业务流程的生成方法、装置、存储介质及计算机设备与流程

本发明涉及计算机技术领域，尤其是涉及一种业务流程的生成方法、系统、存储介质及计算机设备。

背景技术：

流程性业务需求是系统开发过程中较为常见的需求。举例来说，在开发对接政府部门的系统时，因各地政府部门的职能划分不同，经办流程不同，业务规模不同，会使得系统在建设的过程中，必须开发出多种业务流程才能够满足不同省市政府部门的同一种业务的流程需求。

在开发出大量的业务流程之后，如何有效的处理这些业务流程，以及将这些已有的业务流程复用到新的业务流程需求中，是一个较为棘手的问题，目前，在面对大量的业务流程开发需求时，开发人员很难快速有效的开发出符合需求的业务流程，而是浪费了大量的人力物力去做流程开发和调整优化，这种业务流程的生成方式大大降低了业务流程的复用效率，同时也增大了业务流程的开发成本。

技术实现要素：

有鉴于此，本申请提供了一种业务流程的生成方法、系统、存储介质及计算机设备，主要目的在于解决业务流程的复用效率低和业务流程开发成本大的技术问题。

根据本发明的第一个方面，提供了一种业务流程的生成方法，该方法包括：

获取业务流程需求信息，并从业务流程需求信息中提取出状态节点信息、状态流转信息和状态扩展信息；

将状态节点信息和状态流转信息输入到业务流程分类模型中，得到状态节点配置信息；

根据状态节点配置信息和状态扩展信息，生成与业务流程需求信息相匹配的业务流程。

在一个实施方式中，所述方法还包括：采集多种业务流程的特征样本数据，并根据多种业务流程的特征样本数据创建基于梯度提升树的业务流程分类模型。

在一个实施方式中，根据多种业务流程的特征样本数据创建基于梯度提升树的业务流程分类模型，包括：根据多种业务流程的特征样本数据，分别构建针对每一种业务流程的第一分类回归树；利用逻辑回归函数分别生成每一颗第一分类回归树的预测概率；根据每一颗第一分类回归树的预测概率，得到每一颗第一分类回归树的负梯度值；根据每一颗第一分类回归树的负梯度值，利用梯度下降法，分别迭代多轮得到多颗针对每一种业务流程的第一提升树；分别将针对每一种业务流程的第一分类回归树和第一提升树进行的加权求和，得到基于梯度提升树的业务流程分类模型。

在一个实施方式中，将状态节点信息和状态流转信息输入到业务流程分类模型中，得到状态节点配置信息，包括：将状态节点信息和状态流转信息输入到业务流程分类模型中，得到状态节点信息和状态流转信息所属每一种业务流程的预测概率；将预测概率与预设的概率阈值进行比较；若预测概率大于概率阈值，则查询出预测概率对应的业务流程的类别编号；根据业务流程的类别编号，在数据库中查询出与类别编号相对应的状态节点配置信息。

在一个实施方式中，根据状态节点配置信息和状态扩展信息，生成与业务流程需求信息相匹配的业务流程，包括：获取与状态扩展信息相对应的状态扩展配置信息；将状态扩展配置信息添加到状态节点配置信息中，得到业务流程配置表；读取业务流程配置表，生成与业务流程需求信息相匹配的业务流程。

在一个实施方式中，所述方法还包括：根据多种业务流程的特征样本数据，分别为每一种业务流程创建一个基于梯度提升树的执行时间预测模型；将状态节点信息、状态流转信息和状态扩展信息输入到状态节点配置信息对应的业务流程执行时间预测模型中，得到业务流程的执行时间预测值。

在一个实施方式中，根据所述多种业务流程的特征样本数据，分别为每一种业务流程创建一个基于梯度提升树的执行时间预测模型，包括：将多种业务流程的特征样本数据按照业务流程的类别编号进行划分，得到每一种业务流程的特征样本数据；根据每一种业务流程的特征样本数据，分别构建针对每一种业务流程执行时间的第二分类回归树；拟合损失函数在每一颗第二分类回归树的负梯度值；根据每一颗第二分类回归树的负梯度值，利用梯度下降法，分别迭代多轮得到多颗针对每一种业务流程执行时间的第二提升树；分别将针对每一种业务流程执行时间的第二分类回归树和第二提升树进行加权求和，得到每一种业务流程的执行时间预测模型。

