认知机器人过程自动化

技术领域

本发明总体上涉及计算机技术，并且更具体地涉及通过识别人为干预和手动步骤以及创建规则并将此类规则并入到过程中来使该过程自动化。

背景技术

组织的数字化转型的关键驱动力之一是在组织中/由组织执行的一个或多个过程的数字过程自动化。机器人过程自动化(RPA)处理在多种情况下的复杂、长时间运行的过程。此类RPA项目往往需要进行广泛的前期建模，然后需要长开发周期来实现将要以数字方式执行的过程，例如使用一个或多个电子设备。RPA的主要动机是降低成本，但是如今，客户体验也是实施RPA的重点。随着实施RPA的过程的目标转移到数字化转型和客户体验，重点转移到了客户结果上，例如即时满足，个性化服务交付等。尽管RPA在短期内帮助改善成本，但企业也希望改变其过程，从而形成更加敏捷和数据/洞察力驱动的组织，以便他们可以快速适应并应对不断变化的情况。

发明内容

一种计算机实现的方法包括使用机器学习自动生成数据结构，该数据结构存储用于将要被自动化的决策过程的知识图。知识图包括一个或多个实体、每个实体的一个或多个状态、以及每个状态的转换。知识图是基于决策过程的执行日志来自动生成的。该方法还包括根据知识图来创建决策树，该决策树表示用于一个或多个参数的条件，该条件使知识图中的实体从第一状态转换为第二状态。该方法还包括自动生成用于获得该一个或多个参数的值的对话流。该方法还包括经由图形用户界面执行与用户的人机对话以获得该一个或多个参数的值，该人机对话包括来自对话流的与用户对话的一个或多个对话。该方法还包括通过使用一个或多个参数的值遍历决策树来自动执行过程。该方法还包括通知用户执行过程的结果。

根据本发明的一个或多个实施例，一种系统包括存储器以及与该存储器耦接的处理器。处理器执行用于使决策过程自动化的方法。该方法包括使用机器学习自动生成数据结构，该数据结构存储用于将要被自动化的决策过程的知识图。知识图包括一个或多个实体、每个实体的一个或多个状态、以及每个状态的转换。知识图是基于决策过程的执行日志来自动生成的。该方法还包括根据知识图来创建决策树，该决策树表示用于一个或多个参数的条件，该条件使知识图中的实体从第一状态转换为第二状态。该方法还包括自动生成用于获得该一个或多个参数的值的对话流。该方法还包括经由图形用户界面执行与用户的人机对话以获得该一个或多个参数的值，该人机对话包括来自对话流的与用户对话的一个或多个对话。该方法还包括通过使用该一个或多个参数的值遍历决策树来自动执行过程。该方法还包括通知用户执行过程的结果。

根据本发明的一个或多个实施例，一种计算机程序产品包括计算机可读存储介质，该计算机可读存储介质中体现有程序指令。程序指令可由处理电路执行以使处理电路执行用于使决策过程自动化的方法。该方法包括使用机器学习自动生成数据结构，该数据结构存储用于将要被自动化的决策过程的知识图。知识图包括一个或多个实体、每个实体的一个或多个状态、以及每个状态的转换。知识图是基于决策过程的执行日志来自动生成的。该方法还包括根据知识图来创建决策树，该决策树表示用于一个或多个参数的条件，该条件使知识图中的实体从第一状态转换为第二状态。该方法还包括自动生成用于获得一个或多个参数的值的对话流。该方法还包括经由图形用户界面执行与用户的人机对话以获得一个或多个参数的值，该人机对话包括来自对话流的与用户对话的一个或多个对话。该方法还包括通过使用一个或多个参数的值遍历决策树来自动执行过程。该方法还包括通知用户执行过程的结果。

通过本发明的技术实现了附加的技术特征和益处。本文详细描述了本发明的实施例和方面，并且将其视为所要求保护的主题的一部分。为了更好地理解，请参考详细说明和附图。

附图说明

在说明书的结尾处，在权利要求书中特别指出并明确要求保护本文所述的专有权的细节。通过以下结合附图的详细描述，本发明的实施例的前述和其他特征以及优点将变得显而易见，在附图中：

图1描绘了根据本发明实施例的云计算环境；

图2描绘了根据本发明实施例的抽象模型层；

图3描绘了根据本发明的一个或多个实施例的用于在认知上使过程自动化的系统的框图；

图4示出了根据本发明的一个或多个实施例的由机器人过程自动化(RPA)系统执行的过程的流程图；

图5描绘了根据本发明一个或多个实施例的可用作计算设备以实现一个或多个组件或其组合的系统；

图6描绘了根据本发明的一个或多个实施例的用于自动执行包括决策的过程的方法的流程图；以及

图7、8和9描绘了根据本发明的一个或多个实施例的示例用户界面的部分。

本文所描绘的图是说明性的。在不脱离本发明的精神的情况下，图或其中描述的操作可以有许多变化。例如，可以以不同的顺序执行动作，或者可以添加，删除或修改动作。而且，术语“耦接”及其变型描述了在两个元件之间具有通信路径，并不意味着元件之间的直接连接而在它们之间没有中间元件/连接。所有这些变体都被视为规范的一部分。

