(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211075608.1 (22)申请日 2022.09.05 (65)同一申请的已公布的文献号 申请公布号 CN 115146488 A (43)申请公布日 2022.10.04 (73)专利权人 山东鼹鼠人才知果数据科技有限 公司 地址 250000 山东省济南市中国 （山 东） 自 由贸易试验区济南片区经十路7000号 汉峪金谷A3 -1-1505 专利权人 山东文衡科技股份有限公司 　 山东知比特 数据科技有限公司 (72)发明人 夏傲福　王婷　刘刚　 (74)专利代理 机构 北京恒泰铭睿知识产权代理 有限公司 1 1642 专利代理师 郭建明 (51)Int.Cl. G06F 30/20(2020.01) G06F 40/186(2020.01)G06F 40/289(2020.01) G06F 40/30(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/06(2012.01) G06Q 10/10(2012.01) G06Q 50/18(2012.01) (56)对比文件 CN 111753189 A,2020.10.09 CN 114565041 A,202 2.05.31 US 202025 0379 A1,2020.08.0 6 US 2021383231 A1,2021.12.09 WO 2022178919 A1,202 2.09.01 林志宏等.基 于卷积神经网络的公安案件 文 本语义特征提取方法研究. 《数 学的实践与认 识》 .2017,(第17期),全 文. (续) 审查员 李锦川 (54)发明名称 基于大数据的可变业务流程智能建模系统 及其方法 (57)摘要 公开了一种基于大数据的可变业务流程智 能建模系统及其方法， 其将智能建模问题转化为 业务需求与模板组合的匹配问题。 具体地， 首先 获取业务员输入的业务需求描述， 其中， 所述业 务需求描述包括文本数据和图形数据两种不同 模态的数据； 然后提取所述业务需求描述中的不 同模态数据中的文本项， 并使用深度神经网络模 型来从不同粒度对所述文本数据进行文本高维 语义理解 从而生成文本理解图像， 接着再将所述 文本理解图像和所述图形数据进行数据级关联 并提取关联特征以得到分类特征图， 最后将所述 分类特征图通过多标签分类器进行模板组合匹 配。 这样， 可 以提高与业务需求匹配的模板组合的精准度。 [转续页] 权利要求书4页 说明书15页 附图6页 CN 115146488 B 2022.11.22 CN 115146488 B (56)对比文件 蒋应锋等.一种新的多尺度深度学习图像 语 义理解方法研究. 《光电子 ·激光》 .2016,(第02 期),全文. 翟正利等.基 于全卷积神经网络的多目标显 著性检测. 《计算机技 术与发展》 .2020,(第08期),全文. Ting Wang等.MRP2Rec: Expl oring Multiple-Step Relati on Path Semantics for Knowledge Graph -Based Recom mendations. 《IEEE》 .2020,全 文.2/2 页 2[接上页] CN 115146488 B1.一种基于大 数据的可变业 务流程智能建模系统， 其特 征在于， 包括： 业务需求获取模块， 用于获取业务员输入的业务需求描述， 所述业务需求描述包括图 形、 公式、 表格和文本； 数据项提取模块， 用于提取所述公式中的各个数据项、 所述表格的文件名和所述表格 中的各个数据项； 语义编码模块， 用于将所述公式中的各个数据项、 所述表格的文件名、 所述表格中的各 个数据项和所述文本通过包 含嵌入层的上 下文编码器以得到多个 语义特征向量； 文本卷积编码模块， 用于将所述多个语义特征向量排列为二维特征矩阵后 通过文本卷 积神经网络以得到词粒度关联语义理解特 征向量； 多尺度邻域特征提取模块， 用于将所述多个语义特征向量排列为一维特征向量后通过 多尺度邻域特 征提取模块以得到片语粒度语义理解特 征向量； 语义向量融合模块， 用于将所述词粒度关联语义理解特征向量和所述片语粒度语义理 解特征向量进行级联以得到文本理解特 征向量； 文本理解模块， 用于将所述文本理解特征向量通过文本理解模型以得到文本理解图 像； 图像特征提取模块， 用于将所述文本理解图像和所述图形排列为多通道图像后 通过作 为特征提取器的卷积神经网络模型以得到分类特 征图； 校正模块， 用于基于所述分类特征图的沿通道维度的各个特征矩阵中各个位置的特征 值的位置信息， 分别对所述分类特征图的沿通道维度的各个特征矩阵中各个位置的特征值 进行校正以得到校正后分类特 征图； 以及 建模结果生成模块， 用于将所述校正后分类特征图通过多标签分类器以得到分类结 果， 所述分类结果 为与业务需求匹配的模板组合的标签值； 其中， 所述语义编码模块， 包括： 词序列转化单元， 用于对所述公式中的各个数据项、 所述表格的文件名、 所述表格中的 各个数据项和所述文本进行分词处理以将所述公式中的各个数据项、 所述表格的文件名、 所述表格中的各个数据项和所述文本分别转 化为由多个词组成的词序列； 嵌入编码单元， 用于使用所述包含嵌入层的上下文编码器的嵌入层将所述词序列中各 个词映射到词向量以获得词向量的序列； 以及 上下文全局编码单元， 用于使用所述包含嵌入层的上下文编码器的转化器对所述词向 量的序列进行基于全局的上 下文语义编码以获得 所述多个 语义特征向量。 2.根据权利要求1所述的基于大数据的可变业务流程智能建模系统， 其特征在于， 所述 文本卷积编码模块， 进一步用于： 所述文本卷积神经网络的各层在层的正向传递中分别进 行： 对输入数据进行 卷积处理以得到卷积特 征图； 对所述卷积特 征图进行基于局部特 征矩阵的均值池化以得到池化特 征图； 以及 对所述池化特 征图进行非线性激活以得到 激活特征图； 其中， 所述文本卷积神经网络的最后一层的输出为所述词粒度关联语义理解特征向 量， 所述文本卷积神经网络的第一层的输入为所述 二维特征矩阵。 3.根据权利要求2所述的基于大数据的可变业务流程智能建模系统， 其特征在于， 所述权　利　要　求　书 1/4 页 2 CN 115146488 B 3