根据本发明的第二个方面，提供了一种业务流程的生成装置，所述装置包括：

需求信息获取模块，用于获取业务流程需求信息，并从业务流程需求信息中提取出状态节点信息、状态流转信息和状态扩展信息；

配置信息查询模块，用于将状态节点信息和状态流转信息输入到业务流程分类模型中，得到状态节点配置信息；

业务流程生成模块，用于根据状态节点配置信息和状态扩展信息，生成与业务流程需求信息相匹配的业务流程。

根据本发明的第三个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述业务流程的生成方法。

根据本发明的第四个方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述业务流程的生成方法。

本发明提供的一种业务流程的生成方法、系统、存储介质及计算机设备，首先获取了业务流程需求信息，并从中提取出状态节点信息、状态流转信息和状态扩展信息，然后，将提取出的状态节点信息和状态流转信息输入到业务流程分类模型中，得到业务流程各状态节点的配置信息，最后，根据该状态节点配置信息以及提取出的状态扩展信息，生成与业务流程需求信息相匹配的业务流程。本方案通过业务流程分类模型可以对业务流程需求信息进行快速的分类预测，从而获取到已开发好的能够匹配新需求的状态节点配置信息，通过在该配置信息上设置个性化的状态扩展信息，就可以准确的生成与需求信息相匹配的业务流程，通过这种方式，可以对业务流程需求有一个非常快速的反馈，提高了已有业务流程的复用效率，降低了业务流程的开发成本。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

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示出了本发明实施例提供的一种业务流程的生成方法的流程示意图；

图2示出了本发明实施例提供的另一种业务流程的生成方法的流程示意图；

图3示出了本发明实施例提供的一种业务流程的生成装置的结构示意图；

图4示出了本发明实施例提供的另一种业务流程的生成装置的结构示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

在一个实施例中，如图1所示，提供了一种业务流程的生成方法，以该方法应用于计算机终端为例进行说明，包括以下步骤：

101、获取业务流程需求信息，并从业务流程需求信息中提取出状态节点信息、状态流转信息和状态扩展信息。

其中，业务流程指的是为达成某项业务目标而设定的一系列标准化的步骤，可以体现出一件工作“先做什么，后做什么，由谁来做”的关系。流程为业务提供了标准化的程序，明确了每个节点的工作内容和责任人，可以确保业务有序、顺利地执行。

进一步的，在一个完整的业务流程中，通常包含有若干个状态节点以及若干个状态节点之间的流转关系，针对同一种业务目标，由于用户的业务流程需求不同，如职能划分不同，经办流程不同，业务规模不同，通常需要设计出多种业务流程来满足多种业务流程需求来实现同一种业务目标，在这种情况下，每一种业务流程的状态节点个数，状态节点名称，状态节点的输入参数、输出参数、状态流转条件，节点责任主体，节点责任主体的人数等与业务流程相关的数据都会有所不同。

具体的，在获取到业务流程需求信息之后，可以从业务流程需求信息中提取出状态节点信息、状态流转信息和状态扩展信息，其中，状态节点信息可以包括状态节点的个数、状态节点的名称、状态节点的责任主体等信息；状态流转信息可以包括状态节点的输入参数、输出参数、状态节点之间的流转条件和流转路径等信息；状态扩展信息包括状态节点的前置事件、后置事件、动态表单和审批配置等信息。在本实施例中，业务流程需求信息通常经过一定的预处理，从而将文字类的需求转化为结构化的可识别的信息或数据。

102、将状态节点信息和状态流转信息输入到业务流程分类模型中，得到状态节点配置信息。

在本实施例中，业务流程分类模型可以对状态节点信息和状态流转信息等业务流程基本信息进行归类和分析，在训练好业务流程分类的模型中输入状态节点信息和状态流转信息之后，便可以得到多个预测概率值，这多个预测概率值分别对应着该状态节点信息和状态流转信息属于每一种业务流程的概率，因而，业务流程分类模型实际上一种基于梯度提升树的多分类模型，通过该模型，可以对待生成的业务流程的类型进行预测。

具体的，将状态节点信息和状态流转信息整理为模型可以输入的形式后，即可输入到业务流程分类模型中，以得到状态节点信息和状态流转信息所属每一种业务流程的预测概率值，然后，可以进一步将每一个预测概率值分别与预设的概率阈值进行比较，得到该状态节点信息和状态流转信息所属每一种业务流程的预测通过率，如果某一个或某多个预测概率值大于设定的概率阈值，即可询出该预测概率对应的业务流程的类别编号，并将该类别编号输入到保存有业务流程配置信息的数据库中，查询出该类别编号对应的状态节点配置信息，并返回给用户。