在附图中和以下对所公开的实施例的详细描述中，在附图中示出的各个元件设置有两位或三位附图标记。除少数例外，每个参考数字的最左边的数字与第一次示出该元件的图相对应。

具体实施方式

在此参考相关附图描述了本发明的各种实施例。可以设计本发明的替代实施例而不脱离本发明的范围。在以下描述和附图中，在元件之间阐述了各种连接和位置关系(例如，在上方，下方，相邻等)。除非另有说明，否则这些连接和/或位置关系可以是直接的或间接的，并且本发明并不旨在在这方面进行限制。因此，实体的耦接可指直接或间接耦接，并且实体之间的位置关系可以是直接或间接的位置关系。此外，本文描述的各种任务和过程步骤可被合并到具有本文未详细描述的附加步骤或功能的更全面的进程或过程中。

以下定义和缩写用于解释权利要求书和说明书。如本文所使用的，术语“包括”，“包含”，“包括了”，“包含了”，“具有”，“拥有”，“含有”或“含有了”或其任何其他变型旨在覆盖非排他性的包括。例如，包括一系列元素的组合物，混合物，过程，方法，物品或装置不必仅限于那些元素，而是可包括未明确列出的或者此类组合物，混合物，过程，方法，物品或装置所固有的其他元素。

另外，术语“示例性”在本文中用来表示“用作示例，实例或说明”。本文中描述为“示例性”的任何实施例或设计不必被解释为比其他实施例或设计更优选或有利。术语“至少一个”和“一个或多个”可被理解为包括大于或等于一的任何整数，即一个，两个，三个，四个等。术语“多个”可被理解为包括大于或等于2的任何整数，即2、3、4、5等。术语“连接”可包括间接“连接”和直接“连接”二者。

术语“大约”，“基本上”，“近似地”及其变形旨在包括与基于提交申请时可用的设备的特定数量的测量相关的误差程度。例如，“大约”可包括给定值的±8％或5％或2％的范围。

为了简洁起见，在本文中可以或可以不详细描述与制造和使用本发明的各方面有关的常规技术。特别地，用于实现本文描述的各种技术特征的计算系统和特定计算机程序的各个方面是众所周知的。因此，为了简洁起见，许多常规的实现细节在本文中仅被简要提及，或者在不提供公知的系统和/或处理细节的情况下被完全省略。

传统上，为了实现RPA而开发计算机产品(例如软件)是独立于RPA自动化的一个或多个决策过程来执行的。例如，RPA使重复的人工任务自动化，但是，任何过程的核心都是决策，这是通过针对决策将RPA、规则和人工干预相结合来实现的。这种单独开发RPA以用于过程自动化需要人工干预，这会导致不连续的自动化。

实施用于RPA的计算机产品开发的另一个技术挑战是，过程再造和自动化被视为分开的活动。因此，通常，过程再造和优化是由一组人(例如顾问)完成的，然后使用RPA和其他技术进行自动化。这种在过程优化，过程设计和实施中的多阶段手动方法导致时间滞后，需求与实际设计和执行的内容之间存在差距。手动生成针对过程操作的规则既耗时又容易出错。许多规则变得多余，并且会给RPA系统增加混乱的复杂性。

为了解决在RPA系统开发期间的此类技术挑战，目前，在建模活动期间，正在被自动化的过程的分析师或主题专家(SME)识别完成过程的任务/目标所需的事件/任务/规则链。这种实现方式的一个大缺点是过程流程仅依赖于定义过程的静态规则。以这种方式开发的RPA系统的使用使任务自动化，但是流程保持不变，除非更改设计时间接线/操作。通常，使用RPA系统执行过程不会产生实时反馈循环。在此过程中，再造被视为一次性活动，到RPA系统实施该过程并将其自动化时，该过程可能已过时。

例如，考虑组织中的出差请求批准过程的示例场景。让我们假设在对此类过程进行建模时，尽管要作出以下决策，但是应该注意，这只是一个示例场景，并且本发明的实施例不限于该示例场景：

a.出差目的？完成交易/维护。

b.如果目的是完成交易，与该交易相关的机会编号是多少？

c.根据机会编号列出与机会相关联的技能。

d.识别该技能在交易现场本地是否可被使用。

e.1.如果是，系统提示使用本地技能；2.如果否，系统将请求传递给相关团队进行批准。

尽管该过程可在大多数情况下起作用，但是它不能解释(account for)外部影响因素。例如，出差时间，请求是否是在特定决策周期期间提出的(例如，年度第3季度/第4季度)，资金问题，完成当前季度交易所需的出差，以及是否存在需要的批准。例如，如果出差发生在第1季度和第3季度，则可执行指示对战略客户的批准的政策，而这通常是通过人工干预来完成的。使用人工干预的一个缺点是决策所花费的时间可能会延迟。同样，提交出差申请/请求的用户也不会收到关于为什么一个请求被批准以及为什么另一个请求未被批准的透明决策画面。例如，考虑对于具有大于阈值的交易规模(例如10万美元)的两个相关联请求，一个出差请求被批准，另一个出差请求被拒绝。在这里，决定因素可能是交易在哪个季度完成。例如，即使交易规模超过10万，由于交易将在下一季度完成(例如Q4)，则该季度的出差请求也会被拒绝。

在某些情况下，即使所有信息都存在于同一过程中，也必须获得例外批准。在这些情况下，RPA系统的效率会由于外部因素而降低，这些因素会影响过程，并且在实施RPA的时间期间未将这些因素并入其中。此类场景不仅导致决策时间增加，而且对客户情绪产生负面影响。

