CN117149945A - 基于状态机的多模型联动方法、装置、设备及存储介质 - Google Patents
基于状态机的多模型联动方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117149945A CN117149945A CN202311010008.1A CN202311010008A CN117149945A CN 117149945 A CN117149945 A CN 117149945A CN 202311010008 A CN202311010008 A CN 202311010008A CN 117149945 A CN117149945 A CN 117149945A
- Authority
- CN
- China
- Prior art keywords
- model
- service
- event
- state
- text
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000036541 health Effects 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 28
- 230000006870 function Effects 0.000 description 17
- 238000004891 communication Methods 0.000 description 8
- 230000007704 transition Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及模型托管技术,适用于医疗健康领域,揭露了一种基于事件和状态机的多模型联动方法,包括:获取第一业务模型,并查询第一业务模型的业务范围;基于模型联动需求,获取业务范围内第一业务模型对应的第二业务模型;查询第一业务模型中完成事件后的模型状态,得到第一状态,以及查询第二业务模型中的开始事件前的模型状态,得到第二状态;基于第一状态和第二状态对应的事件将第一业务模型和第二业务模型进行组合,得到联合模型。本发明还提出一种基于事件和状态机的多模型联动装置、电子设备以及存储介质。本发明可以提高模型之间联动的效率。
Description
技术领域
本发明涉及模型托管技术领域,适用于医疗健康领域,尤其涉及一种基于事件和状态机的多模型联动方法、装置、电子设备及计算机可读存储介质。
背景技术
在就医时,时常有这样的场景,用户已经在进行挂号的履约流程之中,但是又需要在挂号看病的过程中使用陪诊服务。在以往的医疗系统实现中,一般使用的是增加特殊逻辑代码的方法对这种情况进行处理,但是这种方法需要修改已有的流程代码,会对现有挂号的履约流程造成干扰,并且业务流程比较多的情况下还需要对不同的流程间进行代码的配适,提升了系统的复杂性和耦合度,也容易在实现过程中产生各种故障和问题。
发明内容
本发明提供一种基于事件和状态机的多模型联动方法、装置及计算机可读存储介质,其主要目的在于解决模型之间联动时的复杂度高的问题,提升模型之间联动的效率。
为实现上述目的,本发明提供的一种基于事件和状态机的多模型联动方法,包括:
获取第一业务模型,并查询所述第一业务模型的业务范围;
基于模型联动需求,获取所述业务范围内第一业务模型对应的第二业务模型;
查询所述第一业务模型中完成事件后的模型状态,得到第一状态,以及查询所述第二业务模型中的开始事件前的模型状态,得到第二状态;
基于所述第一状态和所述第二状态对应的事件将所述第一业务模型和所述第二业务模型进行组合,得到联合模型。
可选地,所述查询所述第一业务模型的业务范围,包括:
获取所述第一业务模型中的事件,得到业务事件集;
对所述业务事件集中的文本进行语义分析,查询所述文本所属的业务范围,并将所述业务范围作为所述第一业务模型的业务范围。
可选地,所述对所述业务事件集中的文本进行语义分析,查询所述文本所属的业务范围,包括:
通过命名实体识别获取所述业务事件集中文本的实体,得到文本实体集;
对所述文本实体集中的文本实体进行词性标注,获取所述文本实体集中的名词实体,得到名词实体集;
对名词实体集中的名词实体向量化,得多个名词实体向量,并基于预设的字典获取所述多个名词实体向量的语义,得到所述文本实体集的语义集;
基于所述文本实体集的语义集查询所述业务事件集中的文本的语义范围,并将所述语义范围作为所述文本的业务范围。
可选地,所述基于模型联动需求,获取所述业务范围内第一业务模型对应的第二业务模型,包括:
基于所述模型联动需求获取所述第一业务模型中的业务特征;
通过所述业务特征在所述业务范围内查找所述第一业务模型相关联的业务模型,并将所述业务模型作为所述第一业务模型对应的第二业务模型。
可选地,所述查询所述第一业务模型中完成事件后的模型状态,得到第一状态,包括:
获取所述第一业务模型中的所有事件,得到事件集;
将所述事件集中的事件按发生顺序配列,得到事件队列;
将所述事件队列中队列的事件作为完成事件,并查询所述完成事件后所述第一业务模型的模型状态,并将所述模型状态作为第一状态。
