一种基于行业文档与本体约束的工作流自动生成方法与流程

本申请属于人工智能与自然语言处理，具体涉及一种基于行业文档与本体约束的工作流自动生成方法

背景技术：

1、人工智能是模拟、延伸人类智能的技术总称，涵盖机器学习、知识推理、模式识别等方向，核心是让机器具备类人的感知、判断与决策能力。自然语言处理是人工智能的核心分支，聚焦人机语言交互，通过语义解析、实体抽取、文本生成、逻辑推理等技术，让机器能够读懂、解析并生成人类自然语言，精准识别文本中的概念、规则与逻辑关联。行业文档承载业务流程、操作规范与领域术语，本体约束定义了领域内概念的定义、关联关系与边界规则，自然语言处理可从非结构化行业文档中提取结构化的流程节点、业务条件与术语体系，匹配本体约束的概念定义与逻辑限制，再通过推理算法梳理节点先后顺序、条件分支与校验规则，自动生成符合行业规范与本体要求的标准化工作流，既提升流程梳理效率，也保障工作流与领域规则的一致性与合规性。

2、在铁路行业中，现有技术存在多方面核心局限，一是铁路行业业务规则繁杂，现有工作流平台无法覆盖全部业务任务，扩展工作流需业务人员手动拖拽节点、配置参数，非技术人员使用门槛高、学习周期长，搭建效率低下。二是文档检索与工作流生成环节相互割裂，传统检索增强生成系统仅支持问答场景，检索得到的文档片段未与后续工作流节点的语义类型建立映射关系，无法直接驱动工作流自动生成。三是口语化问询难以精准对齐规章文本，业务人员以自然语言描述需求，而行业规章采用固化的陈述性表述，传统向量检索的召回准确率偏低。四是本体结构规模过大难以直接应用，完整的铁路业务本体schema包含数百种实体与关系类型，全部注入大语言模型易引发上下文溢出问题，导致生成质量下降。

技术实现思路

1、针对现有技术的不足，本申请的目的在于提供一种基于行业文档与本体约束的工作流自动生成方法，解决了现有技术中工作流搭建复杂，检索割裂，问询本体适配效果差的问题。

2、第一方面，本发明的目的可以通过以下技术方案实现：一种基于行业文档与本体约束的工作流自动生成方法，包括以下步骤：

3、s1.接收场景描述、领域本体结构描述、已完成索引的行业文档集合、工作流节点类型定义与工作流生成技能；

4、s2.基于场景描述从行业文档集合中定位相关片段，得到带溯源信息的文档片段集合；

5、s3.结合场景描述与文档片段集合，从领域本体结构中筛选得到任务相关的本体子集；

6、s4.融合场景描述、文档片段集合、本体子集与工作流节点类型定义，筛选得到节点类型子集；

7、s5.整合全部上下文信息，按渐进披露策略注入工作流生成技能，调用大语言模型生成符合平台规范的json格式工作流，且工作流节点类型均取自所述节点类型子集。

8、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述步骤s2采用六阶段流水线实现：先对行业文档执行章节拆分，对满足长度阈值的章节节点生成包含标题增强、简述、核心要点、关键数据、高频查询词、相关概念、关联制度的结构化语义摘要，同步建立向量索引、全文索引与可选的问答增强索引；再依次执行查询转换、多路并行召回、层级父子去重、五维特征融合精排、关键词密度窗口片段提取，最终输出文档片段集合。

9、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述查询转换通过单次大语言模型调用，同步生成符合制度文体的假想段落与上位抽象检索问句两类查询变体；在语义向量召回与问答增强召回通道中，分别对原始场景描述、假想段落、抽象问句执行近邻检索，同一节点取最小距离执行min-merge合并。

10、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述多路并行召回包含节点语义向量召回、fts5全文检索、like模糊匹配、可选的qa增强向量召回四路；其中全文检索与模糊匹配仅基于原始场景描述提取的关键词执行，当提取的关键词无非中日韩统一表意文字词条时，跳过全文检索通道；四路召回结果取节点并集形成初始候选集。

11、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述五维特征融合精排通过如下加权公式计算候选节点的综合得分：

12、；

13、其中，层级加成，向量分、bm25分、qa分均在当前候选集内做归一化处理，得分越高表示节点与查询的相关性越强。

14、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述关键词密度窗口片段提取规则为：当章节正文长度超过预设阈值时，统计所有关键词在正文中的位置，通过滑动窗口计算各窗口内不重复关键词命中数，选取排名靠前的互不重叠窗口并按原文顺序拼接为片段；未命中任一关键词时，截取正文开头预设长度的文本作为片段；正文长度未超阈值时，直接以全文作为片段。

15、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述步骤s3具体为：合并场景描述与文档片段核心要点形成查询文本，识别其中业务用语并映射至领域本体的实体类型与关系类型，按相关度对本体元素排序后，沿关系路径执行图扩展补全关联类型，最终裁剪得到规模可控的本体子集。

