CN115099229A - 计划模型生成方法、装置、电子设备及存储介质 - Google Patents

计划模型生成方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN115099229A
CN115099229A CN202210739758.1A CN202210739758A CN115099229A CN 115099229 A CN115099229 A CN 115099229A CN 202210739758 A CN202210739758 A CN 202210739758A CN 115099229 A CN115099229 A CN 115099229A
Authority
CN
China
Prior art keywords
plan
information
domain
module
processing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210739758.1A
Other languages
English (en)
Inventor
陈明洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Life Insurance Company of China Ltd
Original Assignee
Ping An Life Insurance Company of China Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Life Insurance Company of China Ltd filed Critical Ping An Life Insurance Company of China Ltd
Priority to CN202210739758.1A priority Critical patent/CN115099229A/zh
Publication of CN115099229A publication Critical patent/CN115099229A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/279Recognition of textual entities
    • G06F40/284Lexical analysis, e.g. tokenisation or collocates
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/30Semantic analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Machine Translation (AREA)

Abstract

本申请涉及***开发领域,提供了一种计划模型生成方法、装置、电子设备及计算机可读存储介质,方法包括:获取历史业务流程图;对历史业务流程图进行要素提取得到多个计划组成要素;基于预设的领域驱动设计规则对多个计划组成要素进行整理得到计划事件地图;对计划事件地图进行第一分析处理得到多个领域词汇;对多个领域词汇进行边界划分处理得到限界上下文信息;根据预设的戴明环设计规则、领域词汇和限界上下文信息进行建模处理得到计划模型。通过上述技术方案能够解决重复建设的问题。

Description

计划模型生成方法、装置、电子设备及存储介质
技术领域
本申请实施例涉及但不限于***开发领域,尤其涉及一种计划模型生成方法、装置、电子设备及计算机可读存储介质。
背景技术
制定计划是各类工作和行动开展前必不可少的环节,需要责任人针对当前业务需要达成的一系列目标制定计划,同时在计划执行的过程中监控相关指标数据以及达成情况,以便随时做出风险预警和计划调整。在实际业务场景中,例如增员核心域中的增员目标制定和培训***的培训计划,这些***的底层架构基本一致,存在着重复建设的问题。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
为了解决上述背景技术中提到的问题,本申请实施例提供了一种计划模型生成方法、装置、电子设备及计算机可读存储介质,能够解决重复建设的问题。
第一方面,本申请实施例提供了一种计划模型生成方法,所述方法包括:
获取历史业务流程图;
对所述历史业务流程图进行要素提取得到多个计划组成要素;
基于预设的领域驱动设计规则对多个所述计划组成要素进行整理得到计划事件地图;
对所述计划事件地图进行第一分析处理得到多个领域词汇;
对多个所述领域词汇进行边界划分处理得到限界上下文信息;
根据预设的戴明环设计规则、所述领域词汇和所述限界上下文信息进行建模处理得到计划模型。
根据本申请提供的实施例的计划模型生成方法,至少具有如下有益效果:首先获取历史业务流程图;接着对历史业务流程图进行要素提取就可以得到多个计划组成要素;接着基于预设的领域驱动设计规则对多个计划组成要素进行整理就可以得到计划事件地图;接着对计划事件地图进行第一分析处理就能够得到多个领域词汇;接着对多个领域词汇进行边界划分处理就能够得到限界上下文信息;最后根据预设的戴明环设计规则、领域词汇和限界上下文信息进行建模处理就可以得到计划模型;通过上述技术方案,将不同的领域进行融合,能够解决跨渠道***复用的问题。
