[发明专利]一种图形化的业务处理系统和方法

权利要求书

1.一种图形化的业务处理系统，其特征在于，所述系统包括：

人机交互界面，用于接收用户绘制的包含用组件图形表示的一个或多个任务节点的业务流程图，其中，所述组件图形用于指定所述组件图形所表示的任务节点需要调用的程序组件，且所述业务流程图中的至少一个组件图形指定的程序组件为人工智能AI程序组件，所述AI程序组件用于调用AI模型；

流程执行模块，用于根据所述业务流程图的执行逻辑，执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案；

AI模型训练与管理模块，用于训练和测试所述AI模型，并在测试通过时保存所述AI模型，其中，所述AI模型用于实现所述业务解决方案中的预设业务处理步骤；

其中，所述AI模型训练与管理模块包括：

算法选择子模块，用于接收用户选择的预设人工智能算法；

样本数据接收模块，用于接收用户选择并上传的样本数据；

干扰管理子模块，用于对用户配置的所述AI模型的干扰因素进行管理，其中，所述干扰因素是指可能对所述AI模型的预测效果起到作用的、并且可由用户进行自定义的数据特征，干扰因素的管理包括：对用户定义的干扰因素的种类和每个种类下的更为详细的分类的管理；

参数设置子模块，用于接收用户设置的所述预设人工智能算法的相关参数、所述AI模型的评估指标和所述AI模型的输出参数；

模型训练子模块，用于根据所述人工智能算法、所述样本数据、所述干扰因素、所述相关参数和所述输出参数，训练所述AI模型；

效果评估子模块，用于根据所述评估指标和/或预设测试方式，确定训练出的所述AI模型的效果；

参数调优子模块，用于在所述AI模型的效果不符合预期效果时，根据预设调参算法对所述相关参数进行调整，并重新触发所述模型训练子模块训练所述AI模型，直到所述AI模型的效果符合所述预期效果；

保存子模块，用于将符合预期效果的所述AI模型保存至第二服务集群的所述至少一个节点中。

2.根据权利要求1所述的系统，其特征在于，

所述AI模型训练与管理模块，具体用于在第一服务集群的节点中训练和测试所述AI模型，并在测试通过时将所述AI模型保存至第二服务集群的至少一个节点中；

其中，所述AI程序组件用于从所述第二服务集群的所述至少一个节点中调用所述AI模型。

3.根据权利要求1所述的系统，其特征在于，所述系统还包括：

输入数据获取模块，用于从第二组件图形指定的程序组件中获取所述AI模型的输入数据；

其中，所述第二组件图形是所述业务处流程图中除第一组件图形外的组件图形，所述第一组件图形是用于指定所述AI程序组件的组件图形，且所述输入数据的数据格式与所述样本数据的数据格式相同。

4.根据权利要求3所述的系统，其特征在于，

所述AI程序组件，用于根据所述输入数据和所述AI模型的输出参数的设置，编译执行所述AI模型，得到所述AI模型的输出数据。

5.根据权利要求4所述的系统，其特征在于，

所述人机交互界面包括展示子模块；

所述展示子模块，用于展示所述AI模型的输出数据，并接收用户对所述输出数据的预设操作生成反馈数据。

6.根据权利要求5所述的系统，其特征在于，

所述人机交互界面还包括反馈子模块；

所述反馈子模块，用于将所述反馈数据和所述反馈数据对应的输入数据作为新的样本数据发送给所述AI模型训练与管理模块，以使所述AI模型训练与管理模块对所述AI模型进行更新。

7.根据权利要求1-6任一项所述的系统，其特征在于，

所述业务流程图中的组件图形还用于描述调用程序组件实现至少一个业务处理步骤所需要的相关参数，所述执行逻辑用组件图形之间的连接顺序表示；

其中，所述流程执行模块，用于根据所述业务流程图中各组件图形之间的连接顺序，以及组件图形描述的相关参数，调用所述业务流程图中的组件图形指定的程序组件，执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案。

8.一种图形化的业务处理方法，其特征在于，所述方法包括：

人机交互界面接收用户绘制的包含用组件图形表示的一个或多个任务节点的业务流程图，其中，所述组件图形用于指定所述组件图形所表示的任务节点需要调用的程序组件，且所述业务流程图中的至少一个组件图形指定的程序组件为人工智能AI程序组件，所述AI程序组件用于调用AI模型；

流程执行模块根据所述业务流程图的执行逻辑，执行所述业务流程图描述的包含至少一个业务处理步骤的业务解决方案；

AI模型训练与管理模块训练和测试所述AI模型，并在测试通过时保存所述AI模型，其中，所述AI模型用于实现所述业务解决方案中的预设业务处理步骤；

其中，所述AI模型训练与管理模块包括：

算法选择子模块，用于接收用户选择的预设人工智能算法；

样本数据接收模块，用于接收用户选择并上传的样本数据；

干扰管理子模块，所述AI模型训练与管理模块训练和测试所述AI模型，并在测试通过时保存所述AI模型，包括：干扰管理子模块接收对用户配置的所述AI模型的干扰因素进行管理，其中，所述干扰因素是指可能对所述AI模型的预测效果起到作用的、并且可由用户进行自定义的数据特征，干扰因素的管理包括：对用户定义的干扰因素的种类和每个种类下的更为详细的分类的管理；

参数设置子模块，用于接收用户设置的所述预设人工智能算法的相关参数、所述AI模型的评估指标和所述AI模型的输出参数；

模型训练子模块，用于根据所述人工智能算法、所述样本数据、所述干扰因素、所述相关参数和所述输出参数，训练所述AI模型；

效果评估子模块，用于根据所述评估指标和/或预设测试方式，确定训练出的所述AI模型的效果；

参数调优子模块，用于在所述AI模型的效果不符合预期效果时，根据预设调参算法对所述相关参数进行调整，并重新触发所述模型训练子模块训练所述AI模型，直到所述AI模型的效果符合所述预期效果；

保存子模块，用于将符合预期效果的所述AI模型保存至第二服务集群的所述至少一个节点中。