因此，包括人为干预的过程在速度方面落后，并且一个或多个人员不得不照顾实施该过程的RPA系统，这是无效的并且可能成为瓶颈。尽管不能完全排除手动干预，但仍存在技术上的需求，以创建起到可加快过程的催化剂的作用的解决方案。需要一种通过提供决策或建议来补充现有过程的解决方案。这种解决方案既可表现为附加物，也可表现为RPA系统的实际部分。

本发明的一个或多个实施例源于计算技术，特别是软件开发。本发明的一个或多个实施例改进了RPA开发的现有解决方案，并因此导致了改进的RPA系统。

本发明的一个或多个实施例提供了至少针对此类技术挑战的技术方案，并且所提供的进一步的优点将从以下描述中显而易见。因此，本文描述的一个或多个实施例至少改善了机器人过程自动化并且促进了源于计算机的技术的改进。

本发明的一个或多个实施例不仅限于过程自动化，而且还使用机器学习或人工智能(AI)来优化过程和决策。因此，使用本发明的一个或多个实施例开发的RPA系统在本文中被称为“认知RPA”。此外，本发明的一个或多个实施例有助于从操作智能中得出可操作的实时洞察，以增强自适应业务过程的制定，编排和自动化。认知RPA制定并编排在运行时重塑自身的过程。这些过程是数据驱动的，自适应的和智能的，并基于来自数据的上下文形成自动执行下一个最佳操作，而不是相同的可重复操作序列。因此，使用这种方法，本发明的一个或多个实施例解决了组织的数字化转型，同时考虑了关注于业务成果的过程再造和自动化的集成方法。

本发明的一个或多个实施例可使用基于云的计算系统来实现。首先应当理解，尽管本公开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1，其中显示了示例性的云计算环境50。如图所示，云计算环境50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10，本地计算设备例如可以是个人数字助理(PDA)或移动电话54A，台式电脑54B、笔记本电脑54C和/或汽车计算机系统54N。云计算节点10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10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50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1显示的各类计算设备54A-N仅仅是示意性的，云计算节点10以及云计算环境50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2，其中显示了云计算环境50(图1)提供的一组功能抽象层。首先应当理解，图2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2所示，提供下列层和对应功能：

硬件和软件层60包括硬件和软件组件。硬件组件的例子包括：主机61；基于RISC(精简指令集计算机)体系结构的服务器62；服务器63；刀片服务器64；存储设备65；网络和网络组件66。软件组件的例子包括：网络应用服务器软件67以及数据库软件68。

虚拟层70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71、虚拟存储72、虚拟网络73(包括虚拟私有网络)、虚拟应用和操作系统74，以及虚拟客户端75。

在一个示例中，管理层80可以提供下述功能：资源供应功能81：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82：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83：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84：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85：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90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91；软件开发及生命周期管理92；虚拟教室的教学提供93；数据分析处理94；交易处理95；以及实现RPA系统96。

在识别出人为干预/手动步骤之后，对过程的典型优化是创建针对手动步骤的规则并将其并入过程中。如前所述，此类规则是静态的，并且无法捕获可在此类手动步骤中执行的决策的动态性质。本发明的一个或多个实施例通过使用人工智能来执行决策来解决此类技术挑战。为了使用这种人工智能来实现RPA系统，本发明的一个或多个实施例对过程执行的现有实例进行数据挖掘，以自动识别操作，操作顺序，数据流以及前提条件，后置条件，和外部调用。此外，创建了一个分层树，该树捕获状态、状态之间的转换、以及状态之间的转换所需的动作。根据本发明的一个或多个实施例，分层树的构建是基于使用机器学习过程的来自过程的先前执行的模式，该机器学习过程基于由过程生成的日志来完成。取决于节点在过程的较早执行期间被访问的频率，分配权重并得到分层树。

此外，基于分层树执行人工因素(artifact)到意图和实体的自动映射，并且创建另外的一个或多个对话节点。此外，基于一个或多个外部系统更改，将填充上下文变量，该变量确定分层树中的控制流。

图3描绘了根据本发明的一个或多个实施例的用于在认知上使过程自动化的系统的框图。系统100不仅促进过程的自动化，而且还促进优化作为使用人工智能(AI)来执行方法的一部分的过程和决策。系统100从操作智能中得出可操作的实时洞察，以增强自适应过程的制定，编排和自动化。系统100进一步促进认知RPA，该认知RPA制定并编排在运行时重塑自身的过程。这些过程是数据驱动的，自适应的和智能的，基于来自数据的上下文形成来确定并执行下一个动作，而不是相同的可重复动作序列。换句话说，使用认知RPA，系统100基于从用户输入的一个或多个数据以及系统100自动检测到的多个上下文限制，自动确定要执行的处理中的一系列操作。系统100通过使用用于过程再造和自动化的集成方法来促进过程的这种数字化转型，该集成方法关注于过程的结果。

系统包括知识图生成器115，该知识图生成器115使用机器学习和深度学习技术自动生成知识图120，以识别使用记录、时间序列数据、原始事件中的一个或多个而发生的变化。在一个或多个示例中，使用诸如元语言(例如，可扩展标记语言(XML)，业务流程执行语言(BPEL)，业务流程建模和标注(BPMN)等)的结构化格式来存储表示将被自动化的过程(过程表示105)的此类数据。表示过程的数据可包括：过程中存在的一个或多个实体、以及影响过程的实体之间的关系。此类数据可以以BPEL/BPMN，Web服务描述语言(WSDL)，Java连接器体系结构(JCA)文件等形式进行电子/数字存储。此后，此类数据被称为过程表示105，并包括与在采用人工干预来执行数据时的过程相关的各种记录系统(数据库和文档)，例如政策，法规，流事件，订阅(feed)等。

