【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及軟件開(kāi)發(fā)領(lǐng)域，尤其涉及一種業(yè)務(wù)流程調(diào)度方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。
技術(shù)介紹
1、軟件系統(tǒng)開(kāi)發(fā)迭代過(guò)程中，為適應(yīng)不同的業(yè)務(wù)需求，會(huì)產(chǎn)生多種類型的業(yè)務(wù)流程。針對(duì)復(fù)雜的業(yè)務(wù)流程，我們需要將其簡(jiǎn)化，將復(fù)雜的問(wèn)題分解為小模塊，并逐個(gè)攻破。每個(gè)模塊的職責(zé)相對(duì)單一，這樣可以保證未來(lái)的擴(kuò)展性和可維護(hù)性相對(duì)獨(dú)立且簡(jiǎn)單。
2、傳統(tǒng)業(yè)務(wù)流程調(diào)度和優(yōu)化的技術(shù)是通過(guò)優(yōu)化程序設(shè)計(jì)、合理的設(shè)計(jì)模式、引入規(guī)則引擎、專家系統(tǒng)的技術(shù)等手段，可以實(shí)現(xiàn)業(yè)務(wù)的拆分、解耦，從而簡(jiǎn)化業(yè)務(wù)流程。但此種方式存在以下弊端：
3、1、復(fù)雜度高：傳統(tǒng)方法往往需要大量的人工參與和規(guī)則定義，處理復(fù)雜的業(yè)務(wù)流程調(diào)度問(wèn)題時(shí)，難以應(yīng)對(duì)任務(wù)數(shù)量龐大、資源分配復(fù)雜等情況。
4、2、效率低：傳統(tǒng)方法在處理大規(guī)模系統(tǒng)和復(fù)雜業(yè)務(wù)流程時(shí)，往往效率較低，無(wú)法實(shí)現(xiàn)快速、智能的調(diào)度和優(yōu)化。
5、3、適應(yīng)性差：傳統(tǒng)方法往往缺乏自適應(yīng)性，無(wú)法根據(jù)實(shí)時(shí)業(yè)務(wù)需求和系統(tǒng)狀態(tài)做出智能決策和調(diào)度。
6、4、難以擴(kuò)展：傳統(tǒng)技術(shù)在面對(duì)復(fù)雜的業(yè)務(wù)流程和大規(guī)模系統(tǒng)時(shí)，往往難以擴(kuò)展和適應(yīng)新的業(yè)務(wù)需求，限制了系統(tǒng)的靈活性和可擴(kuò)展性。
7、5、依賴人工調(diào)優(yōu)：一些基于規(guī)則引擎或?qū)＜蚁到y(tǒng)的技術(shù)需要依賴人工不斷調(diào)優(yōu)規(guī)則和策略，耗費(fèi)時(shí)間和資源，且無(wú)法實(shí)現(xiàn)自動(dòng)化優(yōu)化。
8、綜上所述，傳統(tǒng)系統(tǒng)業(yè)務(wù)流程調(diào)度和優(yōu)化的技術(shù)存在著一些問(wèn)題和挑戰(zhàn)，難以滿足日益復(fù)雜和動(dòng)態(tài)的業(yè)務(wù)需求。為解決傳統(tǒng)業(yè)務(wù)流程調(diào)度和優(yōu)化技術(shù)的效率低、適應(yīng)性差、難以擴(kuò)展、依賴大量人工等問(wèn)題。
技術(shù)實(shí)現(xiàn)思路
1、專利技術(shù)目的：提出一種業(yè)務(wù)流程調(diào)度方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，通過(guò)深度學(xué)習(xí)模型和liteflow框架結(jié)合，能夠提高流程的執(zhí)行效率和靈活性，同時(shí)通過(guò)自動(dòng)化的優(yōu)化建議生成，減少對(duì)人工干預(yù)的依賴。
2、第一方面，提出一種業(yè)務(wù)流程調(diào)度方法，步驟如下：
3、從數(shù)據(jù)庫(kù)中采集業(yè)務(wù)數(shù)據(jù)樣本；
4、從所述業(yè)務(wù)數(shù)據(jù)樣本中獲取特征信息數(shù)據(jù)，將所述特征信息數(shù)據(jù)轉(zhuǎn)化為包含業(yè)務(wù)特征內(nèi)容的標(biāo)準(zhǔn)格式；
5、選擇一個(gè)開(kāi)源的深度學(xué)習(xí)網(wǎng)絡(luò)模型；利用所述特征信息數(shù)據(jù)對(duì)所述深度學(xué)習(xí)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；
6、在訓(xùn)練好的深度學(xué)習(xí)網(wǎng)絡(luò)模型基礎(chǔ)之上集成liteflow框架，生成業(yè)務(wù)編排推薦模型；
