CN116955597A - 一种基于大语言模型和流程挖掘数据生成智能分析报告的方法和系统 - Google Patents
一种基于大语言模型和流程挖掘数据生成智能分析报告的方法和系统 Download PDFInfo
- Publication number
- CN116955597A CN116955597A CN202310956340.0A CN202310956340A CN116955597A CN 116955597 A CN116955597 A CN 116955597A CN 202310956340 A CN202310956340 A CN 202310956340A CN 116955597 A CN116955597 A CN 116955597A
- Authority
- CN
- China
- Prior art keywords
- data
- language model
- large language
- mining
- flow
- 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.)
- Pending
Links
- 238000005065 mining Methods 0.000 title claims abstract description 96
- 238000004458 analytical method Methods 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000008569 process Effects 0.000 claims abstract description 40
- 239000000306 component Substances 0.000 claims description 29
- 230000003993 interaction Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 239000012634 fragment Substances 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000001427 coherent effect Effects 0.000 claims description 3
- 239000008358 core component Substances 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000011068 loading method Methods 0.000 claims description 3
- 238000003058 natural language processing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 3
- 238000012800 visualization Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 239000012089 stop solution Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/34—Browsing; Visualisation therefor
- G06F16/345—Summarisation for human users
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及报告分析技术领域，尤其涉及一种基于大语言模型和流程挖掘数据生成智能分析报告的系统，包括流程挖掘数据引擎、流程挖掘图表组件、任务编排引擎、大语言模型和自然语言接口。本发明能够分析不同维度的大量数据，并生成对应的智能分析报告，包含数据分析结果和解读建议，且分析过程自动化，无需人工介入干预。
Description
技术领域
本发明涉及报告分析技术领域，具体涉及一种基于大语言模型和流程挖掘数据生成智能分析报告的方法和系统。
背景技术
当前，市面上缺乏根据流程挖掘数据进行自动生成智能分析报告的解决方案，或其只适用于少量独立的数据，分析规则相对简单单一，难以提供解读建议。以下是主要存在的几个问题：1.数据分析过程依赖于人的参与和干预，无法自动化；2.只支持分析单一维度的少量数据，不支持多种数据结合的多维度智能分析；3.只支持少量预设规则的分析，缺乏灵活性；4.只生成数据分析的结论，无法提供相关解读建议；5.生成的报告缺乏自然流畅的阅读体验，给用户理解带来困难；6.生成的报告缺乏图例，无法直观地呈现数据和结论。
发明内容
本发明提供了一种基于大语言模型和流程挖掘数据生成智能分析报告的方法和系统，解决了以上所述的技术问题。
本发明解决上述技术问题的方案如下：
一种基于大语言模型和流程挖掘数据生成智能分析报告的系统，包括流程挖掘数据引擎、流程挖掘图表组件、任务编排引擎、大语言模型和自然语言接口；
