CN115170057A - 一种基于机器学习的oa审批控制系统及方法 - Google Patents
一种基于机器学习的oa审批控制系统及方法 Download PDFInfo
- Publication number
- CN115170057A CN115170057A CN202210631139.0A CN202210631139A CN115170057A CN 115170057 A CN115170057 A CN 115170057A CN 202210631139 A CN202210631139 A CN 202210631139A CN 115170057 A CN115170057 A CN 115170057A
- Authority
- CN
- China
- Prior art keywords
- approval
- node
- nodes
- approved
- cross
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- Medical Informatics (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于机器学习的OA审批控制系统及方法,步骤S100:基于审批信息对两两待审批节点之间的审批交叉关系进行判断;步骤S200:将所有待审批节点的所有对应交叉节点进行信息汇集得到整体审批交叉分布路径;步骤S300:捕捉可自动审批的待审批节点,获取可自动审批的待审批节点的条件审批路径;步骤S400:滤除掉所有可自动审批的待审批节点,基于整体审批交叉分布路径对各待审批节点之间的优先级排序进行判断;步骤S500:按照各待审批节点之间的优先级排序进行有序审批,且在有序审批的过程中一旦某个可自动审批的待审批节点满足其条件审批路径时即可自动开启自动审批得到审批结论。
Description
技术领域
本发明涉及机器学习OA审批技术领域,具体为一种基于机器学习的OA审批控制系统及方法。
背景技术
随着OA审批技术的日益完善,OA审批逐渐用于越来复杂的场景下,例如说用于一个包括较多项目流的大工程的工程监督审批;因为工程内个项目流之间的关系往往盘踞复杂,对一个小项目流内各审批节点的审批工作往往影响着许多别的项目流的正常运作,有牵一发而动全身的影响;而对于一个复杂场景下的审批应用往往也面临着同一段时间内同时产生大量的待审批工作,如何安排在这大量的待审批工作中进行科学有序的处理次序选择对于实现工程最高效运转以及实现审批系统最快速审批都显得至关重要。
发明内容
本发明的目的在于提供一种基于机器学习的OA审批控制系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于机器学习的OA审批控制方法,其特征在于,控制方法包括:
步骤S100:控制系统分别对OA办公终端接收到的若干待审批节点的审批信息进行调取;基于审批信息对两两待审批节点之间的审批交叉关系进行判断,分别得到各待审批节点的对应交叉节点以及条件审批路径;
步骤S200:将所有待审批节点的所有对应交叉节点进行信息汇集得到整体审批交叉分布路径;
步骤S300:基于整体审批交叉分布路径捕捉可自动审批的待审批节点;分别获取可自动审批的待审批节点的条件审批路径;
步骤S400:滤除掉所有可自动审批的待审批节点,基于整体审批交叉分布路径对各待审批节点之间的优先级排序进行判断;
步骤S500:按照各待审批节点之间的优先级排序进行有序审批,且在有序审批的过程中一旦某个可自动审批的待审批节点满足其条件审批路径时即可自动开启自动审批得到审批结论。
进一步的,步骤S100基于审批信息对两两待审批节点之间的审批交叉关系进行判断的过程包括:
步骤S101:设待审批节点ai为任意项目流A中第i个节点,待审批节点ai的待审批结论为审批条件集为审批条件集是指对待审批节点ai有审批权限的对象在对待审批节点ai进行审批的过程中需要依据的审批条件;设待审批节点bj为任意项目流B中第j个节点,待审批节点bj的待审批结论为审批条件集为其中,i=j或者i≠j;A=B或者A≠B;
步骤S102:若对待审批节点ai有审批权限的对象在进行审批的过程中需要将待审批节点bj的审批结论作为审批条件集的一部分进行审批考察得到待审批结论则待审批节点ai与待审批节点bj之间存在审批交叉关系,审批交叉路径为bj→ai;待审批节点bj为待审批节点ai的对应交叉节点;