根据本申请的一些实施例,所述对所述历史业务流程图进行要素提取得到多个计划组成要素,包括:
对所述历史业务流程图进行拆分处理得到业务组成文本;
对所述业务组成文本进行第二分析处理得到多个所述计划组成要素。
根据本申请的一些实施例,所述基于预设的领域驱动设计规则对多个所述计划组成要素进行整理得到计划事件地图,包括:
对多个所述计划组成要素进行划分处理得到事件信息和命令信息;
根据预设的业务流程规则对所述事件信息和所述命令信息进行编排得到所述计划事件地图。
根据本申请的一些实施例,所述对所述计划事件地图进行第一分析处理得到多个领域词汇,包括:
对所述计划事件地图中的所述事件信息和所述命令信息进行词汇提取处理得到多个关键词;
对多个所述关键词进行匹配处理得到多个所述领域词汇。
根据本申请的一些实施例,所述对多个所述领域词汇进行边界划分处理得到限界上下文信息,包括:
根据预设的业务功能规则创建多个领域边界;
对各个所述领域词汇进行语义分析得到对应的语义信息;
根据所述语义信息将各个所述领域词汇划分至相应的所述领域边界得到所述限界上下文信息。
根据本申请的一些实施例,所述根据预设的戴明环设计规则、所述领域词汇和所述限界上下文信息进行建模处理得到计划模型,包括:
对所述领域词汇和所述限界上下文信息进行识别处理得到聚合信息和聚合根;
基于所述聚合信息和所述聚合根创建得到初始功能模块;
根据所述戴明环设计规则对所述初始功能模块进行划分处理得到计划模块、实施模块、检查模块和修正模块;
基于所述计划模块、所述实施模块、所述检查模块和所述修正模块,将所述领域词汇与代码模型中的代码对象进行映射处理得到所述计划模型。
根据本申请的一些实施例,所述基于所述聚合信息和所述聚合根创建得到初始功能模块,包括:
对所述聚合信息进行第三分析处理得到业务关联信息;
根据所述业务关联信息,将所述领域词汇和所述聚合根进行关联处理得到所述初始功能模块。
第二方面,本申请实施例还提供了一种计划模型生成装置,所述装置包括:
第一处理模块,用于获取历史业务流程图;
第二处理模块,用于对所述历史业务流程图进行要素提取得到多个计划组成要素;
第三处理模块,用于基于预设的领域驱动设计规则对多个所述计划组成要素进行整理得到计划事件地图;
第四处理模块,用于对所述计划事件地图进行第一分析处理得到多个领域词汇;
第五处理模块,用于对多个所述领域词汇进行边界划分处理得到限界上下文信息;
第六处理模块,用于根据预设的戴明环设计规则、所述领域词汇和所述限界上下文信息进行建模处理得到计划模型。
第三方面,本申请实施例还提供了一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上第一方面所述的计划模型生成方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行如上第一方面所述的计划模型生成方法。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本申请技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本申请的技术方案,并不构成对本申请技术方案的限制。
图1是本申请一个实施例提供的计划模型生成方法的流程图;
图2是本申请一个实施例提供的计划模型生成方法中,生成计划组成要素的流程图;
图3是本申请一个实施例提供的计划模型生成方法中,生成计划事件地图的流程图;
图4是本申请一个实施例提供的计划模型生成方法中,生成领域词汇的流程图;
图5是本申请一个实施例提供的计划模型生成方法中,生成限界上下文信息的流程图;
图6是本申请一个实施例提供的计划模型生成方法中,生成计划模型的流程图;
图7是本申请一个实施例提供的计划模型生成方法中,生成初始功能模块的流程图;
图8是本申请一个实施例提供的计划模型生成装置的示意图;
图9是本申请一个实施例提供的电子设备的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要注意的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
需要说明的是,除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
AI是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用***的一门新的技术科学;人工智能是计算机科学的一个分支,人工智能企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家***等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