系统100包括执行语言挖掘器110(挖掘器)，其解析和分析过程表示以从过程表示105中识别和提取一个或多个实体、相应的属性、以及这些实体之间的关系。在一个或多个示例中，挖掘器110解析一系列事件，这些事件被执行以通过人工干预来执行该过程。此外，基于解析，挖掘器110通过识别在过程的先前执行期间执行的事件的模式来确定过程的静态工作流。应当注意，确定事件的模式以执行对过程的这种静态解释在本领域中是已知的。

知识图生成器115使用由挖掘器110提取的一个或多个实体、属性和关系来自动生成知识图120。例如，知识图生成器115在知识图120中存储每个实体的细节，例如实体名称、实体属性、两个或多个实体之间的静态关系。例如，在先前关于出差请求所描述的示例中，在知识图120中创建和存储的实体可包括：实体名称＝出差请求，实体属性＝出差类型，去程日期，返程日期，起点，目的地等。此外，在实体之间创建静态关系，例如，在这种情况下，出差请求实体和出差预批准请求实体之间可能存在关系。挖掘器110从挖掘的过程表示105中得出此类关系。

此外，知识图生成器115在执行过程时分析所挖掘的数据以识别RPA系统100与其他系统(例如Web服务)的交互点。根据本发明的一个或多个实施例，为了从过程表示105确定Web服务交互，知识图生成器115识别特定元素的出现，例如，在过程表示105用BPEL编写的情况下，元素partnerLink被识别。这些元素识别Web服务交互，并且所取得到的信息可包括：Web服务的名称(例如AirlineReservationService)、与Web服务相关联的wsdl文件(例如AirlineReservationService.wsdl)、以及以BPEL编写的角色的名称(例如AirlineReservationServiceRole)。

在一个或多个示例中，知识图生成器115进一步解析WSDL文件，以识别Web服务的属性，例如端口名，操作名，输入消息，输出消息，故障消息，操作模式(例如请求-响应或通知服务)是从WSDL文件得到的。

此外，过程表示105与诸如数据库，Java消息服务(JMS)，封装的应用程序等的记录系统的交互是通过被曝露为wsdl/JCA兼容资源适配器的一个或多个适配器来完成的。信息可从BPEL文件，JCA文件和SCA文件或至少包括表名信息、查询列信息和图示(schema)细节的任何其他数据表示中取得。例如，该信息可以是表名＝出差DB；列名：起点，终点。所取得的数据可进一步包括所执行的操作的类型，例如，插入、更新、取得。此外，取得服务的分类，例如，请求-响应服务，通知服务等。

因此，在上述步骤之后，识别关于实体、实体的属性、使用实体所涉及的交互以及各个实体之间的关系的细节。另外，形成交互的外部系统与在系统上调用的操作以及针对此类交互的输入/输出值一起被捕获。应该注意的是，本文所述的“实体”包括被自动实例化的计算机数据结构(例如，对象)以及由知识图生成器115填充的属性。

此外，知识图生成器115通过分析静态过程定义(工作流和针对决策的规则)，以及通过在采用手动干预执行过程时分析由RPA系统100中的过程执行引擎生成的历史数据(使用机器学习算法)，采用“实体源”，“状态”，“条件”和“动作”来增强特定于过程的知识图120。可通过评估过程日志，审计跟踪日志以及与过程相关联的其它此类信息来得到此类信息。

例如，过程执行的历史数据可包括遍历的路径序列，用于每个操作的输入参数，输出参数以及遇到的错误。例如，遍历的路径可以是“开始”→“提出请求”→“提供信息”→“批准”→“接受”。此外，对规则集的解析确定了所涉及的条件。例如，在批准节点中，规则集条件是如果角色是经理，则自动批准被设置为真。基于历史数据，分析由流程引擎遍历的所有路径并捕获流模式。机器学习用于通过分析过程日志和事件日志数据来提取过程表示105中的替代路径，并取得“状态”，“条件”和“动作”。

基于规则以及从上述步骤中提取的实体，以转换作为条件来构造“状态”。例如，在本文讨论出差批准场景的情况下，确定以下状态和状态流顺序：出差批准请求被提出、出差批准请求在处理中、出差批准请求暂停、出差批准请求被拒绝、以及出差批准请求被批准。状态之间的转换由所遍历的路径确定，并且机器语言用于提取路径。这些转换识别转换可发生的有效状态，以及确定转换的动作(例如wsdl调用，规则调用)。

此外，通过影响结果的“内部因素”和“外部因素”进一步增强了特定于过程的知识图105。在本发明的一个或多个实施例中，通过分析历史过程数据，事件和日志，各种记录系统(数据库和文档)(例如政策，法规，流事件，订阅等)来确定这些因素。

例如，基于对过程流程日志，事件日志的评估，对过程表示105进行解析，将作为过程执行的一部分的规则分类为内部因素。例如，这些内部因素可来自规则(决策节点)：如果存在本地技能，则出差请求是针对维护还是新交易，维护是否有效以及是来自记录系统(例如数据库，员工角色，员工范围)的字段。基于过程流程和可直接从电子数据源(例如数据库和条件)确定的条件的值来评估这些内部因素，以基于这些也可从电子数据源来确定而作出决策。例如，电子数据源可包括政策文档，该政策文档规定被指定为特定角色的员工不能出差超过一定距离。因此，RPA系统100可通过访问相应的信息字段来根据条件执行过程流程。

