CN112016905A - 基于审批流程的信息展示方法、装置、电子设备及介质 - Google Patents
基于审批流程的信息展示方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN112016905A CN112016905A CN202010956435.9A CN202010956435A CN112016905A CN 112016905 A CN112016905 A CN 112016905A CN 202010956435 A CN202010956435 A CN 202010956435A CN 112016905 A CN112016905 A CN 112016905A
- Authority
- CN
- China
- Prior art keywords
- early warning
- approval
- accuracy
- attributes
- rule
- 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
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
-
- 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
- G06F16/904—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及人工智能技术领域,提出了一种基于审批流程的信息展示方法、装置、电子设备及介质,包括:获取包含多个类的数据集,提取每个类的每个审批节点的预警特征的属性和值构造训练集;逐次添加目标类中的预警特征的属性和值进行训练预警规则分类器;监控每个类的多个审批节点的预警特征的属性和值并输入至预警规则分类器中进行预警规则分类,得到每个审批节点的预警结果;在确定每个审批节点的预警结果为预警时生成预警流程,并将预警信息展示在审批节点。本发明通过对审批流程归类后进行预警规则提取,统一了不同类的审批流程的预警规则,提高了预警的监督效率和管理能力。此外,本发明还涉及区块链技术,训练集存储于区块链节点中。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种基于审批流程的信息展示方法、装置、电子设备及介质。
背景技术
在互联网时代高速发展的今天,政府日常的工作变得越来越繁琐,随着各种办公平台应运而生,逐步由线下审批的模式转为线上审批的模式,现有的审批流程针对不同类型的业务的审批逻辑不一致,每个审批节点对应的审批时间长短不一致,审批人员无法将大量相同的业务放在一起来处理,并且,审批人员无法掌握每个审批流程的每个具体的审批节点对应的审批时间,经常发生审批单量过多造成的审批不及时的问题或者审批人员看见不审批的现象,并且每种业务对应的预警特征的属性和值不同,无法做到统一审批预警流程提醒审批人员,引起审批监控效率低。
因此,如何做到统一审批预警流程和在审批单量过多时实时预警审批人员进行审批成为了亟待解决的问题。
发明内容
鉴于以上内容,有必要提出一种基于审批流程的信息展示方法、装置、电子设备及介质,通过对审批流程归类后进行预警规则提取,统一了不同类的审批流程的预警规则,提高了预警的监督效率和管理能力。
本发明的第一方面提供一种基于审批流程的信息展示方法,所述方法包括:
获取数据集,其中,所述数据集中包含多个类,每个类对应多个审批节点;
提取每个审批节点的预警特征的属性和值,并基于所述预警特征的属性和值构造训练集;
从所述训练集中选取目标类,计算所述目标类中的每一个预警特征的属性和值被覆盖的记录中被正确分类的比例的第一正确率,将所述第一正确率排序前N的预警特征的属性和值添加至初始规则前件中;
计算所述第一正确率排序中剩余预警特征的属性和值被覆盖的记录中被正确分类的比例的第二正确率;
根据所述第一正确率和所述第二正确率逐次添加所述目标类中的预警特征的属性和值至初始化决策表中进行训练得到所述训练集中所述多个类的预警规则,并基于所述多个类的预警规则训练预警规则分类器;
监控所述每个类的多个审批节点,并将所述每个类的多个审批节点的预警特征的属性和值输入至所述预警规则分类器中进行预警规则分类,得到每个审批节点的预警结果,其中,所述预警结果中包括预警信息;
当确定所述每个审批节点的预警结果为预警时,为所述每个审批节点生成预警流程,并将所述预警信息展示在审批节点。
优选的,所述根根据所述第一正确率和所述第二正确率逐次添加所述目标类中的预警特征的属性和值至初始化决策表中进行训练得到所述训练集中所述多个类的预警规则包括:
初始化决策表,设置初始规则前件为空,规则后件为目标类;
将所述训练集中属于所述目标类的所有预警特征的属性和值称为正例,剩余类的预警特征的属性和值称为反例,其中,所述训练集存储于区块链节点中;
采用集束搜索的方式将所述第一正确率排序前N的预警特征的属性和值添加至所述初始规则前件中;
将所述第二正确率排序前N的预警特征属性和值添加至所述初始规则前件后继续进行下一轮的预设的预警特征的属性和值的添加,并在确定满足预设条件时停止添加,生成第一条预警规则;
当所述第一条预警规则覆盖正例的数量大于或者等于正例总数量的一半时,则将所述第一条预警规则作为所述目标类的预警规则,并将所述第一条预警规则添加至所述初始化决策表中;
删除所述第一条预警规则覆盖的所有正例和反例,重复上述过程继续进行下一个类的第二条预警规则的提取,并将所述第二条预警规则添加至所述初始化决策表中;
直至将所述训练集中的所有类的预警规则提取完成,得到所述多个类的预警规则。
优选的,所述方法还包括:
判断添加的预警特征的属性和值后的正确率是否变大,当所述正确率没有变大时,确定满足预设条件;或者
侦测所述目标类中的所有正例是否已被全部覆盖,当所述正例已被全部覆盖时,确定满足预设条件;或者
侦测所述训练集中的所有的预警特征的属性和值是否已全部添加,当所述所有的预警特征的属性和值已被全部添加时,确定满足预设条件。
优选的,在所述为所述审批节点生成预警流程之后,所述方法还包括:
从所述预警结果中获取每个节点的预警信息;
在审批页面展示所述每个审批节点的预警信息;
按照预设的发送方式发送所述每个审批节点的预警信息至对应的审批人。
优选的,所述方法还包括:
解析所述预警信息得到临期预警时间、到期预警时间和逾期预警时间。
优选的,所述方法解析所述预警信息得到临期预警时间、到期预警时间和逾期预警时间包括:
计算到期预警时间减去当前时间的之差得到临期预警时间;及计算所述当前时间减去所述到期预警时间之差值得到所述逾期预警时间。
本发明的第二方面提供一种基于审批流程的信息展示装置,所述基于审批流程的信息展示装置包括:
获取模块,用于获取数据集,其中,所述数据集中包含多个类,每个类对应多个审批节点;
