知识图谱构建方法、装置、设备、介质及程序产品与流程
本技术涉及电子,尤其涉及一种知识图谱构建方法、装置、设备、介质及程序产品。
背景技术:
1、在业务流程管理领域,流程可解释性正成为提升流程透明度与辅助优化决策的关键能力。为此,业界逐渐发展出基于多维度知识融合与人工智能模型生成流程解释的技术方向。
2、现有方法为通过构建流程的时序视图、基于可解释人工智能的特征重要性视图以及因果依赖视图,形成一个多维度的流程知识池,然后利用大语言模型对这些多维度的知识进行综合处理与合成,最终生成针对特定流程状态的自然语言解释,以辅助业务人员理解流程行为。
3、然而,事件日志较多或模型流程复杂时,输入至大语言模型的信息经常会冗余或缺失,导致大语言模型生成的流程解释与流程实际运行情况之间的匹配度较低。如此,大语言模型生成的流程解释的准确性较差。
技术实现思路
1、本技术提供一种知识图谱构建方法、装置、设备、介质及程序产品,用于提升大语言模型生成的流程解释的准确性。
2、第一方面,本技术实施例提供了一种知识图谱构建方法,该方法包括:获取目标业务流程的多个事件日志,所述事件日志包括案例标识、活动标识以及时间戳;基于所述事件日志,将属于同一案例标识的所有活动节点按照执行先后顺序进行排序,生成至少一个工单轨迹,每个工单轨迹对应一个案例,所述工单轨迹包括活动执行序列,不同活动标识对应不同活动节点;识别所述至少一个工单轨迹的活动执行序列中包含的所有相邻活动对,生成至少一个邻接列表,每个邻接列表用于记录包含同一源活动的所有相邻活动对的参数;从所述事件日志中提取所述目标业务流程的流程定义,并将所述流程定义转换为线性结构化文本,所述线性结构化文本包含所述目标业务流程对应的活动节点列表、网关逻辑和序列流关系;基于所述事件日志、所述至少一个邻接列表和所述线性结构化文本,构建所述目标业务流程对应的知识图谱。
3、本技术提供的技术方案至少带来以下有益效果:基于事件日志按时序生成工单轨迹,以将离散的事件日志转化为活动执行序列,然后识别轨迹中的相邻活动对并聚合生成邻接列表以集中记录活动间的转移关系及参数,再将流程定义转换为包含活动节点列表、网关逻辑和序列流关系的线性结构化文本,最后基于事件日志、邻接列表和线性结构化文本构建知识图谱,将流程实例的执行路径、活动间的局部转移关系以及流程的全局控制流结构整合至同一知识载体中,从而为目标业务流程提供结构化的知识,使得后续大语言模型生成流程解释时可以从知识图谱中获取完整的结构化知识,如此提升了大语言模型生成的流程解释的准确性。
4、一种可能的实现方式,上述基于事件日志,将属于同一案例标识的所有活动节点按照执行先后顺序进行排序,生成至少一个工单轨迹,包括:从每个事件日志中提取案例标识、活动标识以及时间戳;将活动标识进行标准化映射,对缺少案例标识和时间戳的事件日志进行剔除,对同一案例标识、同一活动标识、同一时间窗口内的重复事件进行合并,得到至少一个标准化事件日志;基于至少一个标准化事件日志,将属于同一案例标识的所有活动节点按照执行先后顺序进行排序,生成至少一个工单轨迹。
5、另一种可能的实现方式,上述识别至少一个工单轨迹的活动执行序列中包含的所有相邻活动对,生成至少一个邻接列表,包括:扫描每条工单轨迹的活动执行序列中的相邻活动对,对每个相邻活动对对应的有向边进行统计,得到每个相邻活动对的参数,该相邻活动对的参数包括频次、支持度、平均间隔时间、90分位间隔时间;按照源活动对所有相邻活动对进行聚合,得到至少一个邻接列表,每个邻接列表对应的源活动不同。
