使用非结构会话机器人生成过程流模型

摘要

在示例计算机实现的方法中，记录了非结构化会话机器人与多个用户之间的非结构化交互。基于记录的非结构化交互生成过程流模型。通过会话机器人将基于过程流模型的指令实时呈现给用户。

说明书

背景技术

本技术涉及过程流。更具体地，该技术涉及优化过程流的顺序。

发明内容

根据本文描述的实施例，系统可以包括处理器，以记录非结构化会话机器人与多个用户之间的非结构化交互。处理器还可以基于记录的非结构化交互进一步生成过程流模型。处理器还可以通过会话机器人，基于过程流模型向用户实时显示指令。

根据本文描述的另一个实施例，一种计算机实现的方法可以包括由处理器记录非结构化会话机器人与多个用户之间的非结构化交互。该计算机实现的方法可以进一步包括由处理器基于所记录的非结构化交互来生成过程流模型。该计算机实现的方法还可以进一步包括：经由会话机器人，基于过程流模型向用户实时呈现指令。

根据本文描述的另一实施例，用于生成过程流模型的计算机程序产品可以包括嵌入其中的程序代码的计算机可读存储介质。该计算机可读存储介质本身不是瞬时信号。可由处理器执行的程序代码，以使处理器记录非结构化会话机器人与多个用户之间的非结构化交互。程序代码还可以由处理器基于记录的非结构化交互来生成过程流模型。程序代码还可以使处理器基于会话流模型，由会话机器人将指令实时呈现给用户。

附图说明

图1是用于基于记录的非结构化交互来生成过程流模型的示例系统的框图；

图2是可以基于记录的非结构化交互来生成过程流模型的示例过程的过程流程图；

图3是可以基于记录的非结构化交互来生成过程流模型的示例方法的过程流程图；

图4是可以基于记录的非结构化交互来生成过程流模型的示例计算设备的框图；

图5是根据本文描述的实施例的示例云计算环境的流程图；

图6是根据本文描述的实施例的示例抽象模型层的流程图；以及

图7是可以基于记录的非结构化交互来生成过程流模型的示例有形的非暂时性计算机可读介质。

具体实施方式

不同行业中处于不同环境中的工人每天可能会参与许多过程。这些过程通常被表征为微操作的常规和重复序列，这些微操作使用纸质表格或电子表格以预定顺序进行。这种过程的一个示例是检查工作流程，其中用户在系统条件下执行一系列测试和检查，记录状态和传感器读数，并对系统组件应用维护例程。

然而，执行这些过程的特定顺序或流程(在本文中称为过程流)可能会受到用于执行过程流的接口的人为限制。例如，用于执行这些过程的检查表由相关领域的主题专家设计和构建，并且可以或者基于逻辑层次结构顺序或基于以允许主管可以更轻松地进行审查的方式聚合数据的顺序构建。然后可以将这些形式直接转换为某种形式的基于屏幕的界面。但是，此过程所施加的逻辑顺序可能与业务流程的自然顺序不一致，甚至相矛盾。例如，自然顺序可以是一个最佳顺序，在该顺序中，如果工人没有被约束到表格的顺序，则该工人可以执行该自然顺序。在一些示例中，自然秩序可以反映受试者的身体或实际安排，但是也可以受到工人在特定任务中的熟练程度、工人的习惯和便利以及其他客观和主观因素因素的影响。因此，工人可能必须遵守非自然秩序才能完成过程。结果，由于必须弥合引导程序和对他们来说可能最有效的实际程序之间的间隙，它们的性能可能不是最佳的。例如，工人可以按照原样使用表格并损害他们的效率，或者按自然顺序执行过程，但会损害任务的准确性。

