工作流编排方法、装置、计算机设备、存储介质和产品与流程

摘要: 本技术涉及流程智能控制,特别是涉及一种工作流编排方法、装置、计算机设备、存储介质和计算机程序产品。背景技术:1、随着金融科技与人工智能技术的快速发展,金融机构的...
工作流编排方法、装置、计算机设备、存储介质和产品与流程

本技术涉及流程智能控制,特别是涉及一种工作流编排方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术:

1、随着金融科技与人工智能技术的快速发展,金融机构的业务种类和服务场景不断丰富,客户需求日益复杂多样且呈现个性化、动态化趋势,跨部门、跨系统的业务流程逐渐增多,传统人工编排方式已难以满足高效、准确、灵活的响应要求。在此背景下,工作流自动编排成为提升金融业务处理效率、降低人工干预成本、增强系统智能化水平的关键环节。

2、目前工作流自动编排通常采用基于规则驱动、模板配置或静态流程配置的方案。这类方案依赖预先定义的规则库或流程模板,规则和模板的构建主要依靠人工经验,覆盖范围有限,难以穷举复杂多变的自然语言表达。因此,目前的工作流自动编排方案难以适应用户灵活的需求表达,存在响应需求不准确的问题。

技术实现思路

1、基于此,有必要针对上述技术问题,提供一种能够提高响应需求的准确性和针对性的工作流编排方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面,本技术提供了一种工作流编排方法。所述方法包括:

3、获取目标对象对应的融合信息;所述融合信息通过对所述目标对象输入的自然语言需求信息、以及所述目标对象的历史交互信息融合得到;

4、从所述自然语言需求信息中提取实体信息,所述实体信息包括多个关键实体,以及各所述关键实体之间的关联关系;

5、按照预设的多个意图识别维度,分别对所述融合信息进行特征提取,得到所述目标对象在各所述意图识别维度下各自对应的维度识别特征;

6、根据各所述维度识别特征,从预先构建的多组候选意图中筛选出符合意图识别条件的目标意图;所述候选意图通过对各所述意图识别维度各自对应的候选意图类别进行组合得到;

7、基于所述目标意图以及所述实体信息进行工作流编排,得到用于响应所述自然语言需求信息的目标工作流。

8、在其中一个实施例中,所述根据各所述维度识别特征,从预先构建的多组候选意图中筛选出符合意图识别条件的目标意图,包括:

9、根据各所述维度识别特征,以及预先构建的多组候选意图各自包含的多个候选意图类别,确定各所述候选意图各自的意图匹配度;

10、在存在意图匹配度大于或等于预设匹配度阈值的多个选定意图的情况下,将各所述选定意图中具备最高意图匹配度的选定意图确定为符合意图识别条件的目标意图。

11、在其中一个实施例中,所述方法还包括:

12、在各所述意图匹配度均小于所述预设匹配度阈值的情况下,生成意图补充提示页面;所述意图补充提示页面包含根据各所述意图匹配度确定的意图补充提示信息;

13、响应于针对所述意图补充提示页面的输入操作,获取所述目标对象的意图补充信息;

14、基于所述意图补充信息对所述融合信息进行补充,得到更新后的融合信息;

15、使用所述更新后的融合信息返回执行按照预设的多个意图识别维度,分别对所述融合信息进行特征提取的步骤,直至存在意图匹配度大于或等于所述预设匹配度阈值的选定意图。

16、在其中一个实施例中,所述根据各所述维度识别特征,以及预先构建的多组候选意图各自包含的多个候选意图类别,确定各所述候选意图各自的意图匹配度,包括:

17、针对每一所述候选意图的每一所述候选意图类别,将所述候选意图类别的类别特征与所述候选意图类别所属的意图识别维度的维度识别特征进行相似度匹配,得到所述候选意图类别的匹配相似度;

18、根据各所述意图识别维度各自的维度权重,对各所述候选意图类别各自的匹配相似度进行加权求和,得到所述候选意图的意图匹配度。

19、在其中一个实施例中,所述基于所述目标意图以及所述实体信息进行工作流编排,得到用于响应所述自然语言需求信息的目标工作流,包括:

20、在所述目标对象存在历史意图的情况下,将所述目标意图与所述历史意图进行意图匹配,得到匹配结果;