7、將所述業(yè)務(wù)編排推薦模型接入業(yè)務(wù)系統(tǒng)，由所述業(yè)務(wù)編排推薦模型推薦出最優(yōu)業(yè)務(wù)流程，業(yè)務(wù)系統(tǒng)部署該最優(yōu)業(yè)務(wù)流程。
8、在第一方面進(jìn)一步的實(shí)施例中，在從所述業(yè)務(wù)數(shù)據(jù)樣本中獲取特征信息數(shù)據(jù)之前，還包括對(duì)從數(shù)據(jù)庫(kù)中采集到的業(yè)務(wù)數(shù)據(jù)樣本進(jìn)行數(shù)據(jù)清洗和歸一化處理，以消除噪聲和異常值，確保數(shù)據(jù)質(zhì)量。
9、從經(jīng)過(guò)數(shù)據(jù)清洗和歸一化處理的業(yè)務(wù)數(shù)據(jù)樣本中獲取特征信息數(shù)據(jù)，將所述特征信息數(shù)據(jù)轉(zhuǎn)化為包含業(yè)務(wù)特征內(nèi)容的標(biāo)準(zhǔn)格式；所述包含業(yè)務(wù)特征內(nèi)容的標(biāo)準(zhǔn)格式包含如下字段：
10、輸入、輸出、業(yè)務(wù)執(zhí)行時(shí)間、任務(wù)間關(guān)系。
11、在第一方面進(jìn)一步的實(shí)施例中，開(kāi)源的深度學(xué)習(xí)網(wǎng)絡(luò)模型可以是人工神經(jīng)網(wǎng)絡(luò)ann或循環(huán)神經(jīng)網(wǎng)絡(luò)rnn或長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)lstm或transformer模型。
12、當(dāng)開(kāi)源的深度學(xué)習(xí)網(wǎng)絡(luò)模型選擇循環(huán)神經(jīng)網(wǎng)絡(luò)rnn時(shí)，利用所述特征信息數(shù)據(jù)對(duì)所述深度學(xué)習(xí)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，具體包括：
13、導(dǎo)入循環(huán)神經(jīng)網(wǎng)絡(luò)rnn框架和相關(guān)庫(kù)；
14、使用gru層和dropout層構(gòu)建模型，通過(guò)所述dropout層減少過(guò)擬合；
15、選擇預(yù)定的損失函數(shù)和優(yōu)化器，根據(jù)業(yè)務(wù)流程調(diào)度的實(shí)際需求選擇評(píng)估指標(biāo)；
16、確定每個(gè)訓(xùn)練步驟使用的樣本數(shù)量以及訓(xùn)練數(shù)據(jù)集迭代的次數(shù)；
17、將所述特征信息數(shù)據(jù)按預(yù)定比例劃分為訓(xùn)練集和驗(yàn)證集；將訓(xùn)練集和驗(yàn)證集作為循環(huán)神經(jīng)網(wǎng)絡(luò)rnn的輸入，開(kāi)始訓(xùn)練所述循環(huán)神經(jīng)網(wǎng)絡(luò)rnn；
18、當(dāng)所述循環(huán)神經(jīng)網(wǎng)絡(luò)rnn訓(xùn)練完成后，使用測(cè)試數(shù)據(jù)集對(duì)循環(huán)神經(jīng)網(wǎng)絡(luò)rnn進(jìn)行評(píng)估，以獲取循環(huán)神經(jīng)網(wǎng)絡(luò)rnn在未見(jiàn)過(guò)的數(shù)據(jù)上的性能。
19、在第一方面進(jìn)一步的實(shí)施例中，在訓(xùn)練好的深度學(xué)習(xí)網(wǎng)絡(luò)模型基礎(chǔ)之上集成liteflow框架，具體包括：
20、基于springboot構(gòu)建項(xiàng)目，并引入liteflow組件依賴，編輯配置文件內(nèi)容；
21、創(chuàng)建liteflow組件，利用所述liteflow組件定義流程鏈和流程規(guī)則，根據(jù)流程規(guī)則語(yǔ)義的上下文描述，調(diào)用所述深度學(xué)習(xí)模型自動(dòng)推理出最優(yōu)流程；
22、基于springboot項(xiàng)目配置完成的情況下，通過(guò)api接口的方式觸發(fā)流程優(yōu)化；根據(jù)定義的liteflow組件輸出服務(wù)提供響應(yīng)數(shù)據(jù)，記錄該響應(yīng)數(shù)據(jù)。
23、將所述業(yè)務(wù)編排推薦模型接入業(yè)務(wù)系統(tǒng)之后，還設(shè)置監(jiān)控工具實(shí)時(shí)監(jiān)控業(yè)務(wù)系統(tǒng)的性能和業(yè)務(wù)流程的執(zhí)行情況；