提取模块,用于提取每个审批节点的预警特征的属性和值,并基于所述预警特征的属性和值构造训练集;
第一计算模块,用于从所述训练集中选取目标类,计算所述目标类中的每一个预警特征的属性和值被覆盖的记录中被正确分类的比例的第一正确率,将所述第一正确率排序前N的预警特征的属性和值添加至初始规则前件中;
第二计算模块,用于计算所述第一正确率排序中剩余预警特征的属性和值被覆盖的记录中被正确分类的比例的第二正确率;
训练模块,用于根据所述第一正确率和所述第二正确率逐次添加所述目标类中的预警特征的属性和值至初始化决策表中进行训练得到所述训练集中所述多个类的预警规则,并基于所述多个类的预警规则训练预警规则分类器;
分类模块,用于监控所述每个类的多个审批节点,并将所述每个类的多个审批节点的预警特征的属性和值输入至所述预警规则分类器中进行预警规则分类,得到每个审批节点的预警结果,其中,所述预警结果中包括预警信息;
展示模块,用于当确定所述每个审批节点的预警结果为预警时,为所述每个审批节点生成预警流程,并将所述预警信息展示在审批节点。
本发明的第三方面提供一种电子设备,所述电子设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现所述的基于审批流程的信息展示方法。
本发明的第四方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现所述的基于审批流程的信息展示方法。
本发明所述的一种基于审批流程的信息展示方法、装置、装置、电子设备及介质,一方面通过对不同类对应的审批流程节点中的预警特征的属性和值进行提取,得到一组预警规则,统一了不同类的审批流程的预警规则,提高了预警的监督效率和管理能力;另一方面将监控到的审批节点的预警特征的属性和值输入至所述分类器中进行预警规则分类,直接获得每个审批节点的预警结果,提高了预警生成的时效性;最后,在判断了预警结果后执行所述审批节点的预警流程是否生成,可以避免不需要生成的预警流程被生成的现象,提高了预警流程生成的正确率。
此外,通过在页面展示不同的预警信息,审批人可以直观的了解到每个审批节点对应的审批进度,提高了审批效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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的前提下,还可以根据提供的附图获得其他的附图。
图1是本发明实施例一提供的基于审批流程的信息展示方法的流程图。
图2是本发明实施例二提供的基于审批流程的信息展示装置的结构图。
图3是本发明实施例三提供的电子设备的结构示意图。
图4是本发明实施例提供的目标类对应的预警特征属性和值的示例。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
实施例一
图1是本发明实施例一提供的基于审批流程的信息展示方法的流程图。
在本实施例中,所述基于审批流程的信息展示方法可以应用于电子设备中,对于需要进行基于审批流程的信息展示的电子设备,可以直接在电子设备上集成本发明的方法所提供的基于审批流程的信息展示的功能,或者以软件开发工具包(SoftwareDevelopment Kit,SKD)的形式运行在电子设备中。
如图1所示,所述基于审批流程的信息展示方法具体包括以下步骤,根据不同的需求,该流程图中步骤的顺序可以改变,某些可以省略。
S11:获取用于模型训练的数据集,其中,所述数据集中包含多个类,每个类对应多个审批节点。
本实施例中,所述数据集中包括多个类,所述多个类可以包括,但不限于,餐饮许可证、医疗许可证、器械许可证、农业许可证、兽药许可证及特殊行业许可证等,其中,每个类对应多个审批节点。
S12:提取每个审批节点的预警特征的属性和值,并基于所述预警特征的属性和值构造训练集。
本实施了中,预先提取每个审批节点的预警特征的属性和值,然后根据提取的多个预警特征的属性和值构造训练集进行预警规则的分类训练,后续只需要获取数据集的预警特征的属性和值,将所述获取数据集的预警特征的属性和值添加至所述训练集中进行预警规则的分类训练。
本实施例中,所述预警特性的属性和值包括流程节点及所述流程节点对应的值、计时时长、计时节点及所述计时节点对应的处理模式、非计时节点及所述非计时节点对应的标识及一个流程节点到另一个流程节点的计时时长,根据上述预警特征的属性和值构成预设规则的训练集。
S13:从所述训练集中选取目标类,计算所述目标类中的每一个预警特征的属性和值被覆盖的记录中被正确分类的比例的第一正确率,将所述第一正确率排序前N的预警特征的属性和值添加至初始规则前件中。
本实施例中,获取目标类中每一个预警特征的属性和值被覆盖的所有记录的编号,统计记录的编号得到第一总量;识别所述记录编号对应的预警特征的属性和值是否与所述目标类相匹配,获取所有相匹配的数量得到第二总量,所述第二总量除以所述第一总量得到所述目标类中的每一个预警特征的属性和值被覆盖的记录中被正确分类的比例的第一正确率。
示例性的,目标类(预警=是),对应的预警特征属性和值为:发起时间=9:00;发起时间=9:10;发起时间=9:05;到期预警时间=9:30;到期预警时间=10:00;到期预警时间=9:40;超时30分钟;超时10分钟;未超时。可参考图4所示。
其中,发起时间=9:00,覆盖的记录编号为1,4,5,得到第一总量=3,其中,(预警=是)的匹配的编号为1和5,得到第二总量2,则发起时间=9:00对应的第一正确率为2/3,同理,计算得到:发起时间=9:10对应的第一正确率为0;发起时间=9:05对应的第一正确率为1;到期预警时间=9:30对应的第一正确率为2/3;到期预警时间=10:00对应的第一正确率为1;到期预警时间=9:40对应的第一正确率为1;超时30分钟对应的第一正确率为1;超时10分钟对应的第一正确率为1/2;未超时对应的第一正确率为1/2,通过计算得到将发起时间=9:00及到期预警时间=9:30添加至初始规则前件中。
S14:计算所述第一正确率排序中剩余预警特征的属性和值被覆盖的记录中被正确分类的比例的第二正确率。
本实施例中,从所述目标类对应的预警特征的属性和值中删除:发起时间=9:10;发起时间=9:05;到期预警时间=10:00;到期预警时间=9:40;超时30分钟;超时10分钟;未超时,得到剩余预警特征的属性和值,通过采用计算第一正确率的方法计算剩余预警特征的属性和值被覆盖的记录中被正确分类的比例的第二正确率,本发明在此不做详述。
S15:根据所述第一正确率和所述第二正确率逐次添加所述目标类中的预警特征的属性和值至初始化决策表中进行训练得到所述训练集中所述多个类的预警规则,并基于所述多个类的预警规则训练预警规则分类器。
