一种基于协同工作平台的工作流推荐方法和装置

摘要

本发明公开了一种基于协同工作平台的工作流推荐方法，在该方法中，首先，根据用户历史工作流中的任务序列，构建任务关系图谱；然后，基于任务关系图谱，计算任务的转移概率矩阵；最后，基于任务的转移概率矩阵，对工作流中的任务按照转移概率大小进行排序，将转移概率大的任务推荐给用户。该方法可以提高工作流构建过程中任务推荐的准确性，并提高工作流构建的效率。

说明书

技术领域

本发明涉及计算机技术领域，具体涉及一种基于协同工作平台的工作流推荐方法、装置、计算设备及存储介质。

背景技术

在线协同工作平台作为信息化平台，能够使各种信息数据和专业软件共享使用。为了实现协同工作，可以通过工作流对工作流程及各操作步骤之间的业务规则进行抽象描述。根据一系列规则，将文档、信息或任务在不同的执行者之间进行传递和执行。

现阶段，在根据用户需求向用户推荐对应的工作流时，需要用户提供完整的需求描述，而用户在进行需求描述时，往往并不能针对每一个需求都给出详尽准确地描述，这就导致了在给用户进行工作流推荐时，推荐出的工作流与用户需求并不匹配，影响工作流的推荐准确率。目前主流的推荐算法，主要有流行度推荐(热度推荐)、基于内容推荐、协同过滤算法、基于模型的推荐算法等，这些推荐算法基于内容之间的相似度和用户历史偏好进行推荐，并未考虑内容之间的时序性关系。

因此，需要一种基于协同工作平台的工作流推荐方法，能够基于用户历史工作流的经验总结，实现工作流的智能推荐，以解决以上现有技术中存在的问题。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于协同工作平台的工作流推荐方法和装置。

根据本发明的一个方面，提供一种基于协同工作平台的工作流推荐方法，在该方法中，首先，根据用户历史工作流中的任务序列，构建任务关系图谱；然后，基于任务关系图谱，计算任务的转移概率矩阵；最后，基于转移概率矩阵，对工作流中的任务按照转移概率大小进行排序，将转移概率大的任务推荐给用户。其中，工作流中的任务可以包括软件操作和数据处理，数据处理包括数据传输、格式转换等。

该方法通过用户历史工作流中的任务序列对工作流中预构建的任务进行推荐，能够充分体现用户工作流的偏好或业务本身的时序性信息，从而提高工作流推荐的准确性。

可选地，在上述方法中，可以根据多个用户拖拽任务图标模型的顺序，确定多个用户的历史工作流；根据历史工作流中的任务序列，确定任务关系图谱中节点之间的连接关系；以及根据工作流中任务序列出现的次数，确定任务关系图谱中边的权值。

通过构建关系图谱，能够更直观的表达出各个任务之间的连接关系和任务序列之间关联发生的次数。

可选地，在上述方法中，任务的转移概率矩阵P(v

其中，P(v

可选地，在上述方法中，当监听到用户在协同工作平台上拖拽某一任务的图标模型时，基于任务的转移概率大小，向用户提示下一个备选的图标模型，以实现工作流的推荐。

可选地，在上述方法中，当接收到用户构建的工作流之后，获取工作流的相关信息，以便自动执行工作流中的任务，相关信息包括工作流所属项目、所属类型、该用户所在的企业和部门。

根据本发明的另一个方面，提供了一种基于协同工作平台的工作流程推荐装置，该装置包括构建模块、计算模块和推荐模块。其中，构建模块可以根据用户历史工作流中的任务序列，构建任务关系图谱；计算模块可以基于任务关系图谱，计算任务的转移概率矩阵；推荐模块可以基于转移概率矩阵，对工作流中的任务按照转移概率大小进行排序，将转移概率大的任务推荐给用户。

根据本发明的又一个方面，提供一种计算设备，包括：至少一个处理器；和存储有程序指令的存储器，其中，程序指令被配置为适于由至少一个处理器执行，程序指令包括用于执行上述方法的指令。

根据本发明的又一个方面，提供一种存储有程序指令的可读存储介质，当程序指令被计算设备读取并执行时，使得计算设备执行上述的方法。

根据本发明的方案，通过用户历史工作流中的任务序列之间的连接关系和任务序列出现的次数，构建任务关系图谱，能够更好的体现工作流中用户的偏好和任务的时序性，能够提高工作流推荐的效率和准确性。

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

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明一个实施例的用户构建的历史工作流的示意图；

图2示出了根据本发明一个实施例的计算设备200的结构图；

图3示出了根据本发明一实施例的基于协同工作平台的工作流推荐方法300的流程示意图；

图4示出了根据本发明一个实施例的构建的任务关系图谱示意图；

图5示出了根据本发明一个实施例的基于协同工作平台的工作流推荐装置500的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

