← 返回列表

一种面向机器人流程自动化的行为序列预测方法及系统

申请号: CN202410079202.3
申请人: 西南科技大学; 西南科大四川天府新区创新研究院
申请日期: 2024/1/19

摘要文本

本发明公开了一种面向机器人流程自动化的行为序列预测方法及系统,方法包括:采集机器人流程自动化的行为序列数据;利用滑动窗口算法将行为序列数据划分为若干重叠的行为窗口;根据行为序列数据的特征类型划分任务并构建多任务网络模型;对采集的数据进行处理并转换为事务型数据,利用频繁项集挖掘算法从事务型数据中挖掘有效的强关联规则;实时记录用户当前的行为序列,并利用多任务网络模型滚动预测用户后续的行为序列数据;对预测的行为序列数据进行独热解码,基于有效的强关联规则集对预测的行为序列数据进行后处理。通过本发明提高了业务流程的自动化程度,降低业务流程的人工干预,提升业务流程的执行效果。

专利详细信息

项目 内容
专利名称 一种面向机器人流程自动化的行为序列预测方法及系统
专利类型 发明申请
申请号 CN202410079202.3
申请日 2024/1/19
公告号 CN117592622A
公开日 2024/2/23
IPC主分类号 G06Q10/04
权利人 西南科技大学; 西南科大四川天府新区创新研究院
发明人 张晖; 杨青松; 杨春明; 李波; 龙呤
地址 四川省绵阳市涪城区青龙大道中段59号; 四川省成都市梓州大道路东天府海创园2号地块1号楼14、15层

专利主权项内容

1.一种面向机器人流程自动化的行为序列预测方法,其特征在于,所述行为序列预测方法包括如下步骤:S1:通过鼠标键盘监听系统,采集机器人流程自动化的行为序列数据,为训练网络模型和挖掘关联规则提供数据支撑;S2:对采集的数据进行预处理,利用滑动窗口算法将行为序列数据划分为若干重叠的行为窗口,每个行为窗口包含一组连续的行为;S3:根据行为序列数据的特征类型划分任务并构建多任务网络模型,将每个行为窗口包含的一组连续行为作为输入特征,当前行为窗口的下一行为作为目标值,训练多任务网络模型;S4:对采集的数据进行处理并转换为事务型数据,利用频繁项集挖掘算法从事务型数据中挖掘有效的强关联规则;S5:实时记录用户当前的行为序列,并利用多任务网络模型滚动预测用户后续的行为序列数据;S6:对预测的行为序列数据进行独热解码,基于有效的强关联规则集对预测的行为序列数据进行后处理。 来自马-克-数-据-官网