擎的流程执行方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111932150A CN111932150A (zh) | 2020-11-13 |
CN111932150B true CN111932150B (zh) | 2021-01-08 |
Family
ID=73333949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010976540.9A Active CN111932150B (zh) | 2020-09-17 | 2020-09-17 | 基于ai决策及引擎的流程执行方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111932150B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488649B (zh) * | 2020-11-26 | 2023-05-26 | 泰康保险集团股份有限公司 | 基于流程引擎的流程关闭方法和装置 |
CN112732227B (zh) * | 2020-12-30 | 2023-06-16 | 城云科技(中国)有限公司 | 一种工作流引擎及其配置方法、装置 |
CN112785194B (zh) * | 2021-02-04 | 2024-01-26 | 中国地质大学(北京) | 工作流程的推荐方法、装置、可读存储介质及电子设备 |
CN114327412A (zh) * | 2022-01-04 | 2022-04-12 | 四川新网银行股份有限公司 | 一种基于多线程支持异步的流程编排方法及系统 |
CN115330265B (zh) * | 2022-09-30 | 2023-10-13 | 北京思路智园科技有限公司 | 基于端到端的事件处理引擎系统 |
CN116306591B (zh) * | 2023-05-18 | 2023-10-03 | 深圳市东信时代信息技术有限公司 | 流程表单生成方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809305A (zh) * | 2014-12-30 | 2016-07-27 | 金蝶软件(中国)有限公司 | 实现流程自动审批的方法和装置 |
CN108573443A (zh) * | 2017-03-13 | 2018-09-25 | 平安科技(深圳)有限公司 | 额度审批方法和装置 |
CN110020921A (zh) * | 2019-04-09 | 2019-07-16 | 浩鲸云计算科技股份有限公司 | 一种ai推荐引擎赋能商品营销方法 |
CN110334284A (zh) * | 2019-04-03 | 2019-10-15 | 厦门大学 | 一种新型融合多因素决策的推荐方法 |
CN111198748A (zh) * | 2019-12-31 | 2020-05-26 | 航天信息股份有限公司企业服务分公司 | 业务单据流程自动审批方法、电子设备、存储介质及系统 |
CN111429118A (zh) * | 2020-06-11 | 2020-07-17 | 华信永道(北京)科技股份有限公司 | 金融云业务流程引擎及业务流程处理方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160027324A1 (en) * | 2013-10-24 | 2016-01-28 | JayBird LLC | System and method for providing lifestyle recommendations using earphones with biometric sensors |
US10033816B2 (en) * | 2015-09-30 | 2018-07-24 | Amazon Technologies, Inc. | Workflow service using state transfer |
CN111027189A (zh) * | 2019-11-28 | 2020-04-17 | 武汉理工大学 | 基于设计信息模型的工作流模型推荐方法 |
CN111144087A (zh) * | 2019-12-30 | 2020-05-12 | 重庆木舌科技有限公司 | 基于人工智能的企业法律流程辅助决策系统及方法 |
-
2020
- 2020-09-17 CN CN202010976540.9A patent/CN111932150B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809305A (zh) * | 2014-12-30 | 2016-07-27 | 金蝶软件(中国)有限公司 | 实现流程自动审批的方法和装置 |
CN108573443A (zh) * | 2017-03-13 | 2018-09-25 | 平安科技(深圳)有限公司 | 额度审批方法和装置 |
CN110334284A (zh) * | 2019-04-03 | 2019-10-15 | 厦门大学 | 一种新型融合多因素决策的推荐方法 |
CN110020921A (zh) * | 2019-04-09 | 2019-07-16 | 浩鲸云计算科技股份有限公司 | 一种ai推荐引擎赋能商品营销方法 |
CN111198748A (zh) * | 2019-12-31 | 2020-05-26 | 航天信息股份有限公司企业服务分公司 | 业务单据流程自动审批方法、电子设备、存储介质及系统 |
CN111429118A (zh) * | 2020-06-11 | 2020-07-17 | 华信永道(北京)科技股份有限公司 | 金融云业务流程引擎及业务流程处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111932150A (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111932150B (zh) | 基于ai决策及引擎的流程执行方法、装置、设备及介质 | |
BR112019025269A2 (pt) | microprocessador incluindo um modelo corporativo | |
JP5451086B2 (ja) | ワークフロー管理装置、方法、及び、プログラム | |
CN106164867A (zh) | 数据的增量并行处理 | |
CN110134379A (zh) | 计算机系统、编程方法及非暂态计算机可读介质 | |
CN113806434B (zh) | 大数据处理方法、装置、设备及介质 | |
CN114511038A (zh) | 虚假新闻检测方法、装置、电子设备及可读存储介质 | |
US11295070B2 (en) | Process-level metadata inference and mapping from document annotations | |
CN106296130A (zh) | 一种智能自动化社会保险业务数据处理方法及系统 | |
CN114691782B (zh) | 数据库表增量同步方法、装置及存储介质 | |
CN102567856A (zh) | 一种工作流系统中实现时间管理的方法 | |
CN112256783A (zh) | 数据导出方法、装置、电子设备及存储介质 | |
CN1484180A (zh) | 工作进度管理方法以及系统 | |
CN115147031B (zh) | 清算工作流执行方法、装置、设备及介质 | |
CN116823141A (zh) | 付款数据处理方法、装置、设备及介质 | |
CN116205764A (zh) | 采购合同生成方法、装置、设备及介质 | |
CN116188189A (zh) | 数据对账方法、装置、设备及介质 | |
Al-Fedaghi et al. | Business process mapping: a case study | |
Seah et al. | The Significance of Technology in Digitalising Malaysia Industries | |
CN102016903A (zh) | 与多起诉讼有关的证据性信息项 | |
US8347218B1 (en) | Enterprise architecture diagramming systems and methods | |
Kovács | Process description languages in construction logistics | |
Yusop et al. | Experiences in Software Development Model Selection and MVC Design Pattern Implementation for Kuala Lumpur City Hall Traffic Offence Management System | |
CN116306591B (zh) | 流程表单生成方法、装置、设备及介质 | |
CN111652682B (zh) | 业务数据撮合方法、装置、电子设备及计算机存储介质 |
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 |