人工智能即为AI,AI是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
人工智能技术所涉及的服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
本申请提供了一种计划模型生成方法、装置、电子设备及计算机可读存储介质,首先获取历史业务流程图;接着对历史业务流程图进行要素提取就可以得到多个计划组成要素;接着基于预设的领域驱动设计规则对多个计划组成要素进行整理就可以得到计划事件地图;接着对计划事件地图进行第一分析处理就能够得到多个领域词汇;接着对多个领域词汇进行边界划分处理就能够得到限界上下文信息;最后根据预设的戴明环设计规则、领域词汇和限界上下文信息进行建模处理就可以得到计划模型;通过上述技术方案,将不同的领域进行融合,能够解决跨渠道***复用的问题。
本申请实施例提供的计划模型生成方法,涉及***开发技术领域。本申请实施例提供的计划模型生成方法可应用于终端中,也可应用于服务器端中,还可以是运行于终端或服务器端中的软件。在一些实施例中,终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等;服务器端可以配置成独立的物理服务器,也可以配置成多个物理服务器构成的服务器集群或者分布式***,还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器;软件可以是实现计划模型生成方法的应用等,但并不局限于以上形式。
本申请可用于众多通用或专用的计算机***环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
需要说明的是,在本申请的各个具体实施方式中,当涉及到需要根据用户信息、用户行为数据,用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时,都会先获得用户的许可或者同意,而且,对这些数据的收集、使用和处理等,都会遵守相关国家和地区的相关法律法规和标准。此外,当本申请实施例需要获取用户的敏感个人信息时,会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意,在明确获得用户的单独许可或者单独同意之后,再获取用于使本申请实施例能够正常运行的必要的用户相关数据。
下面结合附图,对本申请实施例作进一步阐述。
如图1所示,图1是本申请一个实施例提供的计划模型生成方法的流程图,该计划模型生成方法包括但不限于步骤S100至S600。
步骤S100,获取历史业务流程图;
步骤S200,对历史业务流程图进行要素提取得到多个计划组成要素;
步骤S300,基于预设的领域驱动设计规则对多个计划组成要素进行整理得到计划事件地图;
步骤S400,对计划事件地图进行第一分析处理得到多个领域词汇;
步骤S500,对多个领域词汇进行边界划分处理得到限界上下文信息;
步骤S600,根据预设的戴明环设计规则、领域词汇和限界上下文信息进行建模处理得到计划模型。
需要说明的是,首先获取历史业务流程图;接着对历史业务流程图进行要素提取就可以得到多个计划组成要素;接着基于预设的领域驱动设计规则对多个计划组成要素进行整理就可以得到计划事件地图;接着对计划事件地图进行第一分析处理就能够得到多个领域词汇;接着对多个领域词汇进行边界划分处理就能够得到限界上下文信息;最后根据预设的戴明环设计规则、领域词汇和限界上下文信息进行建模处理就可以得到计划模型;通过上述技术方案,将不同的领域进行融合,能够解决跨渠道***复用的问题。
需要说明的是,历史业务流程图即为先前业务流程图,包括了组成历史业务流程图的各个计划组成要素;因为历史业务流程图中包含有以往活动过程中相关的计划组成要素,因此就可以从历史业务流程图中进行要素提取就可以得到计划组成要素,为了后续的计划模型创建做好前提准备。示例性地,计划组成要素包括创建整体月增员量草稿、整体月增员量草稿已创建、编辑整体月增员量草稿、整体月增员量草稿已编辑、下发整体月增员量、整体月增员量已下发、创建月增量草稿、月增员量草稿已创建、编辑月增员量、月增员量已编辑、下发月增员量、月增员量已下发、自动下发月增员量和月增员量已自动下发。
值得注意的是,历史业务流程图是由多个计划组成要素组成;可以理解的是,历史业务流程图出现过的要素都可以被认定为计划组成要素。
值得注意的是,领域驱动设计(Domain Driven Design,DDD)是一种通过将实现连接到持续进化的模型来满足复杂需求的软件开发方法。领域驱动设计的前提是:把项目的主要重点放在核心领域和域逻辑;把复杂的设计放在有界域的模型上;发起一个创造性的合作之间的技术和域界专家以迭代地完善的概念模式,解决特定领域的问题;领域驱动设计是一种由域模型来驱动着***设计的思想,不是通过存储数据词典来驱动***设计。领域模型是对业务模型的抽象,DDD是把业务模型翻译成***架构设计的一种方式。
值得注意的是,DDD是以强调领域为核心的应对复杂业务***的一套体系。或者说是业务***控制设计质量的领域逻辑设计方法。而事件风暴是探索业务领域的很好的一种实践方式,事件风暴的产出对应类DDD的统一语言和战略设计中的领域分析,到划分限界上下文。