在一个或多个示例中，知识图生成器115识别政策，该政策不是过程流程的一部分，而是作为手动/人为干预的一部分而执行的。例如，在出差批准过程流程中，例如出差冻结、基于待处理客户交易的批准标准、当前客户情绪、战略客户的因素，可影响人工决策者批准/拒绝出差请求。这些被归类为外部因素，并且这些外部因素的表现形式可出现在政策文档，文件夹，订阅等中。应注意的是，“政策”包括一个或多个首要(overarching)规则，并且“政策”可能会或可能不会在过程中使用。取决于具体情况，政策可被覆盖。例如，在出差评估中，请求者可提供诸如“出差以解决软件问题”的有效理由，但是，在组织级别，政策可能是出差冻结的政策。这种出差冻结可能会也可能不会被包括为过程的一部分，在某些情况下被视为外部因素。动态地确定政策是过程流程的外部因素是本发明的一个或多个实施例提供的一种改进。

知识图生成器115自动将过程流程执行结果映射到输入变量，在过程流程期间获得的值，“内部因素”的值和“外部因素”的值。对于映射，通过分析静态过程定义(工作流和针对决策的规则)，以及通过(使用机器学习算法)分析由过程执行引擎生成的历史数据，使用“实体源”，“状态”，“条件”和“动作”来增强特定于过程的知识图120。基于历史数据，分析由过程引擎遍历的所有路径并捕获流模式。基于规则和提取的实体，以转换作为条件来构造状态。

此外，在本发明的一个或多个实施例中，与输入因素相比的外部因素的权重被调整/配置。例如，针对不具备本地技能的客户进行PMR维修的出差在第二季度获得批准，但在第三季度由于出差冻结(这是外部因素)而被拒绝。在这种情况下，知识图生成器115认为“出差冻结”比“存在本地技能”规则具有更大的权重。

图4描绘了根据本发明的一个或多个实施例的由RPA系统执行的过程的流程图。这里，示出了出差请求批准的特定过程的执行，但是，应当理解，本发明的实施例不限于该特定类型的过程和/或本文所述的特定示例。如这里已经描述的，该方法在205处接收出差请求。此外，在210处接收该请求的细节，例如目的地，起点，出差原因和各种其他属性。在该示例中，在215，确定(例如，在目的地处的人员的)本地技能是否可用以处理问题(状况)，这被称为出差的原因。如果本地技能不可用，并且在220和225，如果根据组织政策在年度的该时间允许出差，则批准出差请求。这些步骤可由RPA系统100自动执行，一旦接收到针对出差请求的输入数据，则无需任何手动干预。

然而，如果本地技能可用(215)或者如果在当前商业周期中未批准出差请求(220)，则在当前可用的解决方案中，在230处执行人工干预以评估是否批准出差请求。在出差冻结的情况下，在235，从请求者101获得关于为什么应当作出例外的附加信息。例如，获得针对其出差被请求的客户信息，交易信息。在240，组织中的一个或多个批准者(人员)审查出差请求和相关信息，以确定是否要作出例外。在245和225，如果批准了例外，则批准出差请求。在245和280，如果未批准例外，则不批准出差请求。

此类人为干预可包括：在250检查针对其出差被请求的客户是否是该组织的战略客户。应当注意，作为战略客户是本文为了说明而描述的一种可能例外，在其他情况下，可存在其他各种例外用于批准出差请求。如果确定该客户是战略客户，则在225批准出差请求。如果确定该客户不是战略客户，则人为干预还可包括在260检查一个或多个外部因素，例如客户在请求出差的时刻的情绪。另外，在270，可在一个或多个示例中检查请求者101的角色。例如，如果在组织中请求者101不在预定的分层级别中，则出差请求可被拒绝。如果客户情绪和请求者101角色满足特定条件，则在275可向组织中具有特定角色的人员(例如副总裁，董事等)寻求进一步的批准。该人员可批准(225)或拒绝(280)出差请求。

在此过程中，如本文所述，人为干预步骤(在图4中以带图案的背景显示)不是自动化的，并且可能导致瓶颈。本发明的一个或多个实施例不仅有助于使RPA系统100自动执行步骤，而且还有助于自动确定在人工干预期间用于决策过程的规则/条件。这有利于用人工智能代替人为干预，并且具有实际应用，其中出差请求者101可与人工智能RPA系统100交互，该系统可以以透明且有效的方式提供出差请求批准/不批准。

根据本发明的一个或多个实施例，RPA系统100有助于从知识图120确定可采取行动的洞察，这些洞察被用作用于执行该过程的附加物。来自知识图120的推导(基于影响因素)包括隐式信息以及显式数据二者。取决于上下文、内容和配置，知识图120的推导被消耗用于过程执行。RPA系统100因此提供了动态行为，其中过程执行吸收了外部因素并自动影响决策。

返回参考图3中的RPA系统100，所生成的知识图120被决策树制作器125用于生成过程执行模型130(决策树)。执行引擎150使用决策树130来执行处理。决策树130包括：“内容”，其包括与过程相关联的实体；“上下文”，其包括过程执行时实体的值，以及“合同”，其包括实体所拥有的因素/值或特定于过程的知识图120中存在的条件和动作。例如，在本文描述的出差请求场景中，以下值可用于内容-请求者101员工，出差请求，客户。此外，作为执行过程的一部分的实体的值形成诸如“针对PMR的出差”，“针对客户交易的出差”，客户名称“XYZ公司”等的上下文。此外，管理转换的规则(如“第三季度期间的出差冻结”，“客户情绪”)和其他此类规则构成合同。

