本申請涉及人工智能，尤其涉及一種流程跳轉(zhuǎn)提醒方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、流程引擎后續(xù)的跳轉(zhuǎn)節(jié)點和候選人選擇時存在較多不確定性，具體操作以人為操作為主，在初期操作時，自由跳轉(zhuǎn)會引起梯度的波動和變化，在模型訓(xùn)練時，過大導(dǎo)致梯度爆炸，而過小導(dǎo)致梯度消失,由于流程引擎初期機構(gòu)規(guī)模和數(shù)據(jù)量的限制，數(shù)據(jù)較少，導(dǎo)致訓(xùn)練模型的實用性較低。另外，流程引擎從業(yè)務(wù)操作來看，選擇的跳轉(zhuǎn)節(jié)點和候選人以個人的了解和認知為主,有較多不確定性，加之可選項過多,需要較多人員操作，增加了操作的復(fù)雜性并降低了操作的準確性。

技術(shù)實現(xiàn)思路

1、本申請實施例的主要目的在于提出一種流程跳轉(zhuǎn)提醒方法、裝置、電子設(shè)備及存儲介質(zhì)，以為流程跳轉(zhuǎn)提供提醒信息，提升流程跳轉(zhuǎn)的準確性和效率。

2、為實現(xiàn)上述目的，本申請實施例的一方面提出了一種流程節(jié)點跳轉(zhuǎn)提醒方法，所述方法包括以下步驟：

3、利用歷史流程節(jié)點跳轉(zhuǎn)數(shù)據(jù)訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)模型，得到訓(xùn)練后的循環(huán)神經(jīng)網(wǎng)絡(luò)模型；

4、將當前流程節(jié)點參數(shù)輸入所述訓(xùn)練后的循環(huán)神經(jīng)網(wǎng)絡(luò)模型，預(yù)測得到下一個流程節(jié)點的各個候選節(jié)點及對應(yīng)的節(jié)點權(quán)重，并預(yù)測得到所述下一個流程節(jié)點的各個候選人及對應(yīng)的人員權(quán)重；

5、利用長短記憶神經(jīng)網(wǎng)絡(luò)從各個所述節(jié)點權(quán)重和所述人員權(quán)重中篩選出目標節(jié)點權(quán)重和目標人員權(quán)重；

6、根據(jù)各個所述目標節(jié)點權(quán)重和目標人員權(quán)重將對應(yīng)所述候選節(jié)點和所述候選人進行排序，并輸出排序結(jié)果和攜帶指導(dǎo)操作的提醒信息。

7、在一些實施例中，所述利用歷史流程節(jié)點跳轉(zhuǎn)數(shù)據(jù)訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)模型，得到訓(xùn)練后的循環(huán)神經(jīng)網(wǎng)絡(luò)模型，包括以下步驟：

8、對所述歷史流程節(jié)點數(shù)據(jù)進行分類，得到分類后的歷史流程節(jié)點數(shù)據(jù)；

9、先對所述分類后的歷史流程節(jié)點數(shù)據(jù)進行清洗、轉(zhuǎn)換和增強，再按設(shè)定比例劃分為訓(xùn)練集和測試集；

10、設(shè)定所述循環(huán)神經(jīng)網(wǎng)絡(luò)模型的神經(jīng)元數(shù)量和損失函數(shù)，采用adam優(yōu)化器在所述訓(xùn)練集上訓(xùn)練所述循環(huán)神經(jīng)網(wǎng)絡(luò)模型；其中，訓(xùn)練過程采用前向傳播計算；

11、在所述測試集上對所述循環(huán)神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)率和正則化參數(shù)進行調(diào)優(yōu)，然后對對所述循環(huán)神經(jīng)網(wǎng)絡(luò)模型的進行評估和驗證；

12、將通過驗證的所述循環(huán)神經(jīng)網(wǎng)絡(luò)模型的確定為所述訓(xùn)練后的循環(huán)神經(jīng)網(wǎng)絡(luò)模型。

13、在一些實施例中，所述對所述歷史流程節(jié)點數(shù)據(jù)進行分類，得到分類后的歷史流程節(jié)點數(shù)據(jù)，包括以下步驟：

14、確定流程定義、非跳轉(zhuǎn)節(jié)點及跳轉(zhuǎn)節(jié)點在所述歷史流程節(jié)點數(shù)據(jù)中的分層占比；

15、按照所述分層占比依次將所述歷史流程節(jié)點數(shù)據(jù)分類為流程定義數(shù)據(jù)、非跳轉(zhuǎn)節(jié)點數(shù)據(jù)及跳轉(zhuǎn)節(jié)點數(shù)據(jù)。

16、在一些實施例中，所述按照所述分層占比依次將所述歷史流程節(jié)點數(shù)據(jù)分類為流程定義數(shù)據(jù)、非跳轉(zhuǎn)節(jié)點數(shù)據(jù)及跳轉(zhuǎn)節(jié)點數(shù)據(jù)，包括以下步驟：