值得注意的是,用领域驱动设计方法论建设“活动中心”,按一定的规则将业务领域进行细分,将需解决的问题限定在特定的边界内,对“活动”子域进行细粒度分析,识别“活动”业务过程中的共享能力,并将这些共享能力沉淀为通用能力,通过沉淀的通用能力,实现服务复用,达到降本增效的目标。
需要说明的是,戴明环又称PDCA循环,P代表英文单词Plan(计划),D代表英文单词Design(设计),C代表英文单词Check(检查),A代表英文单词Act(行动);通过“计划—设计—检查—行动”,通过不断的循环对总结检查的结果进行处理,成功的经验加以肯定,并予以标准化,或制定作业指导书,便于以后工作时遵循;对于失败的教训也要总结,以免重现。对于没有解决的问题,应提给下一个PDCA循环中去解决。PDCA是英语单词Plan(计划)、Do(执行)、Check(检查)和Act(修正)的第一个字母,PDCA循环就是按照这样的顺序进行质量管理,并且循环不止地进行下去的科学程序。全面质量管理活动的运转,离不开管理循环的转动,这就是说,改进与解决质量问题,赶超先进水平的各项工作,都要运用PDCA循环的科学程序。不论提高产品质量,还是减少不合格品,都要先提出目标,即质量提高到什么程度,不合格品率降低多少?就要有个计划;这个计划不仅包括目标,而且也包括实现这个目标需要采取的措施;计划制定之后,就要按照计划进行检查,看是否达实现了预期效果,有没有达到预期的目标;通过检查找出问题和原因;最后就要进行处理,将经验和教训制订成标准、形成制度。
在一些实施例中,如图2所示,上述步骤S200可以包括但不限于步骤S210至步骤S220。
步骤S210,对历史业务流程图进行拆分处理得到业务组成文本;
步骤S220,对业务组成文本进行第二分析处理得到多个计划组成要素。
需要说明的是,为了生成计划组成要素,首先要对历史业务流程图进行拆分处理就可以得到业务组成文本;接着对业务组成文本进行第二分析处理就可以得到多个计划组成要素。
可以理解的是,对历史业务流程图进行拆分处理就可以得到组成历史业务流程图的业务组成文本,接着对业务组成文本进行第二分析处理就能够得到多个计划组成要素;示例性地,对一个历史业务流程图进行拆分处理就可以得到业务组成文本,而业务组成文本包括某些条件的判断条件以及某些流程图所需要的常规名称,对上述得到的业务组成文本进行第二分析处理然后就可以对上述名词进行剔除处理,进而可以得到多个计划组成要素。其中,对业务组成文本进行第二分析处理的过程中可以利用关键词识别技术;利用关键词识别技术能够对某些词语进行识别,如果这些词语已经被列为非要素词语,则会将这些词语进行剔除处理。
在一些实施例中,如图3所示,上述步骤S300可以包括但不限于步骤S310至步骤S320。
步骤S310,对多个计划组成要素进行划分处理得到事件信息和命令信息;
步骤S320,根据预设的业务流程规则对事件信息和命令信息进行排序得到计划事件地图。
需要说明的是,在生成计划事件地图的过程中,首先对多个计划组成要素进行划分处理就可以得到事件信息和命令信息;接着根据预设的业务流程规则对相应的事件信息和命令信息进行排序处理就能够得到计划事件地图。
值得注意的是,对多个计划组成要素进行划分处理就可以得到事件信息和命令信息;事件信息和命令信息是组成计划事件地图的两个重要要素;示例性地,对于月增员量事件地图中事件信息可以包括整体月增员量草稿已创建、整体月增员量草稿已编辑、整体月增员量已下发、月增员量草稿已创建、月增员量已编辑、月增员量已下发和月增员量已自动下发;对于月增员量事件地图中命令信息可以包括创建整体月增员量草稿、编辑整体月增员量草稿、下发整体月增员量、创建月增员量草稿、编辑月增员量、下发月增员量和自动下发月增员量。
可以理解的是,根据业务流程规则就可以对事件信息和命令信息进行排序处理,以形成相应的计划事件地图;示例性地,对于月增员量事件地图,整体月增员量草稿已创建与编辑整体月增员量草稿相连接,整体月增员量草稿已编辑与下发整体月增员量相连接,整体月增员量已下发与创建月增员草稿连接,月增员量草稿已创建与编辑月增员量连接,月增员量已编辑分别与下发月增员量和自动下发月增员量连接。
在一些实施例中,如图4所示,上述步骤S400可以包括但不限于步骤S410至步骤S420。
步骤S410,对计划事件地图中的事件信息和命令信息进行词汇提取处理得到多个关键词;
步骤S420,对多个关键词进行匹配处理得到多个领域词汇。
需要说明的是,为了得到领域词汇,可以先对计划事件地图中的事件信息和命令信息进行词汇提取处理就可以得到多个关键词;对多个关键词进行匹配处理就可以得到多个领域词汇。
可以理解的是,对计划事件地图中的事件信息和命令信息进行词汇提取处理就可以得到多个关键词;示例性地,对于月增员量事件地图中事件信息包括整体月增员量草稿已创建、整体月增员量草稿已编辑、整体月增员量已下发、月增员量草稿已创建、月增员量已编辑、月增员量已下发和月增员量已自动下发;月增员量事件地图中命令信息包括创建整体月增员量草稿、编辑整体月增员量草稿、下发整体月增员量、创建月增员量草稿、编辑月增员量、下发月增员量和自动下发月增员量,对上述这些计划组成要素进行词汇提取之后就可以得到增员量操作,对增员量操作进行匹配处理就可以得到增员量目标这一领域词汇;对于增员量实际值已写入和写入增员量实际值进行词汇提取处理就可以得到增员量实际值这一关键词,对增员量实际值进行匹配处理就能够得到增员量实际值这一领域词汇。