本实施例中,在基于规则的分类器中,规则必须满足规则互斥和规则穷举两条重要的性质,在实现规则互斥的过程中,一般采用有序规则和无序规则两种方案,在有序规则中,规则的排序有两种方案,一是基于规则的排序方案,二是基于类的排序方案,本实施例采用的是基于类的排序方案进行预警规则的提取,具体地,通过计算所述目标类中的每一个预警特征的属性和值被覆盖的记录中被正确分类的比例的第一正确率,及计算所述第一正确率排序中剩余预警特征的属性和值被覆盖的记录中被正确分类的比例的第二正确率,根据所述第一正确率和所述第二正确率去添加目标类的预警特征的属性和值,避免无顺序的添加导致预警规则提取不正确的现象,提高了预警规则提取的正确率。
本实施例中,通过对不同类对应的审批流程节点中的预警特征的属性和值进行提取,得到一组预警规则,统一了不同类的审批流程的预警规则,提高了预警的监督效率和管理能力。
优选的,所述根据所述第一正确率和所述第二正确率逐次添加所述目标类中的预警特征的属性和值至初始化决策表中进行训练得到所述训练集中所述多个类的预警规则包括:
初始化决策表,设置初始规则前件为空,规则后件为目标类;
将所述训练集中属于所述目标类的所有预警特征的属性和值称为正例,剩余类的预警特征的属性和值称为反例,其中,所述训练集存储于区块链节点中;
采用集束搜索的方式将所述第一正确率排序前N的预警特征的属性和值添加至所述初始规则前件中;
将所述第二正确率排序前N的预警特征属性和值添加至所述初始规则前件后继续进行下一轮的预设的预警特征的属性和值的添加,并在确定满足预设条件时停止添加,生成第一条预警规则;
当所述第一条预警规则覆盖正例的数量大于或者等于正例总数量的一半时,则将所述第一条预警规则作为所述目标类的预警规则,并将所述第一条预警规则添加至所述初始化决策表中;
删除所述第一条预警规则覆盖的所有正例和反例,重复上述过程继续进行下一个类的第二条预警规则的提取,并将所述第二条预警规则添加至所述初始化决策表中;
直至将所述训练集中的所有类的预警规则提取完成,得到所述多个类的预警规则。
本实施例中,所述初始化决策表为空表,从训练集中任意选取一个目标类,并从所述训练集中学习出第一条预警规则,根据所述第一条预警规则覆盖正例的数量是否大于或者等于覆盖正例总数量的一半,确定所述第一条预警规则是否可以作为所述目标类的预警规则,重复上述过程直至将所述训练集中的所有类的预警规则提取完成,得到一组预警规则。
本实施例中,在逐次添加所述目标类中的预警特征的属性和值的过程中,需要考虑预警特征的属性和值的添加顺序及预设条件,其中,所述预警特征的属性和值的添加顺序根据评估度量决定,所述评估度量是指按照所述预警特征的属性和值被覆盖的记录中被正确分类的比例的正确率。
本实施例中,需要强调的是,为进一步保证上述训练集中的数据的私密和安全性,上述训练集还可以存储于一区块链的节点中。
本实施例中,所述第一正确率是指所述目标类中的每一个预警特征的属性和值被覆盖的记录中被正确分类的比例,将所述第一正确率排序在前N的预警特征的属性和值添加至所述初始规则前件中,然后在所述目标类中将排序在前N的预警特征的属性和值进行删除,计算剩余预警特征的属性和值被覆盖的记录中被正确分类的比例的第二正确率,将所述第二正确率排序在前N的预警特征的属性和值添加至所述初始规则前件中,重复上述步骤,直至所述目标类中的预设的预警特征的属性和值被添加完。
本实施例中,通过采用集束搜索(beam search)的方式逐次添加所述目标类中的预警特征的属性和值,可以防止得到重复的预警规则,陷入局部最优麻烦,而无法从所述训练集中获取到完整的一组预警规则。
进一步的,所述方法还包括:
判断添加的预警特征的属性和值后的正确率是否变大,当所述正确率没有变大时,确定满足预设条件;或者
侦测所述目标类中的所有正例是否已被全部覆盖,当所述正例已被全部覆盖时,确定满足预设条件;或者
侦测所述训练集中的所有的预警特征的属性和值是否已全部添加,当所述所有的预警特征的属性和值已被全部添加时,确定满足预设条件。
本实施例中,所述预设条件是指预先根据正确分类的比例的正确率或者所述目标类中的所有正例是否已被全部覆盖或者所述训练集中的所有预设的预警特征的属性和值是否已添加完进行设置的。
本实施例中,通过设置停止添加的预设条件,避免停止添加的预设条件不统一引起的提取到的预警规则的不准确的现象,提高了提取到的预警规则的准确率。
本实施例中,在提取预警规则的过程中,将数据集中所有类的审批节点的预警特征的属性和值作为训练集,将不同类相同预警特征的属性和值进行归类,得到一组预警规则,并基于所述一组预警规则训练预警规则的分类器,提高了训练得到的规则分类器的正确性,同时针对不同的类建立统一的审批预警流程,提高了审批预警的监控效率。
S16:监控所述每个类的多个审批节点,并将所述多个审批节点的预警特征的属性和值输入至所述预警规则分类器中进行预警规则分类,得到每个审批节点的预警结果。
本实施例中,将监控到的审批节点的预警特征的属性和值输入至所述分类器中进行预警规则分类,直接获得每个审批节点的预警结果,提高了预警的时效性。
S17:当确定所述每个审批节点的预警结果为预警时,为所述每个审批节点生成预警流程,并将所述预警信息展示在审批节点。
本实施例中,根据每个节点的预警结果是否为预警,确定是否为所述审批节点生成预警流程。
优选的,在当确定所述审批节点的预警结果为预警时,为所述审批节点生成预警流程之后,所述方法还包括:
触发所述生成的预警流程。
本实施例中,在确定了审批结果是否为预警后,判断是否需要生成预警流程,当所述审批节点的预警结果为预警时,为所述审批节点生成预警流程,提高了预警流程生成的正确率。
进一步的,在所述为所述审批节点生成预警流程之后,所述基于审批流程的信息展示方法还包括:
从所述预警结果中获取每个节点的预警信息;
在审批页面展示所述每个审批节点的预警信息;
按照预设的发送方式发送所述每个审批节点的预警信息至对应的审批人。
优选的,解析所述预警信息得到临期预警时间、到期预警时间和逾期预警时间。
具体地,所述临期预警时间等于所述到期预警时间减去所述当前时间的差值;所述逾期预警时间等于所述当前时间减去所述到期预警时间的差值,通过在页面展示不同的预警信息,审批人可以直观的了解到每个审批节点对应的审批进度,提高了审批效率。
本实施例中,所述预设的发送方式可以按照审批人员的需求进行定制化设置,满足审批人员的需求,提高审批人员的审批处理效率。
本实施例中,通过将预警信息展示在审批页面和按照预设的发送方式将预警信息发送至审批人员,及时的提醒审批人员进行审批,提高了审批效率,通过统计页面统计每个类的审批时间、审批人员等审批相关信息对分析对比审批人员的审批能力和审批速度,实时监督审批人员,提升了审批流程的处理效率。
进一步的,所述方法还包括:
当确定所述审批节点的预警结果为未触发预警响应时,则终止预警流程。
本实施例中,当所述审批节点对应的审批流程属于正常时,所述审批节点的预警结果为不预警,不为所述审批节点生成预警流程,终止预警流程。