流程挖掘数据引擎：流程挖掘数据引擎是该系统的核心组件，用于接收和处理流程挖掘的原始数据；流程挖掘数据引擎从各种数据源中提取数据，并进行预处理和清洗，以准备后续的分析工作；数据源包括日志文件、数据库、传感器，该引擎支持数据抽取、转换和加载、数据清洗和特征提取，以确保数据的质量和准确性；
流程挖掘图表组件：流程挖掘图表组件用于将经过专题数据计算后的结果可视化呈现。流程挖掘图表组件生成各种类型的图表，以展示不同维度的流程挖掘数据，图表为柱状图、折线图、饼图；这些图表能够直观地揭示数据之间的关联和趋势，帮助用户更好地理解和分析数据；
任务编排引擎：任务编排引擎是协调系统中各个组件的关键部分；任务编排引擎根据用户需求和输入提示，与大语言模型进行交互，并协调生成最终的智能分析报告；任务编排引擎负责将用户的问题和需求转化为适合大语言模型处理的输入格式，并管理模型的调用和结果的解析；
大语言模型：大语言模型是系统中的智能分析核心，它基于强大的自然语言处理和文本生成能力，可以根据输入提示推理生成结论和报告；通过与任务编排引擎的协作，大语言模型能够利用流程挖掘数据、专题数据计算结果以及可视化图表等信息，生成描述、分析和解读流程挖掘模型的智能报告；
自然语言接口：系统提供自然语言接口，使系统具备以自然语言方式进行交互的能力，用户可以通过简单的自然语言指令与系统进行交互；用户可以提出问题、输入指令或请求特定类型的报告，系统将根据用户的输入进行解析和生成对应的分析报告，使得用户与系统之间的交互更加直观和便捷。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，流程挖掘数据引擎对原始数据进行去除重复记录、处理异常值、填补缺失值处理，确保数据的准确性和完整性，并从原始数据中提取有用的特征，以供后续分析和计算使用，特征为时间戳、事件类型、执行过程中的关键指标；且流程挖掘数据引擎根据不同的要求对数据进行聚合和分组操作，以便生成不同维度的专题数据。
进一步，流程挖掘图表组件支持生成多种类型的图表，以满足不同的数据展示需求，且流程挖掘图表组件支持用户与图表进行交互，交互行为包括放大、缩小、筛选，以便用户深入分析和探索数据，同时流程挖掘图表组件实现多个图表之间的数据联动，使用户可以通过选择一个图表上的数据点来影响其他相关图表的展示。
进一步，任务编排引擎支持用户通过自然语言提问的方式与系统进行交互，以便用户可以直观地表达问题和需求，且任务编排引擎根据用户的输入提示和问题解析，生成适合大语言模型处理的任务描述，并确保任务的完整性和准确性，同时任务编排引擎解析大语言模型返回的结果，并将其组织成易于理解的结构化报告，包括描述、分析和解读等内容。
进一步，大语言模型根据输入任务描述和上下文信息，生成准确、连贯的报告内容，且大语言模型理解自然语言的含义，并进行推理和分析，从而生成更深入和有洞察力的报告，同时大语言模型利用流程挖掘数据、专题数据计算结果和图表信息，从中提取关键信息并生成结论。
一种基于大语言模型和流程挖掘数据生成智能分析报告的方法，包括以下步骤：
S1、用户选择一个已存在的流程挖掘模型页面，点击生成智能分析报告按钮；
S2、任务编排引擎接受模型数据，并根据模型数据计算出多维度专题数据，多维度专题数据包括流程路径、流程耗时、流程转换率和流程返工数；
S3、系统将各维度专题数据的结构化表示形式转换成文本表示形式；
S4、系统将文本表示形式的数据根据种类和长度进行分片，以避免超过大语言模型的限制；
S5、针对每个分片数据，系统结合分析提示模板将其转换成大语言模型的提示；
S6、系统分别将各个分片提示提交给大语言模型，大语言模型对分片提示进行推理，从而生成对应的分析解读建议并返回；
S7、针对每个分片的分析解读，系统结合生成报告提示模板将其转换成生成报告的大语言模型提示；
S8、将生成报告的提示提交给大语言模型，大语言模型对生成报告的提示进行推理，从而生成最终的智能分析报告文本并返回；
S9、系统根据各个维度的专题数据通过图表组件生成对应的多张图例；
S10、系统将图例插入至大语言模型生成的智能分析报告文本的各个对应段落中；
S11、将最终的智能分析报告展现给用户进行阅读。
进一步，S1中的流程挖掘模型具体为产品发现的解析流程，通过其确定生成报告包含的数据范围。
进一步，S2中通过流程挖掘数据引擎计算出多维度专题数据。
进一步，S4中分片步骤为：系统将文本表示形式的数据根据不同维度种类进行拆分，并对过长的内容进行关键数据提炼以减少长度，从而实现数据分片。
进一步，S5中转换成大语言模型提示的具体方法为：针对每个分片数据，系统加载对应的分析提示模板，模板中预留相关数据的占位符。将分片数据插入至模板占位符对应位置，从而转换成大语言模型的提示。
本发明的有益效果是：
1、智能化分析：系统集成了强大的大语言模型，在流程挖掘数据的基础上，能够进行智能分析和推理。通过自然语言交互，系统能够生成准确、连贯的智能报告，并提供深入的描述、分析和解读，帮助用户快速理解和利用流程挖掘数据。