6、又一种可能的实现方式,上述基于事件日志、至少一个邻接列表和线性结构化文本,构建目标业务流程对应的知识图谱,包括:解析至少一个邻接列表,确定活动节点之间的有向流转关系;基于有向流转关系进行传递闭包运算,识别非相邻但存在依赖关系的非相邻活动对,生成非相邻活动对之间的间接流转关系;基于邻接列表和线性结构化文本中的网关逻辑和序列流关系,生成控制流语义;基于控制流语义生成流程基础信息属性;基于事件日志,挖掘因果关系,生成活动节点的因果向量属性;基于事件日志,计算事件日志中的工单属性对预测性任务的影响权重,并基于影响权重生成特征排序属性;基于流程基础信息属性、因果向量属性、特征排序属性和间接流转关系,生成知识图谱。
7、又一种可能的实现方式,上述基于事件日志,挖掘因果关系,生成活动节点的因果向量属性,包括:将事件日志转换为活动耗时矩阵,其中,该活动耗时矩阵的每一列对应一个标准活动的执行时长、等待时长或相对完成时间;对活动发生前已经确定的外生变量进行残差化处理,拟合活动变量与外生变量的关系以提取残差,并基于残差,消除共同外部因素造成的伪因果边;基于至少一个邻接列表和流程定义生成候选边集合;基于自助重采样统计因果边的方向一致性与系数稳定性,筛选高置信度的因果关系,并基于因果关系,生成因果系数矩阵;基于因果系数矩阵、流程时序约束和稳定性置信度筛选显著因果关系,生成活动节点的因果向量属性。
8、又一种可能的实现方式,上述候选边集合中的候选边是基于以下规则生成的:仅允许前序活动指向后序活动,禁止后序活动反向指向前序活动;对于并行候选活动,仅在存在显著时间先后关系或业务规则约束时保留方向。
9、又一种可能的实现方式,上述构建目标业务流程对应的知识图谱之后,上述方法还包括:在接收到自然语言查询的情况下,识别自然语言查询的查询目标和查询范围;基于查询目标和查询范围,从知识图谱中检索目标活动节点的复合属性和间接流转关系;根据检索到的复合属性和间接流转关系,构建结构化提示;将结构化提示输入大语言模型,输出初步解释。
10、又一种可能的实现方式,上述方法还包括:基于所有案例的活动执行序列进行聚类,确定每一类活动执行序列的出现频次,并计算每一类活动执行序列对应的平均吞吐量时间;基于每一类活动执行序列的出现频次,确定出频次最高的前n类活动执行序列作为目标流程变体;上述根据检索到的复合属性和间接流转关系,构建结构化提示,包括:将目标流程变体与至少一个邻接列表确定为流程基础信息;将目标活动节点的复合属性、间接流转关系确定为高阶知识标注;按照流程基础信息、高阶知识标注和解释质量要求的顺序,构建结构化提示,该解释质量要求用于约束大语言模型生成符合时序逻辑、包含根因定位、使用业务语言的解释。
11、第二方面,本技术实施例提供了本技术提供一种知识图谱构建装置,包括:获取模块、生成模块、执行模块和构建模块。上述获取模块,用于获取目标业务流程的多个事件日志,该事件日志包括案例标识、活动标识以及时间戳;生成模块,用于基于事件日志,将属于同一案例标识的所有活动节点按照执行先后顺序进行排序,生成至少一个工单轨迹,每个工单轨迹对应一个案例,工单轨迹包括活动执行序列,不同活动标识对应不同活动节点;上述生成模块,还用于识别至少一个工单轨迹的活动执行序列中包含的所有相邻活动对,生成至少一个邻接列表,每个邻接列表用于记录包含同一源活动的所有相邻活动对的参数;上述执行模块,用于从事件日志中提取目标业务流程的流程定义,并将流程定义转换为线性结构化文本,线性结构化文本包含目标业务流程对应的活动节点列表、网关逻辑和序列流关系;上述构建模块,用于基于事件日志、至少一个邻接列表和线性结构化文本,构建目标业务流程对应的知识图谱。
12、一种可能的实现方式,上述生成模块,具体用于:从每个事件日志中提取案例标识、活动标识以及时间戳;将活动标识进行标准化映射,对缺少案例标识和时间戳的事件日志进行剔除,对同一案例标识、同一活动标识、同一时间窗口内的重复事件进行合并,得到至少一个标准化事件日志;基于至少一个标准化事件日志,将属于同一案例标识的所有活动节点按照执行先后顺序进行排序,生成至少一个工单轨迹。