根据本公开的实施例，可以使用非结构化会话机器人基于记录的非结构化交互来生成过程流模型。示例系统包括用于记录非结构化会话机器人与多个用户之间的非结构化交互的处理器。例如，非结构化的交互可能没有特定的顺序。因此，非结构化的交互可能不会遵循指定的会话模式或结构，因此用户可能不会遵循由会话机器人带领的引导路径。处理器可以基于记录的非结构化交互来生成过程流模型。处理器还可以通过会话机器人，基于过程流模型向用户实时显示指令。在一些示例中，处理器可以基于与用户的非结构化交互来修改过程流模型，以适应用户的偏好。因此，本公开的实施例使得能够生成针对特定工人或工人组的个人偏好而定制的过程流模型。此外，通过使用非结构化会话机器人数据，可以由从事该任务的实际工人组将生成的过程流模型定制为特定过程。因此，该技术可用于生成在提高效率的同时保持过程被执行时的准确性的过程流模型。在一些示例中，系统甚至可以使用新的过程流模型来不断学习，以优化工作过程的效率。该系统因此可以使得能够向具有单个偏好顺序的工人生成推荐以改变他们的习惯并检查替代命令，该替代命令受到广大工人的欢迎并且相对优于他们自己的，从而也用作教育工具。以这种方式，该技术可以使会话机器人能够有效地识别并逐渐改变工人群体的低效率习惯，同时保持过程流的准确性。

现在参考图1，该框图示出了用于基于记录的非结构化交互来生成过程流模型的示例系统。示例系统100可以用于实现图2和图3的过程200或方法300。系统100还可以使用图4的计算设备400或图7的计算机可读介质700来实现。

图1的系统100包括显示为与非结构化会话机器人104交互的多个用户102。例如，非结构化会话机器人可以在多个移动设备上实现。移动设备可以包括提供非结构化反馈的基于语音的个人助理。系统100包括交互记录器106，以记录用户102和非结构化会话机器人104之间的交互。作为一个示例，交互记录器106可以是非结构化会话机器人104的子单元。系统100包括过程流模型生成器和更新器108。例如，过程流模型生成器和更新器108可以在服务(例如云服务器)上实现。

在图1的示例中，许多用户102可以参与执行特定过程。例如，该过程可以包括在系统状况下的一系列测试和检查，并记录状态和传感器读数，以及在系统组件上应用维护例程。在各种示例中，非结构化会话机器人104可以包括基于语音的界面。例如，基于语音的界面可以允许用户忽略由其他传统界面施加的任何人为障碍，并以对用户最有效的方式执行过程。系统100因此可以允许用户使用自然语言和自然顺序的语音交互来完成过程。过程的顺序是非结构化的，并允许用户以非指导的方式完成过程。

仍然参考图1，系统100可以按用户执行每个过程的顺序记录用户输入的信息。记录用户交互可以允许系统从该数据中学习并开发通用模型，该模型描述相关业务流程的最佳顺序。系统将进一步了解每个工作人员的个人首选顺序，并将此个性化应用到通用模型上，以便为每个工作人员和每种业务流程类型创建一个单独的模型。交互记录器106可以是用于执行该过程的任何日志记录设备，该过程允许在执行过程时记录项目、时间和位置。作为一个示例，工人可以使用具有麦克风和扬声器以及互联网连接的移动手持设备。该移动设备可以包括允许工作人员进行该过程的语音接口应用程序。因此在各种示例中，数据的收集是基于在线语音启用的跟踪和记录设备，例如在移动或无线电手持设备上运行的个人助理。在一些示例中，日志记录设备记录工作流程过程并将日志数据在线传输到中央数据库。在一些示例中，在过程结束之后，日志记录设备可以将日志数据脱机传输到中央数据库。

过程流生成器和更新器108可以包括学习算法，该算法处理数据库中的数据，以便分类最佳路径或执行该过程的最佳顺序，从而产生最佳推荐顺序。在不同的例子中，随着时间的推移，当记录的事件累积起来时，系统可以学习优化的模型。例如，记录的事件可以描述每个过程项的性能以及与每个项相关联的定时和位置数据。定时和位置数据可由最终用户输入设备收集。在各种示例中，优化模型可以包括对会话的遍历路径(由会话节点的顺序指示)与成功或有效地完成过程流之间的相关性的统计分析。此分析可以突出显示最佳路径并追溯其公共属性，以便生成最佳推荐顺序。