2、多维度可视化：系统通过流程挖掘图表组件，支持多种类型的图表可视化呈现。这些图表能够直观地展示数据的关联性和趋势，帮助用户更好地分析和探索数据，从中获取有价值的洞察。
3、自然语言接口：系统具备以自然语言方式进行交互的能力。用户可以通过简单的问题或指令来描述需求，并直接与系统对话。这种自然语言接口使得用户与系统之间的交互更加直观和便捷。
4、综合分析功能：系统整合了流程挖掘数据引擎、专题数据计算和大语言模型等多个功能模块，能够提供全面的流程挖掘分析服务。从数据的预处理、特征提取到智能报告生成，系统提供了一站式的解决方案，帮助用户从数据中获取深入洞察。
5、决策支持：系统的智能报告和分析结果可以为用户的决策提供有力支持。通过深入理解流程挖掘数据，用户可以更好地评估和优化业务流程，改进效率和质量，提高决策的准确性和效果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
在附图中：
图1为本发明的流程示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。在下列段落中参照附图以举例方式更具体地描述本发明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
请参阅图1所示，本发明提供的实施例：
实施例一
一种基于大语言模型和流程挖掘数据生成智能分析报告的系统，包括流程挖掘数据引擎、流程挖掘图表组件、任务编排引擎、大语言模型和自然语言接口；
流程挖掘数据引擎：流程挖掘数据引擎是该系统的核心组件，用于接收和处理流程挖掘的原始数据；流程挖掘数据引擎从各种数据源中提取数据，并进行预处理和清洗，以准备后续的分析工作；数据源包括日志文件、数据库、传感器，该引擎支持数据抽取、转换和加载、数据清洗和特征提取，以确保数据的质量和准确性，流程挖掘数据引擎对原始数据进行去除重复记录、处理异常值、填补缺失值处理，确保数据的准确性和完整性，并从原始数据中提取有用的特征，以供后续分析和计算使用，特征为时间戳、事件类型、执行过程中的关键指标；且流程挖掘数据引擎根据不同的要求对数据进行聚合和分组操作，以便生成不同维度的专题数据；
流程挖掘图表组件：流程挖掘图表组件用于将经过专题数据计算后的结果可视化呈现。流程挖掘图表组件生成各种类型的图表，以展示不同维度的流程挖掘数据，图表为柱状图、折线图、饼图；这些图表能够直观地揭示数据之间的关联和趋势，帮助用户更好地理解和分析数据，流程挖掘图表组件支持生成多种类型的图表，以满足不同的数据展示需求，且流程挖掘图表组件支持用户与图表进行交互，交互行为包括放大、缩小、筛选，以便用户深入分析和探索数据，同时流程挖掘图表组件实现多个图表之间的数据联动，使用户可以通过选择一个图表上的数据点来影响其他相关图表的展示；
任务编排引擎：任务编排引擎是协调系统中各个组件的关键部分；任务编排引擎根据用户需求和输入提示，与大语言模型进行交互，并协调生成最终的智能分析报告；任务编排引擎负责将用户的问题和需求转化为适合大语言模型处理的输入格式，并管理模型的调用和结果的解析，任务编排引擎支持用户通过自然语言提问的方式与系统进行交互，以便用户可以直观地表达问题和需求，且任务编排引擎根据用户的输入提示和问题解析，生成适合大语言模型处理的任务描述，并确保任务的完整性和准确性，同时任务编排引擎解析大语言模型返回的结果，并将其组织成易于理解的结构化报告，包括描述、分析和解读等内容；
大语言模型：大语言模型是系统中的智能分析核心，它基于强大的自然语言处理和文本生成能力，可以根据输入提示推理生成结论和报告；通过与任务编排引擎的协作，大语言模型能够利用流程挖掘数据、专题数据计算结果以及可视化图表等信息，生成描述、分析和解读流程挖掘模型的智能报告，大语言模型根据输入任务描述和上下文信息，生成准确、连贯的报告内容，且大语言模型理解自然语言的含义，并进行推理和分析，从而生成更深入和有洞察力的报告，同时大语言模型利用流程挖掘数据、专题数据计算结果和图表信息，从中提取关键信息并生成结论；
自然语言接口：系统提供自然语言接口，使系统具备以自然语言方式进行交互的能力，用户可以通过简单的自然语言指令与系统进行交互；用户可以提出问题、输入指令或请求特定类型的报告，系统将根据用户的输入进行解析和生成对应的分析报告，使得用户与系统之间的交互更加直观和便捷。
实施例二
一种基于大语言模型和流程挖掘数据生成智能分析报告的方法，包括以下步骤：
S1、用户选择一个已存在的流程挖掘模型页面，点击生成智能分析报告按钮，流程挖掘模型具体为产品发现的解析流程，通过其确定生成报告包含的数据范围；
S2、任务编排引擎接受模型数据，并根据模型数据计算出多维度专题数据，多维度专题数据包括流程路径、流程耗时、流程转换率和流程返工数，通过流程挖掘数据引擎计算出多维度专题数据；
S3、系统将各维度专题数据的结构化表示形式转换成文本表示形式；
S4、系统将文本表示形式的数据根据种类和长度进行分片，以避免超过大语言模型的限制，分片步骤为：系统将文本表示形式的数据根据不同维度种类进行拆分，并对过长的内容进行关键数据提炼以减少长度，从而实现数据分片；