24、將監(jiān)控工具實(shí)時(shí)獲得的業(yè)務(wù)系統(tǒng)的性能和業(yè)務(wù)流程的執(zhí)行情況定期反饋給業(yè)務(wù)編排推薦模型；由所述業(yè)務(wù)編排推薦模型對(duì)業(yè)務(wù)流程進(jìn)行性能評(píng)估，不斷收集增量數(shù)據(jù)；利用該增量數(shù)據(jù)對(duì)所述業(yè)務(wù)編排推薦模型進(jìn)行訓(xùn)練和調(diào)整。
25、本專利技術(shù)的第二方面，提出一種業(yè)務(wù)流程調(diào)度裝置，該裝置包括數(shù)據(jù)庫(kù)、數(shù)采組件、特征信息獲取組件、訓(xùn)練單元、集成組件、部署組件。數(shù)據(jù)庫(kù)中預(yù)先存儲(chǔ)有歷史業(yè)務(wù)數(shù)據(jù)，并可在后續(xù)業(yè)務(wù)流程調(diào)度時(shí)不斷補(bǔ)充業(yè)務(wù)數(shù)據(jù)。數(shù)采組件用于從數(shù)據(jù)庫(kù)中采集業(yè)務(wù)數(shù)據(jù)樣本。特征信息獲取組件用于從所述業(yè)務(wù)數(shù)據(jù)樣本中獲取特征信息數(shù)據(jù)，將所述特征信息數(shù)據(jù)轉(zhuǎn)化為包含業(yè)務(wù)特征內(nèi)容的標(biāo)準(zhǔn)格式。訓(xùn)練單元基于一個(gè)開(kāi)源的深度學(xué)習(xí)網(wǎng)絡(luò)模型，利用特征信息數(shù)據(jù)對(duì)所述深度學(xué)習(xí)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。集成組件用于在訓(xùn)練好的深度學(xué)習(xí)網(wǎng)絡(luò)模型基礎(chǔ)之上集成liteflow框架，生成業(yè)務(wù)編排推薦模型。部署組件用于將所述業(yè)務(wù)編排推薦模型接入業(yè)務(wù)系統(tǒng)，由所述業(yè)務(wù)編排推薦模型推薦出最優(yōu)業(yè)務(wù)流程，業(yè)務(wù)系統(tǒng)部署該最優(yōu)業(yè)務(wù)流程。
26、本專利技術(shù)的第三方面，提出一種電子設(shè)備，該設(shè)備包括：處理器以及存儲(chǔ)有計(jì)算機(jī)程序指令的存儲(chǔ)器；所述處理器執(zhí)行所述計(jì)算機(jī)程序指令時(shí)實(shí)現(xiàn)如第一方面所述的業(yè)務(wù)流程調(diào)度方法。
27、本專利技術(shù)的第四方面，提出一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該存儲(chǔ)介質(zhì)中存儲(chǔ)有至少一個(gè)可執(zhí)行指令，所述可執(zhí)行指令在電子設(shè)備上運(yùn)行時(shí)，使得電子設(shè)備執(zhí)行如第一方面所述的業(yè)務(wù)流程調(diào)度方法。
28、有益效果：本專利技術(shù)提出的業(yè)務(wù)流程調(diào)度方法，基于深度學(xué)習(xí)模型的預(yù)測(cè)結(jié)果，識(shí)別業(yè)務(wù)流程中的瓶頸和低效環(huán)節(jié)。根據(jù)預(yù)測(cè)結(jié)果、業(yè)務(wù)規(guī)則、增量的業(yè)務(wù)數(shù)據(jù)，對(duì)流程進(jìn)行動(dòng)態(tài)調(diào)整。在liteflow框架中使用腳本或配置文件定義業(yè)務(wù)流程，包括流程節(jié)點(diǎn)、條件判斷、任務(wù)執(zhí)行等。liteflow框架根據(jù)流程定義，調(diào)度各個(gè)任務(wù)的執(zhí)行，協(xié)調(diào)各個(gè)組件之間的交互，與大模型的能力對(duì)接。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種業(yè)務(wù)流程調(diào)度方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的一種業(yè)務(wù)流程調(diào)度方法，其特征在于，在從所述業(yè)務(wù)數(shù)據(jù)樣本中獲取特征信息數(shù)據(jù)之前，還包括：
3.根據(jù)權(quán)利要求2所述的一種業(yè)務(wù)流程調(diào)度方法，其特征在于：從經(jīng)過(guò)數(shù)據(jù)清洗和歸一化處理的業(yè)務(wù)數(shù)據(jù)樣本中獲取特征信息數(shù)據(jù)，將所述特征信息數(shù)據(jù)轉(zhuǎn)化為包含業(yè)務(wù)特征內(nèi)容的標(biāo)準(zhǔn)格式；所述包含業(yè)務(wù)特征內(nèi)容的標(biāo)準(zhǔn)格式包含如下字段：