21、若所述匹配结果表征所述目标意图与所述历史意图存在意图偏移,则根据所述实体信息确定意图偏移信息;

22、根据所述意图偏移信息,对所述历史意图的历史工作流进行修正,得到响应所述自然语言需求信息的目标工作流。

23、在其中一个实施例中,所述基于所述目标意图以及所述实体信息进行工作流编排,得到用于响应所述自然语言需求信息的目标工作流,包括:

24、调用大语言模型对所述目标意图以及所述实体信息进行解析,生成初步工作流框架;

25、对所述初步工作流框架中的每个工作步骤分解为对应的子任务,得到多个子任务;

26、针对每一所述子任务,根据所述子任务的任务类型,查找预设映射关系,确定与所述任务类型匹配的任务执行模型;所述预设映射关系用于表征各任务类型与各任务执行模型的对应关系;

27、将各所述子任务分别发送至对应的任务执行模型,接收各所述任务执行模型各自反馈的任务执行信息;

28、根据各所述任务执行信息对所述初步工作流框架进行细化,生成响应所述自然语言需求信息的目标工作流。

29、在其中一个实施例中,所述方法还包括:

30、获取所述目标工作流的执行结果;

31、使用预设评估指标基于所述执行结果对所述目标工作流进行评估,得到所述目标工作流的评估结果;

32、在所述评估结果表征所述目标工作流不满足执行标准的情况下,根据所述评估结果对所述目标工作流进行修正,得到修正后的目标工作流;

33、基于修正后的目标工作流,返回执行获取所述目标工作流的执行结果的步骤,直至所述目标工作流满足所述执行标准。

34、在其中一个实施例中,所述方法还包括:

35、对各所述关键实体进行归一化处理,得到各所述关键实体在金融领域的标准名称;

36、针对每一所述关键实体,根据所述关键实体的标准名称,在金融领域知识图谱中查找对应的图谱节点;

37、以所述图谱节点为中心遍历所述金融领域知识图谱,得到所述关键实体的图谱关联信息;

38、根据各所述图谱关联信息,对所述融合信息进行信息补充,得到更新后的融合信息;

39、使用更新后的融合信息,执行按照预设的多个意图识别维度,分别对所述融合信息进行特征提取的步骤。

40、第二方面,本技术还提供了一种工作流编排装置。所述装置包括:

41、信息获取模块,用于获取目标对象对应的融合信息;所述融合信息通过对所述目标对象输入的自然语言需求信息、以及所述目标对象的历史交互信息融合得到;

42、信息提取模块,用于从所述自然语言需求信息中提取实体信息,所述实体信息包括多个关键实体,以及各所述关键实体之间的关联关系;

43、特征提取模块,用于按照预设的多个意图识别维度,分别对所述融合信息进行特征提取,得到所述目标对象在各所述意图识别维度下各自对应的维度识别特征;

44、目标意图确定模块,用于根据各所述维度识别特征,从预先构建的多组候选意图中筛选出符合意图识别条件的目标意图;所述候选意图通过对各所述意图识别维度各自对应的候选意图类别进行组合得到;

45、工作流编排模块,用于基于所述目标意图以及所述实体信息进行工作流编排,得到用于响应所述自然语言需求信息的目标工作流。

46、在其中一个实施例中,所述目标意图确定模块用于:根据各所述维度识别特征,以及预先构建的多组候选意图各自包含的多个候选意图类别,确定各所述候选意图各自的意图匹配度;在存在意图匹配度大于或等于预设匹配度阈值的多个选定意图的情况下,将各所述选定意图中具备最高意图匹配度的选定意图确定为符合意图识别条件的目标意图。

47、在其中一个实施例中,所述装置还包括:

48、匹配阈值比对模块,用于在各所述意图匹配度均小于所述预设匹配度阈值的情况下,生成意图补充提示页面;所述意图补充提示页面包含根据各所述意图匹配度确定的意图补充提示信息;

49、操作响应模块,用于响应于针对所述意图补充提示页面的输入操作,获取所述目标对象的意图补充信息;

50、信息补充模块,用于基于所述意图补充信息对所述融合信息进行补充,得到更新后的融合信息;