S5、针对每个分片数据，系统结合分析提示模板将其转换成大语言模型的提示，转换成大语言模型提示的具体方法为：针对每个分片数据，系统加载对应的分析提示模板，模板中预留相关数据的占位符。将分片数据插入至模板占位符对应位置，从而转换成大语言模型的提示；
S6、系统分别将各个分片提示提交给大语言模型，大语言模型对分片提示进行推理，从而生成对应的分析解读建议并返回；
S7、针对每个分片的分析解读，系统结合生成报告提示模板将其转换成生成报告的大语言模型提示；
S8、将生成报告的提示提交给大语言模型，大语言模型对生成报告的提示进行推理，从而生成最终的智能分析报告文本并返回；
S9、系统根据各个维度的专题数据通过图表组件生成对应的多张图例；
S10、系统将图例插入至大语言模型生成的智能分析报告文本的各个对应段落中；
S11、将最终的智能分析报告展现给用户进行阅读。
基于实施例1和实施例2的一种基于大语言模型和流程挖掘数据生成智能分析报告的方法和系统在使用时：
1、智能化分析：系统集成了强大的大语言模型，在流程挖掘数据的基础上，能够进行智能分析和推理。通过自然语言交互，系统能够生成准确、连贯的智能报告，并提供深入的描述、分析和解读，帮助用户快速理解和利用流程挖掘数据。
2、多维度可视化：系统通过流程挖掘图表组件，支持多种类型的图表可视化呈现。这些图表能够直观地展示数据的关联性和趋势，帮助用户更好地分析和探索数据，从中获取有价值的洞察。
3、自然语言接口：系统具备以自然语言方式进行交互的能力。用户可以通过简单的问题或指令来描述需求，并直接与系统对话。这种自然语言接口使得用户与系统之间的交互更加直观和便捷。
4、综合分析功能：系统整合了流程挖掘数据引擎、专题数据计算和大语言模型等多个功能模块，能够提供全面的流程挖掘分析服务。从数据的预处理、特征提取到智能报告生成，系统提供了一站式的解决方案，帮助用户从数据中获取深入洞察。
5、决策支持：系统的智能报告和分析结果可以为用户的决策提供有力支持。通过深入理解流程挖掘数据，用户可以更好地评估和优化业务流程，改进效率和质量，提高决策的准确性和效果。
以上所述，仅为本发明的较佳实施例而已，并非对本发明作任何形式上的限制；凡本行业的普通技术人员均可按说明书附图所示和以上所述而顺畅地实施本发明；但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内，利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等，均仍属于本发明的技术方案的保护范围之内。
Claims (10)
1.一种基于大语言模型和流程挖掘数据生成智能分析报告的系统，其特征在于：包括流程挖掘数据引擎、流程挖掘图表组件、任务编排引擎、大语言模型和自然语言接口；
流程挖掘数据引擎：流程挖掘数据引擎是该系统的核心组件，用于接收和处理流程挖掘的原始数据；流程挖掘数据引擎从各种数据源中提取数据，并进行预处理和清洗，以准备后续的分析工作；数据源包括日志文件、数据库、传感器，该引擎支持数据抽取、转换和加载、数据清洗和特征提取，以确保数据的质量和准确性；
流程挖掘图表组件：流程挖掘图表组件用于将经过专题数据计算后的结果可视化呈现。流程挖掘图表组件生成各种类型的图表，以展示不同维度的流程挖掘数据，图表为柱状图、折线图、饼图；这些图表能够直观地揭示数据之间的关联和趋势，帮助用户更好地理解和分析数据；
任务编排引擎：任务编排引擎是协调系统中各个组件的关键部分；任务编排引擎根据用户需求和输入提示，与大语言模型进行交互，并协调生成最终的智能分析报告；任务编排引擎负责将用户的问题和需求转化为适合大语言模型处理的输入格式，并管理模型的调用和结果的解析；
大语言模型：大语言模型是系统中的智能分析核心，它基于强大的自然语言处理和文本生成能力，可以根据输入提示推理生成结论和报告；通过与任务编排引擎的协作，大语言模型能够利用流程挖掘数据、专题数据计算结果以及可视化图表等信息，生成描述、分析和解读流程挖掘模型的智能报告；
自然语言接口：系统提供自然语言接口，使系统具备以自然语言方式进行交互的能力，用户可以通过简单的自然语言指令与系统进行交互；用户可以提出问题、输入指令或请求特定类型的报告，系统将根据用户的输入进行解析和生成对应的分析报告，使得用户与系统之间的交互更加直观和便捷。
2.根据权利要求1所述一种基于大语言模型和流程挖掘数据生成智能分析报告的系统，其特征在于：流程挖掘数据引擎对原始数据进行去除重复记录、处理异常值、填补缺失值处理，确保数据的准确性和完整性，并从原始数据中提取有用的特征，以供后续分析和计算使用，特征为时间戳、事件类型、执行过程中的关键指标；且流程挖掘数据引擎根据不同的要求对数据进行聚合和分组操作，以便生成不同维度的专题数据。
3.根据权利要求1所述一种基于大语言模型和流程挖掘数据生成智能分析报告的系统，其特征在于：流程挖掘图表组件支持生成多种类型的图表，以满足不同的数据展示需求，且流程挖掘图表组件支持用户与图表进行交互，交互行为包括放大、缩小、筛选，以便用户深入分析和探索数据，同时流程挖掘图表组件实现多个图表之间的数据联动，使用户可以通过选择一个图表上的数据点来影响其他相关图表的展示。