上述设置是考虑到在实际应用中,不同项目流中的部分审核节点之间出现相互嵌套关系,即不同节点虽然分属于不同的项目流,但是其中一个审核节点在审核过程中需要另一个审核节点的审核结论作为审核标准之一,所以,后者审核节点的审核在理论上关系到了前者审核节点的审核,且也可以说后者审核节点需要安排在前者审核节点的审核之前;通过上述方法对不同项目流中的部分审核节点之间出现的相互嵌套关系进行逐一判断,是为了后续判断各待审核节点在实际审核流程过程中的优先级排序,且根据上述方式得到的优先级排序可以使得审批系统在兼顾自身审批效率的同时保证实际应用场景中不同项目流的正常运行,不会出现因审批次序的出错导致一些项目流处于异常搁置的状态;且在一些应用场景下,因欠缺流程上的及时审核导致很多工程属于待工状态,由此也会造成资源的浪费;上述方法即可使得在审批次序的选择环节上做到资源浪费的最小化。
进一步的,步骤S200包括:
步骤S201:随机在所有待审批节点中选取一待审批节点s,将待审批节点s作为整体审批交叉分布路径的第一个起点;若待审批节点s同时是n个待审批节点的对应交叉节点,则同时对待审批节点s引出n条交叉路径生成第一交叉分布路径;n个待审批节点均与待审批节点s之间存在一级交叉关系,与待审批节点s存在一级交叉关系的节点集为其中,分别表示与待审批节点s存在一级交叉关系的第一个、第二个、…、第n个一级交叉节点;
步骤S202:若待审批节点s的一级交叉节点集内任意一个一级交叉节点si同时是m个待审批节点的对应交叉节点,则在第一交叉路径的基础上同时对一级交叉节点si引出m条交叉路径生成第二交叉分布路径;m个待审批节点均与待审批节点s之间存在二级交叉关系;与待审批节点s存在二级交叉关系的节点集为其中,分别表示与待审批节点s存在二级交叉关系的第一个、第二个、…、第m个二级交叉节点,以此类推得到与待审批节点s存在下一级交叉关系的各交叉节点,直至待审批节点s不再出现次级交叉节点;
步骤S203:重新随机选择另一待审批节点作为整体审批交叉分布路径的下一个起点,重复步骤S201-步骤S202,直到将待审批节点全部都汇集与整体审批交叉分布路径上;
上述方法是通过整体审批交叉分布路径显示所有待审批节点之间的相互交叉关系,这种设置方式一方面正是为了适配当待审批节点的数量大,且相互之间的交叉影响关系复杂的情景;另一方面是为了在后续步骤中能够快速的找寻可开启自动审批的目标节点,且通过整体审批交叉分布路径快速的获取目标节点的条件审批路径。
进一步的,步骤S300包括:
步骤S301:在整体审批交叉分布路径中将不属于任何一个待审批节点的对应交叉节点的待审批节点作为目标节点y;若目标节点y的对应交叉节点集为Y{Y1,Y2,…,Yr};其中,Y1,Y2,…,Yr分别表示目标节点y的第一、第二个、...、第r个对应交叉节点;
步骤S302:对目标节点y的条件审批路径进行调取,当目标节点y的条件审批路径满足且Ly=0;则目标节点y可开启自动审批;其中,ky表示目标节点y的审批条件集;分别表示对应交叉节点Y1、Y2、…、Yr的审批结论;Ly表示除了待审批结论Y1、Y2、…、Yr以外其他需要参考的审批条件;
在整体审批交叉分布路径中将不属于任何一个待审批节点的对应交叉节点的待审批节点作为目标节点正是考虑到在所有的待审核节点中不存在一个待审核节点的审批条件需要以目标节点的审批结论作为一部分组成,所以在所有的待审批节点中,目标节点是属于对其他待审核节点的审核结论存在依赖性,但并没有待审核节点对其的审核结论存在依赖性,所以相对于其他的待审核节点来说,目标节点只有单向交叉关系;
目标节点y的条件审批路径需满足且Ly=0,说明要想得到目标节点的审核结论只要前提条件交叉节点Y1、Y2、…、Yr的审批结论都得出就可以进行结论判断,Ly=0意味着对目标节点有审批权限的对象在得到目标节点的审核结论的过程中不再需要其他的审核依据,所以对于这些目标节点的审批都具备规律性,对这些目标节点设置自动审核就是利用机器学习获取审核规律提高审核效率的过程。
进一步的,对各自动审批的待审批节点在满足条件审批路径的前提下可开启自动审批,且在开启自动审批模式下可按照历史对节点的审批记录自动匹配得到审批结论。
进一步的,步骤S400对各待审批节点之间的优先级排序进行判断的过程包括:
步骤S401:记待审批节点q1,q2;q1同时是g1个待审批节点的对应交叉节点,q2同时是g2个待审批节点的对应交叉节点;若g1>g2,则q1的优先级高于q2;
步骤S402:若g1=g2,分别对待审批节点q1,q2的所属项目流进行溯及;记g1个待审批节点的对应交叉节点中有u1个对应交叉节点与待审批节点q1所属项目流相同;记g2个待审批节点的对应交叉节点中有u2个对应交叉节点与待审批节点q2所属项目流相同;若g1-u1>g2-u2,则q1的优先级高于q2;