16、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述步骤s4中，融合多维度线索执行字面与语义多路召回，结合本体子集做规则加权排序，按触发、处理、分支、输出角色分桶裁剪得到节点类型子集；步骤s5中，限定大语言模型不得生成节点类型子集外的节点，节点参数需符合文档规章约束与本体定义，生成结果需经过平台schema格式校验。

17、结合第一方面，在第一方面的某些实现方式中，该方法还包括：当用户场景描述为复合意图时，先执行步骤s2得到文档片段集合，再将文档片段集合与场景描述共同输入步骤s4与步骤s5进行后续处理。

18、结合第一方面，在第一方面的某些实现方式中，该方法还包括：一种终端设备，包括存储器、处理器及存储在存储器中并能够在处理器上运行的计算机程序，所述存储器中存储有能够在处理器上运行的计算机程序，所述处理器加载并执行计算机程序时，结合第一方面的方法。

19、本申请的有益效果：

20、本技术通过四阶段流水线实现从自然语言场景描述到合规工作流的端到端自动生成，降低了业务人员的操作门槛与搭建成本。本技术能够打通文档检索到工作流生成的完整链路，以带溯源信息的规章片段为依据衔接本体筛选与节点匹配，解决了传统检索增强系统无法直接驱动流程构建的缺陷；通过结构化语义摘要、双路查询改写与多路并行召回机制，缩窄口语化表述与固化条文的语义区别，提升了文档片段的召回准确率与匹配精度；通过分步筛选轻量化本体子集与节点类型子集，能够压缩大语言模型的上下文输入规模，避免了全量本体注入引发的溢出与生成质量下降问题，搭配节点白名单与技能渐进披露约束，避免了生成幻觉情况发生，保障了输出结果符合平台规范与行业规章要求。

1.一种基于行业文档与本体约束的工作流自动生成方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述步骤s2采用六阶段流水线实现：先对行业文档执行章节拆分，对满足长度阈值的章节节点生成包含标题增强、简述、核心要点、关键数据、高频查询词、相关概念、关联制度的结构化语义摘要，同步建立向量索引、全文索引与可选的问答增强索引；再依次执行查询转换、多路并行召回、层级父子去重、五维特征融合精排、关键词密度窗口片段提取，最终输出文档片段集合。

3.根据权利要求2所述的方法，其特征在于，所述查询转换通过单次大语言模型调用，同步生成符合制度文体的假想段落与上位抽象检索问句两类查询变体；在语义向量召回与问答增强召回通道中，分别对原始场景描述、假想段落、抽象问句执行近邻检索，同一节点取最小距离执行min-merge合并。

4.根据权利要求2所述的方法，其特征在于，所述多路并行召回包含节点语义向量召回、fts5全文检索、like模糊匹配、可选的qa增强向量召回四路；其中全文检索与模糊匹配仅基于原始场景描述提取的关键词执行，当提取的关键词无非中日韩统一表意文字词条时，跳过全文检索通道；四路召回结果取节点并集形成初始候选集。

5.根据权利要求2所述的方法，其特征在于，所述五维特征融合精排通过如下加权公式计算候选节点的综合得分：

6.根据权利要求2所述的方法，其特征在于，所述关键词密度窗口片段提取规则为：当章节正文长度超过预设阈值时，统计所有关键词在正文中的位置，通过滑动窗口计算各窗口内不重复关键词命中数，选取排名靠前的互不重叠窗口并按原文顺序拼接为片段；未命中任一关键词时，截取正文开头预设长度的文本作为片段；正文长度未超阈值时，直接以全文作为片段。

7.根据权利要求1所述的方法，其特征在于，所述步骤s3具体为：合并场景描述与文档片段核心要点形成查询文本，识别其中业务用语并映射至领域本体的实体类型与关系类型，按相关度对本体元素排序后，沿关系路径执行图扩展补全关联类型，最终裁剪得到规模可控的本体子集。

8.根据权利要求1所述的方法，其特征在于，所述步骤s4中，融合多维度线索执行字面与语义多路召回，结合本体子集做规则加权排序，按触发、处理、分支、输出角色分桶裁剪得到节点类型子集；步骤s5中，限定大语言模型不得生成节点类型子集外的节点，节点参数需符合文档规章约束与本体定义，生成结果需经过平台schema格式校验。

9.根据权利要求1所述的方法，其特征在于，当用户场景描述为复合意图时，先执行步骤s2得到文档片段集合，再将文档片段集合与场景描述共同输入步骤s4与步骤s5进行后续处理。

10.一种终端设备，包括存储器、处理器及存储在存储器中并能够在处理器上运行的计算机程序，其特征在于，所述存储器中存储有能够在处理器上运行的计算机程序，所述处理器加载并执行计算机程序时，采用了权利要求1至9中任一项所述的一种基于行业文档与本体约束的工作流自动生成方法。