内容，上下文和合同值以及输入值和过程的最终结果被映射。内容，上下文和合同是过程的组成部分。从过程和提取中识别出这三个参数构成了“映射”。此处的映射识别这些参数，并将其映射到特定过程的知识图120中。此外，跨每个步骤的数据流是经由过程日志，审计跟踪日志来捕获的。决策树130包括以元数据形式存储的实体的知识基础和与相应参数的关系。这被表现为自定义决策树结构。取决于过程的最终结果，将更新所有参数的权重。在此，“最终结果”是知识图120，其是评估实体、转换、条件、内容、上下文和合同值的结果。执行引擎150基于分配给参数的权重来使用决策树130以执行处理。

使用来自请求者的输入以及知识图120来更新与决策树130相关联的参数的值。在一个或多个示例中，AI对话生成器135自动生成对话工作流140。执行引擎150使用对话工作流140来与要启动该过程的请求者进行交互式会话，例如，提供出差请求。

执行引擎150以理解请求的当前状态以及内部和外部因素的上下文方式，将决策树130用作过程执行模型，并进一步使用基于交互式聊天的界面(例如，沃森助理(WatsonAssistant))，以及仅要求决策所需的相关数据。如上所述创建的自定义决策树130提供了过程执行模型，并且基于提供给每个查询的响应来确定用于执行过程的控制流程。基于在过程中识别的实体并取决于决策树130所需的输入变量，调用AI对话生成器135(例如沃森助理API)以创建意图和实体。此外，基于决策树130的流程，经由对话生成器135构造对话节点。内部和外部因素被用作对话生成器中的上下文变量。

例如，确定一系列操作，其中每个操作对应于正在执行的过程中的实体。由对话生成器使用和生成的对话流的顺序与决策树130中定义的顺序相对应。基于实体名称，标识意图。例如，在过程检查(静态流程和动态流程)期间标识过程流中的实体名称。将这些实体名称映射到意图的过程可作为预配置步骤手动完成。此外，基于内部和外部因素以及权重(重要性)来识别用于会话生成器135的上下文变量。

在由执行引擎150执行的过程期间，取决于该过程的外部因素，RPA系统100侦听任何变化。例如，在出差批准过程的情况下，可基于过程表示105中对政策文档的更新来确定特定时间段(诸如第3季度)期间的出差冻结。根据本发明的一个或多个实施例，适配器被配置为监视过程表示105中的变化。每当过程表示105被修改时，适配器就通知知识图生成器115和决策树生成器125。取决于该改变，决策树130被更新。例如，如果将出差冻结设置为当前季度，那么除非是针对战略客户或战略交易，否则所有出差都将被拒绝。因此，由对话生成器130生成的相关问题是确定出差是否是针对战略客户或者战略交易。

从执行的角度来看，在本文所述的示例场景中，出差冻结因素(在此被识别为外部因素)被提供最高权重。因此，基于出差冻结因素开始执行出差请求批准。仅当请求者101提供识别出差是针对战略客户/交易的响应时，流程才会继续进行进一步的问题以确定其他批准/不批准因素，否则将提供指示出差批准被拒绝的通知。

在一个或多个示例中，对话生成器135被训练为使用从过程表示105中提取的知识图120与请求者进行交互，例如具有问答会话。根据本发明的一个或多个实施例，以自动化方式进行训练。执行引擎150调用经训练的对话生成器135，以基于当前的外部因素，政策更新(从集成、在后端中对知识图120/决策树130作出的更新来获得)来根据上下文提问并驱动期望的结果。

例如，考虑将WATSON

参考图3，应当注意，挖掘器110、知识图生成器115、决策图生成器125、对话生成器135和执行引擎150中的每一个可以是彼此通信耦接的单独的计算设备。这些计算设备中的每一个可使用有线通信、无线通信或其组合来彼此通信。

图5描绘了根据本发明的一个或多个实施例的可用作计算设备以实现一个或多个组件或其组合的系统300。系统300可以是通信装置，例如计算机。例如，系统300可以是台式计算机、平板计算机、膝上型计算机、电话(诸如智能电话)、服务器计算机、或者经由网络365通信的任何其他设备。系统300包括硬件，例如，电子电路。

系统300包括：处理器305、耦接到存储器控制器315的存储器310、以及经由本地I/O控制器335通信耦接的一个或多个输入设备345和/或输出设备340，例如外围设备或控制设备，以及其他组件。这些设备340和345可包括，例如，电池传感器、位置传感器、指示器/识别灯等。诸如常规键盘350和鼠标355的输入设备可耦接到I/O控制器335。I/O控制器335可以是例如一条或多条总线或其他有线或无线连接，如在现有技术中已知的那样。I/O控制器335可具有附加元件，以实现通信，这些附加元件(诸如控制器，缓冲器(高速缓存)，驱动器，中继器，和接收机)为简化起见被省略。

I/O设备340、345可进一步包括传达输入和输出二者的设备，例如磁盘和磁带存储，网络接口卡(NIC)或调制器/解调器(用于访问其他文件，设备，系统，或网络)，射频(RF)或其他收发机，电话接口，网桥，路由器等。