在一些实施例中,如图5所示,上述步骤S500可以包括但不限于步骤S510至步骤S530。
步骤S510,根据预设的业务功能规则创建多个领域边界;
步骤S520,对各个领域词汇进行语义分析得到对应的语义信息;
步骤S530,根据语义信息将各个领域词汇划分至相应的领域边界得到限界上下文信息。
需要说明的是,首先根据预设的业务功能规则创建多个领域边界;接着对各个领域词汇进行语义分析处理就可以得到对应的语义信息;最后根据语义信息将各个领域词汇划分到相应的领域边界就可以得到限界上下文信息。
值得注意的是,根据业务功能规则就可以创建得到多个领域边界,示例性地,对于计划模型,按照业务功能规则创建就可以得到计划管理边界、增员计划管理边界、面访管理边界、参与方管理边界等。接着对各个领域词汇进行语义分析处理就可以得到对应的语义信息;最后根据各个领域词汇对应的语义信息对各个领域词汇进行划分处理,将各个领域词汇划分到相应的领域边界中就可以得到限界上下文信息;示例性地,对于面访管理限界上下文信息,可以包括个人录入客户名单、已锁定客户和面访二维码等领域词汇。
在一些实施例中,如图6所示,上述步骤S600可以包括但不限于步骤S610至步骤S640。
步骤S610,对领域词汇和限界上下文信息进行识别处理得到聚合信息和聚合根;
步骤S620,基于聚合信息和聚合根创建得到初始功能模块;
步骤S630,根据戴明环设计规则对初始功能模块进行划分处理得到计划模块、实施模块、检查模块和修正模块;
步骤S640,基于计划模块、实施模块、检查模块和修正模块,将领域词汇与代码模型中的代码对象进行映射处理得到计划模型。
需要说明的是,对领域词汇和限界上下文信息进行识别处理就可以得到聚合信息和聚合根;接着基于聚合信息和聚合根就可以创建得到初始功能模块;接着根据戴明环设计规则对初始功能模块进行划分处理就可以得到计划模块、实施模块、检查模块和修正模块;最后基于计划模块、实施模块、检查模块和修正模块,将领域词汇与代码模型中的代码对象进行映射处理就可以得到计划模型。
示例性地,计划、计划下发规则、计划与各实体关系都属于计划聚合,目标、叶子目标、原子指标、派生指标等属于目标聚合。
需要说明的是,聚合在DDD分层架构中属于领域层,领域层包含了多个聚合,共同实现核心业务逻辑,聚合内的实体以充血模型实现个体业务能力,以及业务逻辑的高内聚;跨多个实体的业务逻辑通过领域服务来实现,跨多个聚合的业务逻辑通过应用服务来实现;聚合是业务和逻辑紧密关联的实体和值对象组合而成,聚合是数据修改和持久化的基本单元,一个聚合对应一个数据的持久化;聚合之间通过聚合根关联引用,如果需要访问其他聚合的实体,先访问聚合根,再导航到聚合内部的实体;即外部对象不能直接访问聚合内的实体。聚合根:把聚合比作组织,聚合根则是组织的负责人,聚合根也叫做根实体,它不仅仅是实体,还是实体的管理者;职责:作为实体,具备自己的业务属性,业务行为,业务逻辑;作为聚合的管理者,在聚合内部,负责协调实体和值对象按照固定的业务规则协同完成共同的业务逻辑;在聚合之间:它是聚合对外的接口人,以聚合根ID的方式接受外部请求和任务,实现上下文中的聚合之间的业务协同;聚合之间通过聚合根关联引用,如果需要访问其他聚合的实体,先访问聚合根,再导航到聚合内部的实体;即外部对象不能直接访问聚合内的实体。
值得注意的是,聚合的特点:高内聚低耦合,是领域模型中最底层的边界,可以作为拆分微服务的最小单位,但是不建议单独对应一个微服务,除非是对性能有极致要求的场景,一个微服务可以包含多个聚合,聚合之间的边界是逻辑最天然的边界,有了这个逻辑边界,就可以在微服务拆分的时候作为拆分和组合依据。聚合根的特点:聚合根是实体,具备唯一标识,有独立的生命周期,一个聚合只有一个聚合根,聚合根在聚合之内采用引用依赖的方式对实体和值对象进行组织和协调,聚合根和聚合根之间通过唯一id进行聚合之间的协同。
需要说明的是,戴明环又称PDCA循环,P代表英文单词Plan(计划),D代表英文单词Design(设计),C代表英文单词Check(检查),A代表英文单词Act(行动);通过“计划—设计—检查—行动”,通过不断的循环对总结检查的结果进行处理,成功的经验加以肯定,并予以标准化,或制定作业指导书,便于以后工作时遵循;对于失败的教训也要总结,以免重现。对于没有解决的问题,应提给下一个PDCA循环中去解决。PDCA是英语单词Plan(计划)、Do(执行)、Check(检查)和Act(修正)的第一个字母,PDCA循环就是按照这样的顺序进行质量管理,并且循环不止地进行下去的科学程序。全面质量管理活动的运转,离不开管理循环的转动,这就是说,改进与解决质量问题,赶超先进水平的各项工作,都要运用PDCA循环的科学程序。不论提高产品质量,还是减少不合格品,都要先提出目标,即质量提高到什么程度,不合格品率降低多少?就要有个计划;这个计划不仅包括目标,而且也包括实现这个目标需要采取的措施;计划制定之后,就要按照计划进行检查,看是否达实现了预期效果,有没有达到预期的目标;通过检查找出问题和原因;最后就要进行处理,将经验和教训制订成标准、形成制度。