51、循环执行模块,用于使用所述更新后的融合信息返回执行按照预设的多个意图识别维度,分别对所述融合信息进行特征提取的步骤,直至存在意图匹配度大于或等于所述预设匹配度阈值的选定意图。

52、在其中一个实施例中,所述目标意图确定模块用于:针对每一所述候选意图的每一所述候选意图类别,将所述候选意图类别的类别特征与所述候选意图类别所属的意图识别维度的维度识别特征进行相似度匹配,得到所述候选意图类别的匹配相似度;根据各所述意图识别维度各自的维度权重,对各所述候选意图类别各自的匹配相似度进行加权求和,得到所述候选意图的意图匹配度。

53、在其中一个实施例中,所述工作流编排模块用于:在所述目标对象存在历史意图的情况下,将所述目标意图与所述历史意图进行意图匹配,得到匹配结果;若所述匹配结果表征所述目标意图与所述历史意图存在意图偏移,则根据所述实体信息确定意图偏移信息;根据所述意图偏移信息,对所述历史意图的历史工作流进行修正,得到响应所述自然语言需求信息的目标工作流。

54、在其中一个实施例中,所述工作流编排模块用于:调用大语言模型对所述目标意图以及所述实体信息进行解析,生成初步工作流框架;对所述初步工作流框架中的每个工作步骤分解为对应的子任务,得到多个子任务;针对每一所述子任务,根据所述子任务的任务类型,查找预设映射关系,确定与所述任务类型匹配的任务执行模型;所述预设映射关系用于表征各任务类型与各任务执行模型的对应关系;将各所述子任务分别发送至对应的任务执行模型,接收各所述任务执行模型各自反馈的任务执行信息;根据各所述任务执行信息对所述初步工作流框架进行细化,生成响应所述自然语言需求信息的目标工作流。

55、在其中一个实施例中,所述装置还包括:

56、执行结果反馈模块,用于获取所述目标工作流的执行结果;

57、结果评估模块,用于使用预设评估指标基于所述执行结果对所述目标工作流进行评估,得到所述目标工作流的评估结果;

58、工作流修正模块,用于在所述评估结果表征所述目标工作流不满足执行标准的情况下,根据所述评估结果对所述目标工作流进行修正,得到修正工作流。

59、在其中一个实施例中,所述装置还包括:

60、归一化处理模块,用于对各所述关键实体进行归一化处理,得到各所述关键实体在金融领域的标准名称;

61、图谱查找模块,用于针对每一所述关键实体,根据所述关键实体的标准名称,在金融领域知识图谱中查找对应的图谱节点;

62、图谱关联模块,用于以所述图谱节点为中心遍历所述金融领域知识图谱,得到所述关键实体的图谱关联信息;

63、图谱关联补充模块,用于根据各所述图谱关联信息,对所述融合信息进行信息补充,得到更新后的融合信息;

64、特征提取执行模块,用于使用更新后的融合信息,执行按照预设的多个意图识别维度,分别对所述融合信息进行特征提取的步骤。

65、第三方面,本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。

66、第四方面,本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。

67、第五方面,本技术还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。

68、上述工作流编排方法、装置、计算机设备、存储介质和计算机程序产品,通过对目标对象输入的自然语言需求信息、以及目标对象的历史交互信息进行融合得到融合信息,能够使意图理解获得更充分的上下文依据,从而降低信息不足带来的误判可能性。同时从自然语言需求信息中提取多个关键实体以及各关键实体之间的关联关系,为后续工作流编排提供了明确的数据对象与依赖基础。随后按照预设的多个意图识别维度,分别对融合信息进行特征提取,得到目标对象在各意图识别维度下各自对应的维度识别特征,根据各维度识别特征,从预先通过各意图识别维度各自对应的候选意图类别进行组合得到的多组候选意图中,筛选出符合意图识别条件的目标意图,由于候选意图覆盖了多维度组合,可以使目标意图的确定更具全局性和准确性,最终基于目标意图以及实体信息进行工作流编排,得到用于响应自然语言需求信息的目标工作流,使得工作流节点、顺序和数据处理逻辑与目标对象真实需求以及实体关系保持一致,从而提升了响应对象需求的准确性和针对性。