处理器305是用于执行硬件指令或软件(特别是存储在存储器310中的硬件指令或软件)的硬件设备。处理器305可以是定制或商用处理器，中央处理器(CPU)，与系统300相关联的多个处理器中的辅助处理器，基于半导体的微处理器(以微芯片或芯片组的形式)，宏处理器或用于执行指令的其他设备。处理器305包括高速缓存器370，其可包括但不限于用于加速可执行指令取出的指令高速缓存，用于加速数据取出和存储的数据高速缓存，以及用于加速针对可执行指令和数据二者的虚拟到物理地址转换的翻译后备缓冲器(TLB)。高速缓存370可被组织为更多高速缓存级别(L1，L2等)的层次。

存储器310可包括易失性存储器元件(例如，随机存取存储器，RAM，例如DRAM，SRAM，SDRAM)和非易失性存储器元件(例如，ROM，可擦除可编程只读存储器(EPROM)，电子可擦除可编程只读存储器(EEPROM)，可编程只读存储器(PROM)，磁带，光盘只读存储器(CD-ROM)，磁盘，软盘，盒带，盒式磁带等)。此外，存储器310可合并电子，磁性，光学或其他类型的存储介质。注意，存储器310可具有分布式架构，其中各种组件彼此远离放置，但是可由处理器305访问。

存储器310中的指令可包括一个或多个单独的程序，每个程序包括用于实现逻辑功能的可执行指令的有序列表。在图5的示例中，存储器310中的指令包括合适的操作系统(OS)311。操作系统311实质上可控制其他计算机程序的执行，并且提供调度、输入输出控制、文件和数据管理、存储器管理、以及通信控制和相关服务。

包括例如用于处理器305的指令或其他可取得信息的附加数据可被存储在存储设备320中，存储设备320可以是诸如硬盘驱动器或固态驱动器的存储设备。存储器310或存储设备320中存储的指令可包括使处理器能够执行本文描述的系统和方法的一个或多个方面的指令。

系统300可进一步包括耦接到用户界面或显示器330的显示控制器325。在一些实施例中，显示器330可以是LCD屏幕。在其他实施例中，显示器330可包括多个LED状态灯。在一些实施例中，系统300可进一步包括用于耦接到网络365的网络接口360。网络365可以是用于经由宽带连接在系统300与外部服务器、客户端等之间进行通信的基于IP的网络。在一个实施例中，网络365可以是卫星网络。网络365在系统300和外部系统之间发送和接收数据。在一些实施例中，网络365可以是由服务提供商监管的被管理IP网络。可例如使用无线协议和技术(诸如WiFi，WiMax，卫星或任何其他)以无线方式来实现网络365。网络365也可以是分组交换网络，例如局域网，广域网，城域网，因特网或其他类似类型的网络环境。网络365可以是固定无线网络，无线局域网(LAN)，无线广域网(WAN)，个人局域网(PAN)，虚拟专用网(VPN)，内联网或其他合适的网络系统，并且可包括用于接收和发送信号的设备。

图6描绘了根据本发明的一个或多个实施例的用于自动执行包括决策的过程的方法的流程图。该方法包括在405处从过程表示105中提取实体，属性和关系。该提取由挖掘器110执行。挖掘器110还从过程表示105中识别任务，动作和转换。

此外，该方法包括在410处生成知识图120。为了构建知识图120，知识图生成器115除了确定由挖掘器110识别的信息之外，还确定协作参与者的细节，例如网络服务、服务组件、适配器、事件等。在挖掘器110识别特定于过程流程的细节时，这仅提供了部分流程(静态过程流程)。例如，挖掘器110不提供有关协作wsdl/SCA和/或JCA组件的细节。对这些组件的识别及其对过程的影响由知识图生成器115完成。类似地，知识图生成器115使用一个或多个适配器来执行记录系统的发现，诸如，数据库以及正在过程中使用的实体。在此，“适配器”是指用于访问外部系统的技术。由于过程可与不同的外部(第三方)系统进行交互，因此适配器在过程流程期间提供了对外部系统的连接、访问、取得、更新方面的抽象。例如，可将用于这种访问的应用程序编程接口，协议或任何其他特定访问机制包括在适配器中，或称为适配器。知识图生成器115不仅提供对人工因素的识别，而且还提供生成知识图120时在人工因素之间的关系。这些关系还包括与由知识图生成器115识别的各种第三方系统的交互。在过程表示105中的每个步骤，基于过程日志，审计跟踪日志以及请求参数来完成第三方系统的识别。

知识图生成器115相应地确定并存储在知识图120中，该知识图是特定于被自动化的过程，至少a.操作顺序，b.整个过程中的数据流，c.外部操作/调用(由第三方系统执行)，d.在过程执行期间对系统中的状态的识别，e.导致状态改变的动作/转换，以及f.动作/转换的前提条件和后置条件。另外，在本发明的一个或多个实施例中，该步骤还处理用于识别边界的事件日志并陈述细节。在本发明的一个或多个实施例中，用于模式识别的机器学习算法被用于来自挖掘器110的挖掘数据。

该方法还包括在415处生成决策树130。决策树是基于知识图120的分层数据结构。在由执行引擎150执行过程期间，决策树130基于一个或多个条件遍历决策树130。在一个或多个示例中，创建基于Petri网数据结构的自定义数据结构以表示决策树130。该自定义数据结构是分层的，并捕获状态、状态之间的转换、以及状态之间的转换所需的动作。根据本发明的一个或多个实施例，Petri网数据结构是有向二分图，其中节点表示转换(即，可能发生的事件)和位置(即条件)。Petri网还包括有向弧，其描述了哪些位置是哪些转换的前提条件和/或后置条件。