值得注意的是,领域建模通常采用事件风暴,采用用例分析、场景分析和用户旅程分析等方法,通过头脑风暴列出所有可能的业务行为和事件,然后找出产生这些行为的领域对象,并梳理领域对象之间的关系,找出聚合根,找出与聚合根业务紧密关联的实体和值对象,再将聚合根、实体和值对象组合,构建聚合。
在一些实施例中,如图7所示,上述步骤S620可以包括但不限于步骤S621至步骤S622。
步骤S621,对聚合信息进行第三分析处理得到业务关联信息;
步骤S622,根据业务关联信息,将领域词汇和聚合根进行关联处理得到初始功能模块。
需要说明的是,首先对聚合信息进行第三分析处理就可以得到业务关联信息;接着根据业务关联信息,将领域词汇和聚合根进行关联处理就可以得到初始功能模块。
值得注意的是,对聚合信息进行第三分析处理就可以得到业务关联信息,其中,业务关联信息用于表征各个领域词汇之间的连接关系,将选定的一个领域词汇作为聚合根,进而可以将不同的领域词汇进行连接就可以得到相应的初始功能模块。
另外,如图8所示,本申请的一个实施例还提供了一种计划模型生成装置10,包括:
第一处理模块100,用于获取历史业务流程图;
第二处理模块200,用于对所述历史业务流程图进行要素提取得到多个计划组成要素;
第三处理模块300,用于基于预设的领域驱动设计规则对多个所述计划组成要素进行整理得到计划事件地图;
第四处理模块400,用于对所述计划事件地图进行第一分析处理得到多个领域词汇;
第五处理模块500,用于对多个所述领域词汇进行边界划分处理得到限界上下文信息;
第六处理模块600,用于根据预设的戴明环设计规则、所述领域词汇和所述限界上下文信息进行建模处理得到计划模型。
在一实施例中,首先获取历史业务流程图;接着对历史业务流程图进行要素提取就可以得到多个计划组成要素;接着基于预设的领域驱动设计规则对多个计划组成要素进行整理就可以得到计划事件地图;接着对计划事件地图进行第一分析处理就能够得到多个领域词汇;接着对多个领域词汇进行边界划分处理就能够得到限界上下文信息;最后根据预设的戴明环设计规则、领域词汇和限界上下文信息进行建模处理就可以得到计划模型;通过上述技术方案,将不同的领域进行融合,能够解决跨渠道***复用的问题。
该计划模型生成装置的具体实施方式与上述计划模型生成方法的具体实施例基本相同,在此不再赘述。
另外,如图9所示,本申请的一个实施例还提供了一种电子设备700,该设备包括:存储器710、处理器720及存储在存储器710上并可在处理器720上运行的计算机程序。
处理器720和存储器710可以通过总线或者其他方式连接。
实现上述实施例的计划模型生成方法所需的非暂态软件程序以及指令存储在存储器710中,当被处理器720执行时,执行上述各实施例的计划模型生成方法,例如,执行以上描述的图1中的方法步骤S100至S600、图2中的方法步骤S210至S220、图3中的方法步骤S310至S320、图4中的方法步骤S410至S420、图5中的方法步骤S510至S530、图6中的方法步骤S610至S640和图7中的方法步骤S621至S622。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
此外,本申请的一个实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个处理器720或控制器执行,例如,被上述设备实施例中的一个处理器720执行,可使得上述处理器720执行上述实施例中的计划模型生成方法,例如,执行以上描述的图1中的方法步骤S100至S600、图2中的方法步骤S210至S220、图3中的方法步骤S310至S320、图4中的方法步骤S410至S420、图5中的方法步骤S510至S530、图6中的方法步骤S610至S640和图7中的方法步骤S621至S622。
上述各实施例可以结合使用,不同实施例之间名称相同的模块可相同可不同。
上述对本申请特定实施例进行了描述,其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,附图中描绘的过程不一定必须按照示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、计算机可读存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的装置、设备、计算机可读存储介质与方法是对应的,因此,装置、设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述对应装置、设备、计算机存储介质的有益技术效果。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本申请实施例可提供为方法、***、或计算机程序产品。因此,本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(Flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(Transitory Media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示单独存在A、同时存在A和B、单独存在B的情况。其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达,是指的这些项中的任意组合,包括单项或复数项的任意组合。例如,a,b和c中的至少一项可以表示:a,b,c,a和b,a和c,b和c或a和b和c,其中a,b,c可以是单个,也可以是多个。