在一些例子中，使用各种机器学习模型可以获得最佳的推荐顺序。例如，可以使用一个系统，该系统包括一个随机森林模型，该模型将描述会话中各个步骤的多个属性作为输入，这些步骤按照执行顺序进行。在各种示例中，随机森林模型还接收性能指标，如完成任务的质量、速度和效率。随着时间的推移，随机森林模型可以学习一组理想的属性及其顺序，以达到最佳结果。

系统100在学习每个业务过程类型的最佳模型之后，可以基于所学习的模型生成过程流模型，该模型可用于后续过程。即使使用新的过程流模型，系统100也可以连续学习，以优化工作流的效率。在各种例子中，系统100可以推荐具有个人偏好顺序的工人来改变他们的习惯，并且使工人能够检查对一般工人群体有利并且可能比他们自己的更好的替代顺序。因此，系统100可以通过将学习到的顺序反馈到用于后续工作流的各个日志设备中来提高工作者的效率。

在一些示例中，来自生成的过程流模型的任何个别偏差都会记录为个别偏好，并进行分析，以确定集群行为，并量化这些新路线或顺序是否优于当前推荐的过程流模型的方案。如果新的路线或顺序被改进，则系统100可以将新的改进的路线或顺序添加到通用模型中，并相应地更新过程流模型。由此产生的过程和顺序是基于过程的实际顺序以及许多工作流实例的性能信息组织的，并且是最适合由工作人员执行的任务类型的。在各种示例中，关于过程的原始默认顺序(其可以被更层次化地构造以适合主管的视图)，系统100仍然可以将项目的新顺序转换回原始逻辑默认顺序，以满足用户的视角和偏好，具体取决于特定的应用。

应该理解的是，图1的框图并非旨在指示系统100将包括图1所示的所有组件。相反，系统100可以包括图1中未示出的较少或额外组件(例如，额外的客户端设备或额外的资源服务器等)。

图2是基于记录的非结构化交互可以生成过程流模型的示例过程的示意图。过程200可以用任何合适的计算设备来实现，例如图4的计算设备400，并且参照图1的系统100来描述。例如，下面描述的方法可以由图4和图7的处理器402或处理器702来实现。

图2包括一组不同的用户202，它们使用语音通过非结构化会话机器人与过程流交互。不同用户202包括遵循过程流的默认结构的用户204。例如，当用户204被呈现给工作人员204时，用户204可以逐字地遵循表单上的过程，或者遵循口头命令或提示，或者视觉命令或提示。不同用户202包括部分遵循过程流的默认结构的用户206。不同用户202还包括不遵循过程流的默认结构的自由流用户208。例如，这样的自由流用户208可以完全偏离过程流的默认结构的序列。

在框210，记录用户202的交互。例如，可以记录非结构化的交互并发送到中央数据库。

在框212上，模型生成器基于记录的交互生成过程流模型，并分析来自过程流模型的每个用户的偏差。例如，模型生成器可以确定每个用户来自过程流模型的任何偏差是否超过过程流模型的效率。例如，可以使用执行过程流花费的时间来衡量效率。在某些示例中，效率的次要指标可能是由外部观察者衡量的完成质量。此外，在某些示例中，可以通过调查、过程中穿过的物理距离、以及其他挫折指标(如果适用)来衡量过程中的用户挫折感。

在框214上，系统向用户提供具有应用了每个用户的个人偏好的过程流模型。例如，生成的过程流模型可用作通用过程流模型，工作人员可以通过非结构化会话机器人与之交互。在某些示例中，可以根据用户的个人偏好修改通用过程流模型的顺序或序列，并在单个过程流模型中呈现给用户。

在框216上，系统基于与过程流模型的额外的记录的交互，迭代更新过程流模型。例如，系统可以识别额外的记录的非结构化交互中的集群行为，并响应检测到集群行为包含改进的路线或顺序，基于集群行为更新过程流模型。这样，过程流模型可以随着时间的推移基于过程类型和执行过程的工人的偏好不断改进。因此，在保持过程执行准确性的同时，可以提高效率。

图2的示意图并非旨在指示过程200的操作将按任何特定顺序执行，或者过程200的所有操作都包含在每个情况下。此外，过程200可以包括任何适当数量的额外操作。

图3是一个示例过程的流程图，该过程可以基于记录的非结构化交互生成过程流模型。该方法300可以与任何合适的计算设备一起实现，如图4的计算设备400，并参照图1的100系统进行描述。例如，下面描述的方法可由图4和图7的处理器402或处理器702实现。

在框302中，记录非结构化会话机器人与多个用户之间的非结构化交互。在某些示例中，记录非结构化的交互并发送到数据库。例如，如图1中讨论的那样，可以以脱机或联机方式将记录中的交互发送到中央数据库。

在框304中，基于记录的非结构化交互生成过程流模型。例如，可以基于执行特定类型的过程流的用户的交互为特定类型的过程流生成通用过程流模型。在某些示例中，生成的过程流模型可以包括比较多个用户的执行的路径并选择比其他路径更高效的路径。

在框306处，经由会话机器人实时地向用户呈现基于过程流模型的指令。在各种示例中，可以从不同的角度生成过程流模型的视图并呈现。在一些示例中，可以生成并呈现自上而下的模型视图或底层(ground)视图。自上而下的模型视图是描述数据的特定逻辑分层的排列的视图。自上而下模型允许递归地从顶级数据元素向下钻取到其辅助数据元素。可选地，自上而下的模型允许通过将低级数据元素一次又一次地分组为高阶数据元素来折叠它们。在各种示例中，可以将自上而下的模型视图呈现给主管。可以基于默认过程流模型来生成自上而下模型视图。在各种示例中，可以基于过程流模型来生成底层视图。底层视图是描绘数据元素的实际排列的视图，该数据元素是由执行动手操作的人员反映的。底层视图不必遵循任何逻辑层次结构，而是与自然遍历顺序保持一致，因为个人和环境最有可能或适合执行过程。例如，可以将底层视图呈现给用户。

在框308中，记录来自过程流模型的偏差，并且基于比所记录的偏差的其他偏差更有效的偏差来迭代地更新过程流模型。在一些示例中，可以为多个用户中的每个用户记录来自过程流模型的个体偏差，并基于所记录的多个用户中的每个用户的个体偏差为每个用户生成个体模型。在各种示例中，响应于检测到集群行为包括改进的路线或顺序，在附加的记录的非结构化交互中识别集群行为，并且基于集群行为来更新过程流模型。如本文所用，群集行为是指整个过程流或部分过程流中的相似或相同模式。在一些示例中，这些模式可以是以一定顺序发生的一系列过程流动作的会话步骤。

图3的过程流程图并非旨在指示方法300的操作将以任何特定顺序执行，或者方法300的所有操作在每种情况下都将被包括在内。另外，方法300可以包括任何合适数量的附加操作。

图4是可以基于记录的非结构化交互来生成过程流模型的示例计算设备的框图。计算设备400可以是例如服务器、台式计算机、膝上型计算机、平板计算机或诸如智能电话的移动设备。在一些示例中，计算设备400可以是云计算节点。可以在由计算机系统执行的计算机系统可执行指令(例如程序模块)的一般上下文中描述计算设备400。通常，程序模块可以包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、逻辑、数据结构等。可以在分布式云计算环境中实践计算设备400，在分布式云计算环境中，任务由通过通信网络链接的远程处理设备执行。在分布式云计算环境中，程序模块可以位于包括内存存储设备的本地和远程计算机系统存储介质中。

计算设备400可以包括：处理器402，用于执行存储的指令；存储器设备404，用于在操作期间为所述指令的操作提供临时存储空间。处理器可以是单核处理器、多核处理器、计算集群或任何数量的其他配置。存储器404可以包括随机存取存储器(RAM)、只读存储器、闪存或任何其他合适的存储器系统。

处理器402可以通过系统互连406(例如，

处理器402也可以通过系统互连406连接到适于将计算设备400连接到显示器设备414的显示器接口412。显示器设备414可以包括作为计算设备400的内置组件的显示屏幕。显示器设备414还可以包括外部连接到计算设备400的计算机监视器、电视或投影仪等。此外，网络接口控制器(NIC)416可以适于通过系统互连406将计算设备400连接到网络418。在一些实施例中，NIC 416可以使用任何合适的接口(例如因特网小型计算机系统接口等)或协议来发送数据。网络418可以是蜂窝网络、无线网络、广域网(WAN)、局域网(LAN)或因特网等。外部计算设备420可以通过网络418连接到计算设备400。在一些示例中，外部计算设备420可以是外部网络服务器420。在一些示例中，外部计算设备420可以是云计算节点。

处理器402还可以通过系统互连406连接到存储器设备422，该存储器设备422可以包括硬盘驱动器、光盘驱动器、USB闪存驱动器、驱动器阵列或其任何组合。在一些示例中，存储器设备可以包括交互记录器模块424、模型生成器模块426、呈现器模块428和模型更新器模块430。交互记录器模块424可以记录非结构化会话机器人与多个用户之间的非结构化交互。例如，交互记录器模块424可以是移动设备上的基于语音的接口。在一些示例中，记录的非结构化交互中包含的数据包括位置数据和时间戳。交互记录器模块424还可以为多个用户中的每一个记录来自过程流模型的单个偏差。模型生成模块426可以基于记录的非结构化交互生成过程流模型。在一些示例中，模型生成器模块426可以基于记录的单个偏差为每个用户生成单个模型。呈现器模块428可以通过会话机器人基于过程流模型实时向用户呈现指令。在各种示例中，呈现器模块428可以从不同的角度生成和呈现过程流模型的视图。例如，视图可以包括底层视图和分层的自上而下视图。模型更新器模块430可以基于比记录的偏差的其他偏差更有效的偏差来迭代更新过程流模型。

存储器设备422还可以包括日志数据库432，以存储与各种用户的记录的交互。例如，日志数据库432可以存储与用户交互的位置数据、时间和顺序。例如，日志数据库432可以存储位置数据、交互时间和持续时间、包括用户输入和系统输出的交互内容、系统对交互的解释以及交互的结果动作。序列顺序和附加信息也可以从记录的数据推断出来，并且也可以存储在日志数据库432中。

应当理解，图4的框图并非旨在指示计算设备400将包括图4所示的所有组件。相反，计算设备400可包括图4中未示出的更少或更多的组件(例如，附加的存储器组件、嵌入式控制器、模块，附加的网络接口等)。此外，交互记录器模块424、模型生成器模块426和模型更新器模块430的任何功能可以部分或全部在硬件和/或处理器402中实现。例如，功能可以是使用专用集成电路、在嵌入式控制器中实现的逻辑，或者在处理器402中实现的逻辑等来实现。在一些实施例中，交互记录器模块424、模型生成器模块426、呈现器模块428和模型更新器模块430的功能可以用逻辑来实现，其中，本文所指的逻辑可以包括任何适当的硬件(例如，处理器等)、软件(例如应用程序)、固件或硬件、软件和固件的任何适当组合。

在某些情况下，本文描述的技术可以在云计算环境中实现。如下面至少参考图5-6更详细地讨论的，可以在云计算环境中实现被配置为基于记录的非结构化交互来生成过程流模型的计算设备。首先应当理解，尽管本公开可以包括关于云计算的详细描述，但其中记载的技术方案的实现却不限于云计算环境，而是能够结合现在已知或以后开发的任何其它类型的计算环境而实现。

云计算是一种服务交付模式，用于对共享的可配置计算资源池进行方便、按需的网络访问。可配置计算资源是能够以最小的管理成本或与服务提供者进行最少的交互就能快速部署和释放的资源，例如可以是网络、网络带宽、服务器、处理、内存、存储、应用、虚拟机和服务。这种云模式可以包括至少五个特征、至少三个服务模型和至少四个部署模型。

特征包括：

按需自助式服务：云的消费者在无需与服务提供者进行人为交互的情况下能够单方面自动地按需部署诸如服务器时间和网络存储等的计算能力。

广泛的网络接入：计算能力可以通过标准机制在网络上获取，这种标准机制促进了通过不同种类的瘦客户机平台或厚客户机平台(例如移动电话、膝上型电脑、个人数字助理PDA)对云的使用。

资源池：提供者的计算资源被归入资源池并通过多租户(multi-tenant)模式服务于多重消费者，其中按需将不同的实体资源和虚拟资源动态地分配和再分配。一般情况下，消费者不能控制或甚至并不知晓所提供的资源的确切位置，但可以在较高抽象程度上指定位置(例如国家、州或数据中心)，因此具有位置无关性。

迅速弹性：能够迅速、有弹性地(有时是自动地)部署计算能力，以实现快速扩展，并且能迅速释放来快速缩小。在消费者看来，用于部署的可用计算能力往往显得是无限的，并能在任意时候都能获取任意数量的计算能力。

可测量的服务：云系统通过利用适于服务类型(例如存储、处理、带宽和活跃用户帐号)的某种抽象程度的计量能力，自动地控制和优化资源效用。可以监测、控制和报告资源使用情况，为服务提供者和消费者双方提供透明度。

服务模型如下：

软件即服务(SaaS)：向消费者提供的能力是使用提供者在云基础架构上运行的应用。可以通过诸如网络浏览器的瘦客户机接口(例如基于网络的电子邮件)从各种客户机设备访问应用。除了有限的特定于用户的应用配置设置外，消费者既不管理也不控制包括网络、服务器、操作系统、存储、乃至单个应用能力等的底层云基础架构。

平台即服务(PaaS)：向消费者提供的能力是在云基础架构上部署消费者创建或获得的应用，这些应用利用提供者支持的程序设计语言和工具创建。消费者既不管理也不控制包括网络、服务器、操作系统或存储的底层云基础架构，但对其部署的应用具有控制权，对应用托管环境配置可能也具有控制权。

基础架构即服务(IaaS)：向消费者提供的能力是消费者能够在其中部署并运行包括操作系统和应用的任意软件的处理、存储、网络和其他基础计算资源。消费者既不管理也不控制底层的云基础架构，但是对操作系统、存储和其部署的应用具有控制权，对选择的网络组件(例如主机防火墙)可能具有有限的控制权。

部署模型如下：

私有云：云基础架构单独为某个组织运行。云基础架构可以由该组织或第三方管理并且可以存在于该组织内部或外部。

共同体云：云基础架构被若干组织共享并支持有共同利害关系(例如任务使命、安全要求、政策和合规考虑)的特定共同体。共同体云可以由共同体内的多个组织或第三方管理并且可以存在于该共同体内部或外部。

公共云：云基础架构向公众或大型产业群提供并由出售云服务的组织拥有。

混合云：云基础架构由两个或更多部署模型的云(私有云、共同体云或公共云)组成，这些云依然是独特的实体，但是通过使数据和应用能够移植的标准化技术或私有技术(例如用于云之间的负载平衡的云突发流量分担技术)绑定在一起。

云计算环境是面向服务的，特点集中在无状态性、低耦合性、模块性和语意的互操作性。云计算的核心是包含互连节点网络的基础架构。

现在参考图5，其中显示了示例性的云计算环境500。如图所示，云计算环境500包括云计算消费者使用的本地计算设备可以与其相通信的一个或者多个云计算节点502，本地计算设备例如可以是个人数字助理(PDA)或移动电话504A，台式电脑504B、笔记本电脑504C和/或汽车计算机系统504N。云计算节点502之间可以相互通信。可以在包括但不限于如上所述的私有云、共同体云、公共云或混合云或者它们的组合的一个或者多个网络中将云计算节点进行物理或虚拟分组(图中未显示)。这样，云的消费者无需在本地计算设备上维护资源就能请求云计算环境500提供的基础架构即服务(IaaS)、平台即服务(PaaS)和/或软件即服务(SaaS)。应当理解，图5显示的各类计算设备504A-N仅仅是示意性的，云计算节点502以及云计算环境500可以与任意类型网络上和/或网络可寻址连接的任意类型的计算设备(例如使用网络浏览器)通信。

