[发明专利]一种基于人工智能的审批流解决方法、装置及计算机设备

说明书

市面上主要的OA系统或审批流系统的审批节点设置依存于部一般的OA系统只能通过上一节点的人员手动指定下一节点审批人，或所有同岗位审批人都到待办等方式解决。这样也带来了权利义务，审批责任的不清晰。本发明的目的在于提供一种基于人工智能的业务审批流的解决方法、装置及计算机设备，通过人工智能技术，分析用户习惯和最近的工作内容范围，自动分配审批任务给同岗位人员进行审批。

【技术领域】

本申请涉及计算机技术领域，特别是涉及一种业务审批方法、装置、计算机设备。

【背景技术】

市面上主要的OA系统或审批流系统的审批节点设置依存于部门组织架构，岗位职级等。这种设计对于大多数公司适用，但也有部分架构比较灵活、汇报关系不固定的公司会有局限。比如集团总部的职能人员，需要为各个分店处理事务时，需要进入审批流填写审批意见，补充流程信息，但职能人员并不归属业务线，不能按照组织架构找到对应的人员；且同岗位的职能人员很多，也无法按照岗位指定。一般的OA系统只能通过上一节点的人员手动指定下一节点审批人，或所有同岗位审批人都到待办等方式解决。这样也带来了权利义务，审批责任的不清晰。

【发明内容】

针对现有技术中存在的缺陷，本发明的目的在于提供一种基于人工智能的业务审批流的解决方法，通过人工智能技术，分析用户习惯和最近的工作内容范围，自动分配审批任务给同岗位人员进行审批。

为达到上述目的，根据本发明的第一方面，提供了一种基于人工智能的业务审批流解决方法，步骤如下：

收集流程信息、任务信息、会议信息、站内信息、阅览知识信息、地理位置、考勤信息、网络信息，创建业务审批信息数据库，并将上述信息数据存储于数据库中。利用上述数据库中的信息进行分布式训练，分布式训练分为两部分，第一分布式训练的训练维度设定为：流程、任务、会议、站内信、阅览内容；第二分布式训练的维度设定为：流程、任务、会议、地理位置、考勤信息、网络信息；第一分布训练采用100组随机算法进行训练，第二分布训练采用100组随机分配权重，使用遗传算法进行遗传优化，得到训练最优模型。通过该最优模型得到下一节点的审批人。

进一步的，由于存在两组最优基因算法，故该节点可能存在两个不同的审批人，当审批人不同时，两人在该节点中设置为并联，即任意一人审批通过后是为该节点通过。

进一步的，数据库存储的信息为近六个月内的历史数据，两个分布式训练分别推举一种最优算法一组。

进一步的，遗传算法进行50代遗传优化，得到最终优化的计算模型。

进一步的，每日进行一轮训练，更新最优算法到前台，次日使用此组算法进行计算。

进一步的，解决方法还包括反馈步骤，即在办公系统中确认最优模型推举的节点的审批人以及相关信息是否正确，若是，则反馈到计算模型步骤继续进行计算下一节点审批人；若否，则在办公系统中人工选择下一步业务办理的处室和对应的办理人，并由人工选择的下一步业务办理的处室和对应的办理人进行下一步业务办理。

根据本发明的第二方面，提供了一种基于人工智能的业务审批装置，装置包括：

采集模块，用于收集流程信息、任务信息、会议信息、站内信息、阅览知识信息、用户地理位置、考勤信息、网络信息。

存储模块，用于存储上述信息数据，并将上述数据分别存入流程模块、任务模块、会议模块、站内信模块、阅览知识模块、用户地理位置模块、用户网络信息模块、用户考勤信息模块。

第一分布训练模块，从上述存储模块中提取100组流程、任务、会议、站内信、阅览内容的数据，采用100组随机算法进行训练，最终推举出最优计算模型，计算出下一节点的审批人；