常见的工作流程通过各元素的拖拽生成根据业务需求制定的流程图，与业务流程对应的工作流中可以包括若干工作流节点，各个工作流节点之间的排列顺序与各个业务之间的执行顺序对应。然而，在业务流程复杂、种类繁多的情况下，用户在创建工作流时，可以选择的工作流节点很多，用户可能需要耗费大量的时间找出所需的工作流节点。因此，工作流推荐技术不仅可以帮助用户加快制定流程、使用流程的速度,同时也可以减少流程定义过程中可能出现的错误,成为当前工作流技术研究的热点。本方案提供了一种基于协同工作平台的工作流推荐方法，能够在用户拖拽一个图标模型或者填写项目名称时，可提示备选的图标模型或项目名称，从而实现工作流的智能推荐，并提高智能推荐的准确性。

图1示出了根据本发明一个实施例的用户构建的历史工作流的示意图。如图1所示，箭头代表历史工作流的时间轴，用户U1在时间轴上通过先后拖拽任务D、任务A、任务B的图标模型，形成D→A→B的任务序列。用户U2在时间轴上先后拖拽任务B、E的图标模型、任务D、E、F的图标模型，形成B→E和D→E→F的任务序列。用户U3在时间轴上先后拖拽任务E、C、B的图标模型、任务B、A的图标模型，形成E→C→B和B→A的任务序列。需要说明的是，在B→E序列和D→E→F序列、E→C→B序列和B→A序列之间可能包含其他的任务或任务序列，图1工作流中的任务序列仅是示例性的。用户在协同工作平台上完成工作流的构建之后，可以将工作流打包提交，协同工作平台可以获取该工作流的相关信息，如工作流所属的项目、类型、用户所在的企业和部门等，并且可以自动按照该工作流程操作其中的任务或处理其中的数据。工作流中的图标模型可以是软件图标模型，也可以是数据处理图标模型，用户可以通过软件图标模型对软件进行远程打开、关闭、查看软件信息等操作。数据处理图标模型可以执行数据传输和数据格式转换等，以便不同的软件图标模型之间实现数据的实时传输，提高工作效率。

图2示出了根据本发明一个实施例的计算设备200的结构图。如图2所示，在基本的配置202中，计算设备200典型地包括系统存储器206和一个或者多个处理器204。存储器总线208可以用于在处理器204和系统存储器206之间的通信。

取决于期望的配置，处理器204可以是任何类型的处理，包括但不限于：微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任何组合。处理器204可以包括诸如一级高速缓存210和二级高速缓存212之类的一个或者多个级别的高速缓存、处理器核心214和寄存器216。示例的处理器核心214可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器218可以与处理器204一起使用，或者在一些实现中，存储器控制器218可以是处理器204的一个内部部分。

取决于期望的配置，系统存储器206可以是任意类型的存储器，包括但不限于：易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。计算设备中的物理内存通常指的是易失性存储器RAM，磁盘中的数据需要加载至物理内存中才能够被处理器204读取。系统存储器206可以包括操作系统220、一个或者多个应用222以及程序数据224。应用222实际上是多条程序指令，其用于指示处理器204执行相应的操作。在一些实施方式中，在一些实施方式中，应用222可以布置为在操作系统上由一个或多个处理器204利用程序数据224执行指令。操作系统220例如可以是Linux、Windows等，其包括用于处理基本系统服务以及执行依赖于硬件的任务的程序指令。应用222包括用于实现各种用户期望的功能的程序指令，应用222例如可以是浏览器、即时通讯软件、软件开发工具(例如集成开发环境IDE、编译器等)等，但不限于此。当应用222被安装到计算设备200中时，可以向操作系统220添加驱动模块。

在计算设备200启动运行时，处理器204会从存储器206中读取操作系统220的程序指令并执行。应用222运行在操作系统220之上，利用操作系统220以及底层硬件提供的接口来实现各种用户期望的功能。当用户启动应用222时，应用222会加载至存储器206中，处理器204从存储器206中读取并执行应用222的程序指令。

计算设备200还包括储存设备232，储存设备232包括可移除储存器236和不可移除储存器238，可移除储存器236和不可移除储存器238均与储存接口总线234连接。

计算设备200还可以包括有助于从各种接口设备(例如，输出设备242、外设接口244和通信设备246)到基本配置202经由总线/接口控制器230的通信的接口总线240。示例的输出设备242包括图形处理单元248和音频处理单元250。它们可以被配置为有助于经由一个或者多个A/V端口252与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口244可以包括串行接口控制器254和并行接口控制器256，它们可以被配置为有助于经由一个或者多个I/O端口258和诸如输入设备(例如，键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备246可以包括网络控制器260，其可以被布置为便于经由一个或者多个通信端口264与一个或者多个其他计算设备262通过网络通信链路的通信。

