買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉哈爾濱工業(yè)大學(xué)(深圳)申請的專利服務(wù)流程模型訓(xùn)練方法及服務(wù)流程生成方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114943410B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-05發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210374719.6，技術(shù)領(lǐng)域涉及：G06F18/214；該發(fā)明授權(quán)服務(wù)流程模型訓(xùn)練方法及服務(wù)流程生成方法是由李旭濤;梁俊平;陳武橋;龍永深設(shè)計研發(fā)完成，并于2022-04-11向國家知識產(chǎn)權(quán)局提交的專利申請。

本服務(wù)流程模型訓(xùn)練方法及服務(wù)流程生成方法在說明書摘要公布了：本發(fā)明提供了一種服務(wù)流程模型訓(xùn)練方法及服務(wù)流程生成方法，訓(xùn)練方法包括：獲取文本數(shù)據(jù)集，所述文本數(shù)據(jù)集包括多個不同服務(wù)流程的描述文本；對各個所述描述文本中的實際事件詞進(jìn)行標(biāo)注，獲得第一訓(xùn)練集；采用所述第一訓(xùn)練集對預(yù)先建立的第一深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，獲得所述事件抽取模型；對各個所述描述文本中每兩個所述實際事件詞之間的實際事件關(guān)系詞進(jìn)行標(biāo)注，獲得第二訓(xùn)練集；采用所述第二訓(xùn)練集對預(yù)先建立的第二深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，獲得所述事件關(guān)系抽取模型。本發(fā)明的技術(shù)方案能夠提高服務(wù)流程的制定效率和生成的服務(wù)流程的可靠性。

本發(fā)明授權(quán)服務(wù)流程模型訓(xùn)練方法及服務(wù)流程生成方法在權(quán)利要求書中公布了：1.一種服務(wù)流程模型訓(xùn)練方法，其特征在于，服務(wù)流程模型包括事件抽取模型和事件關(guān)系抽取模型，方法包括： 獲取文本數(shù)據(jù)集，所述文本數(shù)據(jù)集包括多個不同服務(wù)流程的描述文本； 對各個所述描述文本中的實際事件詞進(jìn)行標(biāo)注，獲得第一訓(xùn)練集；采用所述第一訓(xùn)練集對預(yù)先建立的第一深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，獲得所述事件抽取模型，所述第一深度學(xué)習(xí)模型包括觸發(fā)詞提取模型和論元提取模型，所述事件抽取模型包括訓(xùn)練好的觸發(fā)詞提取模型和訓(xùn)練好的論元提取模型，所述第一訓(xùn)練集包括多個對應(yīng)的所述描述文本和所述實際事件詞組成的第一數(shù)據(jù)對，其中，所述實際事件詞包括所述服務(wù)流程中的實際觸發(fā)詞和實際論元，所述實際論元表示與所述服務(wù)流程中事件相關(guān)聯(lián)的元素； 所述采用所述第一訓(xùn)練集對預(yù)先建立的第一深度學(xué)習(xí)模型進(jìn)行訓(xùn)練包括： 對所述描述文本進(jìn)行基于字的分詞處理，獲得字序列； 將所述字序列輸入所述觸發(fā)詞提取模型，輸出預(yù)測觸發(fā)詞； 基于預(yù)設(shè)的第一損失函數(shù)，根據(jù)所述預(yù)測觸發(fā)詞和對應(yīng)的所述實際觸發(fā)詞校正所述觸發(fā)詞提取模型的參數(shù)，直至所述觸發(fā)詞提取模型的精度達(dá)到第一預(yù)設(shè)范圍，獲得所述訓(xùn)練好的觸發(fā)詞提取模型； 將所述字序列和所述實際觸發(fā)詞在所述字序列中的位置輸入所述論元提取模型，輸出預(yù)測論元； 基于預(yù)設(shè)的第二損失函數(shù)，根據(jù)所述預(yù)測論元和對應(yīng)的所述實際論元校正所述論元提取模型的參數(shù)，直至所述論元提取模型的精度達(dá)到第二預(yù)設(shè)范圍，獲得所述訓(xùn)練好的論元提取模型； 對各個所述描述文本中每兩個所述實際事件詞之間的實際事件關(guān)系詞進(jìn)行標(biāo)注，獲得第二訓(xùn)練集；采用所述第二訓(xùn)練集對預(yù)先建立的第二深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，獲得所述事件關(guān)系抽取模型，所述第二深度學(xué)習(xí)模型包括第三Bert模型、編碼Concatenate層、第三Mid-Linear層和第三指針標(biāo)注網(wǎng)絡(luò)，所述第二訓(xùn)練集包括多個對應(yīng)的所述描述文本和特征詞組成的第二數(shù)據(jù)對，所述特征詞包括任意兩個所述實際事件詞和對應(yīng)的實際事件關(guān)系詞； 所述采用所述第二訓(xùn)練集對預(yù)先建立的第二深度學(xué)習(xí)模型進(jìn)行訓(xùn)練包括： 對所述描述文本進(jìn)行基于字的分詞處理，獲得字序列； 將所述字序列輸入所述第三Bert模型，通過所述第三Bert模型對所述字序列中的各個字符進(jìn)行編碼，獲得第三編碼序列； 將所述第三編碼序列和任意兩個所述實際事件詞在所述第三編碼序列中的位置輸入所述編碼Concatenate層，輸出特征序列； 將所述特征序列輸入所述第三Mid-Linear層，執(zhí)行位置序列生成步驟，輸出事件關(guān)系詞開始位置序列和事件關(guān)系詞結(jié)束位置序列； 將所述事件關(guān)系詞開始位置序列和所述事件關(guān)系詞結(jié)束位置序列輸入所述第三指針標(biāo)注網(wǎng)絡(luò)，執(zhí)行位置確定步驟，確定事件關(guān)系詞開始位置和事件關(guān)系詞結(jié)束位置； 執(zhí)行特定詞提取步驟，根據(jù)所述事件關(guān)系詞開始位置和所述事件關(guān)系詞結(jié)束位置從所述字序列中提取預(yù)測事件關(guān)系詞； 基于預(yù)設(shè)的第三損失函數(shù)，根據(jù)所述預(yù)測事件關(guān)系詞和對應(yīng)的所述實際事件關(guān)系詞校正所述第二深度學(xué)習(xí)模型的參數(shù)，直至所述第二深度學(xué)習(xí)模型的精度達(dá)到第三預(yù)設(shè)范圍，獲得所述事件關(guān)系抽取模型。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人哈爾濱工業(yè)大學(xué)(深圳)，其通訊地址為：518055 廣東省深圳市南山區(qū)桃源街道深圳大學(xué)城哈爾濱工業(yè)大學(xué)校區(qū)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。