可选地,所述基于所述第一状态和所述第二状态对应的事件将所述第一业务模型和所述第二业务模型进行组合,得到联合模型,包括:
根据所述第一业务模型创建虚拟事件;
将所述第一状态和所述第二状态对应所述虚拟事件,得到连接事件;
基于所述连接事件将所述第一业务模型和所述第二业务模型进行组合,得到联合模型。
为了解决上述问题,本发明还提供一种基于事件和状态机的多模型联动装置,所述装置包括:
业务范围查询模块,用于获取第一业务模型,并查询所述第一业务模型的业务范围;
第二模型获取模块,用于基于模型联动需求,获取所述业务范围内第一业务模型对应的第二业务模型;
模型状态查询模块,用于查询所述第一业务模型中完成事件后的模型状态,得到第一状态,以及查询所述第二业务模型中的开始事件前的模型状态,得到第二状态;
业务模型组合模块,用于基于所述第一状态和所述第二状态对应的事件将所述第一业务模型和所述第二业务模型进行组合,得到联合模型。
可选地,所述对所述业务事件集中的文本进行语义分析,查询所述文本所属的业务范围,包括:
通过命名实体识别获取所述业务事件集中文本的实体,得到文本实体集;
对所述文本实体集中的文本实体进行词性标注,获取所述文本实体集中的名词实体,得到名词实体集;
对名词实体集中的名词实体向量化,得多个名词实体向量,并基于预设的字典获取所述多个名词实体向量的语义,得到所述文本实体集的语义集;
基于所述文本实体集的语义集查询所述业务事件集中的文本的语义范围,并将所述语义范围作为所述文本的业务范围。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的基于事件和状态机的多模型联动方法。
为了解决上述问题,本发明还提供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计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于事件和状态机的多模型联动方法。
本发明实施例基于模型联动需求从第一业务模型的业务范围中获取第一模型对应的第二业务模型,实现获取和第一业务模型相关联的第二业务模型的目的,之后查询第一业务模型中完成事件后的模型状态,以及查询第二业务模型中开始事件前的模型状态,实现模型状态的获取,最后将查询的第一业务模型的状态和第二业务模型状态对应同一个事件,实现第一业务模型和第二业务模型的联合,避免了在模型间增加特殊逻辑代码,以及后续代码的适配问题。因此本发明提出的基于事件和状态机的多模型联动方法、装置、电子设备及计算机可读存储介质,可以解决模型之间联动时的复杂度高的问题,提升模型之间联动的效率。
附图说明
图1为本发明一实施例提供的基于事件和状态机的多模型联动方法的流程示意图;
图2为图1所示基于事件和状态机的多模型联动方法中其中一个步骤的详细实施流程示意图;
图3为图1所示基于事件和状态机的多模型联动方法中其中一个步骤的详细实施流程示意图;
图4为本发明一实施例提供的基于事件和状态机的多模型联动装置的功能模块图;
图5为本发明一实施例提供的实现所述基于事件和状态机的多模型联动方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于事件和状态机的多模型联动方法。所述基于事件和状态机的多模型联动方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于事件和状态机的多模型联动方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于事件和状态机的多模型联动方法的流程示意图。
在本实施例中,所述基于事件和状态机的多模型联动方法包括:
S1、获取第一业务模型,并查询所述第一业务模型的业务范围。
本发明实施例中,所述第一业务模型属于一种状态机(State Machine),其中,所述状态机是一种形式化的、基于有限状态的计算模型,描述了一个系统(或者组件)在不同时间和不同事件下所处的状态,并以状态转移的方式显示了系统(或者组件)从一个状态到另一个状态的流转过程。
进一步地,所述第一业务模型的业务范围是指所述第一业务模型在业务场景中所扮演的作用和涉及的业务范围。其中,所述业务范围主要取决于模型所用的状态、转移和动作等元素的定义以及与之相关的业务规则。例如,用于医疗业务场景时,第一业务模型的业务范围包括挂号、陪诊、医疗设备控制等。
参阅图2所示,本发明实施例中,所述查询所述第一业务模型的业务范围,包括:
S101、获取所述第一业务模型中的事件,得到业务事件集;
S102、对所述业务事件集中的文本进行语义分析,查询所述文本所属的业务范围,并将所述业务范围作为所述第一业务模型的业务范围。
进一步地,所述事件(Event)又可称之为转移条件,其中,所述第一业务模型在某一状态下,只有达成了事件,才会按照状态机的转移流程转移到下一状态,并执行相应的动作。例如,在医疗领域用于挂号的模型中,只有满足创建挂号事件之后,才会有挂号失败事件和挂号成功事件。
参阅图3所示,本发明实施例中,所述对所述业务事件集中的文本进行语义分析,查询所述文本所属的业务范围,包括:
S111、通过命名实体识别获取所述业务事件集中文本的实体,得到文本实体集;
S112、对所述文本实体集中的文本实体进行词性标注,获取所述文本实体集中的名词实体,得到名词实体集;
S113、对名词实体集中的名词实体向量化,得多个名词实体向量,并基于预设的字典获取所述多个名词实体向量的语义,得到所述文本实体集的语义集;
S114、基于所述文本实体集的语义集查询所述业务事件集中的文本的语义范围,并将所述语义范围作为所述文本的业务范围。
本发明实施例中,命名实体识别(Named Entity Recognition,NER)为自然语言处理中的任务,用于从文本中识别出具有特定意义的实体,例如,应用医疗挂号中的“创建挂号订单”这一业务事件,可以通过命名实体识别获取“创建”、“挂号”、“订单”三个实体。
本发明实施例中,通过对单词实体进行词性标注可以将不具备体现语义范围的动词、副词等舍弃,避免在语义分析中增加计算量,以及降低干扰。例如,上述通过命名实体识别获取的“创建”、“挂号”、“订单”三个实体通过语义分析将“创建”这一不体现语义范围的实体删除。
其中,通过命名实体识别的文本实体有包括但不限于名词的词性标注,此时将该文本实体保留。
进一步地,虽然在基于所述业务事件中的名词进行语义分析中,名词的数量包括但不限于一个,但可以获取相同的语义范围。例如,第一业务模型的业务事件中有订单、挂号等名词,对订单、挂号等名词进行语义分析后,判断第一业务模型的语义范围为医疗,此时业务范围为医疗场景。
S2、基于模型联动需求,获取所述业务范围内第一业务模型对应的第二业务模型。
本发明实施例中,所述模型联动需求为将两个及以上业务模型进行组合和联动的需求。其中,通过将多个业务模型进行组合,可以将业务模型的业务进行整合,即通过一个组合模型,实现多个业务模型的功能。
此外,还可通过所述模型联动需求为单一功能的业务模型赋予其他功能,例如,医疗领域原有用于挂号的业务模型,可以通过模型联动需求为其赋予陪诊、检验等功能。
进一步地,所述第二业务模型为和第一业务模型属于相同业务范围但负责不同功能的业务模型。例如,挂号业务模型和陪诊业务模型同属于医疗这一业务范围但是负责不同的功能,挂号业务模型负责在医疗系统中挂号,创建医疗订单,陪诊业务模型负责在医疗系统中申请陪诊订单。
本发明实施例中,所述基于模型联动需求,获取所述业务范围内所述第一业务模型对应的第二业务模型,包括:
基于所述模型联动需求获取所述第一业务模型中的业务特征;
通过所述业务特征在所述业务范围内查找所述第一业务模型相关联的业务模型,并将所述业务模型作为所述第一业务模型对应的第二业务模型。
本发明实施例中,所述业务特征表示所述第一业务模型用于何种业务,便于查找所述第一业务模型的用途,以及选取与所述第一业务模型对应的第二业务模型。例如,获取到医疗挂号业务模型的业务特征为前置医疗特征,则可以将医疗业务范围内的陪诊业务模型、化验检查业务模型作为医疗挂号业务模型对应的业务模型,而住院治疗等业务模型虽然同属于医疗业务,但是由于属于后置医疗特征,导致不可作为医疗挂号业务模型对应的业务模型。
S3、查询所述第一业务模型中完成事件后的模型状态,得到第一状态,以及查询所述第二业务模型中的开始事件前的模型状态,得到第二状态。
本发明实施例中,所述第一状态为所述第一业务模型中完成事件后的状态,所述第二状态为所述第二业务模型中开始事件前的状态,所述状态表示系统或对象在某一时刻的特定情况,业务模型通过定义一组状态以及这些状态之间允许发生的过渡来描述系统的行为。
例如,在医院看病需要挂号时,进入挂号业务模型,具有的状态有初始状态、权益锁定状态、挂号中状态、挂号失败状态以及挂号成功状态。
本发明另一实施例中,所述方法还包括:查询所述第二业务模型中完成事件后的模型状态,得到第一状态,以及查询所述第一业务模型中开始事件前的模型状态,得到第二状态。
本发明实施例中,所述查询所述第一业务模型中完成事件后的模型状态,得到第一状态,包括:
获取所述第一业务模型中的所有事件,得到事件集;
将所述事件集中的事件按发生顺序配列,得到事件队列;
将所述事件队列中队列的事件作为完成事件,并查询所述完成事件后所述第一业务模型的模型状态,并将所述模型状态作为第一状态。
S4、基于所述第一状态和所述第二状态对应的事件将所述第一业务模型和所述第二业务模型进行组合,得到联合模型。
本发明实施例中,所述事件为所述第一状态和所述第二状态都对应的事件。其中,所述事件并不限定为真实存在的事件,可以为控制状业务模型内部状态转换的虚拟事件,由业务模型内部的算法、定时器或计数器等触发。
本发明实施例中,所述基于所述第一状态和所述第二状态对应的事件将所述第一业务模型和所述第二业务模型进行组合,得到联合模型,包括:
根据所述第一业务模型创建虚拟事件;
将所述第一状态和所述第二状态对应所述虚拟事件,得到连接事件;
基于所述连接事件将所述第一业务模型和所述第二业务模型进行组合,得到联合模型。
本发明实施例中,所述联合模型具有第一业务模型和第二业务模型两者的功能,例如,用于挂号的第一业务模型所述联合模型具备功能为在医疗系统进行挂号,并在挂号成功后为病患申请陪诊服务。
