买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工业大学(深圳)申请的专利服务流程模型训练方法及服务流程生成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114943410B 。

龙图腾网通过国家知识产权局官网在2025-09-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210374719.6，技术领域涉及：G06F18/214；该发明授权服务流程模型训练方法及服务流程生成方法是由李旭涛;梁俊平;陈武桥;龙永深设计研发完成，并于2022-04-11向国家知识产权局提交的专利申请。

本服务流程模型训练方法及服务流程生成方法在说明书摘要公布了：本发明提供了一种服务流程模型训练方法及服务流程生成方法，训练方法包括：获取文本数据集，所述文本数据集包括多个不同服务流程的描述文本；对各个所述描述文本中的实际事件词进行标注，获得第一训练集；采用所述第一训练集对预先建立的第一深度学习模型进行训练，获得所述事件抽取模型；对各个所述描述文本中每两个所述实际事件词之间的实际事件关系词进行标注，获得第二训练集；采用所述第二训练集对预先建立的第二深度学习模型进行训练，获得所述事件关系抽取模型。本发明的技术方案能够提高服务流程的制定效率和生成的服务流程的可靠性。

本发明授权服务流程模型训练方法及服务流程生成方法在权利要求书中公布了：1.一种服务流程模型训练方法，其特征在于，服务流程模型包括事件抽取模型和事件关系抽取模型，方法包括： 获取文本数据集，所述文本数据集包括多个不同服务流程的描述文本； 对各个所述描述文本中的实际事件词进行标注，获得第一训练集；采用所述第一训练集对预先建立的第一深度学习模型进行训练，获得所述事件抽取模型，所述第一深度学习模型包括触发词提取模型和论元提取模型，所述事件抽取模型包括训练好的触发词提取模型和训练好的论元提取模型，所述第一训练集包括多个对应的所述描述文本和所述实际事件词组成的第一数据对，其中，所述实际事件词包括所述服务流程中的实际触发词和实际论元，所述实际论元表示与所述服务流程中事件相关联的元素； 所述采用所述第一训练集对预先建立的第一深度学习模型进行训练包括： 对所述描述文本进行基于字的分词处理，获得字序列； 将所述字序列输入所述触发词提取模型，输出预测触发词； 基于预设的第一损失函数，根据所述预测触发词和对应的所述实际触发词校正所述触发词提取模型的参数，直至所述触发词提取模型的精度达到第一预设范围，获得所述训练好的触发词提取模型； 将所述字序列和所述实际触发词在所述字序列中的位置输入所述论元提取模型，输出预测论元； 基于预设的第二损失函数，根据所述预测论元和对应的所述实际论元校正所述论元提取模型的参数，直至所述论元提取模型的精度达到第二预设范围，获得所述训练好的论元提取模型； 对各个所述描述文本中每两个所述实际事件词之间的实际事件关系词进行标注，获得第二训练集；采用所述第二训练集对预先建立的第二深度学习模型进行训练，获得所述事件关系抽取模型，所述第二深度学习模型包括第三Bert模型、编码Concatenate层、第三Mid-Linear层和第三指针标注网络，所述第二训练集包括多个对应的所述描述文本和特征词组成的第二数据对，所述特征词包括任意两个所述实际事件词和对应的实际事件关系词； 所述采用所述第二训练集对预先建立的第二深度学习模型进行训练包括： 对所述描述文本进行基于字的分词处理，获得字序列； 将所述字序列输入所述第三Bert模型，通过所述第三Bert模型对所述字序列中的各个字符进行编码，获得第三编码序列； 将所述第三编码序列和任意两个所述实际事件词在所述第三编码序列中的位置输入所述编码Concatenate层，输出特征序列； 将所述特征序列输入所述第三Mid-Linear层，执行位置序列生成步骤，输出事件关系词开始位置序列和事件关系词结束位置序列； 将所述事件关系词开始位置序列和所述事件关系词结束位置序列输入所述第三指针标注网络，执行位置确定步骤，确定事件关系词开始位置和事件关系词结束位置； 执行特定词提取步骤，根据所述事件关系词开始位置和所述事件关系词结束位置从所述字序列中提取预测事件关系词； 基于预设的第三损失函数，根据所述预测事件关系词和对应的所述实际事件关系词校正所述第二深度学习模型的参数，直至所述第二深度学习模型的精度达到第三预设范围，获得所述事件关系抽取模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工业大学(深圳)，其通讯地址为：518055 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。