上述将g1、g2值的大小作为第一种优先级排序的判断依据,是因为g1、g2值的大小侧面反映的正是与g1值对应的q1,与g2值对应的q2在所有待审批节点中的交叉影响级别,g值越大说明在所有待审批节点中的交叉影响级别越高;意味着若先对g值大的待审批节点进行审批的话,一旦对该待审批节点审批完成,对于其他与其有交叉影响的待审批节点是能起到推进审批的效果,对整个审批系统提高的效率较于对g值小的待审批节点进行优先审批时可对整个审批系统提高的效率更大;
上述将g1-u1值与g2-u2值的大小作为第二种优先级排序的判断依据,是因为g1-u1值与g2-u2值的大小侧面反映的正是与g1-u1值对应的q1,与g2-u2值对应的q2在所有待审批节点涉及的不同项目流的之间的交叉影响范围;g-u的值越大说明影响的项目流的种类数越多,意味着若先对g-u值大的待审批节点进行审批的话,一旦对该待审批节点审批完成,可以同时启动更多种类项目流的审批推进,对整个审批系统起到的审批范围的激活效果较于对g-u值小的待审批节点进行优先审批起到的审批范围的激活效果更大。
为更好实现上述方法还提出了一种基于机器学习的OA审批控制系统,控制系统包括审批交叉关系判断模块、交叉分布路径生成模块、自动审批节点捕捉模块、优先级顺序判断模块、审批执行模块;
审批交叉关系判断模块,用于分别对OA办公终端接收到的待审批节点的审批信息进行调取,基于审批信息对两两待审批节点之间的审批交叉关系进行判断;
交叉分布路径生成模块,用于接收审批交叉关系判断模块中的数据,将所有待审批节点的所有对应交叉节点进行信息汇集得到整体审批交叉分布路径;
自动审批节点捕捉模块,用于接收交叉分布路径生成模块中的数据,基于整体审批交叉分布路径捕捉可自动审批的待审批节点,并分别获取可自动审批的待审批节点的条件审批路径;
优先级顺序判断模块,用于接收基于交叉分布路径生成模块和自动审批节点捕捉模块中的数据,对各待审批节点之间的优先级排序进行判断;
审批执行模块,用于接收优先级顺序判断模块中的数据,按照优先级排序执行节点审批,开启自动审批。
进一步的,审批交叉关系判断模块包括关系识别单元、条件审批路径获取单元;
关系识别单元,用于对各待审批节点之间的审批交叉关系进行判断;
条件审批路径获取单元,用于接收关系识别单元中的数据,对各待审批节点的条件审批路径进行获取。
进一步的,自动审批节点捕捉模块包括目标节点捕捉单元、条件审批路径识别单元、自动审批节点识别单元;
目标节点捕捉单元,用于在整体审批交叉分布路径中找寻不属于任何一个待审批节点的对应交叉节点的待审批节点,并将其捕捉作为目标节点;
条件审批路径识别单元,用于接收目标节点捕捉单元中的数据,对各目标节点的条件审批路径进行识别;
自动审批节点识别单元,用于接收目标节点捕捉单元和条件审批路径识别单元中的数据,对满足自动审批条件的待审批节点进行识别和锁定。
与现有技术相比,本发明所达到的有益效果是:本发明可应用于待审批节点数量多,且各待审批节点之间的互相牵扯关系更复杂的场景下;实现了对各待审批节点之间的审批交叉关系进行溯及,考虑各待审批节点的审批权限和审批条件进行分析,根据部分审批节点所有所具有的信息条件设置自动化审批,实现了在具有大量待审批工作中进行科学有序的处理次序选择以及提高了应用工程的运转高效性和稳定性,提高了审批系统效率和灵活性。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于机器学习的OA审批控制方法的流程示意图;
图2是本发明一种基于机器学习的OA审批控制系统的结构示意图;
图3是本发明一种基于机器学习的OA审批控制方法的实施例一;
图4是本发明一种基于机器学习的OA审批控制方法的实施例二。
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,所描述的实施例仅仅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,都属于本发明保护的范围。
请参阅图1-图4,本发明提供技术方案:一种基于机器学习的OA审批控制方法,其特征在于,控制方法包括:
步骤S100:控制系统分别对OA办公终端接收到的若干待审批节点的审批信息进行调取;基于审批信息对两两待审批节点之间的审批交叉关系进行判断,分别得到各待审批节点的对应交叉节点以及条件审批路径;
其中,基于审批信息对两两待审批节点之间的审批交叉关系进行判断的过程包括:
步骤S101:设待审批节点ai为任意项目流A中第i个节点,待审批节点ai的待审批结论为审批条件集为审批条件集是指对待审批节点ai有审批权限的对象在对待审批节点ai进行审批的过程中需要依据的审批条件;设待审批节点bj为任意项目流B中第j个节点,待审批节点bj的待审批结论为审批条件集为其中,i=j或者i≠j;A=B或者A≠B;
步骤S102:若对待审批节点ai有审批权限的对象在进行审批的过程中需要将待审批节点bj的审批结论作为审批条件集的一部分进行审批考察得到待审批结论则待审批节点ai与待审批节点bj之间存在审批交叉关系,审批交叉路径为bj→ai;待审批节点bj为待审批节点ai的对应交叉节点;
步骤S200:将所有待审批节点的所有对应交叉节点进行信息汇集得到整体审批交叉分布路径;
其中,步骤S200包括:
步骤S201:随机在所有待审批节点中选取一个待审批节点s,将待审批节点s作为整体审批交叉分布路径的第一个起点;若待审批节点s同时是n个待审批节点的对应交叉节点,则同时对待审批节点s引出n条交叉路径生成第一交叉分布路径;n个待审批节点均与待审批节点s之间存在一级交叉关系,与待审批节点s存在一级交叉关系的节点集为其中,分别表示与待审批节点s存在一级交叉关系的第一个、第二个、…、第n个一级交叉节点;
步骤S202:若待审批节点s的一级交叉节点集内任意一个一级交叉节点si同时是m个待审批节点的对应交叉节点,则在第一交叉路径的基础上同时对一级交叉节点si引出m条交叉路径生成第二交叉分布路径;m个待审批节点均与待审批节点s之间存在二级交叉关系;与待审批节点s存在二级交叉关系的节点集为其中,分别表示与待审批节点s存在二级交叉关系的第一个、第二个、…、第m个二级交叉节点,以此类推得到与待审批节点s存在下一级交叉关系的各交叉节点,直至待审批节点s不再出现次级交叉节点;
步骤S203:重新随机选择另一待审批节点作为整体审批交叉分布路径的下一个起点,重复步骤S201-步骤S202,直到将待审批节点全部都汇集与整体审批交叉分布路径上;
例如,待审批节点包括A项目流中的a1节点、a3节点;B项目流中的b5节点;C项目流中的c2节点、c3节点;D项目流中的d4节点、d6节点;
a1节点是a3节点、b5节点、d6节点的对应交叉节点;d4节点是b5节点、c2节点的对应交叉节点;a3节点是b5节点、d4节点的对应交叉节点;c3是b5节点的对应交叉节点;
则上述待审批节点可得到如图3所示的整体审批交叉分布路径;
步骤S300:基于整体审批交叉分布路径捕捉可自动审批的待审批节点;分别获取可自动审批的待审批节点的条件审批路径;
其中,步骤S300包括:
步骤S301:在整体审批交叉分布路径中将不属于任何一个待审批节点的对应交叉节点的待审批节点作为目标节点y;若目标节点y的对应交叉节点集为Y{Y1,Y2,…,Yr};其中,Y1,Y2,…,Yr分别表示目标节点y的第一、第二个、...、第r个对应交叉节点;
步骤S302:对目标节点y的条件审批路径进行调取,当目标节点y的条件审批路径满足且Ly=0;则目标节点y可开启自动审批;其中,ky表示目标节点y的审批条件集;分别表示对应交叉节点Y1、Y2、…、Yr的审批结论;Ly表示除了待审批结论Y1、Y2、…、Yr以外其他需要参考的审批条件;
例如说,在如图3所示的整体审批交叉分布路径中,c2、d6、b5为目标节点,如图4中加了原框部分所示;
若c2的条件审批路径满足(kc2=ma1+ma3+md4+Lc2)→mc2,且Lc2=0;
若d6的条件审批路径满足(kd6=ma1+ma3+Ld6)→md6,且Ld6=0;
若b5的条件审批路径满足(kb5=ma1+ma3+md4+mc3+Lb5)→mb5,且Lb5=0;
则对目标节点c2、d6、b5可开启自动审批;
其中,对各自动审批的待审批节点在满足条件审批路径的前提下可开启自动审批,且在开启自动审批模式下可按照历史对节点的审批记录自动匹配得到审批结论;
步骤S400:滤除掉所有可自动审批的待审批节点,基于整体审批交叉分布路径对各待审批节点之间的优先级排序进行判断;
其中,步骤S400对各待审批节点之间的优先级排序进行判断的过程包括:
步骤S401:记待审批节点q1,q2;q1同时是g1个待审批节点的对应交叉节点,q2同时是g2个待审批节点的对应交叉节点;若g1>g2,则q1的优先级高于q2;
步骤S402:若g1=g2,分别对待审批节点q1,q2的所属项目流进行溯及;记g1个待审批节点的对应交叉节点中有u1个对应交叉节点与待审批节点q1所属项目流相同;记g2个待审批节点的对应交叉节点中有u2个对应交叉节点与待审批节点q2所属项目流相同;若g1-u1>g2-u2,则q1的优先级高于q2;