103、根据状态节点配置信息和状态扩展信息，生成与业务流程需求信息相匹配的业务流程。

具体的，可以通过业务流程配置工具将状态扩展信息对应的配置信息添加到状态节点配置信息的各个状态节点中，以得到一个完整的业务流程配置表，通过读取这个业务流程配置表，即可生成一个完整的业务流程，该业务流程可依照状态流转条件从一个状态节点跳转到另一个状态节点，并且可以在各状态节点上展示相应的扩展信息，以及调用相应的业务接口进行业务操作并返回业务操作结果。在本实施例中，生成的业务流程可以按照业务流程需求信息中规划的状态节点设置方式、状态流转方式和状态扩展信息设置方式进行状态流转，与业务流程需求相匹配。

本实施例提供的一种业务流程的生成方法，首先获取了业务流程需求信息，并从中提取出状态节点信息、状态流转信息和状态扩展信息，然后，将提取出的状态节点信息和状态流转信息输入到业务流程分类模型中，得到业务流程各状态节点的配置信息，最后，根据该状态节点配置信息以及提取出的状态扩展信息，生成与业务流程需求信息相匹配的业务流程。本方法通过业务流程分类模型可以对业务流程需求信息进行快速的分类预测，从而获取到已开发好的能够匹配新需求的状态节点配置信息，通过在该配置信息上设置个性化的状态扩展信息，就可以准确的生成与需求信息相匹配的业务流程，通过这种方式，可以对业务流程需求有一个非常快速的反馈，提高了已有业务流程的复用效率，降低了业务流程的开发成本。

进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的实施过程，提供了业务流程的生成方法，如图2所示，该方法包括以下步骤：

201、采集多种业务流程的特征样本数据，并根据多种业务流程的特征样本数据创建基于梯度提升树的业务流程分类模型。

具体的，可以从业务流程的属性中提取出业务流程的特征数据，也可以从业务流程的运行日志中提取出业务流程的特征数据，将所有的业务流程的特征数据进行整理，并进行数据清理和结构化处理等相应处理，即可得到业务流程特征样本数据。其中，业务流程特征样本数据包括状态节点信息、状态流转信息和状态扩展信息等与业务流程相关的信息。

进一步的，根据业务流程特征样本数据训练业务流程分类模型的训练方法可以包括以下步骤：首先，根据多种业务流程的特征样本数据，分别构建针对每一种业务流程的第一分类回归树，然后，利用逻辑回归函数分别生成每一颗第一分类回归树的预测概率，并根据每一颗第一分类回归树的预测概率，得到每一颗第一分类回归树的负梯度值，继而，根据每一颗第一分类回归树的负梯度值，利用梯度下降法，分别迭代多轮得到多颗针对每一种业务流程的第一提升树，最后，分别将针对每一种业务流程的第一分类回归树和第一提升树进行的加权求和，得到基于梯度提升树的业务流程分类模型。

在本实施例中，业务流程分类模型的创建过程实际上是对业务流程特征样本数据进行归类分析的过程，当业务流程分类模型训练好以后，在模型中输入一个特征样本数据，便可以得到多个预测概率值，多个预测概率值分别对应着该特征样本数据属于每一种业务流程的概率，因而，业务流程分类模型实际上属于基于梯度提升树的多分类模型，通过该模型，可以对业务流程特征数据的所属业务流程进行预测。

202、获取业务流程需求信息，并从业务流程需求信息中提取出状态节点信息、状态流转信息和状态扩展信息。

具体的，在获取到业务流程需求信息之后，可以从业务流程需求信息中提取出状态节点信息、状态流转信息和状态扩展信息，其中，状态节点信息可以包括状态节点的个数、状态节点的名称、状态节点的责任主体等信息；状态流转信息可以包括状态节点的输入参数、输出参数、状态节点之间的流转条件和流转路径等信息；状态扩展信息包括状态节点的前置事件、后置事件、动态表单和审批配置等信息。