本申请实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种计划模型生成方法,其特征在于,所述方法包括:
获取历史业务流程图;
对所述历史业务流程图进行要素提取得到多个计划组成要素;
基于预设的领域驱动设计规则对多个所述计划组成要素进行整理得到计划事件地图;
对所述计划事件地图进行第一分析处理得到多个领域词汇;
对多个所述领域词汇进行边界划分处理得到限界上下文信息;
根据预设的戴明环设计规则、所述领域词汇和所述限界上下文信息进行建模处理得到计划模型。
2.根据权利要求1所述的计划模型生成方法,其特征在于,所述对所述历史业务流程图进行要素提取得到多个计划组成要素,包括:
对所述历史业务流程图进行拆分处理得到业务组成文本;
对所述业务组成文本进行第二分析处理得到多个所述计划组成要素。
3.根据权利要求1所述的计划模型生成方法,其特征在于,所述基于预设的领域驱动设计规则对多个所述计划组成要素进行整理得到计划事件地图,包括:
对多个所述计划组成要素进行划分处理得到事件信息和命令信息;
根据预设的业务流程规则对所述事件信息和所述命令信息进行编排得到所述计划事件地图。
4.根据权利要求1所述的计划模型生成方法,其特征在于,所述对所述计划事件地图进行第一分析处理得到多个领域词汇,包括:
对所述计划事件地图中的所述事件信息和所述命令信息进行词汇提取处理得到多个关键词;
对多个所述关键词进行匹配处理得到多个所述领域词汇。
5.根据权利要求1所述的计划模型生成方法,其特征在于,所述对多个所述领域词汇进行边界划分处理得到限界上下文信息,包括:
根据预设的业务功能规则创建多个领域边界;
对各个所述领域词汇进行语义分析得到对应的语义信息;
根据所述语义信息将各个所述领域词汇划分至相应的所述领域边界得到所述限界上下文信息。
6.根据权利要求1所述的计划模型生成方法,其特征在于,所述根据预设的戴明环设计规则、所述领域词汇和所述限界上下文信息进行建模处理得到计划模型,包括:
对所述领域词汇和所述限界上下文信息进行识别处理得到聚合信息和聚合根;
基于所述聚合信息和所述聚合根创建得到初始功能模块;
根据所述戴明环设计规则对所述初始功能模块进行划分处理得到计划模块、实施模块、检查模块和修正模块;
基于所述计划模块、所述实施模块、所述检查模块和所述修正模块,将所述领域词汇与代码模型中的代码对象进行映射处理得到所述计划模型。
7.根据权利要求6所述的计划模型生成方法,其特征在于,所述基于所述聚合信息和所述聚合根创建得到初始功能模块,包括:
对所述聚合信息进行第三分析处理得到业务关联信息;
根据所述业务关联信息,将所述领域词汇和所述聚合根进行关联处理得到所述初始功能模块。
8.一种计划模型生成装置,其特征在于,所述装置包括:
第一处理模块,用于获取历史业务流程图;
第二处理模块,用于对所述历史业务流程图进行要素提取得到多个计划组成要素;
第三处理模块,用于基于预设的领域驱动设计规则对多个所述计划组成要素进行整理得到计划事件地图;
第四处理模块,用于对所述计划事件地图进行第一分析处理得到多个领域词汇;
第五处理模块,用于对多个所述领域词汇进行边界划分处理得到限界上下文信息;
第六处理模块,用于根据预设的戴明环设计规则、所述领域词汇和所述限界上下文信息进行建模处理得到计划模型。
9.一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的计划模型生成方法。
10.一种计算机可读存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令用于执行权利要求1至7中任意一项所述的计划模型生成方法。
CN202210739758.1A 2022-06-28 2022-06-28 计划模型生成方法、装置、电子设备及存储介质 Pending CN115099229A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210739758.1A CN115099229A (zh) 2022-06-28 2022-06-28 计划模型生成方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210739758.1A CN115099229A (zh) 2022-06-28 2022-06-28 计划模型生成方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN115099229A true CN115099229A (zh) 2022-09-23

