Dieses Repository enthält den Quellcode für die Arbeit Generative AI for Business Process Management - Suitability of Modalities
. Ziel ist es, die Machbarkeit der Erstellung von Prozessmodellen aus multimodalen Dokumenten mit generativer KI zu bewerten. Das Repository verwendet einige Codes und Daten aus dem SAP SAM-Repository.
Der Beispielcode in diesem Repository ist wie folgt lizenziert. Beachten Sie, dass für den Datensatz selbst eine andere Lizenz gilt!
Copyright (c) 2024 by SAP.
Licensed under the Apache License, Version 2.0 (the "License");
you may not use this file except in compliance with the License.
You may obtain a copy of the License at
http://www.apache.org/licenses/LICENSE-2.0
Unless required by applicable law or agreed to in writing, software
distributed under the License is distributed on an "AS IS" BASIS,
WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
See the License for the specific language governing permissions and
limitations under the License.
Die folgende Lizenz gilt für den Datensatz im Datenordner.
Copyright (c) 2024 by SAP.
SAP grants to Recipient a non-exclusive copyright license to the Model Collection to use the Model Collection for Non-Commercial Research purposes of evaluating Recipient’s algorithms or other academic research artefacts against the Model Collection. Any rights not explicitly granted herein are reserved to SAP. For the avoidance of doubt, no rights to make derivative works of the Model Collection is granted and the license granted hereunder is for Non-Commercial Research purposes only.
"Model Collection" shall mean all files in the archive (which are JSON, XML, or other representation of business process models or other models).
"Recipient" means any natural person receiving the Model Collection.
"Non-Commercial Research" means research solely for the advancement of knowledge whether by a university or other learning institution and does not include any commercial or other sales objectives.
Detaillierte Informationen, einschließlich Komponenten von Drittanbietern und deren Lizenz-/Copyright-Informationen, sind über das REUSE-Tool verfügbar.
Wir stellen zwei conda-environment.yml-Dateien zur Verfügung, mit denen Sie eine neue Umgebung erstellen und die erforderlichen Abhängigkeiten installieren können:
environment.yml
: enthält die abstrakten Abhängigkeiten (Pandas, Numpy, ...).environment-lock.yml
: enthält Versionen für alle Abhängigkeiten und die transitiven Abhängigkeiten, um reproduzierbare Ergebnisse sicherzustellen.Sie können den folgenden Conda-Befehl verwenden, um die Umgebung zu erstellen:
conda env create -f environment.yml
oder
conda env create -f environment-lock.yml
Wir bieten mehrere Jupyter-Notebooks an.
Das data_set_preparation Jupyter Notebook bietet eine exemplarische Vorgehensweise zur Erstellung des Datensatzes.
Das „exploring_the_dataset“-Jupyter-Notebook gibt Einblicke in die Eigenschaften des erstellten Datensatzes.
Das bpmn_generation Jupyter Notebook erstellt Prozessmodelle aus multimodalen Dokumentationen mit GPT-4V und Zero-Shot-, One-Shot- und Few-Shot-Prompt.
Das Evaluierungs-Jupyter-Notebook führt ein Evaluierungsframework ein, um Ähnlichkeitswerte der generierten Prozessmodelle und der Ground-Truth-Modelle zu berechnen. Darüber hinaus wendet es das Framework an und präsentiert die Ergebnisse.
├── data
│ ├── examples <- Some example models for illustrating main ideas.
| └── sapsam
│ ├── cleaned <- The created dataset.
| ├── enriched <- Original SAP-SAM data set enriched by some meta data
| ├── evaluations <- Evaluation results
| ├── generated <- Generated process models
| ├── raw <- Original SAP-SAM data set
| └── tmp <- Temporary data
├── notebooks <- Jupyter notebooks.
├── src
| ├── multimodalgenai <- Source code for use in this project.
│ └── sapsam <- Adapted clone of the [SAP SAM repo](https://github.com/signavio/sap-sam)
├── LICENSE <- License that applies to the example code in this repository.
├── README.md <- The top-level README for developers using this project.
├── Thesis_Gen-AI-for-BPM-Modalities_Marvin-Voelter_v04_2024-03-21_final_blurred.pdf <- Thesis with more detailed explanations and thoughts
├── environment-lock.yml <- Contains versions for all dependencies and the transitive dependencies to ensure reproducible results.
├── environment.yml <- Contains the abstract dependencies (pandas, numpy, ...).
└── setup.py <- Makes project pip installable (pip install -e .) such that src can be imported.
Dieses Projekt ist offen für Funktionsanfragen/-vorschläge, Fehlerberichte usw. über GitHub-Probleme. Beiträge und Feedback sind erwünscht und jederzeit willkommen. Weitere Informationen zur Beitragsweise, zur Projektstruktur sowie weitere Beitragsinformationen finden Sie in unseren Beitragsrichtlinien.
Wir als Mitglieder, Mitwirkende und Führungskräfte verpflichten uns, die Teilnahme an unserer Community für alle zu einem belästigungsfreien Erlebnis zu machen. Durch die Teilnahme an diesem Projekt erklären Sie sich damit einverstanden, den Verhaltenskodex jederzeit einzuhalten.