203、将状态节点信息和状态流转信息输入到业务流程分类模型中，得到业务状态节点配置信息。

具体的，将状态节点信息和状态流转信息整理为模型可以输入的形式后，即可输入到业务流程分类模型中，以得到状态节点信息和状态流转信息所属每一种业务流程的预测概率值，然后，可以进一步将每一个预测概率值分别与预设的概率阈值进行比较，得到该状态节点信息和状态流转信息所属每一种业务流程的预测通过率，如果某一个或某多个预测概率值大于设定的概率阈值，即可询出该预测概率对应的业务流程的类别编号，并将该类别编号输入到保存有业务流程配置信息的数据库中，查询出该类别编号对应的状态节点配置信息，并返回给用户。

204、根据状态节点配置信息和状态扩展信息，生成与业务流程需求信息相匹配的业务流程。

具体的，可以通过业务流程配置工具将状态扩展信息对应的配置信息添加到状态节点配置信息的各个状态节点中，得到一个完整的业务流程配置表，通过读取这个业务流程配置表，即可生成一个完整的业务流程，该业务流程可依照状态流转条件从一个状态节点跳转到另一个状态节点，并且可以在各状态节点上展示相应的扩展信息，以及调用相应的业务接口进行业务操作并返回业务操作结果。在本实施例中，生成的业务流程可以按照业务流程需求信息中规划的状态节点设置方式、状态流转方式和状态扩展信息设置方式进行状态流转，与业务流程需求相匹配。

205、根据多种业务流程的特征样本数据，分别为每一种业务流程创建一个基于梯度提升树的执行时间预测模型。

具体的，为每一种业务流程创建一个基于梯度提升树的执行时间预测模型包括以下步骤：首先，将多种业务流程的特征样本数据按照业务流程的类别编号进行划分，得到每一种业务流程的特征样本数据，然后，根据每一种业务流程的特征样本数据，分别构建针对每一种业务流程执行时间的第二分类回归树，并拟合损失函数在每一颗第二分类回归树的负梯度值，继而，根据每一颗第二分类回归树的负梯度值，利用梯度下降法，分别迭代多轮得到多颗针对每一种业务流程执行时间的第二提升树，最后，分别将针对每一种业务流程执行时间的第二分类回归树和第二提升树进行加权求和，得到每一种业务流程的执行时间预测模型。

在本实施例中，创建业务流程的执行时间预测模型和创建业务流程分类模型的过程是不同的，业务流程分类模型是基于梯度提升树的多分类模型，而业务流程的执行时间预测模型是基于梯度提升树的回归模型，业务流程分类模型只需创建一个，便可以输出多个预测概率值，然后对业务流程特征数据的所属业务流程进行预测，而业务流程的执行时间预测模型是需要针对每一种业务流程分别训练出一个模型，且每一个业务流程的执行时间预测模型只有一个输出值，这个输出值是业务流程在特征样本数据下的执行时间预测值。需要说明的是，对于同一种业务流程，在不同的地方运转，输出的特征数据也是不同的，执行时间同样也是不同的，因而，业务流程的执行时间预测模型可以用来预测同一种业务流程在不同的状态节点信息、状态流转信息和状态扩展信息下的执行时间。

206、将状态节点信息、状态流转信息和状态扩展信息输入到业务流程配置信息对应的业务流程的执行时间预测模型中，得到业务流程的执行时间预测值。

具体的，在步骤203中，通过业务流程分类模型，已预测出状态节点信息和状态流转信息所属的一个或多个业务流程，继而，通过业务流程的执行时间预测模型就可以进一步预测出每一种所属的业务流程在输入的状态节点信息、状态流转信息和状态扩展信息下的执行时间。

具体的，通过步骤206得到的每一种所属的业务流程在业务流程特征数据下的执行时间，就可以在多个业务流程特征数据所属的业务流程中选择出执行时间预测值最小的业务流程最为最优业务流程。在本实施例中，可以将执行时间预测值最小的业务流程作为最优的业务流程。

进一步的，还可以通过显示器展示出与业务流程需求信息匹配的业务流程的流程图，并同时展示出该业务流程的执行时间预测值，以给用户留下一个十分直观的印象。

进一步的，作为图1、图2所示方法的具体实现，本实施例提供了一种业务流程的生成装置，如图3所示，该装置包括：需求信息获取模块31、配置信息查询模块32和业务流程生成模块33，其中：

