[发明专利]一种将结构化流程模型自动生成自然语言文本的方法

说明书

本发明公开了一种将结构化流程模型自动生成自然语言文本的方法，属于流程挖掘领域。本发明首先利用标签文本的解析技术，来获取和解析BPMN流程模型中的标签文本信息，其次，使用流程模型结构转换技术，将BPMN流程模型的结构转换成流程结构树，最后，使用自然语言生成技术生成自然语言文本。本发明能够生成语法正确，语义完整的自然语言文本，使非专业人士能够通过阅读自然语言文本的方式理解BPMN流程模型。

技术领域

本发明属于流程挖掘领域，具体涉及一种将结构化流程模型自动生成自然语言文本的方法。

背景技术

当前从BPMN(Business Process Model and Notation，业务流程模型和标记法)流程模型生成自然语言文本包括两类方案：一类通过BPMN流程模型专家对模型的阅读和理解，生成对应的自然语言文本；另一类是通过自然语言信息分析的方法自动生成的自然语言文本。

第一类方法是借助流程模型专家的帮助，专家掌握BPMN流程模型相关的知识，专家对BPMN流程模型进行阅读和理解，将模型含义用自然语言文本表达出来。

第二类方法是使用自然语言分析，生成流程模型的自然语言表达，此方法优点是成本低，效率高，操作简单。但自然语言分析生成的文本依赖定义的模版，因此生成文本的质量取决于模版的完整性和正确性，而且在流程模型中的分支，选择等结构，不能正确描述。

综合分析两类方法，第一类方法生成的结果更正确和权威，可以根据模型进行个性化设计。但是寻找流程专家的难度较大，而且时间成本高。第二类方法开发难度低，效率高。但生成文本依赖于模版，文本的质量不能保证。从整体来看本发明所提出的技术与思路是创新的，是现有自然语言文本生成方法无法实现的。

现有的从BPMN流程模型生成自然语言文本的方法包括人工生成，自然语言分析生成等方案。其技术缺点主要体现在以下几个方面：

人工生成方案无法解决时间周期长的问题。随着流程模型规模的增大，对于流程模型专家来说，无法保证生成文本的正确性，而且人工生成的成本高，效率低。

自然语言分析生成方案是使用模版和标签文本信息生成自然语言文本，由于没有考虑生成文本的语法，不能保证生成文本语法正确，所以生成文本的可读性差。对于流程模型中存在的分支、选择、循环、并发等结构，自然语言分析方法不能进行正确的处理，因此会丢失流程结构信息，这对理解流程模型是致命的。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种将结构化流程模型自动生成自然语言文本的方法，设计合理，克服了现有技术的不足，具有良好的效果。

为了实现上述目的，本发明采用如下技术方案：

一种将结构化流程模型自动生成自然语言文本的方法，采用标签文本信息解析模块、流程模型结构转换模块和自然语言文本生成模块；

标签文本信息解析模块，被配置为用于获取和解析BPMN(Business ProcessModel and Notation，业务流程模型和标记法)流程模型中模型元素的标签文本信息，获取包括节点、边和泳道在内的文本信息，然后使用语义角色标注解析这些文本信息；

流程模型结构转换模块，被配置为用于完成流程模型结构的转换，将流程模型划分成具有层次的流程片断，使用流程结构树来存储流程片断及流程片断之间的关系；

自然语言文本生成模块，被配置为用于完成流程模型的自然语言文本的生成；

所述的将结构化流程模型自动生成自然语言文本的方法，包括如下步骤：

步骤1：文本解析；

通过标签文本信息解析模块获取和解析BPMN流程模型中的标签文本信息，获取包括节点、边和泳道在内的文本信息，然后使用语义角色标注解析这些文本信息；