(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211130358.7 (22)申请日 2022.09.16 (71)申请人 广州红帆科技有限公司 地址 510075 广东省广州市天河区水荫路 115号311房、 312房、 313房 (72)发明人 宁建江　吴英宁　郑锦华　杨嘉荣　 张伟洪　胡永光　王霆锋　郁绵绿　 黎俊铭　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 王瑞云 (51)Int.Cl. G06K 9/62(2022.01) G06Q 10/10(2012.01) (54)发明名称 流程超时预测模型的训练和使用方法、 装 置、 设备及 介质 (57)摘要 本发明公开了一种流程超时预测模型的训 练和使用方法、 装置、 设备及介质。 其中， 流程超 时预测模型的训练方法， 包括： 根据流程超时影 响指标， 构建流程树模型； 根据所述流程树模型， 确定带有标签信息的流程样本训练集； 根据所述 流程样本训练集， 对预先构建的流程超时预测模 型进行训练。 本发明实施例提高了对流程超时预 测结果准确度。 权利要求书2页 说明书12页 附图3页 CN 115392399 A 2022.11.25 CN 115392399 A 1.一种流 程超时预测模型的训练方法， 其特 征在于， 包括： 根据流程超时影响指标， 构建流 程树模型； 根据所述 流程树模型， 确定带有标签信息的流 程样本训练集； 根据所述 流程样本训练集， 对预 先构建的流 程超时预测模型进行训练。 2.根据权利要求1所述的方法， 其特征在于， 所述根据流程超时影响指标， 构建流程树 模型， 包括： 确定至少一个流程超时影响指标， 以及各所述流程超时影响指标对应的至少一个影响 属性指标； 根据各所述流程超时影响指标对应的各所述影响属性指标， 构建各所述流程超时影响 指标对应的至少一个流 程分支结构； 根据各所述流程超时影响指标对应的各 所述流程分支结构， 构建所述 流程树模型。 3.根据权利要求2所述的方法， 其特征在于， 所述根据各所述流程超时影响指标对应的 各所述流程分支结构， 构建所述 流程树模型， 包括： 确定各所述流程超时影响指标对应的各 所述流程分支结构对应的结构熵值； 根据各所述结构熵值， 确定相应流 程超时影响指标对应的目标流 程结构； 根据各所述流程超时指标对应的目标流 程结构， 构建流 程树模型。 4.根据权利要求1 ‑3任一项所述的方法， 其特征在于， 所述根据所述流程树模型， 确定 带有标签信息的流 程样本训练集， 包括： 根据所述流程树模型中的影响属性指标， 获取预设时间周期内与各所述影响属性指标 相关的流 程数据， 构建流 程数据集； 根据所述流程数据集中流程数据的属性信 息， 将所述流程数据集划分为至少一个目标 数据集合； 其中， 所述 流程数据的属性信息与所述影响属性指标相关； 确定各所述目标数据集合分别对应的标签类别， 并将带有所述标签类别的各目标数据 集合， 确定为所述 流程样本训练集。 5.根据权利要求4所述的方法， 其特征在于， 所述根据所述流程数据集中流程数据的属 性信息， 将所述 流程数据集划分为至少一个目标 数据集合， 包括： 从各所述影响属性指标中选取至少一个目标属性指标， 将各所述目标属性指标对应的 流程数据作为目标质心数据； 确定所述流程数据集中其他流程数据分别与各所述目标质心数据之间的欧氏距离； 其 中， 所述其他流程数据为除所述目标质心数据之外的流 程数据； 根据各所述欧氏距离， 确定 至少一个目标 数据集合。 6.一种流 程超时预测方法， 其特 征在于， 包括： 获取新发起 流程的当前流 程数据； 将所述当前流程数据输入至训练好的流程超时预测模型中， 得到流程超时预测结果； 其中， 所述流程超时预测模型采用权利要求1 ‑6任一项所述的流程超时预测模型的训练方 法训练得到； 若所述流程超时预测结果为流程超时， 则确定流程超时分值， 并根据所述流程超时分 值生成相应的超时提醒。 7.一种流 程超时预测模型的训练装置， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 115392399 A 2流程树模型构建模块， 用于根据流 程超时影响指标， 构建流 程树模型； 样本训练集确定模块， 用于根据所述流程树模型， 确定带有标签信息的流程样本训练 集； 模型训练模块， 用于根据所述流程样本训练集， 对预先构建的流程超时预测模型进行 训练。 8.一种流 程超时预测装置， 其特 征在于， 包括： 当前流程数据获取模块， 用于获取新发起 流程的当前流 程数据； 预测结果确定模块， 用于将所述当前流程数据输入至训练好的流程超时预测模型中， 得到流程超时预测结果； 其中， 所述流程超时预测模型采用权利要求 1‑6任一项所述的流程 超时预测模型的训练方法训练得到； 超时分值确定模块， 用于若所述流程超时预测结果为流程超时， 则确定流程超时分值， 并根据所述 流程超时分值 生成相应的超时提醒。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使所述至少一个处理器能够执行权利要求1 ‑5任一项所述的流 程超时预测模型的训练方法， 和/或执 行权利要求6所述的流 程超时预测方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机指 令， 所述计算机指令用于使处理器执行时实现权利要求1 ‑5任一项所述的流程超时预测模 型的训练方法， 和/或执 行权利要求6所述的流 程超时预测方法。权　利　要　求　书 2/2 页 3 CN 115392399 A 3