[发明专利]基于模块分解的智能响应方法、装置、介质、设备

说明书

本发明公开了一种基于模块分解的智能响应方法、装置、介质、设备。方法包括步骤：根据企业的业务逻辑和决策逻辑，对信息系统进行模块分解，确定经验型人工决策模块；从历史数据中提取业务数据，根据业务数据对经验型人工决策模块的输入和输出数据进行建模，对所提取的业务数据进行数据转换，转换后的数据作为模型的训练集；将输出作为多分类标签，通过深度神经网络学习的方式来学习训练集的案例数据，不断进行优化与改进，直到收敛；将训练完成的深度神经网络嵌入原信息系统的经验型人工决策模块中，在新的输入下，智能判别分类问题，并作出决策建议。本发明使得神经网络可以替代人工决策，实现信息系统的柔性化，提高业务响应效率。

技术领域

本发明涉及管理信息系统智能决策研究领域，特别涉及一种基于模块分解的智能响应方法、装置、介质、设备。

背景技术

现代事务型企业活动的本质，是围绕事务(具象化为客户订单、合作方合同、员工申请表等)推进的需要而搭建起庞大的支撑架构。企业管理学科以及信息系统学科历史以来对企业流程的研究，产生了典型如业务流程重组等专门知识。信息系统的实施也非常关注企业数据流(信息流)的走向，期冀达到最优化的效果。然而随着企业规模增大，外部环境给定的输入也日渐复杂，信息系统构建的复杂度呈指数式上升，运行中在很多场合作为企业神经中枢的信息系统甚至降低了处理效率，而且让流程更加僵化而不具备弹性。究其原因，在于外部实体输入在模式、结构、数据方面的高度不确定性与信息系统模型的构造刚性之间的冲突。另外一方面，单纯的业务流程优化，并没有改变问题的实质。在现代事务型企业中，仍然存在大量重复的简单脑力劳动。

在信息系统中，数据要求以指定格式流动，一旦定型就很难变更，否则将完全推翻原处理模块的逻辑，成本高昂。研发成本将随复杂度指数式上升，给企业带来巨大的成本压力。

在企业管理中应用计算机技术并综合运用系统论、控制论、信息论等新科学新技术的某些方法进行应用开发，已经经历了大致40多年的发展过程，大体上划分为数据处理系统、管理信息系统、决策支持系统以及基于知识的管理专家系统四个阶段。但是基于规则的专家系统，仍然存在输入刚性问题，适用范围十分有限。近年来随着人工智能技术的不断突破，企业管理系统也开始走向第五个阶段，即智能化。

在信息系统理论中，将企业及其各个部门视为接受输入并得到输出的处理模块。使用人工智能技术，例如深度神经网络，就可以比较弹性地处理输入和输出的数据。在这样的基本思想下，利用企业运营积累的大数据对深度神经网络进行训练，有望能够替代相当一部分的人工劳动，让企业的“智商”从信息化提升到智能化阶段。

发明内容

本发明的目的在于利用企业运营积累的大数据，提出一种基于模块分解的智能响应方法、装置、介质、设备，其利用上述积累的大数据作为训练集，训练深度神经网络，一定程度上替代一部分或全部的人工干预行为，从而实现企业管理系统的智能化响应、视觉分析能力等功能，提升企业经营效率，实现产业的整体效能的增长。

第一方面，本发明基于模块分解的智能响应方法，包括步骤：

(1)根据企业的业务逻辑和决策逻辑，对信息系统进行模块分解，确定经验型人工决策模块；

(2)从历史数据中提取业务数据，根据所述业务数据对经验型人工决策模块的输入和输出数据进行建模，对所提取的业务数据进行特征描述、向量化和标准化等数据转换操作，转换后的数据作为模型的训练集；

(3)将输出作为多分类标签，通过深度神经网络学习的方式来学习训练集的案例数据，不断进行优化与改进，直到收敛；

(4)将训练完成的深度神经网络嵌入原信息系统的经验型人工决策模块中，在新的输入下，智能判别分类问题，并作出决策建议。

优选的，步骤(1)中，根据企业的业务逻辑和决策逻辑，对信息系统进行模块分解，模块分解遵循以下标准：

(1-1)正确映射企业真实的业务逻辑和决策逻辑；