本实施例中,通过在确定了审批结果是否为预警后,判断是否需要生成预警流程,当所述审批节点的预警结果为预警时,为所述审批节点生成预警流程;当所述审批节点的预警结果为不预警时,不为所述审批节点生成预警流程,可以避免不需要生成预警流程的审批节点生成预警流程的现象,提高了预警流程生成的正确率。
综上所述,本实施例所述的一种基于审批流程的信息展示方法,通过获取数据集,其中,所述数据集中包含多个类,每个类对应多个审批节点;提取每个审批节点的预警特征的属性和值,并基于所述预警特征的属性和值构造训练集;从所述训练集中选取目标类,计算所述目标类中的每一个预警特征的属性和值被覆盖的记录中被正确分类的比例的第一正确率,将所述第一正确率排序前N的预警特征的属性和值添加至初始规则前件中;计算所述第一正确率排序中剩余预警特征的属性和值被覆盖的记录中被正确分类的比例的第二正确率;根据所述第一正确率和所述第二正确率逐次添加所述目标类中的预警特征的属性和值至初始化决策表中进行训练得到所述训练集中所述多个类的预警规则,并基于所述多个类的预警规则训练预警规则分类器;监控所述每个类的多个审批节点,并将所述每个类的多个审批节点的预警特征的属性和值输入至所述预警规则分类器中进行预警规则分类,得到每个审批节点的预警结果,其中,所述预警结果中包括预警信息;当确定所述每个审批节点的预警结果为预警时,为所述每个审批节点生成预警流程,并将所述预警信息展示在审批节点。
本实施例一方面通过对不同类对应的审批流程节点中的预警特征的属性和值进行提取,得到一组预警规则,统一了不同类的审批流程的预警规则,提高了预警的监督效率和管理能力;另一方面将监控到的审批节点的预警特征的属性和值输入至所述分类器中进行预警规则分类,直接获得每个审批节点的预警结果,提高了预警生成的时效性;最后,在判断了预警结果后执行所述审批节点的预警流程是否生成,可以避免不需要生成的预警流程被生成的现象,提高了预警流程生成的正确率。
此外,通过在页面展示不同的预警信息,审批人可以直观的了解到每个审批节点对应的审批进度,提高了审批效率。
实施例二
图2是本发明实施例二提供的基于审批流程的信息展示装置的结构图。
在一些实施例中,所述基于审批流程的信息展示装置20可以包括多个由程序代码段所组成的功能模块。所述基于审批流程的信息展示装置20中的各个程序段的程序代码可以存储于电子设备的存储器中,并由所述至少一个处理器所执行,以执行(详见图1描述)基于审批流程的信息展示的功能。
本实施例中,所述基于审批流程的信息展示装置20根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:获取模块201、提取模块202、第一计算模块203、第二计算模块204、训练模块205、判断模块206、侦测模块207、分类模块208及展示模块209。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
获取模块201:用于获取用于模型训练的数据集,其中,所述数据集中包含多个类,每个类对应多个审批节点。
本实施例中,所述数据集中包括多个类,所述多个类可以包括,但不限于,餐饮许可证、医疗许可证、器械许可证、农业许可证、兽药许可证及特殊行业许可证等,其中,每个类对应多个审批节点。
提取模块202:用于提取每个审批节点的预警特征的属性和值,并基于所述预警特征的属性和值构造训练集。
本实施了中,预先提取每个审批节点的预警特征的属性和值,然后根据提取的多个预警特征的属性和值构造训练集进行预警规则的分类训练,后续只需要获取数据集的预警特征的属性和值,将所述获取数据集的预警特征的属性和值添加至所述训练集中进行预警规则的分类训练。
本实施例中,所述预警特性的属性和值包括流程节点及所述流程节点对应的值、计时时长、计时节点及所述计时节点对应的处理模式、非计时节点及所述非计时节点对应的标识及一个流程节点到另一个流程节点的计时时长,根据上述预警特征的属性和值构成预设规则的训练集。
第一计算模块203:用于从所述训练集中选取目标类,计算所述目标类中的每一个预警特征的属性和值被覆盖的记录中被正确分类的比例的第一正确率,将所述第一正确率排序前N的预警特征的属性和值添加至初始规则前件中。
本实施例中,获取目标类中每一个预警特征的属性和值被覆盖的所有记录的编号,统计记录的编号得到第一总量;识别所述记录编号对应的预警特征的属性和值是否与所述目标类相匹配,获取所有相匹配的数量得到第二总量,所述第二总量除以所述第一总量得到所述目标类中的每一个预警特征的属性和值被覆盖的记录中被正确分类的比例的第一正确率。
示例性的,目标类(预警=是),对应的预警特征属性和值为:发起时间=9:00;发起时间=9:10;发起时间=9:05;到期预警时间=9:30;到期预警时间=10:00;到期预警时间=9:40;超时30分钟;超时10分钟;未超时。可参考图4所示。
其中,发起时间=9:00,覆盖的记录编号为1,4,5,得到第一总量=3,其中,(预警=是)的匹配的编号为1和5,得到第二总量2,则发起时间=9:00对应的第一正确率为2/3,同理,计算得到:发起时间=9:10对应的第一正确率为0;发起时间=9:05对应的第一正确率为1;到期预警时间=9:30对应的第一正确率为2/3;到期预警时间=10:00对应的第一正确率为1;到期预警时间=9:40对应的第一正确率为1;超时30分钟对应的第一正确率为1;超时10分钟对应的第一正确率为1/2;未超时对应的第一正确率为1/2,通过计算得到将发起时间=9:00及到期预警时间=9:30添加至初始规则前件中。
第二计算模块204:用于计算所述第一正确率排序中剩余预警特征的属性和值被覆盖的记录中被正确分类的比例的第二正确率。
本实施例中,从所述目标类对应的预警特征的属性和值中删除:发起时间=9:10;发起时间=9:05;到期预警时间=10:00;到期预警时间=9:40;超时30分钟;超时10分钟;未超时,得到剩余预警特征的属性和值,通过采用计算第一正确率的方法计算剩余预警特征的属性和值被覆盖的记录中被正确分类的比例的第二正确率,本发明在此不做详述。
训练模块205:用于根据所述第一正确率和所述第二正确率逐次添加所述目标类中的预警特征的属性和值至初始化决策表中进行训练得到所述训练集中所述多个类的预警规则,并基于所述多个类的预警规则训练预警规则分类器。
本实施例中,在基于规则的分类器中,规则必须满足规则互斥和规则穷举两条重要的性质,在实现规则互斥的过程中,一般采用有序规则和无序规则两种方案,在有序规则中,规则的排序有两种方案,一是基于规则的排序方案,二是基于类的排序方案,本实施例采用的是基于类的排序方案进行预警规则的提取,具体地,通过计算所述目标类中的每一个预警特征的属性和值被覆盖的记录中被正确分类的比例的第一正确率,及计算所述第一正确率排序中剩余预警特征的属性和值被覆盖的记录中被正确分类的比例的第二正确率,根据所述第一正确率和所述第二正确率去添加目标类的预警特征的属性和值,避免无顺序的添加导致预警规则提取不正确的现象,提高了预警规则提取的正确率。