步骤S500:按照各待审批节点之间的优先级排序进行有序审批,且在有序审批的过程中一旦某个可自动审批的待审批节点满足其条件审批路径时即可自动开启自动审批得到审批结论;
为更好的实现上述方法还提出了一种基于机器学习的OA审批控制系统,控制系统包括审批交叉关系判断模块、交叉分布路径生成模块、自动审批节点捕捉模块、优先级顺序判断模块、审批执行模块;
审批交叉关系判断模块,用于分别对OA办公终端接收到的待审批节点的审批信息进行调取,基于审批信息对两两待审批节点之间的审批交叉关系进行判断;
其中,审批交叉关系判断模块包括关系识别单元、条件审批路径获取单元;
关系识别单元,用于对各待审批节点之间的审批交叉关系进行判断;
条件审批路径获取单元,用于接收关系识别单元中的数据,对各待审批节点的条件审批路径进行获取;
交叉分布路径生成模块,用于接收审批交叉关系判断模块中的数据,将所有待审批节点的所有对应交叉节点进行信息汇集得到整体审批交叉分布路径;
自动审批节点捕捉模块,用于接收交叉分布路径生成模块中的数据,基于整体审批交叉分布路径捕捉可自动审批的待审批节点,并分别获取可自动审批的待审批节点的条件审批路径;
其中,自动审批节点捕捉模块包括目标节点捕捉单元、条件审批路径识别单元、自动审批节点识别单元;
目标节点捕捉单元,用于在整体审批交叉分布路径中找寻不属于任何一个待审批节点的对应交叉节点的待审批节点,并将其捕捉作为目标节点;
条件审批路径识别单元,用于接收目标节点捕捉单元中的数据,对各目标节点的条件审批路径进行识别;
自动审批节点识别单元,用于接收目标节点捕捉单元和条件审批路径识别单元中的数据,对满足自动审批条件的待审批节点进行识别和锁定;
优先级顺序判断模块,用于接收基于交叉分布路径生成模块和自动审批节点捕捉模块中的数据,对各待审批节点之间的优先级排序进行判断;
审批执行模块,用于接收优先级顺序判断模块中的数据,按照优先级排序执行节点审批,开启自动审批。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于机器学习的OA审批控制方法,其特征在于,所述控制方法包括:
步骤S100:控制系统分别对OA办公终端接收到的若干待审批节点的审批信息进行调取;基于所述审批信息对两两待审批节点之间的审批交叉关系进行判断,分别得到各待审批节点的对应交叉节点以及条件审批路径;
步骤S200:将所有待审批节点的所有对应交叉节点进行信息汇集得到整体审批交叉分布路径;
步骤S300:基于所述整体审批交叉分布路径捕捉可自动审批的待审批节点;分别获取所述可自动审批的待审批节点的条件审批路径;
步骤S400:滤除掉所有可自动审批的待审批节点,基于所述整体审批交叉分布路径对各待审批节点之间的优先级排序进行判断;
步骤S500:按照各待审批节点之间的优先级排序进行有序审批,且在有序审批的过程中一旦某个可自动审批的待审批节点满足其条件审批路径时即可自动开启自动审批得到审批结论。
2.根据权利要求1所述的一种基于机器学习的OA审批控制方法,其特征在于,所述步骤S100基于审批信息对两两待审批节点之间的审批交叉关系进行判断的过程包括:
步骤S101:设待审批节点ai为任意项目流A中第i个节点,所述待审批节点ai的待审批结论为审批条件集为所述审批条件集是指对待审批节点ai有审批权限的对象在对待审批节点ai进行审批的过程中需要依据的审批条件;设待审批节点bj为任意项目流B中第j个节点,所述待审批节点bj的待审批结论为审批条件集为其中,i=j或者i≠j;A=B或者A≠B;
步骤S102:若对待审批节点ai有审批权限的对象在进行审批的过程中需要将所述待审批节点bj的审批结论作为所述审批条件集的一部分进行审批考察得到待审批结论则待审批节点ai与所述待审批节点bj之间存在审批交叉关系,审批交叉路径为bj→ai;待审批节点bj为待审批节点ai的对应交叉节点;
3.根据权利要求1所述的一种基于机器学习的OA审批控制方法,其特征在于,所述步骤S200包括:
步骤S201:随机在所有待审批节点中选取一待审批节点s,将所述待审批节点s作为所述整体审批交叉分布路径的第一个起点;若待审批节点s同时是n个待审批节点的对应交叉节点,则同时对所述待审批节点s引出n条交叉路径生成第一交叉分布路径;所述n个待审批节点均与所述待审批节点s之间存在一级交叉关系,与所述待审批节点s存在一级交叉关系的节点集为其中,分别表示与待审批节点s存在一级交叉关系的第一个、第二个、…、第n个一级交叉节点;
