multimodal generative ai for bpm
1.0.0
Este repositório contém o código fonte da tese Generative AI for Business Process Management - Suitability of Modalities . O objetivo é avaliar a viabilidade de criação de modelos de processos a partir de documentos multimodais com IA generativa. O repositório usa alguns códigos e dados do repositório SAP SAM.
O código de exemplo neste repositório é licenciado da seguinte forma. Observe que uma licença diferente se aplica ao próprio conjunto de dados!
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.
A licença a seguir se aplica ao conjunto de dados na pasta de dados.
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.
Informações detalhadas, incluindo componentes de terceiros e informações sobre licenciamento/direitos autorais, estão disponíveis na ferramenta REUSE.
Fornecemos dois arquivos conda Environment.yml que podem ser usados para criar um novo ambiente e instalar as dependências necessárias:
environment.yml : contém as dependências abstratas (pandas, numpy, ...).environment-lock.yml : contém versões para todas as dependências e dependências transitivas para garantir resultados reproduzíveis.Você pode usar o seguinte comando conda para criar o ambiente:
conda env create -f environment.yml ou
conda env create -f environment-lock.ymlFornecemos vários Jupyter Notebooks.
O data_set_preparation Jupyter Notebook fornece um passo a passo de como o conjunto de dados foi criado.
O Jupyter Notebook explorando_the_dataset fornece insights sobre as características do conjunto de dados criado.
O Jupyter Notebook bpmn_generation cria modelos de processos a partir de documentações multimodais usando GPT-4V e prompts zero-shot, one-shot e poucos-shot.
A avaliação do Jupyter Notebook introduz uma estrutura de avaliação para calcular pontuações de similaridade dos modelos de processo gerados e dos modelos de verdade. Além disso, aplica o framework e apresenta os 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 projeto está aberto a solicitações/sugestões de recursos, relatórios de bugs, etc. por meio de problemas do GitHub. Contribuição e feedback são incentivados e sempre bem-vindos. Para obter mais informações sobre como contribuir, a estrutura do projeto, bem como informações adicionais sobre contribuições, consulte nossas Diretrizes de Contribuição.
Nós, como membros, colaboradores e líderes, comprometemo-nos a tornar a participação na nossa comunidade uma experiência livre de assédio para todos. Ao participar deste projeto, você concorda em cumprir sempre o seu Código de Conduta.