本实施例中,通过对不同类对应的审批流程节点中的预警特征的属性和值进行提取,得到一组预警规则,统一了不同类的审批流程的预警规则,提高了预警的监督效率和管理能力。
优选的,所述训练模块205根据所述第一正确率和所述第二正确率逐次添加所述目标类中的预警特征的属性和值至初始化决策表中进行训练得到所述训练集中所述多个类的预警规则包括:
初始化决策表,设置初始规则前件为空,规则后件为目标类;
将所述训练集中属于所述目标类的所有预警特征的属性和值称为正例,剩余类的预警特征的属性和值称为反例,其中,所述训练集存储于区块链节点中;
采用集束搜索的方式将所述第一正确率排序前N的预警特征的属性和值添加至所述初始规则前件中;
将所述第二正确率排序前N的预警特征属性和值添加至所述初始规则前件后继续进行下一轮的预设的预警特征的属性和值的添加,并在确定满足预设条件时停止添加,生成第一条预警规则;
当所述第一条预警规则覆盖正例的数量大于或者等于正例总数量的一半时,则将所述第一条预警规则作为所述目标类的预警规则,并将所述第一条预警规则添加至所述初始化决策表中;
删除所述第一条预警规则覆盖的所有正例和反例,重复上述过程继续进行下一个类的第二条预警规则的提取,并将所述第二条预警规则添加至所述初始化决策表中;
直至将所述训练集中的所有类的预警规则提取完成,得到所述多个类的预警规则。
本实施例中,所述初始化决策表为空表,从训练集中任意选取一个目标类,并从所述训练集中学习出第一条预警规则,根据所述第一条预警规则覆盖正例的数量是否大于或者等于覆盖正例总数量的一半,确定所述第一条预警规则是否可以作为所述目标类的预警规则,重复上述过程直至将所述训练集中的所有类的预警规则提取完成,得到一组预警规则。
本实施例中,在逐次添加所述目标类中的预警特征的属性和值的过程中,需要考虑预警特征的属性和值的添加顺序及预设条件,其中,所述预警特征的属性和值的添加顺序根据评估度量决定,所述评估度量是指按照所述预警特征的属性和值被覆盖的记录中被正确分类的比例的正确率。
本实施例中,需要强调的是,为进一步保证上述训练集中的数据的私密和安全性,上述训练集还可以存储于一区块链的节点中。
本实施例中,所述第一正确率是指所述目标类中的每一个预警特征的属性和值被覆盖的记录中被正确分类的比例,将所述第一正确率排序在前N的预警特征的属性和值添加至所述初始规则前件中,然后在所述目标类中将排序在前N的预警特征的属性和值进行删除,计算剩余预警特征的属性和值被覆盖的记录中被正确分类的比例的第二正确率,将所述第二正确率排序在前N的预警特征的属性和值添加至所述初始规则前件中,重复上述步骤,直至所述目标类中的预设的预警特征的属性和值被添加完。
本实施例中,通过采用集束搜索(beam search)的方式逐次添加所述目标类中的预警特征的属性和值,可以防止得到重复的预警规则,陷入局部最优麻烦,而无法从所述训练集中获取到完整的一组预警规则。
进一步的,判断模块206:用于判断添加的预警特征的属性和值后的正确率是否变大,当所述正确率没有变大时,确定满足预设条件;或者
侦测模块207:用于侦测所述目标类中的所有正例是否已被全部覆盖,当所述正例已被全部覆盖时,确定满足预设条件;或者
所述侦测模块207:还用于侦测所述训练集中的所有的预警特征的属性和值是否已全部添加,当所述所有的预警特征的属性和值已被全部添加时,确定满足预设条件。
本实施例中,所述预设条件是指预先根据正确分类的比例的正确率或者所述目标类中的所有正例是否已被全部覆盖或者所述训练集中的所有预设的预警特征的属性和值是否已添加完进行设置的。
本实施例中,通过设置停止添加的预设条件,避免停止添加的预设条件不统一引起的提取到的预警规则的不准确的现象,提高了提取到的预警规则的准确率。
本实施例中,在提取预警规则的过程中,将数据集中所有类的审批节点的预警特征的属性和值作为训练集,将不同类相同预警特征的属性和值进行归类,得到一组预警规则,并基于所述一组预警规则训练预警规则的分类器,提高了训练得到的规则分类器的正确性,同时针对不同的类建立统一的审批预警流程,提高了审批预警的监控效率。
分类模块208:监控所述每个类的多个审批节点,并将所述多个审批节点的预警特征的属性和值输入至所述预警规则分类器中进行预警规则分类,得到每个审批节点的预警结果。
本实施例中,将监控到的审批节点的预警特征的属性和值输入至所述分类器中进行预警规则分类,直接获得每个审批节点的预警结果,提高了预警的时效性。
展示模块209:当确定所述每个审批节点的预警结果为预警时,为所述每个审批节点生成预警流程,并将所述预警信息展示在审批节点。
本实施例中,根据每个节点的预警结果是否为预警,确定是否为所述审批节点生成预警流程。
优选的,当确定所述审批节点的预警结果为预警时,为所述审批节点生成预警流程之后,触发所述生成预警流程。
本实施例中,在确定了审批结果是否为预警后,判断是否需要生成预警流程,当所述审批节点的预警结果为预警时,为所述审批节点生成预警流程,提高了预警流程生成的正确率。
进一步的,在所述为所述审批节点生成预警流程之后,从所述预警结果中获取每个节点的预警信息;在审批页面展示所述每个审批节点的预警信息。
按照预设的发送方式发送所述每个审批节点的预警信息至对应的审批人。
优选的,解析所述预警信息得到临期预警时间、到期预警时间和逾期预警时间。
具体地,所述临期预警时间等于所述到期预警时间减去所述当前时间的差值;所述逾期预警时间等于所述当前时间减去所述到期预警时间的差值,通过在页面展示不同的预警信息,审批人可以直观的了解到每个审批节点对应的审批进度,提高了审批效率。
本实施例中,所述预设的发送方式可以按照审批人员的需求进行定制化设置,满足审批人员的需求,提高审批人员的审批处理效率。
本实施例中,通过将预警信息展示在审批页面和按照预设的发送方式将预警信息发送至审批人员,及时的提醒审批人员进行审批,提高了审批效率,通过统计页面统计每个类的审批时间、审批人员等审批相关信息对分析对比审批人员的审批能力和审批速度,实时监督审批人员,提升了审批流程的处理效率。
进一步的,当确定所述审批节点的预警结果为未触发预警响应时,则终止预警流程。
本实施例中,当所述审批节点对应的审批流程属于正常时,所述审批节点的预警结果为不预警,不为所述审批节点生成预警流程,终止预警流程。
本实施例中,通过在确定了审批结果是否为预警后,判断是否需要生成预警流程,当所述审批节点的预警结果为预警时,为所述审批节点生成预警流程;当所述审批节点的预警结果为不预警时,不为所述审批节点生成预警流程,可以避免不需要生成预警流程的审批节点生成预警流程的现象,提高了预警流程生成的正确率。