4.根据权利要求1所述一种基于大语言模型和流程挖掘数据生成智能分析报告的系统，其特征在于：任务编排引擎支持用户通过自然语言提问的方式与系统进行交互，以便用户可以直观地表达问题和需求，且任务编排引擎根据用户的输入提示和问题解析，生成适合大语言模型处理的任务描述，并确保任务的完整性和准确性，同时任务编排引擎解析大语言模型返回的结果，并将其组织成易于理解的结构化报告，包括描述、分析和解读等内容。
5.根据权利要求1所述一种基于大语言模型和流程挖掘数据生成智能分析报告的系统，其特征在于：大语言模型根据输入任务描述和上下文信息，生成准确、连贯的报告内容，且大语言模型理解自然语言的含义，并进行推理和分析，从而生成更深入和有洞察力的报告，同时大语言模型利用流程挖掘数据、专题数据计算结果和图表信息，从中提取关键信息并生成结论。
6.一种基于大语言模型和流程挖掘数据生成智能分析报告的方法，其特征在于，包括以下步骤：
S1、用户选择一个已存在的流程挖掘模型页面，点击生成智能分析报告按钮；
S2、任务编排引擎接受模型数据，并根据模型数据计算出多维度专题数据，多维度专题数据包括流程路径、流程耗时、流程转换率和流程返工数；
S3、系统将各维度专题数据的结构化表示形式转换成文本表示形式；
S4、系统将文本表示形式的数据根据种类和长度进行分片，以避免超过大语言模型的限制；
S5、针对每个分片数据，系统结合分析提示模板将其转换成大语言模型的提示；
S6、系统分别将各个分片提示提交给大语言模型，大语言模型对分片提示进行推理，从而生成对应的分析解读建议并返回；
S7、针对每个分片的分析解读，系统结合生成报告提示模板将其转换成生成报告的大语言模型提示；
S8、将生成报告的提示提交给大语言模型，大语言模型对生成报告的提示进行推理，从而生成最终的智能分析报告文本并返回；
S9、系统根据各个维度的专题数据通过图表组件生成对应的多张图例；
S10、系统将图例插入至大语言模型生成的智能分析报告文本的各个对应段落中；
S11、将最终的智能分析报告展现给用户进行阅读。
7.根据权利要求6所述一种基于大语言模型和流程挖掘数据生成智能分析报告的方法，其特征在于：S1中的流程挖掘模型具体为产品发现的解析流程，通过其确定生成报告包含的数据范围。
8.根据权利要求1所述一种基于大语言模型和流程挖掘数据生成智能分析报告的方法，其特征在于：S2中通过流程挖掘数据引擎计算出多维度专题数据。
9.根据权利要求6所述一种基于大语言模型和流程挖掘数据生成智能分析报告的方法，其特征在于：S4中分片步骤为：系统将文本表示形式的数据根据不同维度种类进行拆分，并对过长的内容进行关键数据提炼以减少长度，从而实现数据分片。
10.根据权利要求6所述一种基于大语言模型和流程挖掘数据生成智能分析报告的方法，其特征在于：S5中转换成大语言模型提示的具体方法为：针对每个分片数据，系统加载对应的分析提示模板，模板中预留相关数据的占位符。将分片数据插入至模板占位符对应位置，从而转换成大语言模型的提示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310956340.0A CN116955597A (zh) | 2023-08-01 | 2023-08-01 | 一种基于大语言模型和流程挖掘数据生成智能分析报告的方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310956340.0A CN116955597A (zh) | 2023-08-01 | 2023-08-01 | 一种基于大语言模型和流程挖掘数据生成智能分析报告的方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116955597A true CN116955597A (zh) | 2023-10-27 |
Family
ID=88454569
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310956340.0A Pending CN116955597A (zh) | 2023-08-01 | 2023-08-01 | 一种基于大语言模型和流程挖掘数据生成智能分析报告的方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116955597A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117809798A (zh) * | 2024-03-01 | 2024-04-02 | 金堂县第一人民医院 | 基于大模型的检验报告解读方法、系统、设备及介质 |
| CN118552953A (zh) * | 2024-07-26 | 2024-08-27 | 华润医药研究院（深圳）有限公司 | 基于ai智能体分析高内涵图像的系统和方法 |