步骤S202:若所述待审批节点s的一级交叉节点集内任意一个一级交叉节点si同时是m个待审批节点的对应交叉节点,则在所述第一交叉路径的基础上同时对所述一级交叉节点si引出m条交叉路径生成第二交叉分布路径;所述m个待审批节点均与所述待审批节点s之间存在二级交叉关系;与所述待审批节点s存在二级交叉关系的节点集为其中,分别表示与待审批节点s存在二级交叉关系的第一个、第二个、…、第m个二级交叉节点,以此类推得到与所述待审批节点s存在下一级交叉关系的各交叉节点,直至待审批节点s不再出现次级交叉节点;
步骤S203:重新随机选择另一待审批节点作为所述整体审批交叉分布路径的下一个起点,重复步骤S201-步骤S202,直到将所述待审批节点全部都汇集与所述整体审批交叉分布路径上。
4.根据权利要求1所述的一种基于机器学习的OA审批控制方法,其特征在于,所述步骤S300包括:
步骤S301:在所述整体审批交叉分布路径中将不属于任何一个待审批节点的对应交叉节点的待审批节点作为目标节点y;若所述目标节点y的对应交叉节点集为Y{Y1,Y2,…,Yr};其中,Y1,Y2,…,Yr分别表示目标节点y的第一、第二个、...、第r个对应交叉节点;
5.根据权利要求1所述的一种基于机器学习的OA审批控制方法,其特征在于,对各所述自动审批的待审批节点在满足条件审批路径的前提下可开启自动审批,且在开启自动审批模式下可按照历史对节点的审批记录自动匹配得到审批结论。
6.根据权利要求1所述的一种基于机器学习的OA审批控制方法,其特征在于,所述步骤S400对各待审批节点之间的优先级排序进行判断的过程包括:
步骤S401:记待审批节点q1,q2;q1同时是g1个待审批节点的对应交叉节点,q2同时是g2个待审批节点的对应交叉节点;若g1>g2,则q1的优先级高于q2;
步骤S402:若g1=g2,分别对待审批节点q1,q2的所属项目流进行溯及;记g1个待审批节点的对应交叉节点中有u1个对应交叉节点与待审批节点q1所属项目流相同;记g2个待审批节点的对应交叉节点中有u2个对应交叉节点与待审批节点q2所属项目流相同;若g1-u1>g2-u2,则q1的优先级高于q2。
7.一种用于权利要求1-6中任一项的基于机器学习的OA审批控制方法的基于机器学习的OA审批控制系统,其特征在于,所述控制系统包括审批交叉关系判断模块、交叉分布路径生成模块、自动审批节点捕捉模块、优先级顺序判断模块、审批执行模块;
所述审批交叉关系判断模块,用于分别对OA办公终端接收到的待审批节点的审批信息进行调取,基于所述审批信息对两两待审批节点之间的审批交叉关系进行判断;
所述交叉分布路径生成模块,用于接收所述审批交叉关系判断模块中的数据,将所有待审批节点的所有对应交叉节点进行信息汇集得到整体审批交叉分布路径;
所述自动审批节点捕捉模块,用于接收所述交叉分布路径生成模块中的数据,基于整体审批交叉分布路径捕捉可自动审批的待审批节点,并分别获取可自动审批的待审批节点的条件审批路径;
所述优先级顺序判断模块,用于接收基于所述交叉分布路径生成模块和所述自动审批节点捕捉模块中的数据,对各待审批节点之间的优先级排序进行判断;
所述审批执行模块,用于接收所述优先级顺序判断模块中的数据,按照优先级排序执行节点审批,开启自动审批。
8.根据权利要求7所述的一种基于机器学习的OA审批控制系统,其特征在于,所述审批交叉关系判断模块包括关系识别单元、条件审批路径获取单元;
所述关系识别单元,用于对各待审批节点之间的审批交叉关系进行判断;
所述条件审批路径获取单元,用于接收所述关系识别单元中的数据,对各待审批节点的条件审批路径进行获取。
9.根据权利要求7所述的一种基于机器学习的OA审批控制系统,其特征在于,所述自动审批节点捕捉模块包括目标节点捕捉单元、条件审批路径识别单元、自动审批节点识别单元;
所述目标节点捕捉单元,用于在整体审批交叉分布路径中找寻不属于任何一个待审批节点的对应交叉节点的待审批节点,并将其捕捉作为目标节点;
所述条件审批路径识别单元,用于接收所述目标节点捕捉单元中的数据,对各目标节点的条件审批路径进行识别;
所述自动审批节点识别单元,用于接收所述目标节点捕捉单元和所述条件审批路径识别单元中的数据,对满足自动审批条件的待审批节点进行识别和锁定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210631139.0A CN115170057B (zh) | 2022-06-06 | 2022-06-06 | 一种基于机器学习的oa审批控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210631139.0A CN115170057B (zh) | 2022-06-06 | 2022-06-06 | 一种基于机器学习的oa审批控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115170057A true CN115170057A (zh) | 2022-10-11 |