综上所述,本实施例所述的一种基于审批流程的信息展示装置,获取数据集,其中,所述数据集中包含多个类,每个类对应多个审批节点;提取每个审批节点的预警特征的属性和值,并基于所述预警特征的属性和值构造训练集;从所述训练集中选取目标类,计算所述目标类中的每一个预警特征的属性和值被覆盖的记录中被正确分类的比例的第一正确率,将所述第一正确率排序前N的预警特征的属性和值添加至初始规则前件中;计算所述第一正确率排序中剩余预警特征的属性和值被覆盖的记录中被正确分类的比例的第二正确率;根据所述第一正确率和所述第二正确率逐次添加所述目标类中的预警特征的属性和值至初始化决策表中进行训练得到所述训练集中所述多个类的预警规则,并基于所述多个类的预警规则训练预警规则分类器;监控所述每个类的多个审批节点,并将所述每个类的多个审批节点的预警特征的属性和值输入至所述预警规则分类器中进行预警规则分类,得到每个审批节点的预警结果,其中,所述预警结果中包括预警信息;当确定所述每个审批节点的预警结果为预警时,为所述每个审批节点生成预警流程,并将所述预警信息展示在审批节点。
本实施例一方面通过通过对不同类对应的审批流程节点中的预警特征的属性和值进行提取,得到一组预警规则,统一了不同类的审批流程的预警规则,提高了预警的监督效率和管理能力;另一方面将监控到的审批节点的预警特征的属性和值输入至所述分类器中进行预警规则分类,直接获得每个审批节点的预警结果,提高了预警生成的时效性;最后,在判断了预警结果后执行所述审批节点的预警流程是否生成,可以避免不需要生成的预警流程被生成的现象,提高了预警流程生成的正确率。
此外,通过在页面展示不同的预警信息,审批人可以直观的了解到每个审批节点对应的审批进度,提高了审批效率。
实施例三
参阅图3所示,为本发明实施例三提供的电子设备的结构示意图。在本发明较佳实施例中,所述电子设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解,图3示出的电子设备的结构并不构成本发明实施例的限定,既可以是总线型结构,也可以是星形结构,所述电子设备3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。
在一些实施例中,所述电子设备3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/或信息处理的电子设备,其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述电子设备3还可包括客户设备,所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式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、数码相机等。
需要说明的是,所述电子设备3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。
在一些实施例中,所述存储器31用于存储程序代码和各种数据,例如安装在所述电子设备3中的基于审批流程的信息展示装置20,并在电子设备3的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器31包括只读存储器(Read-Only Memory,ROM)、随机存取存储器、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
在一些实施例中,所述至少一个处理器32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。所述至少一个处理器32是所述电子设备3的控制核心(Control Unit),利用各种接口和线路连接整个电子设备3的各个部件,通过运行或执行存储在所述存储器31内的程序或者模块,以及调用存储在所述存储器31内的数据,以执行电子设备3的各种功能和处理数据,例如执行基于审批流程的信息展示的功能。
在一些实施例中,所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出,所述电子设备3还可以包括给各个部件供电的电源(比如电池),优选的,电源可以通过电源管理装置与所述至少一个处理器32逻辑相连,从而通过电源管理装置实现管理充电、放电、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3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。
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。
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,电子设备,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分。
在进一步的实施例中,结合图2,所述至少一个处理器32可执行所述电子设备3的操作装置以及安装的各类应用程序(如所述的基于审批流程的信息展示装置20)、程序代码等,例如,上述的各个模块。
所述存储器31中存储有程序代码,且所述至少一个处理器32可调用所述存储器31中存储的程序代码以执行相关的功能。例如,图2中所述的各个模块是存储在所述存储器31中的程序代码,并由所述至少一个处理器32所执行,从而实现所述各个模块的功能以达到基于审批流程的信息展示的目的。
在本发明的一个实施例中,所述存储器31存储多个指令,所述多个指令被所述至少一个处理器32所执行以实现基于审批流程的信息展示的目的。
具体地,所述至少一个处理器32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。
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。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,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,即可以位于一个地方,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,单数不排除复数。装置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。第一,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 (10)
1.一种基于审批流程的信息展示方法,其特征在于,所述方法包括:
获取数据集,其中,所述数据集中包含多个类,每个类对应多个审批节点;
提取每个审批节点的预警特征的属性和值,并基于所述预警特征的属性和值构造训练集;