本发明实施例基于模型联动需求从第一业务模型的业务范围中获取第一模型对应的第二业务模型,实现获取和第一业务模型相关联的第二业务模型的目的,之后查询第一业务模型中完成事件后的模型状态,以及查询第二业务模型中开始事件前的模型状态,实现模型状态的获取,最后将查询的第一业务模型的状态和第二业务模型状态对应同一个事件,实现第一业务模型和第二业务模型的联合,避免了在模型间增加特殊逻辑代码以及后续代码的适配问题。因此本发明提出的基于事件和状态机的多模型联动方法、装置、电子设备及计算机可读存储介质,可以解决模型之间联动时的复杂度高的问题,提升模型之间联动的效率。
如图4所示,是本发明一实施例提供的基于事件和状态机的多模型联动装置的功能模块图。
本发明所述基于事件和状态机的多模型联动装置100可以安装于电子设备中。根据实现的功能,所述基于事件和状态机的多模型联动装置100可以包括业务范围查询模块101、第二模型获取模块102、模型状态查询模块103和业务模型组合模块104。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述业务范围查询模块101,用于获取第一业务模型,并查询所述第一业务模型的业务范围;
第二模型获取模块102,用于基于模型联动需求,获取所述业务范围内第一业务模型对应的第二业务模型;
模型状态查询模块103,用于查询所述第一业务模型中完成事件后的模型状态,得到第一状态,以及查询所述第二业务模型中的开始事件前的模型状态,得到第二状态;
业务模型组合模块104,用于基于所述第一状态和所述第二状态对应的事件将所述第一业务模型和所述第二业务模型进行组合,得到联合模型。
详细地,本发明实施例中所述基于事件和状态机的多模型联动装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于事件和状态机的多模型联动方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明一实施例提供的实现基于事件和状态机的多模型联动方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于事件和状态机的多模型联动程序。
其中,所述处理器10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。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于事件和状态机的多模型联动程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11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。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备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,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如基于事件和状态机的多模型联动程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,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。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。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与其他电子设备之间建立通信连接。所述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中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5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。
例如,尽管未示出,所述电子设备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10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。
所述电子设备1中的所述存储器11存储的基于事件和状态机的多模型联动程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取第一业务模型,并查询所述第一业务模型的业务范围;
基于模型联动需求,获取所述业务范围内第一业务模型对应的第二业务模型;
查询所述第一业务模型中完成事件后的模型状态,得到第一状态,以及查询所述第二业务模型中的开始事件前的模型状态,得到第二状态;