CN115170057B CN115170057B (zh) | 2023-08-22 |
Family
ID=83486183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210631139.0A Active CN115170057B (zh) | 2022-06-06 | 2022-06-06 | 一种基于机器学习的oa审批控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115170057B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115983808A (zh) * | 2023-03-21 | 2023-04-18 | 中建安装集团有限公司 | 一种基于数字化建造的项目数据智能化管理系统及方法 |
CN116384945A (zh) * | 2023-05-26 | 2023-07-04 | 山东山科数字经济研究院有限公司 | 一种项目管理方法和系统 |
CN117649210A (zh) * | 2024-01-29 | 2024-03-05 | 国网浙江省电力有限公司宁海县供电公司 | 一种项目数据管理方法以及管理系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129618A (zh) * | 2011-03-04 | 2011-07-20 | 山东浪潮齐鲁软件产业股份有限公司 | 一种工作流系统实现流程实例合并拆分的方法 |
CN106651567A (zh) * | 2016-12-26 | 2017-05-10 | 中国建设银行股份有限公司 | 贷记卡申请审批方法及系统 |
WO2018210248A1 (zh) * | 2017-05-16 | 2018-11-22 | 成都牵牛草信息技术有限公司 | 基于表单字段的工作流审批节点设置审批角色的方法 |
CN109102245A (zh) * | 2018-07-19 | 2018-12-28 | 北京百悟科技有限公司 | 一种审批流程的处理方法、系统及装置 |
CN113837870A (zh) * | 2021-10-12 | 2021-12-24 | 工银科技有限公司 | 金融风险数据审批方法及装置 |
CN114331375A (zh) * | 2021-12-31 | 2022-04-12 | 苏州浪潮智能科技有限公司 | 一种业务订单处理方法及装置 |
-
2022
- 2022-06-06 CN CN202210631139.0A patent/CN115170057B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129618A (zh) * | 2011-03-04 | 2011-07-20 | 山东浪潮齐鲁软件产业股份有限公司 | 一种工作流系统实现流程实例合并拆分的方法 |
CN106651567A (zh) * | 2016-12-26 | 2017-05-10 | 中国建设银行股份有限公司 | 贷记卡申请审批方法及系统 |
WO2018210248A1 (zh) * | 2017-05-16 | 2018-11-22 | 成都牵牛草信息技术有限公司 | 基于表单字段的工作流审批节点设置审批角色的方法 |
CN109102245A (zh) * | 2018-07-19 | 2018-12-28 | 北京百悟科技有限公司 | 一种审批流程的处理方法、系统及装置 |
CN113837870A (zh) * | 2021-10-12 | 2021-12-24 | 工银科技有限公司 | 金融风险数据审批方法及装置 |
CN114331375A (zh) * | 2021-12-31 | 2022-04-12 | 苏州浪潮智能科技有限公司 | 一种业务订单处理方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115983808A (zh) * | 2023-03-21 | 2023-04-18 | 中建安装集团有限公司 | 一种基于数字化建造的项目数据智能化管理系统及方法 |