13、另一种可能的实现方式,上述生成模块,具体用于:扫描每条工单轨迹的活动执行序列中的相邻活动对,对每个相邻活动对对应的有向边进行统计,得到每个相邻活动对的参数,该相邻活动对的参数包括频次、支持度、平均间隔时间、90分位间隔时间;按照源活动对所有相邻活动对进行聚合,得到至少一个邻接列表,每个邻接列表对应的源活动不同。
14、又一种可能的实现方式,上述构建模块,具体用于:解析至少一个邻接列表,确定活动节点之间的有向流转关系;基于有向流转关系进行传递闭包运算,识别非相邻但存在依赖关系的非相邻活动对,生成非相邻活动对之间的间接流转关系;基于邻接列表和线性结构化文本中的网关逻辑和序列流关系,生成控制流语义;基于控制流语义生成流程基础信息属性;基于事件日志,挖掘因果关系,生成活动节点的因果向量属性;基于事件日志,计算事件日志中的工单属性对预测性任务的影响权重,并基于影响权重生成特征排序属性;基于流程基础信息属性、因果向量属性、特征排序属性和间接流转关系,生成知识图谱。
15、又一种可能的实现方式,上述构建模块,具体用于:将事件日志转换为活动耗时矩阵,其中,该活动耗时矩阵的每一列对应一个标准活动的执行时长、等待时长或相对完成时间;对活动发生前已经确定的外生变量进行残差化处理,拟合活动变量与外生变量的关系以提取残差,并基于残差,消除共同外部因素造成的伪因果边;基于至少一个邻接列表和流程定义生成候选边集合;基于自助重采样统计因果边的方向一致性与系数稳定性,筛选高置信度的因果关系,并基于因果关系,生成因果系数矩阵;基于因果系数矩阵、流程时序约束和稳定性置信度筛选显著因果关系,生成活动节点的因果向量属性。
16、又一种可能的实现方式,上述候选边集合中的候选边是基于以下规则生成的:仅允许前序活动指向后序活动,禁止后序活动反向指向前序活动;对于并行候选活动,仅在存在显著时间先后关系或业务规则约束时保留方向。
17、又一种可能的实现方式,上述装置还包括:识别模块、检索模块和输出模块;上述识别模块,用于在构建目标业务流程对应的知识图谱之后,在接收到自然语言查询的情况下,识别自然语言查询的查询目标和查询范围;上述检索模块,用于基于查询目标和查询范围,从知识图谱中检索目标活动节点的复合属性和间接流转关系;上述构建模块,还用于根据检索到的复合属性和间接流转关系,构建结构化提示;上述输出模块,用于将结构化提示输入大语言模型,输出初步解释。
18、又一种可能的实现方式,上述装置还包括:确定模块;该确定模块,用于基于所有案例的活动执行序列进行聚类,确定每一类活动执行序列的出现频次,并计算每一类活动执行序列对应的平均吞吐量时间;上述确定模块,还用于基于每一类活动执行序列的出现频次,确定出频次最高的前n类活动执行序列作为目标流程变体;上述构建模块,具体用于:将目标流程变体与至少一个邻接列表确定为流程基础信息;将目标活动节点的复合属性、间接流转关系确定为高阶知识标注;按照流程基础信息、高阶知识标注和解释质量要求的顺序,构建结构化提示,该解释质量要求用于约束大语言模型生成符合时序逻辑、包含根因定位、使用业务语言的解释。
19、第三方面,本技术提供一种电子设备,该电子设备包括:处理器和存储器;该存储器存储可在处理器上运行的程序或指令,上述程序或指令被该处理器执行时实现上述第一方面的方法。
20、第四方面,本技术提供一种可读存储介质,该可读存储介质上存储程序或指令,上述程序或指令被计算机执行时实现上述第一方面的方法。
21、第五方面,本技术提供一种计算机程序产品,该计算机程序产品被存储在存储介质中,当该计算机程序产品被计算机执行时以实现上述第一方面的方法。
22、第六方面,本技术实施例提供了一种芯片,该芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的方法。
23、上述第二方面至第六方面的有益效果参考第一方面的对应描述,不再赘述。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com