17、根據(jù)流程定義模板并按照流程定義的所述分層占比從所述歷史流程節(jié)點數(shù)據(jù)分類得到所述流程定義數(shù)據(jù)；

18、在除所述流程定義數(shù)據(jù)外的所述歷史流程節(jié)點數(shù)據(jù)中，根據(jù)條件節(jié)點定義并按照非跳轉(zhuǎn)節(jié)點的所述分層占比從所述歷史流程節(jié)點數(shù)據(jù)分類得到所述非跳轉(zhuǎn)節(jié)點數(shù)據(jù)；

19、將剩余的所述歷史流程節(jié)點數(shù)據(jù)確定為所述跳轉(zhuǎn)節(jié)點數(shù)據(jù)。

20、在一些實施例中，所述利用長短記憶神經(jīng)網(wǎng)絡(luò)從各個所述節(jié)點權(quán)重和所述人員權(quán)重中篩選出目標節(jié)點權(quán)重和目標人員權(quán)重，包括以下步驟：

21、根據(jù)所述分類后的歷史流程節(jié)點數(shù)據(jù)確定所述長短記憶神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)層權(quán)重；

22、利用確定所述網(wǎng)絡(luò)層權(quán)重的所述長短記憶神經(jīng)網(wǎng)絡(luò)輸出目標閾值；

23、從各個所述節(jié)點權(quán)重和所述人員權(quán)重中篩選出大于所述目標閾值的所述目標節(jié)點權(quán)重和所述目標人員權(quán)重。

24、在一些實施例中，所述根據(jù)各個所述目標節(jié)點權(quán)重和目標人員權(quán)重將對應(yīng)所述候選節(jié)點和所述候選人進行排序，包括以下步驟：

25、根據(jù)各個所述目標節(jié)點權(quán)重和目標人員權(quán)重計算對應(yīng)所述候選節(jié)點和所述候選人的優(yōu)先級；

26、根據(jù)所述優(yōu)先級將各個所述目標節(jié)點權(quán)重和目標人員權(quán)重對應(yīng)的所述候選節(jié)點和所述候選人進行由高到低的排序。

27、在一些實施例中，所述方法還包括以下步驟：

28、將用戶根據(jù)所述排序結(jié)果和所述提醒信息選擇的所述候選節(jié)點和所述候選人作為訓(xùn)練數(shù)據(jù)，利用所述訓(xùn)練數(shù)據(jù)訓(xùn)練所述訓(xùn)練后的循環(huán)神經(jīng)網(wǎng)絡(luò)模型。

29、為實現(xiàn)上述目的，本申請實施例的另一方面提出了一種流程節(jié)點跳轉(zhuǎn)提醒裝置，所述裝置包括：

30、模型訓(xùn)練單元，用于利用歷史流程節(jié)點跳轉(zhuǎn)數(shù)據(jù)訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)模型，得到訓(xùn)練后的循環(huán)神經(jīng)網(wǎng)絡(luò)模型；

31、節(jié)點預(yù)測單元，用于將當前流程節(jié)點參數(shù)輸入所述訓(xùn)練后的循環(huán)神經(jīng)網(wǎng)絡(luò)模型，預(yù)測得到下一個流程節(jié)點的各個候選節(jié)點及對應(yīng)的節(jié)點權(quán)重，并預(yù)測得到所述下一個流程節(jié)點的各個候選人及對應(yīng)的人員權(quán)重；

32、權(quán)重篩選單元，用于利用長短記憶神經(jīng)網(wǎng)絡(luò)從各個所述節(jié)點權(quán)重和所述人員權(quán)重中篩選出目標節(jié)點權(quán)重和目標人員權(quán)重；

33、節(jié)點排序單元，用于根據(jù)各個所述目標節(jié)點權(quán)重和目標人員權(quán)重將對應(yīng)所述候選節(jié)點和所述候選人進行排序，并輸出排序結(jié)果和攜帶指導(dǎo)操作的提醒信息。

34、為實現(xiàn)上述目的，本申請實施例的另一方面提出了一種電子設(shè)備，所述電子設(shè)備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述的一種流程節(jié)點跳轉(zhuǎn)提醒方法。

35、為實現(xiàn)上述目的，本申請實施例的另一方面提出了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述的一種流程節(jié)點跳轉(zhuǎn)提醒方法。