现在参考图6，其中显示了云计算环境500(图5)提供的一组功能抽象层。首先应当理解，图6所示的组件、层以及功能都仅仅是示意性的，本发明的实施例不限于此。如图3所示，提供下列层和对应功能：

硬件和软件层600包括硬件和软件组件。硬件组件的示例包括大型机，在一个示例中是

虚拟层602提供一个抽象层，该层可以提供下列虚拟实体的例子：虚拟服务器、虚拟存储、虚拟网络(包括虚拟私有网络)、虚拟应用和操作系统，以及虚拟客户端。在一个示例中，管理层604可以提供下述功能：资源供应功能：提供用于在云计算环境中执行任务的计算资源和其它资源的动态获取；计量和定价功能：在云计算环境内对资源的使用进行成本跟踪，并为此提供帐单和发票。在一个例子中，该资源可以包括应用软件许可。安全功能：为云的消费者和任务提供身份认证，为数据和其它资源提供保护。用户门户功能：为消费者和系统管理员提供对云计算环境的访问。服务水平管理功能：提供云计算资源的分配和管理，以满足必需的服务水平。服务水平协议(SLA)计划和履行功能：为根据SLA预测的对云计算资源未来需求提供预先安排和供应。

工作负载层606提供云计算环境可能实现的功能的示例。在该层中，可提供的工作负载或功能的示例包括：地图绘制与导航；软件开发及生命周期管理；虚拟教室的教学提供；数据分析处理；交易处理；以及过程流建模。

在任何可能的技术细节结合层面，本技术可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

本文所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本技术操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路配置数据或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及传统的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本技术的各个方面。

这里参照根据本技术实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本技术的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

现在参考图7，其描绘了示例性有形的、非暂时性计算机可读介质700的框图，该示例性有形的非暂时性计算机可读介质700可基于记录的非结构化交互来生成过程流模型。处理器702可以通过计算机互连704访问有形的、非暂时性的计算机可读介质700。此外，有形的、非暂时性的计算机可读介质700可以包括指导处理器702执行图3的方法300的操作的代码。

如图7所示，本文讨论的各种软件组件可以存储在有形的、非暂时性的计算机可读介质700上。例如，交互记录器模块706包括用于记录会话机器人和多个用户之间的非结构化交互的代码。交互记录器模块706还包括用于记录来自过程流模型的偏差的代码。在一些示例中，交互记录器模块706包括用于为多个用户中的每一个记录来自过程流模型的个体偏差的代码。模型生成器模块708包括用于基于所记录的非结构化交互来生成过程流模型的代码。模型生成器模块708包括基于执行特定类型的过程流的用户的交互来对特定类型的过程流的生成过程流模型的代码。例如，模型生成器模块708可以包括用于比较多个用户的执行路径并选择比其他路径更有效的路径的代码。模型生成器模块708还包括用于基于记录的个体偏差为每个用户生成个体模型的代码。呈现器模块710包括用于基于过程流模型经由会话机器人向用户实时呈现指令的代码。呈现器模块710还包括用于从不同的角度生成并呈现过程流模型的视图的代码。模型更新器模块712包括用于基于比所记录的偏差的其他偏差更有效的偏差来迭代地更新过程流模型的代码。应当理解，根据特定应用，在有形的、非暂时性的计算机可读介质700内可以包括图7中未示出的任何数量的附加软件组件。

附图中的流程图和框图显示了根据本技术的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。应当理解，根据具体应用，在有形的、非暂时性的计算机可读介质700内可以包括图7中未示出的任何数量的附加软件组件。

以上已经描述了本技术的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。