基于所述第一状态和所述第二状态对应的事件将所述第一业务模型和所述第二业务模型进行组合,得到联合模型。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,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存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,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)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取第一业务模型,并查询所述第一业务模型的业务范围;
基于模型联动需求,获取所述业务范围内第一业务模型对应的第二业务模型;
查询所述第一业务模型中完成事件后的模型状态,得到第一状态,以及查询所述第二业务模型中的开始事件前的模型状态,得到第二状态;
基于所述第一状态和所述第二状态对应的事件将所述第一业务模型和所述第二业务模型进行组合,得到联合模型。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,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关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、验证机制、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。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
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)
1.一种基于事件和状态机的多模型联动方法,其特征在于,所述方法包括:
获取第一业务模型,并查询所述第一业务模型的业务范围;
基于模型联动需求,获取所述业务范围内第一业务模型对应的第二业务模型;
查询所述第一业务模型中完成事件后的模型状态,得到第一状态,以及查询所述第二业务模型中的开始事件前的模型状态,得到第二状态;
基于所述第一状态和所述第二状态对应的事件将所述第一业务模型和所述第二业务模型进行组合,得到联合模型。
2.如权利要求1所述的基于事件和状态机的多模型联动方法,其特征在于,所述查询所述第一业务模型的业务范围,包括:
获取所述第一业务模型中的事件,得到业务事件集;
对所述业务事件集中的文本进行语义分析,查询所述文本所属的业务范围,并将所述业务范围作为所述第一业务模型的业务范围。
3.如权利要求2中所述的基于事件和状态机的多模型联动方法,其特征在于,所述对所述业务事件集中的文本进行语义分析,查询所述文本所属的业务范围,包括:
通过命名实体识别获取所述业务事件集中文本的实体,得到文本实体集;
对所述文本实体集中的文本实体进行词性标注,获取所述文本实体集中的名词实体,得到名词实体集;
对名词实体集中的名词实体向量化,得多个名词实体向量,并基于预设的字典获取所述多个名词实体向量的语义,得到所述文本实体集的语义集;
基于所述文本实体集的语义集查询所述业务事件集中的文本的语义范围,并将所述语义范围作为所述文本的业务范围。
4.如权利要求1所述的基于事件和状态机的多模型联动,其特征在于,所述基于模型联动需求,获取所述业务范围内第一业务模型对应的第二业务模型,包括:
基于所述模型联动需求获取所述第一业务模型中的业务特征;
通过所述业务特征在所述业务范围内查找所述第一业务模型相关联的业务模型,并将所述业务模型作为所述第一业务模型对应的第二业务模型。
5.如权利要求1中所述的基于事件和状态机的多模型联动方法,其特征在于,所述查询所述第一业务模型中完成事件后的模型状态,得到第一状态,包括:
获取所述第一业务模型中的所有事件,得到事件集;
将所述事件集中的事件按发生顺序配列,得到事件队列;
将所述事件队列中队列的事件作为完成事件,并查询所述完成事件后所述第一业务模型的模型状态,并将所述模型状态作为第一状态。
6.如权利要求1所述的基于事件和状态机的多模型联动,其特征在于,所述基于所述第一状态和所述第二状态对应的事件将所述第一业务模型和所述第二业务模型进行组合,得到联合模型,包括:
根据所述第一业务模型创建虚拟事件;
将所述第一状态和所述第二状态对应所述虚拟事件,得到连接事件;
基于所述连接事件将所述第一业务模型和所述第二业务模型进行组合,得到联合模型。
7.一种基于事件和状态机的多模型联动装置,其特征在于,所述装置包括:
业务范围查询模块,用于获取第一业务模型,并查询所述第一业务模型的业务范围;
第二模型获取模块,用于基于模型联动需求,获取所述业务范围内第一业务模型对应的第二业务模型;
模型状态查询模块,用于查询所述第一业务模型中完成事件后的模型状态,得到第一状态,以及查询所述第二业务模型中的开始事件前的模型状态,得到第二状态;
业务模型组合模块,用于基于所述第一状态和所述第二状态对应的事件将所述第一业务模型和所述第二业务模型进行组合,得到联合模型。
8.如权利要求2中所述的基于事件和状态机的多模型联动方法,其特征在于,所述对所述业务事件集中的文本进行语义分析,查询所述文本所属的业务范围,包括:
通过命名实体识别获取所述业务事件集中文本的实体,得到文本实体集;
对所述文本实体集中的文本实体进行词性标注,获取所述文本实体集中的名词实体,得到名词实体集;
对名词实体集中的名词实体向量化,得多个名词实体向量,并基于预设的字典获取所述多个名词实体向量的语义,得到所述文本实体集的语义集;
基于所述文本实体集的语义集查询所述业务事件集中的文本的语义范围,并将所述语义范围作为所述文本的业务范围。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至6中任意一项所述的基于事件和状态机的多模型联动方法。
10.一种计算机可读存储介质,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6中任意一项所述的基于事件和状态机的多模型联动方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311010008.1A CN117149945A (zh) | 2023-08-10 | 2023-08-10 | 基于状态机的多模型联动方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311010008.1A CN117149945A (zh) | 2023-08-10 | 2023-08-10 | 基于状态机的多模型联动方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117149945A true CN117149945A (zh) | 2023-12-01 |
Family
ID=88905237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311010008.1A Pending CN117149945A (zh) | 2023-08-10 | 2023-08-10 | 基于状态机的多模型联动方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117149945A (zh) |
-
2023
- 2023-08-10 CN CN202311010008.1A patent/CN117149945A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111639153A (zh) | 基于法律知识图谱的查询方法、装置、电子设备及介质 | |
CN114979120B (zh) | 数据上传方法、装置、设备及存储介质 | |
CN113627160B (zh) | 文本纠错方法、装置、电子设备及存储介质 | |
CN114840684A (zh) | 基于医疗实体的图谱构建方法、装置、设备及存储介质 | |
CN117193975A (zh) | 任务调度方法、装置、设备及存储介质 | |
CN116719904A (zh) | 基于图文结合的信息查询方法、装置、设备及存储介质 | |
CN116383766A (zh) | 基于多模态数据的辅诊方法、装置、设备及存储介质 | |
CN114548114B (zh) | 文本情绪识别方法、装置、设备及存储介质 | |
CN114841165B (zh) | 用户数据分析及展示方法、装置、电子设备及存储介质 | |
CN114816371B (zh) | 消息处理方法、装置、设备及介质 | |
CN117149945A (zh) | 基于状态机的多模型联动方法、装置、设备及存储介质 | |
CN114780688A (zh) | 基于规则匹配的文本质检方法、装置、设备及存储介质 | |
CN113657546A (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
CN114819590B (zh) | 策略智能推荐方法、装置、设备及存储介质 | |
CN115221875B (zh) | 词权重生成方法、装置、电子设备及存储介质 | |
CN116705345A (zh) | 医疗实体标注方法、装置、设备及存储介质 | |
CN116521867A (zh) | 文本聚类方法、装置、电子设备及存储介质 | |
CN116860944A (zh) | 对话生成方法、装置、电子设备及介质 | |
CN116525142A (zh) | 基于线上问诊的意图识别方法、装置、电子设备及介质 | |
CN116631608A (zh) | 问诊症状识别方法、装置、设备及存储介质 | |
CN116974538A (zh) | 基于table组件的表格渲染方法、装置、设备及存储介质 | |
CN116303824A (zh) | 实体信息图扩展方法、装置、电子设备及存储介质 | |
CN117059241A (zh) | 医疗微信提醒服务接入方法、装置、设备及介质 | |
CN117195898A (zh) | 实体关系抽取方法、装置、电子设备及存储介质 | |
CN117350658A (zh) | 基于流程模板的功能流转方法、装置、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 |