[发明专利]使用机器学习技术的用于通信工作流的增强的处理

权利要求书

1.一种计算机实现的方法，包括：

访问包括按顺序次序布置的一个或多个任务的通信工作流，所述通信工作流被配置为促进与用户设备的集合的交互，所述一个或多个任务中的每个任务包括可执行代码，所述可执行代码在执行时执行与用户设备的集合相关联的功能，并且所述通信工作流与表征所述通信工作流的所述一个或多个任务中的每个任务的一个或多个参数相关联；

生成所述表示通信工作流的复合特征向量，所述复合特征向量是使用所述通信工作流的所述一个或多个任务中的每个任务的特征向量生成的，并且所述一个或多个任务中的每个任务的特征向量是通过使用表征任务的所述一个或多个参数执行一种或多种机器学习技术生成的；

将所述通信工作流的复合特征向量输入到经训练的机器学习模型中，该经训练的机器学习模型已经被训练用于生成所述通信工作流的性能值的预测，并且经训练的机器学习模型已经使用表示一个或多个先前执行的通信工作流的训练数据集和所述一个或多个先前执行的通信工作流中的每个通信工作流的对应的先前性能值进行了训练；以及

使用经训练的机器学习模型生成输出，该输出预测所述通信工作流的性能值。

2.如权利要求1所述的计算机实现的方法，还包括：

确定所述通信工作流的结构，该结构由树结构的多个节点表示，其中树结构的所述多个节点中的两个节点由一个或多个阶段连接，其中所述通信工作流的所述一个或多个任务中的每个任务与所述多个节点中的节点或所述一个或多个阶段中的阶段对应；以及

评估所述训练数据集以确定所述通信工作流的结构是否与所述一个或多个先前执行的通信工作流中的至少一个先前执行的通信工作流的结构匹配。

3.如权利要求2所述的计算机实现的方法，还包括：

确定所述通信工作流的结构与所述训练数据集的所述一个或多个先前执行的工作流的一组先前执行的通信工作流的结构匹配；

在域空间中将所述通信工作流的复合特征向量与所述一组先前执行的通信工作流中的每个先前执行的通信工作流的复合特征向量进行比较；

基于阈值和所述比较的结果来选择所述一组先前执行的通信工作流的子组；

为先前执行的通信工作流的子组的每个先前执行的通信工作流识别先前性能值；以及

通过确定与先前执行的通信工作流的子组相关联的先前性能值的组合来生成预所述测通信工作流的性能值的输出。

4.如权利要求2所述的计算机实现的方法，还包括：

确定所述通信工作流的结构与所述训练数据集的所述一个或多个先前执行的通信工作流的一组先前执行的通信工作流的结构匹配，其中在生成训练数据集期间：

确定先前执行的通信工作流的一个或多个子集，所述一个或多个子集中的每个子集与共享共用结构的两个或更多个先前执行的通信工作流对应；以及

对先前执行的通信工作流的所述一个或多个子集中的每个子集执行聚类操作，其中先前执行的通信工作流的每个子集与先前执行的通信工作流的一个或多个集群相关联，其中所述一个或多个集群是通过在域空间中对先前执行的通信工作流的子集的复合特征向量执行聚类操作而形成的，并且其中集群中包括的每个先前执行的通信工作流都与复合特征向量相关联，该复合特征向量与那个集群中其它先前执行的通信工作流的复合特征向量对应；

通过以下操作来生成预测所述通信工作流的性能值的输出：

识别所述训练数据集的所述一个或多个子集中其结构与所述通信工作流的结构对应的特定子集；

基于所述通信工作流的复合特征向量与所述一个或多个集群中的每个集群的复合特征向量的比较来将所述通信工作流指派给所述一个或多个集群中与特定子集对应的特定集群；以及

确定与先前执行的通信工作流相关联的先前性能值的组合，该先前执行的通信工作流与该通信工作流被指派给的特定集群相关联。