网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块，并且可以包括任何信息递送介质。“调制数据信号”可以这样的信号，它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例，通信介质可以包括诸如有线网络或者专线网络之类的有线介质，以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。

计算设备200还包括与总线/接口控制器230相连的储存接口总线234。储存接口总线234与储存设备232相连，储存设备232适于进行数据存储。示例的储存设备232可以包括可移除储存器236(例如CD、DVD、U盘、可移动硬盘等)和不可移除储存器238(例如硬盘驱动器HDD等)。在根据本发明的计算设备200中，应用222包括执行方法300的多条程序指令。

图3示出了根据本发明一实施例的基于协同工作平台的工作流推荐方法300的流程示意图。如图3所示，该方法300始于步骤S310，根据用户历史工作流中的任务序列，构建任务关系图谱。

其中，关系图谱或关联图谱是一种基于图的数据结构，由节点(实体)和边(关系)组成。通过数据抽取和转换，图计算引擎对数据进行查询和分析，并以图谱的形式展示给用户，用户可以基于已建好的图谱进行查询、分析和探索。在本发明的一个实施例中，可以根据多个用户拖拽任务图标模型的顺序，确定多个用户的工作流，多个用户历史构建的工作流中可以包含多个任务序列。然后根据历史工作流中的任务序列，确定任务关系图谱中节点之间的连接关系。最后，根据工作流中任务序列出现的次数，确定任务关系图谱中边的权值。

接下来以图1所示的工作流为例，构建任务关系图谱。图4示出了根据本发明一个实施例的构建的任务关系图谱示意图。如图4所示，首先确定关系图谱中的节点包括图标模型A、B、C、D、E、F，在图中画出各节点。然后根据多个用户历史工作流中所包含的任务序列，确定各节点之间的连接关系。例如图1所示的工作流中包含D→A→B、B→E、D→E→F、E→C→B、B→A的任务序列，可以根据各序列中节点之间的连接关系在图中构建各节点之间的连线(边)。而边的权重则由工作流中该序列出现的次数决定。具体地，如果从一个任务到另一个任务的关系在多个工作流中发生，则这两个节点之间边的权重就是这个任务序列在工作流中发生的次数。例如，如果历史工作流中出现三次从B到A的任务序列，那么在关系图谱中B指向A的边权重为3，如果历史工作流中出现两次从D到E到F的序列，那么在关系图谱中D指向E的边和E指向F的边的权值为2。

接着执行步骤S320，基于构建的任务关系图谱，计算任务的转移概率矩阵。其中，转移概率是给定马尔可夫链某时刻处于一状态,再经若干时间将到达另一状态的条件概率，转移概率矩阵中各元素都是非负的，并且各行元素之和等于1，各元素用概率表示，在一定条件下是互相转移的，故称为转移概率矩阵。在本方案中转移概率矩阵是指用户拖拽一个任务图标模型后拖拽另一个任务图标模型的概率。可以通过下述公式计算节点之间的转移概率矩阵：

其中，P(vj|vi)表示在任务节点vi后出现任务节点vj的概率，N

最后执行步骤S330，基于转移概率矩阵对工作流中的任务按照转移概率大小进行排序，将转移概率大的任务推荐给用户。

在本发明的一个实施例中，在协同工作平台中，可以监听用户对任务图标模型的拖拽事件，当监听到用户在协同工作平台上拖拽某一任务的图标模型时，向用户提示下一个备选的图标模型，以实现工作流的推荐。其中拖拽事件可以包括拖拽选中文本、拖拽图像和拖拽链接等。当一个图像或链接被拖拽时，图像或链接的URL被设定为拖拽数据。当接收到用户构建的工作流之后，协同工作平台可以获取工作流的相关信息，以便自动执行工作流中的任务，其中工作流的相关信息包括工作流所属项目、所属类型、该用户所在的企业和部门等。当某一用户在协同工作平台上拖拽一个图标模型，或者填写项目名称时，可以提示下一个备选的图标模型或项目名称，从而实现工作流智能推荐，提高工作流构建的效率。

图5示出了根据本发明一个实施例的基于协同工作平台的工作流推荐装置500的结构示意图。如图5所示，该装置500包括构建模块510、计算模块520和推荐模块530。其中，构建模块510可以根据用户历史工作流中的任务序列，构建任务关系图谱。计算模块520可以基于任务关系图谱，计算任务的转移概率矩阵。推荐模块530可以基于转移概率矩阵，对工作流中的任务按照转移概率大小进行排序，将转移概率大的任务推荐给用户。

通过上述方案，根据用户历史工作流中的任务序列之间的连接关系和任务序列出现的次数，构建任务关系图谱，能够更好的体现工作流中用户的偏好和任务的时序性，能够提高工作智能推荐的效率和准确性。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。

如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。

尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。

因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的而非限制性的，本发明的范围由所附权利要求书限定。