在一个或多个示例中，动作/转换，前置条件和后置条件被映射到来自知识图120的意图、实体、动作和上下文。状态、动作和实体的映射至少包括以下内容：a.变量的识别形成局部状态的一部分；b.基于过程表示105中的序列元素，识别操作的执行顺序。对于每个操作，获得输入参数，并将操作映射到操作/转换，以及基于操作名称创建意图。

决策树130的创建包括从知识图120识别Petri网数据结构的字段。字段表示用于决策树130的元数据模型的参数被存储。决策树130的创建还包括编辑一个或多个节点。

此外，在420处，该方法包括将权重分配给由机器学习识别的内部和外部因素。权重的分配可取决于被自动化的过程。在某些情况下，外部因素(例如组织政策)相比于内部条件具有最高优先级。权重可针对特定的内部和/或外部因素进行预配置。例如，在出差请求场景中，诸如导致单步拒绝请求的出差冻结的因素比其他权重具有更高的权重。

该方法进一步包括在425处通过与请求者101进行交互而在没有人工干预的情况下执行过程以生成决策。针对执行，执行引擎150按因素权重创建对话工作流140。对话工作流140经由用户界面例如图形用户界面(GUI)执行。在一个或多个示例中，GUI至少指示以下内容：a.操作顺序，其中，每个操作对应一个实体；b.基于实体名称，意图基于所使用的对话术语(term)来识别；以及c.识别监视过程表示105中的变化的事件监听器。

此外，决策树130的元数据模型用于使用对话生成器135自动生成对话工作流130，例如与WATSON

使用人工智能/机器学习算法自动生成问题。经由GUI中的对话将问题提供给请求者101。具有更高权重的因素首先用于在对话工作流130中生成对话，先于与具有更低权重的其他因素相关的对话。

响应于问题，由请求者101输入的数据用于遍历决策树130。经由GUI接收的输入以及内部/外部因素用于确定流程执行中的状态。在一个或多个示例中，状态被存储。基于状态，过程继续生成进一步的对话，以从请求者101获得其他输入数据。在一个或多个示例中，GUI在过程执行期间还显示决策树130的遍历。

图7-9描绘了根据本发明的一个或多个实施例的示例用户界面的部分。GUI的部分500显示交互式聊天会话，RPA系统100使用该交互式聊天会话与请求者101进行交互以询问问题505并响应于获得用于遍历决策树130的一个或多个参数的值而接收答案515。应当注意，尽管描述了文本交换，但是在本发明的一个或多个实施例中，可使用语音/音频或任何其他介质来进行问答会话。在一个或多个示例中，GUI 500还可包括交互元素525，请求者101可使用该交互元素525来提供参数值。

此外，在图8中，当请求者101提供一个或多个答案515时，GUI的部分600描绘了决策130的遍历的视觉表示。部分600描绘了决策树130的一个或多个节点605以及已经被遍历和/或正在被遍历的一个或多个节点的视觉通知615。

根据本发明的一个或多个实施例，如图9所示，GUI的部分700描绘了知识图120的视觉表示，其中填充了用于本过程执行的内部和外部因素的参数值。当请求者101经由部分500提供参数值时，可动态地更新这些参数值。

在一个或多个示例中，GUI还支持对实体，意图和动作参数的修改。一旦用户完成序列并请求决策过程的最终结果(例如，单击用户界面“确定”)，则将意图，实体和动作填充到决策树130。然后，在430(图6)，向请求者101输出决策树130的结果。

在一个或多个示例中，RPA系统100监视被初始化的感兴趣事件，例如，请求者101启动过程执行，政策更改导致知识图120(以及因此决策树130)更改等。在一个或多个示例中，基于事件在决策树130中触发动作。决策树130上的动作可导致状态更改，进而导致执行引擎150调用上下文更改。取决于上下文更改，过程的后续流程发生更改，执行引擎生成新查询。上下文的改变进一步更新来自对话生成器135的问题-答案(505、515)，并且这使得过程流程是上下文特定且动态的。

因此，可在没有任何手动干预的情况下执行决策。

因此，本发明的一个或多个实施例促进了一种机器人过程自动化系统，该机器人过程自动化系统可自动创建决策和过程模型，该模型在领域知识上受到训练并且可制定规则和工作流以使用人工智能来实现过程。该模型是从被置于上下文中的数据和信息中得出的。决策过程被优化以用于使用数据最小化方法，从而实现复杂的目标。此外，通过使用自动化来执行和自动化模型。在执行期间，过程数据被反馈到模型中，以对其自身进行校正和更新从而对更改做出反应。本发明解决方案的一个或多个实施例使用AI来生成决策和过程模型，该模型被存储为决策树，该决策树包括执行该过程所需的各种实体，规则和工作流。此外，根据本发明的一个或多个实施例，决策树用作人工对话生成器的输入，以发起与用户的对话从而接收执行该过程的一个或多个输入。与用户的对话是基于对正在执行的过程的任何更新而动态生成的。

本发明的实施例提供了相对于市场上发现的技术的实际应用或技术改进，特别用于自动化决策过程。本发明的实施例使决策过程建模自动化，并且进一步使与一个或多个用户的交互自动化，以获得将要用于自动执行决策过程的参数值。

在任何可能的技术细节结合层面，本发明可以是系统、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)、存储器棒、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。

这里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。

用于执行本发明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，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。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。

附图中的流程图和框图显示了根据本发明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。

以上已经描述了本发明的各实施例，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。