multimodal generative ai for bpm
1.0.0
Este repositorio contiene el código fuente de la tesis Generative AI for Business Process Management - Suitability of Modalities . El objetivo es evaluar la viabilidad de crear modelos de procesos a partir de documentos multimodales con IA generativa. El repositorio utiliza algunos códigos y datos del repositorio SAP SAM.
El código de ejemplo de este repositorio tiene la siguiente licencia. Tenga en cuenta que se aplica una licencia diferente al conjunto de datos en sí.
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.
La siguiente licencia se aplica al conjunto de datos en la carpeta de datos.
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.
La información detallada, incluidos los componentes de terceros y su información de licencia/derechos de autor, está disponible a través de la herramienta REUSE.
Proporcionamos dos archivos conda Environment.yml que se pueden usar para crear un nuevo entorno e instalar las dependencias necesarias:
environment.yml : contiene las dependencias abstractas (pandas, numpy, ...).environment-lock.yml : contiene versiones para todas las dependencias y las dependencias transitivas para garantizar resultados reproducibles.Puede utilizar el siguiente comando conda para crear el entorno:
conda env create -f environment.yml o
conda env create -f environment-lock.ymlProporcionamos múltiples portátiles Jupyter.
El Jupyter Notebook data_set_preparation proporciona un tutorial sobre cómo se creó el conjunto de datos.
Explore_the_dataset Jupyter Notebook brinda información sobre las características del conjunto de datos creado.
El Jupyter Notebook bpmn_generación crea modelos de procesos a partir de documentaciones multimodales utilizando GPT-4V y solicitudes de disparo cero, de un disparo y de pocos disparos.
La evaluación Jupyter Notebook introduce un marco de evaluación para calcular puntuaciones de similitud de los modelos de proceso generados y los modelos de verdad sobre el terreno. Además aplica el marco y presenta los resultados.
├── 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.
Este proyecto está abierto a solicitudes/sugerencias de funciones, informes de errores, etc. a través de problemas de GitHub. Se alientan y siempre son bienvenidos los aportes y comentarios. Para obtener más información sobre cómo contribuir, la estructura del proyecto, así como información adicional sobre contribuciones, consulte nuestras Pautas de contribución.
Nosotros, como miembros, contribuyentes y líderes, nos comprometemos a hacer de la participación en nuestra comunidad una experiencia libre de acoso para todos. Al participar en este proyecto, usted acepta cumplir con su Código de Conducta en todo momento.