需求信息获取模块31，可用于获取业务流程需求信息，并从业务流程需求信息中提取出状态节点信息、状态流转信息和状态扩展信息；

配置信息查询模块32，可用于将状态节点信息和状态流转信息输入到业务流程分类模型中，得到状态节点配置信息；

业务流程生成模块33，可用于根据状态节点配置信息和状态扩展信息，生成与业务流程需求信息相匹配的业务流程。

在具体的应用场景中，如图4所示，所述装置还包括分类模型创建模块34，可用于采集多种业务流程的特征样本数据，并根据多种业务流程的特征样本数据创建基于梯度提升树的业务流程分类模型。

在具体的应用场景中，所述分类模型创建模块34，具体可用于根据多种业务流程的特征样本数据，分别构建针对每一种业务流程的第一分类回归树；利用逻辑回归函数分别生成每一颗第一分类回归树的预测概率；根据每一颗第一分类回归树的预测概率，得到每一颗第一分类回归树的负梯度值；根据每一颗第一分类回归树的负梯度值，利用梯度下降法，分别迭代多轮得到多颗针对每一种业务流程的第一提升树；分别将针对每一种业务流程的第一分类回归树和第一提升树进行的加权求和，得到基于梯度提升树的所述业务流程分类模型。

在具体的应用场景中，所述配置信息查询模块32，具体可用于将状态节点信息和状态流转信息输入到业务流程分类模型中，得到状态节点信息和状态流转信息所属每一种业务流程的预测概率；将预测概率与预设的概率阈值进行比较；若预测概率大于概率阈值，则查询出业务流程的类别编号；根据业务流程的类别编号，在数据库中查询出与类别编号相对应的状态节点配置信息。

在具体的应用场景中，所述业务流程生成模块33，具体可用于获取与状态扩展信息相对应的状态扩展配置信息；将状态扩展配置信息添加到状态节点配置信息中，得到业务流程配置表；读取业务流程配置表，生成与业务流程需求信息相匹配的业务流程。

在具体的应用场景中，如图4所示，本装置还包括：预测模型创建模块35和执行时间预测模块36，其中：

预测模型创建模块35，可用于根据多种业务流程的特征样本数据，分别为每一种业务流程创建一个基于梯度提升树的执行时间预测模型；

执行时间预测模块36，可用于将状态节点信息、状态流转信息和状态扩展信息输入到业务流程配置信息对应的业务流程执行时间预测模型中，得到业务流程的执行时间预测值。

在具体的应用场景中，所述预测模型创建模块35，具体可用于将多种业务流程的特征样本数据按照业务流程的类别编号进行划分，得到每一种业务流程的特征样本数据；根据每一种业务流程的特征样本数据，分别构建针对每一种业务流程执行时间的第二分类回归树；拟合损失函数在每一颗所述第二分类回归树的负梯度值；根据每一颗第二分类回归树的负梯度值，利用梯度下降法，分别迭代多轮得到多颗针对每一种业务流程执行时间的第二提升树；分别将针对每一种业务流程执行时间的第二分类回归树和第二提升树进行加权求和，得到每一种业务流程的执行时间预测模型。

需要说明的是，本实施例提供的一种业务流程的生成装置所涉及各功能单元的其它相应描述，可以参考图1、图2中的对应描述，在此不再赘述。

基于上述如图1、图2所示方法，相应的，本实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图1、图2所示的业务流程的生成方法。

基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该待识别软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。

基于上述如图1、图2所示的方法，以及图3和图4所示的业务流程的生成装置实施例，为了实现上述目的，本实施例还提供了一种业务流程的处理的实体设备，具体可以为个人计算机、服务器、智能手机、平板电脑、智能手表、或者其它网络设备等，该实体设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1、图2所示的方法。

可选的，该实体设备还可以包括用户接口、网络接口、摄像头、射频(radiofrequency，rf)电路，传感器、音频电路、wi-fi模块等等。用户接口可以包括显示屏(display)、输入单元比如键盘(keyboard)等，可选用户接口还可以包括usb接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如wi-fi接口)等。

本领域技术人员可以理解，本实施例提供的一种业务流程的处理的实体设备结构并不构成对该实体设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。

存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述实体设备硬件和待识别软件资源的程序，支持信息处理程序以及其它待识别软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与信息处理实体设备中其它硬件和软件之间通信。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。通过应用本申请的技术方案，创建业务流程分类模型，并利用该模型对业务流程需求进行精确解析，可以准确地判断出业务流程需求对应的业务流程的类型，并在数据库中及时的查询出该业务流程返回给用户查看。与现有技术相比，可以对业务流程需求有一个非常快速的反馈，提高了已有业务流程的复用效率，降低了业务流程的开发成本。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。