Family

ID=83295889

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210739758.1A Pending CN115099229A (zh) 2022-06-28 2022-06-28 计划模型生成方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115099229A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116009851A (zh) * 2022-12-20 2023-04-25 浙江凌骁能源科技有限公司 目标模型集成与发布方法、装置、计算机设备和存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116009851A (zh) * 2022-12-20 2023-04-25 浙江凌骁能源科技有限公司 目标模型集成与发布方法、装置、计算机设备和存储介质
CN116009851B (zh) * 2022-12-20 2024-05-07 浙江凌骁能源科技有限公司 目标模型集成与发布方法、装置、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
CN112203122B (zh) 基于人工智能的相似视频处理方法、装置及电子设备
US10977871B2 (en) Delivery of a time-dependent virtual reality environment in a computing system
US9923860B2 (en) Annotating content with contextually relevant comments
US20210125124A1 (en) Utilizing a machine learning model to manage a project release
US11397954B2 (en) Providing analytics on compliance profiles of type organization and compliance named entities of type organization
US11556938B2 (en) Managing regulatory compliance for an entity
CN114424257A (zh) 使用机器学习对表格数据进行自动描绘和提取
CN110162796A (zh) 新闻专题创建方法和装置
US20230177363A1 (en) Generation of query templates for knowledge-graph based question answering system
US9916158B2 (en) Cognitive feature analytics
CN114610271A (zh) Ai模型的定制方法、电子设备及计算机可读存储介质
CN115099229A (zh) 计划模型生成方法、装置、电子设备及存储介质
US20210150270A1 (en) Mathematical function defined natural language annotation
CN117787290A (zh) 基于知识图谱的绘图提示方法和装置
CN115033229A (zh) 活动模型生成方法、装置、电子设备及存储介质
CN113344078B (zh) 一种模型训练的方法及装置
US20200302006A1 (en) Comment-based article augmentation
CN109325239A (zh) 学生课堂表现管理方法及***
CN113705822A (zh) 一种自动建模方法、***、计算设备及存储介质
US20050075994A1 (en) E-brain, data structure thereof and knowledge processing method therewith
US20220197672A1 (en) Adjusting system settings based on displayed content
JP2019106128A (ja) 分析方法、分析装置および分析プログラム
US20180032929A1 (en) Risk-adaptive agile software development
CN114556326B (zh) 用于生成自然语言表达变体的方法和***
CN115292194B (zh) 流程调试的方法、电子设备及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination