本發(fā)明涉及大語言模型和業(yè)務流程，屬于業(yè)務流程建模技術，尤其涉及一種基于大語言模型的業(yè)務流程快速建模方法。

背景技術：

1、隨著信息技術的發(fā)展，業(yè)務流程建模成為了企業(yè)管理和優(yōu)化的重要手段。業(yè)務流程建模可以幫助企業(yè)理解和分析業(yè)務流程，發(fā)現(xiàn)問題并進行優(yōu)化和改進。業(yè)務流程管理的生命周期包括六個步驟：過程建模、發(fā)現(xiàn)、分析、重新設計、實施和過程監(jiān)控和控制。其中，過程建?？梢员徽J為是最重要和最復雜的步驟之一。傳統(tǒng)的業(yè)務流程手動建模方法通常需要專業(yè)人員花費大量時間和精力進行分析和設計，具有門檻高、效率低、不可定制等缺陷。有學者利用nlp技術開發(fā)出了不同的業(yè)務流程建模自動化的方法，但是往往伴隨各種缺陷，如對輸入文本有限制、形成的bpmn圖不完整等。

2、在新的信息時代，隨著技術的不斷演進，企業(yè)需要更高效、可定制和用戶友好的業(yè)務流程建模方法。大語言模型的出現(xiàn)為業(yè)務流程建模提供了新的思路和方法。大語言模型是利用神經(jīng)網(wǎng)絡對大規(guī)模文本語料進行訓練，能夠?qū)W習自然語言的語法和語義規(guī)律，并生成與原始文本類似的文本。大語言模型（如gpt系列）的核心優(yōu)勢在于其強大的自然語言理解能力，依賴于大語言模型對語義的深度理解，可以準確、高效的完成對于實體、事件和事件關系的抽取、事件關系預測等任務。

3、基于大語言模型的業(yè)務流程快速建模方法可以提供更快速、自動化、準確且用戶友好的業(yè)務流程建模方式，具有廣泛的應用前景，能夠在各種行業(yè)和領域中提高流程建模的效率。因此，有必要設計一種基于大語言模型的業(yè)務流程快速建模方法，以解決上述技術問題。

技術實現(xiàn)思路

1、針對現(xiàn)有技術存在的問題，本發(fā)明的主要目的在于提供一種快速建模技術，利用大語言模型對業(yè)務流程描述文本進行事實類型抽取，映射為相關業(yè)務建模元素，然后放入業(yè)務流程建模軟件進行建模，旨在解決現(xiàn)有自動化業(yè)務流程建模方式所具有的結構局限性、語法限制等問題。

2、本發(fā)明技術方案：

3、一種基于大語言模型的業(yè)務流程快速建模方法，包括以下步驟：

4、步驟s1、提取業(yè)務流程描述文本中存在的事實類型；

5、事實類型包括實體、事件、事件關系；

6、所述實體表示業(yè)務流程中涉及的具體對象或參與者，是流程中的主體或客體；

7、所述事件表示在業(yè)務流程中發(fā)生的具體動作、操作或任務；

8、所述事件關系表示不同事件之間的邏輯關聯(lián)或順序，用來描述事件發(fā)生的先后順序、因果關系、依賴關系；

9、步驟s2、構建事實類型到業(yè)務流程元素之間的邏輯關系；

10、業(yè)務流程元素包括流對象、連接對象、泳道；具體如下：

11、所述流對象是定義業(yè)務流程的主要圖形元素，包括三種：事件、活動、網(wǎng)關；其中，事件指的是在業(yè)務流程的運行過程中發(fā)生的事情；活動表示業(yè)務流程中的一個具體操作、任務或步驟；網(wǎng)關表示流程中的分支、合并和決策點，用于控制流程的流向；

12、所述連接對象表示流程中的不同元素之間的關系或數(shù)據(jù)流動；

13、所述泳道表示流程中的任務或活動由哪些參與者負責；

14、步驟s3、將業(yè)務流程元素轉(zhuǎn)化成對應的業(yè)務流程json數(shù)據(jù)；

15、利用大語言模型對業(yè)務流程元素進行同指消解，生成對應的json代碼；

16、步驟s4、將json數(shù)據(jù)轉(zhuǎn)化為bpel；

17、json數(shù)據(jù)和bpel均為格式化數(shù)據(jù)，json數(shù)據(jù)到bpel數(shù)據(jù)之間的轉(zhuǎn)換通過實現(xiàn)格式化數(shù)據(jù)轉(zhuǎn)換的模板完成；

18、步驟s5、完成可視化的業(yè)務流程圖建模；

19、利用業(yè)務流程圖建模軟件，輸入json數(shù)據(jù)和bpel數(shù)據(jù)，生成可視化的業(yè)務流程圖。

20、有益效果

21、1、提高建模效率：本發(fā)明結合大語言模型進行自動化，相較于傳統(tǒng)的業(yè)務流程建模方法需要專業(yè)人員手動進行復雜的流程分析和設計，可以有效提高建模效率；

22、2、生成完備的業(yè)務流程圖：現(xiàn)有自動化業(yè)務流程建模技術存在結構局限性，無法有效處理中間事件等業(yè)務流程元素，只能生成的不完整的bpmn圖，在多數(shù)情境下的建模效果并不理想。本發(fā)明在傳統(tǒng)nlp規(guī)則的基礎上，基于大語言模型構建出一套新的事實類型到業(yè)務流程元素的映射規(guī)則，成功表示出多種業(yè)務流程元素。同時采用json結構作為中間表示，可以存儲更多元的信息來支持更為復雜的業(yè)務流程建模。

23、3、語法復雜性處理：本發(fā)明基于大語言模型實現(xiàn)了對包含復雜語法文本的處理。利用大語言模型處理復雜句子相較于傳統(tǒng)的nlp方法具有更強的上下文理解能力、模型泛化能力、自動學習特征表示的能力，并且可以通過面向任務的微調(diào)來進一步提高性能，從而在自動化業(yè)務流程建模中發(fā)揮重要作用。

24、4、同指消解：在業(yè)務流程建模中，進行同指消解可以幫助提高模型的準確性，避免出現(xiàn)歧義和信息缺失的問題，同時也有助于提高后續(xù)任務的效果。本發(fā)明構建了一種基于大語言模型的同指消解方法。由于大語言模型在訓練過程中學到了廣泛的語言上下文，能夠更好地理解文本中的語境和關系。這使得它們能夠準確地執(zhí)行同指消解，特別是在復雜的語境中。由于利用nlp技術進行同指消解極其困難，現(xiàn)有自動化業(yè)務流程建模技術尚未有完成同指消解的。

技術特征：

1.一種基于大語言模型的業(yè)務流程快速建模方法，其特征在于，包括以下步驟：

2.如權利要求1所述一種基于大語言模型的業(yè)務流程快速建模方法，其特征在于，步驟s1具體包括：

3.如權利要求2所述一種基于大語言模型的業(yè)務流程快速建模方法，其特征在于，步驟s1-1具體包括：

4.如權利要求2所述一種基于大語言模型的業(yè)務流程快速建模方法，其特征在于，步驟s1-2具體包括：

5.如權利要求4所述一種基于大語言模型的業(yè)務流程快速建模方法，其特征在于，所述模板為人工設計的一組預定義的提示詞，用于引導大語言模型從已抽取的實體集或事件集中進一步提取事件集或事件關系集；

6.如權利要求2所述一種基于大語言模型的業(yè)務流程快速建模方法，其特征在于，步驟s1-3具體包括：

7.如權利要求6所述一種基于大語言模型的業(yè)務流程快速建模方法，其特征在于，步驟s1-3-2中，引入多智能體的思想，即通過另一個大語言模型對事件關系集的準確性進行驗證，該模型對每個事件關系進行邏輯與語義上的判斷，并計算出事件關系集的準確度作為適應函數(shù)；準確度具體為正確的事件關系數(shù)與總事件關系數(shù)的比值。

8.如權利要求1所述一種基于大語言模型的業(yè)務流程快速建模方法，其特征在于，步驟s2：構建事實類型到業(yè)務流程元素之間的邏輯關系具體為：設計一套基于大語言模型抽取結果的邏輯關系，從而構建預定義的事實類型到業(yè)務流程元素的映射規(guī)則；規(guī)則的構造采用語義映射規(guī)則，即將自然語言文本中的語義信息映射到結構化模型或系統(tǒng)中的規(guī)則；

9.如權利要求1所述一種基于大語言模型的業(yè)務流程快速建模方法，其特征在于，步驟s3具體包括：

10.如權利要求9所述一種基于大語言模型的業(yè)務流程快速建模方法，其特征在于，業(yè)務流程元素對應的json代碼如下：

技術總結
本發(fā)明公開了一種基于大語言模型的業(yè)務流程快速建模方法。該方法包括：對輸入的業(yè)務流程描述文本進行預處理，利用大語言模型將復雜句、復合句拆分成簡單句。鏈式抽取出簡單句中存在的事實類型，包括實體、事件、事件類型。通過大語言模型根據(jù)抽取的事件集給出若干預測出可能的事件關系集，與鏈式抽取出的事件關系集組合成事件關系池。采用遺傳算法，將事件關系作為基因。在遺傳算法的進化過程之后，在事件關系池中過濾出具有最高適應度的事件關系集。構建事實類型到業(yè)務流程要素之間的邏輯關系，將抽取出的信息轉(zhuǎn)化成對應的json數(shù)據(jù)。通過模板實現(xiàn)結構化數(shù)據(jù)之間的轉(zhuǎn)換，將json數(shù)據(jù)轉(zhuǎn)化為業(yè)務過程執(zhí)行語言BPEL(Business?Process?Execution?Language)和描述BPMN(Business?Process?Modeling?Notation)圖形元素的語言。最后，將BPEL與描述BPMN圖形元素的語言輸入業(yè)務流程圖建模軟件，生成可視化的業(yè)務流程圖。通過上述方式，可以提高建模效率、降低建模門檻、在專業(yè)建模工具中進一步定制和編輯以滿足特定需求。

技術研發(fā)人員：柳先輝,張喆,趙衛(wèi)東
受保護的技術使用者：同濟大學
技術研發(fā)日：
技術公布日：2024/12/23