36、本申請實施例至少包括以下有益效果：

37、本申請可以利用歷史流程節(jié)點跳轉(zhuǎn)數(shù)據(jù)訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)模型，得到訓(xùn)練后的循環(huán)神經(jīng)網(wǎng)絡(luò)模型；將當前流程節(jié)點參數(shù)輸入訓(xùn)練后的循環(huán)神經(jīng)網(wǎng)絡(luò)模型，預(yù)測得到下一個流程節(jié)點的各個候選節(jié)點及對應(yīng)的節(jié)點權(quán)重，并預(yù)測得到下一個流程節(jié)點的各個候選人及對應(yīng)的人員權(quán)重；利用長短記憶神經(jīng)網(wǎng)絡(luò)從各個節(jié)點權(quán)重和人員權(quán)重中篩選出目標節(jié)點權(quán)重和目標人員權(quán)重；根據(jù)各個目標節(jié)點權(quán)重和目標人員權(quán)重將對應(yīng)候選節(jié)點和候選人進行排序，并輸出排序結(jié)果和攜帶指導(dǎo)操作的提醒信息。通過循環(huán)神經(jīng)網(wǎng)絡(luò)模型預(yù)測下一個流程節(jié)點的各個候選節(jié)點和候選人，并利用長短記憶網(wǎng)絡(luò)優(yōu)化候選節(jié)點和候選人的權(quán)重，可獲得準確的候選節(jié)點和候選人，且還可以對候選節(jié)點和候選人進行排序和提供提醒信息，引導(dǎo)用戶操作，進而提高流程跳轉(zhuǎn)的效率。

技術(shù)特征：

1.一種流程節(jié)點跳轉(zhuǎn)提醒方法，其特征在于，所述方法包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種流程節(jié)點跳轉(zhuǎn)提醒方法，其特征在于，所述利用歷史流程節(jié)點跳轉(zhuǎn)數(shù)據(jù)訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)模型，得到訓(xùn)練后的循環(huán)神經(jīng)網(wǎng)絡(luò)模型，包括以下步驟：

3.根據(jù)權(quán)利要求2所述的一種流程節(jié)點跳轉(zhuǎn)提醒方法，其特征在于，所述對所述歷史流程節(jié)點數(shù)據(jù)進行分類，得到分類后的歷史流程節(jié)點數(shù)據(jù)，包括以下步驟：

4.根據(jù)權(quán)利要求3所述的一種流程節(jié)點跳轉(zhuǎn)提醒方法，其特征在于，所述按照所述分層占比依次將所述歷史流程節(jié)點數(shù)據(jù)分類為流程定義數(shù)據(jù)、非跳轉(zhuǎn)節(jié)點數(shù)據(jù)及跳轉(zhuǎn)節(jié)點數(shù)據(jù)，包括以下步驟：

5.根據(jù)權(quán)利要求2所述的一種流程節(jié)點跳轉(zhuǎn)提醒方法，其特征在于，所述利用長短記憶神經(jīng)網(wǎng)絡(luò)從各個所述節(jié)點權(quán)重和所述人員權(quán)重中篩選出目標節(jié)點權(quán)重和目標人員權(quán)重，包括以下步驟：

6.根據(jù)權(quán)利要求1所述的一種流程節(jié)點跳轉(zhuǎn)提醒方法，其特征在于，所述根據(jù)各個所述目標節(jié)點權(quán)重和目標人員權(quán)重將對應(yīng)所述候選節(jié)點和所述候選人進行排序，包括以下步驟：

7.根據(jù)權(quán)利要求1至6任一項所述的一種流程節(jié)點跳轉(zhuǎn)提醒方法，其特征在于，所述方法還包括以下步驟：

8.一種流程節(jié)點跳轉(zhuǎn)提醒裝置，其特征在于，所述裝置包括：

9.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如權(quán)利要求1至7任一項所述的一種流程節(jié)點跳轉(zhuǎn)提醒方法。

10.一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至7中任一項所述的一種流程節(jié)點跳轉(zhuǎn)提醒方法。

技術(shù)總結(jié)
本申請公開了一種流程節(jié)點跳轉(zhuǎn)提醒方法、裝置、電子設(shè)備及存儲介質(zhì)，涉及人工智能技術(shù)領(lǐng)域，方法包括：利用歷史流程節(jié)點跳轉(zhuǎn)數(shù)據(jù)訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)模型，得到訓(xùn)練后的循環(huán)神經(jīng)網(wǎng)絡(luò)模型；將當前流程節(jié)點參數(shù)輸入訓(xùn)練后的循環(huán)神經(jīng)網(wǎng)絡(luò)模型，預(yù)測得到下一個流程節(jié)點的各個候選節(jié)點及其節(jié)點權(quán)重，預(yù)測得到下一個流程節(jié)點的各個候選人及其人員權(quán)重；利用長短記憶神經(jīng)網(wǎng)絡(luò)從各個節(jié)點權(quán)重和人員權(quán)重中篩選出目標節(jié)點權(quán)重和目標人員權(quán)重；根據(jù)各個目標節(jié)點權(quán)重和目標人員權(quán)重將對應(yīng)候選節(jié)點和候選人進行排序，并輸出排序結(jié)果和攜帶指導(dǎo)操作的提醒信息。預(yù)測并優(yōu)化候選節(jié)點和候選人的權(quán)重，再進行排序和提供提醒信息，引導(dǎo)用戶操作，進而提高流程跳轉(zhuǎn)的效率。

技術(shù)研發(fā)人員：楊小虎,劉開瑞,李明梁,彭家彥
受保護的技術(shù)使用者：中國電信股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2