CN115983808B (zh) * | 2023-03-21 | 2023-06-13 | 中建安装集团有限公司 | 一种基于数字化建造的项目数据智能化管理系统及方法 |
CN116384945A (zh) * | 2023-05-26 | 2023-07-04 | 山东山科数字经济研究院有限公司 | 一种项目管理方法和系统 |
CN116384945B (zh) * | 2023-05-26 | 2023-09-19 | 山东山科数字经济研究院有限公司 | 一种项目管理方法和系统 |
CN117649210A (zh) * | 2024-01-29 | 2024-03-05 | 国网浙江省电力有限公司宁海县供电公司 | 一种项目数据管理方法以及管理系统 |
CN117649210B (zh) * | 2024-01-29 | 2024-04-19 | 国网浙江省电力有限公司宁海县供电公司 | 一种项目数据管理方法以及管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115170057B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115170057A (zh) | 一种基于机器学习的oa审批控制系统及方法 | |
CN108595157B (zh) | 区块链数据的处理方法、装置、设备和存储介质 | |
Gabrel et al. | Optimal and automatic transactional web service composition with dependency graph and 0-1 linear programming | |
KR102324041B1 (ko) | 크라우드소싱 기반 프로젝트의 작업 유형 및 난이도에 기반한 작업자 풀 관리 방법 | |
CN105988930A (zh) | 测试用例生成方法和装置 | |
Yang | Single machine rescheduling with new jobs arrivals and processing time compression | |
CN111859047A (zh) | 一种故障解决方法及装置 | |
CN112633842A (zh) | 任务推送方法、装置及系统 | |
CN107103360B (zh) | 一种基于混合云的可靠应用分配分布式遗传方法 | |
CN112765014B (zh) | 一种用于多用户同时操作的自动测试系统及工作方法 | |
CN111711702B (zh) | 一种基于通信拓扑的分布式协同交互方法及系统 | |
CN110047560A (zh) | 一种基于二代测序的原核转录组自动化分析方法 | |
CN107748720A (zh) | 一种检测功能测试案例的业务参数的方法及装置 | |
CN110880117A (zh) | 虚假业务识别方法、装置、设备和存储介质 | |
CN113095515A (zh) | 业务故障信息处理方法及装置 | |
EP4109366A1 (en) | Method and device for managing project by using data merging | |
CN110705889A (zh) | 一种企业筛选方法、装置、设备及存储介质 | |
CN108961071A (zh) | 自动预测组合业务收益的方法及终端设备 | |
CN109800077A (zh) | 全程序静态检测的文件优先检测顺序的处理方法及装置 | |
CN115640518A (zh) | 用户识别模型的训练、用户识别方法和装置 | |
Getir et al. | State Elimination as Model Transformation Problem. | |
CN109308565B (zh) | 人群绩效等级识别方法、装置、存储介质及计算机设备 | |
CN111061640B (zh) | 一种软件可靠性测试用例筛选方法及系统 | |
KR20210111620A (ko) | 전문가 평가를 활용한 생물학적 시스템 정보 저장 및 정확성 보정 장치 및 방법 | |
CN112308522B (zh) | 项目审批任务的倒排工期的生成方法、系统和服务器 |
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 |