| CN118569237A (zh) * | 2024-07-31 | 2024-08-30 | 浙江工业大学 | 一种基于多智能体系统的个性化复杂报告生成方法 |
-
2023
- 2023-08-01 CN CN202310956340.0A patent/CN116955597A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117809798A (zh) * | 2024-03-01 | 2024-04-02 | 金堂县第一人民医院 | 基于大模型的检验报告解读方法、系统、设备及介质 |
| CN117809798B (zh) * | 2024-03-01 | 2024-04-26 | 金堂县第一人民医院 | 基于大模型的检验报告解读方法、系统、设备及介质 |
| CN118552953A (zh) * | 2024-07-26 | 2024-08-27 | 华润医药研究院（深圳）有限公司 | 基于ai智能体分析高内涵图像的系统和方法 |
| CN118569237A (zh) * | 2024-07-31 | 2024-08-30 | 浙江工业大学 | 一种基于多智能体系统的个性化复杂报告生成方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116955597A (zh) | 一种基于大语言模型和流程挖掘数据生成智能分析报告的方法和系统 | |
| US20070061698A1 (en) | Designating, setting and discovering parameters for spreadsheet documents | |
| US20120303645A1 (en) | System and method for extraction of structured data from arbitrarily structured composite data | |
| CN111881224A (zh) | 一种多维数据分析方法及系统 | |
| CN109815382B (zh) | 大规模网络数据的感知与获取方法和系统 | |
| CN101727436A (zh) | 一种报表数据处理方法、报表系统以及相关装置 | |
| CN110851667A (zh) | 一种多源头大量数据的整合分析方法及工具 | |
| EP3617910A1 (en) | Method and apparatus for displaying textual information | |
| JP2004021445A (ja) | テキストデータ分析システム、テキストデータ分析方法およびコンピュータプログラム | |
| CN115859935A (zh) | 一种基于指标库的数据分析报告模板生成系统及方法 | |
| CN117454877A (zh) | 一种Word文档的解析方法、设备及介质 | |
| US20020080158A1 (en) | Offline data collection | |
| CN116186331A (zh) | 图表解读方法及系统 | |
| WO2009041772A2 (en) | Method and system for creating report using object-oriented program | |
| CN114840530A (zh) | 一种多元可视化的数据模型构建方法及系统 | |
| CN114090583A (zh) | 一种跨业务系统订单数据分析方法和装置 | |
| CN114218226A (zh) | 一种报表信息系统 | |
| Wang et al. | Data visualization of university laboratory digital asset management system | |
| Lemaigre et al. | Interface model elicitation from textual scenarios | |
| CN117135269B (zh) | 一种app内关联显示方法、系统、电子设备及存储介质 | |
| KR20020061443A (ko) | 컴퓨터 통신망을 이용한 정보의 수집, 가공 및 표시방법과 그 시스템 | |
| CN113407164B (zh) | 一种基于思维导图和树状结构技术软件代码生成方法及系统 | |
| CN118152430B (zh) | 一种基于大语言模型的养殖场数据指标分析方法、装置以及设备 | |
| Aloia et al. | Design of multimedia semantic presentation templates: options, problems and criteria of use | |
| CN113496415A (zh) | 一种汽车智能评价处理方法、装置及系统 |
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 |