从所述训练集中选取目标类,计算所述目标类中的每一个预警特征的属性和值被覆盖的记录中被正确分类的比例的第一正确率,将所述第一正确率排序前N的预警特征的属性和值添加至初始规则前件中;
计算所述第一正确率排序中剩余预警特征的属性和值被覆盖的记录中被正确分类的比例的第二正确率;
根据所述第一正确率和所述第二正确率逐次添加所述目标类中的预警特征的属性和值至初始化决策表中进行训练得到所述训练集中所述多个类的预警规则,并基于所述多个类的预警规则训练预警规则分类器;
监控所述每个类的多个审批节点,并将所述每个类的多个审批节点的预警特征的属性和值输入至所述预警规则分类器中进行预警规则分类,得到每个审批节点的预警结果,其中,所述预警结果中包括预警信息;
当确定所述每个审批节点的预警结果为预警时,为所述每个审批节点生成预警流程,并将所述预警信息展示在审批节点。
2.如权利要求1所述的基于审批流程的信息展示方法,其特征在于,所述根根据所述第一正确率和所述第二正确率逐次添加所述目标类中的预警特征的属性和值至初始化决策表中进行训练得到所述训练集中所述多个类的预警规则包括:
初始化决策表,设置初始规则前件为空,规则后件为目标类;
将所述训练集中属于所述目标类的所有预警特征的属性和值称为正例,剩余类的预警特征的属性和值称为反例,其中,所述训练集存储于区块链节点中;
采用集束搜索的方式将所述第一正确率排序前N的预警特征的属性和值添加至所述初始规则前件中;
将所述第二正确率排序前N的预警特征属性和值添加至所述初始规则前件后继续进行下一轮的预设的预警特征的属性和值的添加,并在确定满足预设条件时停止添加,生成第一条预警规则;
当所述第一条预警规则覆盖正例的数量大于或者等于正例总数量的一半时,则将所述第一条预警规则作为所述目标类的预警规则,并将所述第一条预警规则添加至所述初始化决策表中;
删除所述第一条预警规则覆盖的所有正例和反例,重复上述过程继续进行下一个类的第二条预警规则的提取,并将所述第二条预警规则添加至所述初始化决策表中;
直至将所述训练集中的所有类的预警规则提取完成,得到所述多个类的预警规则。
3.如权利要求2所述的基于审批流程的信息展示方法,其特征在于,所述方法还包括:
判断添加的预警特征的属性和值后的正确率是否变大,当所述正确率没有变大时,确定满足预设条件;或者
侦测所述目标类中的所有正例是否已被全部覆盖,当所述正例已被全部覆盖时,确定满足预设条件;或者
侦测所述训练集中的所有的预警特征的属性和值是否已全部添加,当所述所有的预警特征的属性和值已被全部添加时,确定满足预设条件。
4.如权利要求1所述的基于审批流程的信息展示方法,其特征在于,在所述为所述审批节点生成预警流程之后,所述方法还包括:
从所述预警结果中获取每个节点的预警信息;
在审批页面展示所述每个审批节点的预警信息;
按照预设的发送方式发送所述每个审批节点的预警信息至对应的审批人。
5.如权利要求4所述的基于审批流程的信息展示方法,其特征在于,所述方法还包括:
解析所述预警信息得到临期预警时间、到期预警时间和逾期预警时间。
6.如权利要求5所述的基于审批流程的信息展示方法,其特征在于,所述方法解析所述预警信息得到临期预警时间、到期预警时间和逾期预警时间包括:
计算到期预警时间减去当前时间的之差得到临期预警时间;及计算所述当前时间减去所述到期预警时间之差值得到所述逾期预警时间。
7.如权利要求1至6中任意一项所述的基于审批流程的信息展示方法,其特征在于,所述方法还包括:
当确定所述审批节点的预警结果为未触发预警响应,则终止预警流程。
8.一种基于审批流程的信息展示装置,其特征在于,所述装置包括:
获取模块,用于获取数据集,其中,所述数据集中包含多个类,每个类对应多个审批节点;
提取模块,用于提取每个审批节点的预警特征的属性和值,并基于所述预警特征的属性和值构造训练集;
第一计算模块,用于从所述训练集中选取目标类,计算所述目标类中的每一个预警特征的属性和值被覆盖的记录中被正确分类的比例的第一正确率,将所述第一正确率排序前N的预警特征的属性和值添加至初始规则前件中;
第二计算模块,用于计算所述第一正确率排序中剩余预警特征的属性和值被覆盖的记录中被正确分类的比例的第二正确率;
训练模块,用于根据所述第一正确率和所述第二正确率逐次添加所述目标类中的预警特征的属性和值至初始化决策表中进行训练得到所述训练集中所述多个类的预警规则,并基于所述多个类的预警规则训练预警规则分类器;
分类模块,用于监控所述每个类的多个审批节点,并将所述每个类的多个审批节点的预警特征的属性和值输入至所述预警规则分类器中进行预警规则分类,得到每个审批节点的预警结果,其中,所述预警结果中包括预警信息;
展示模块,用于当确定所述每个审批节点的预警结果为预警时,为所述每个审批节点生成预警流程,并将所述预警信息展示在审批节点。
9.一种电子设备,其特征在于,所述电子设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述的基于审批流程的信息展示方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,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7中任意一项所述的基于审批流程的信息展示方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010956435.9A CN112016905B (zh) | 2020-09-11 | 2020-09-11 | 基于审批流程的信息展示方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010956435.9A CN112016905B (zh) | 2020-09-11 | 2020-09-11 | 基于审批流程的信息展示方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112016905A true CN112016905A (zh) | 2020-12-01 |
CN112016905B CN112016905B (zh) | 2022-08-26 |
Family
ID=73521928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010956435.9A Active CN112016905B (zh) | 2020-09-11 | 2020-09-11 | 基于审批流程的信息展示方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112016905B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112651615A (zh) * | 2020-12-21 | 2021-04-13 | 深圳科诺医学检验实验室 | 一种样本检验节点预警方法、装置、系统及介质 |
