跳到正文
arXiv cs.CL· Alexandru Rancea, Ionut Anghel, Tudor Cioara, Ovidiu Anchidin, Ancuta Nemes·· 2 天前AI 评分26

多层 AI 流水线实现自然语言到 BPMN 图生成

A Multi-Layered AI Pipeline for BPMN Generation from Natural Language

AI 导读

一项多层流水线方案可将非结构化自然语言流程描述自动转换为 BPMN 图,整合 Transformer 架构、LLM 与本体填充。其中实体抽取使用微调的 RoBERTa 模型,控制流引擎通过 LLM 推理捕捉非相邻关系,并采用动态 few-shot 策略提升有限数据下的泛化能力。关系抽取任务准确率达 90.7%,并在真实心脏病患者过渡护理流程上完成验证。

正文 · AI 翻译

查看 PDF

摘要:由于语言歧义以及难以检测非相邻控制流关系,将非结构化自然语言流程描述自动转换为业务流程模型与符号(BPMN)图仍是一项具有挑战性的任务。本文提出了一种通过多层流水线从自然语言描述生成 BPMN 模型的解决方案,该流水线集成了基于 transformer 的架构、大语言模型和本体填充。所提方法从自然语言描述出发,将文本处理、控制流关系提取和结构验证分离到专门的组件中。实体提取使用经过微调的基于 RoBERTa 的 transformer 模型执行,而控制流引擎通过基于 LLM 的推理捕获非相邻关系。为在有限可用数据下提高泛化能力,该方法采用动态少样本策略并配合受控模板输入构建,从而在有限数据可用性下实现更好的泛化。此外,还引入了本体填充机制,将生成的过程模型表示为语义知识结构。为进行评估,我们使用了文献和行业参考流程。此外,我们在真实世界的心脏病患者过渡期护理流程上验证了所提方法,捕获了实际约束和多参与者协作,并作为专家定义的基准场景。实验结果表明,该方法在关系提取任务中表现强劲,准确率达到 90.7%,并在多个评估场景中保持了生成模型与参考 BPMN 模型之间的结构对齐。
主题: 计算与语言(cs.CL)
引用为: arXiv:2611.18157 [cs.CL]
  (或 arXiv:2611.18157v1 [cs.CL] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.18157

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Alexandru Miron Rancea [查看电子邮件]
[v1] 2026年11月13日星期五 13:31:08 UTC(1,776 KB)

来源:arXiv cs.CL · arxiv.org