4.根據(jù)權(quán)利要求1所述的一種業(yè)務(wù)流程調(diào)度方法，其特征在于，所述開(kāi)源的深度學(xué)習(xí)網(wǎng)絡(luò)模型可以是人工神經(jīng)網(wǎng)絡(luò)ANN或循環(huán)神經(jīng)網(wǎng)絡(luò)RNN或長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)LSTM或Transformer模型。
5.根據(jù)權(quán)利要求4所述的一種業(yè)務(wù)流程調(diào)度方法，其特征在于，當(dāng)所述開(kāi)源的深度學(xué)習(xí)網(wǎng)絡(luò)模型選擇循環(huán)神經(jīng)網(wǎng)絡(luò)RNN時(shí)，利用所述特征信息數(shù)據(jù)對(duì)所述深度學(xué)習(xí)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，具體包括：
6.根據(jù)權(quán)利要求1所述的一種業(yè)務(wù)流程調(diào)度方法，其特征在于，所述在訓(xùn)練好的深度學(xué)習(xí)網(wǎng)絡(luò)模型基礎(chǔ)之上集成LiteFlow框架，具體包括：
7.根據(jù)權(quán)利要求5所述的一種業(yè)務(wù)流程調(diào)度方法，
8.一種業(yè)務(wù)流程調(diào)度裝置，其特征在于，包括：
9.一種電子設(shè)備，其特征在于，所述設(shè)備包括：處理器以及存儲(chǔ)有計(jì)算機(jī)程序指令的存儲(chǔ)器；所述處理器執(zhí)行所述計(jì)算機(jī)程序指令時(shí)實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的業(yè)務(wù)流程調(diào)度方法。
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有至少一個(gè)可執(zhí)行指令，所述可執(zhí)行指令在電子設(shè)備上運(yùn)行時(shí)，使得電子設(shè)備執(zhí)行如權(quán)利要求1至7中任一項(xiàng)所述的業(yè)務(wù)流程調(diào)度方法。
...【技術(shù)特征摘要】
1.一種業(yè)務(wù)流程調(diào)度方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的一種業(yè)務(wù)流程調(diào)度方法，其特征在于，在從所述業(yè)務(wù)數(shù)據(jù)樣本中獲取特征信息數(shù)據(jù)之前，還包括：
3.根據(jù)權(quán)利要求2所述的一種業(yè)務(wù)流程調(diào)度方法，其特征在于：從經(jīng)過(guò)數(shù)據(jù)清洗和歸一化處理的業(yè)務(wù)數(shù)據(jù)樣本中獲取特征信息數(shù)據(jù)，將所述特征信息數(shù)據(jù)轉(zhuǎn)化為包含業(yè)務(wù)特征內(nèi)容的標(biāo)準(zhǔn)格式；所述包含業(yè)務(wù)特征內(nèi)容的標(biāo)準(zhǔn)格式包含如下字段：
4.根據(jù)權(quán)利要求1所述的一種業(yè)務(wù)流程調(diào)度方法，其特征在于，所述開(kāi)源的深度學(xué)習(xí)網(wǎng)絡(luò)模型可以是人工神經(jīng)網(wǎng)絡(luò)ann或循環(huán)神經(jīng)網(wǎng)絡(luò)rnn或長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)lstm或transformer模型。
5.根據(jù)權(quán)利要求4所述的一種業(yè)務(wù)流程調(diào)度方法，其特征在于，當(dāng)所述開(kāi)源的深度學(xué)習(xí)網(wǎng)絡(luò)模型選擇循環(huán)神經(jīng)網(wǎng)絡(luò)rnn時(shí)，利用所述特征信息數(shù)據(jù)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：馬艷龍，
申請(qǐng)(專利權(quán))人：中電信數(shù)智科技有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。