CN113065843A (zh) * | 2021-03-15 | 2021-07-02 | 腾讯科技(深圳)有限公司 | 一种模型处理方法、装置、电子设备和存储介质 |
CN113706111A (zh) * | 2021-08-30 | 2021-11-26 | 平安国际智慧城市科技股份有限公司 | 医疗机构流程数据的处理方法、装置、设备及介质 |
CN117391306A (zh) * | 2023-11-07 | 2024-01-12 | 广州国测规划信息技术有限公司 | 国土空间规划成果审查方法、装置、设备以及存储介质 |
CN113065843B (zh) * | 2021-03-15 | 2024-05-14 | 腾讯科技(深圳)有限公司 | 一种模型处理方法、装置、电子设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060112114A1 (en) * | 2004-11-23 | 2006-05-25 | Yu Jay J | Model-driven user interview |
CN110415111A (zh) * | 2019-08-01 | 2019-11-05 | 信雅达系统工程股份有限公司 | 基于用户数据与专家特征合并逻辑回归信贷审批的方法 |
-
2020
- 2020-09-11 CN CN202010956435.9A patent/CN112016905B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060112114A1 (en) * | 2004-11-23 | 2006-05-25 | Yu Jay J | Model-driven user interview |
CN110415111A (zh) * | 2019-08-01 | 2019-11-05 | 信雅达系统工程股份有限公司 | 基于用户数据与专家特征合并逻辑回归信贷审批的方法 |
Non-Patent Citations (3)
Title |
---|
罗俊: "一种新的结合Boosting技术的mFOIL算法", 《计算机应用研究》 * |
陈蔼祥等: "基于学习的规划技术研究", 《计算机科学》 * |
颜晨阳等: "基于AQ覆盖框架的蚁群规则集学习算法", 《计算机工程与应用》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112651615A (zh) * | 2020-12-21 | 2021-04-13 | 深圳科诺医学检验实验室 | 一种样本检验节点预警方法、装置、系统及介质 |
CN113065843A (zh) * | 2021-03-15 | 2021-07-02 | 腾讯科技(深圳)有限公司 | 一种模型处理方法、装置、电子设备和存储介质 |
CN113065843B (zh) * | 2021-03-15 | 2024-05-14 | 腾讯科技(深圳)有限公司 | 一种模型处理方法、装置、电子设备和存储介质 |
CN113706111A (zh) * | 2021-08-30 | 2021-11-26 | 平安国际智慧城市科技股份有限公司 | 医疗机构流程数据的处理方法、装置、设备及介质 |
CN117391306A (zh) * | 2023-11-07 | 2024-01-12 | 广州国测规划信息技术有限公司 | 国土空间规划成果审查方法、装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112016905B (zh) | 2022-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112016905B (zh) | 基于审批流程的信息展示方法、装置、电子设备及介质 | |
CN112541745B (zh) | 用户行为数据分析方法、装置、电子设备及可读存储介质 | |
CN111651440A (zh) | 用户信息判别方法、装置及计算机可读存储介质 | |
CN111696663A (zh) | 疾病风险的分析方法、装置、电子设备及计算机存储介质 | |
CN114519524A (zh) | 基于知识图谱的企业风险预警方法、装置及存储介质 | |
CN111984898A (zh) | 基于大数据的标签推送方法、装置、电子设备及存储介质 | |
CN111694844A (zh) | 基于配置算法的企业运行数据分析方法、装置及电子设备 | |
CN113256108A (zh) | 人力资源分配方法、装置、电子设备及存储介质 | |
CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
CN111401691A (zh) | 业务进度监控方法、装置及计算机可读存储介质 | |
CN114862140A (zh) | 基于行为分析的潜力评估方法、装置、设备及存储介质 | |
CN114220541A (zh) | 疾病预测方法、装置、电子设备及存储介质 | |
CN111460293B (zh) | 信息推送方法、装置及计算机可读存储介质 | |
CN111651452A (zh) | 数据存储方法、装置、计算机设备及存储介质 | |
CN113139743A (zh) | 污水排放指标分析方法、装置、电子设备及存储介质 | |
CN112598135A (zh) | 模型训练处理方法、装置、计算机设备及介质 | |
CN115471215B (zh) | 一种业务流程处理方法及装置 | |
CN112102011A (zh) | 基于人工智能的用户等级预测方法、装置、终端及介质 | |
CN111949646A (zh) | 基于大数据的设备运行状况分析方法、装置、设备及介质 | |
CN117193975A (zh) | 任务调度方法、装置、设备及存储介质 | |
CN111651652B (zh) | 基于人工智能的情感倾向识别方法、装置、设备及介质 | |
CN114742412A (zh) | 一种软件技术服务系统及方法 | |
CN113706172A (zh) | 基于客户行为的投诉解决方法、装置、设备及存储介质 | |
CN113987351A (zh) | 基于人工智能的智能推荐方法、装置、电子设备及介质 | |
CN115225489B (zh) | 队列业务流量阈值动态控制方法、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 |