从对话到图表：面向加速业务流程原型的自然语言任务与关系抽取
计算与语言
2023-12-19 v1 人工智能
摘要
将冗长的自然语言描述自动转化为结构化流程模型仍然是一项具有高度复杂性的挑战——本文介绍了一种当代解决方案，其核心是使用依存句法分析和命名实体识别（NER）从文本描述中提取关键元素。此外，我们利用主谓宾（SVO）结构来识别动作关系，并集成了包括 WordNet 在内的语义分析工具以丰富上下文理解。我们系统的一个新颖之处是应用了神经共指消解，并与 SpaCy 框架集成，增强了实体链接和指代消解的精确度。此外，该系统能够熟练地处理数据转换和可视化，将提取的信息转化为 BPMN（业务流程模型与符号）图。这种方法不仅简化了捕获和表示业务工作流的流程，还显著减少了传统建模方法中固有的手动工作和潜在错误。
引用
@article{arxiv.2312.10432,
title = {From Dialogue to Diagram: Task and Relationship Extraction from Natural Language for Accelerated Business Process Prototyping},
author = {Sara Qayyum and Muhammad Moiz Asghar and Muhammad Fouzan Yaseen},
journal= {arXiv preprint arXiv:2312.10432},
year = {2023}
}
备注
9 pages, 2 figures