[發明專利]自動化流程的執行方法、裝置、設備及可讀存儲介質

在審

• 申請號: 202010100850.4
• 申請日: 2020-02-17
• 公開（公告）號: CN111324440A
• 公開（公告）日: 2020-06-23
• 發明（設計）人: 黃陽琨;張潮宇
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06F9/48
• 分類號: G06F9/48;G06N20/00
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 張婷

1.一種自動化流程的執行方法，其特征在于，所述自動化流程的執行方法包括以下步驟：

獲取終端對應的多模態數據，將所述多模態數據作為深度學習模型的輸入，以得到意圖分析模型；

通過所述意圖分析模型確定終端中自動化流程對應的行為意圖；

根據所述行為意圖執行所述自動化流程對應的目標操作指令，以執行所述自動化流程。

2.如權利要求1所述的自動化流程的執行方法，其特征在于，所述獲取終端對應的多模態數據，將所述多模態數據作為深度學習模型的輸入，以得到意圖分析模型的步驟之后，還包括：

獲取終端對應用戶的本地使用數據，基于所述本地使用數據進行聯邦學習，根據聯邦學習的學習結果更新所述意圖分析模型，得到更新后的意圖分析模型；

所述通過所述意圖分析模型確定終端中自動化流程對應的行為意圖的步驟包括：

通過更新后的意圖分析模型確定終端中自動化流程對應的行為意圖。

3.如權利要求2所述的自動化流程的執行方法，其特征在于，所述獲取終端對應用戶的本地使用數據，基于所述本地使用數據進行聯邦學習，根據聯邦學習的學習結果更新所述意圖分析模型，得到更新后的意圖分析模型的步驟包括：

獲取終端對應用戶的本地使用數據，基于所述本地使用數據進行聯邦學習，獲取聯邦學習得到的梯度值；

根據所述梯度值更新所述意圖分析模型中的模型參數，得到更新后的意圖分析模型。

4.如權利要求1所述的自動化流程的執行方法，其特征在于，所述獲取終端對應的多模態數據，將所述多模態數據作為深度學習模型的輸入，以得到意圖分析模型的步驟之后，還包括：

獲取終端與服務器交互的交互數據，基于所述交互數據進行聯邦學習，根據聯邦學習的學習結果更新所述意圖分析模型，得到更新后的意圖分析模型；

所述通過所述意圖分析模型確定終端中自動化流程對應的行為意圖的步驟包括：

通過更新后的意圖分析模型確定終端中自動化流程對應的行為意圖。

5.如權利要求1所述的自動化流程的執行方法，其特征在于，所述通過所述意圖分析模型確定終端中自動化流程對應的行為意圖的步驟之后，還包括：

檢測在執行所述終端中的自動化流程過程中是否偵測到不屬于所述自動化流程的非流程因素；

若偵測到所述非流程因素，則所述根據所述行為意圖執行所述自動化流程對應的目標操作指令，以執行所述自動化流程的步驟包括:

根據所述行為意圖和所述非流程因素執行所述自動化流程對應的目標操作指令，以執行所述自動化流程。

6.如權利要求1所述的自動化流程的執行方法，其特征在于，所述獲取終端對應的多模態數據，將所述多模態數據作為深度學習模型的輸入，以得到意圖分析模型的步驟包括：

獲取終端對應的多模態數據，以及獲取終端對應的模型樣本數據；

將所述多模態數據和所述模型樣本數據作為深度學習模型的輸入，以得到意圖分析模型。

7.如權利要求1至6任一項所述的自動化流程的執行方法，其特征在于，所述根據所述行為意圖執行所述自動化流程對應的目標操作指令，以執行所述自動化流程的步驟之后，還包括：

檢測所述自動化流程的執行成功率；

若所述執行成功率小于預設成功率，則更新所述意圖分析模型。

8.一種自動化流程的執行裝置，其特征在于，所述自動化流程的執行裝置包括：

獲取模塊，用于獲取終端對應的多模態數據，將所述多模態數據作為深度學習模型的輸入，以得到意圖分析模型；

確定模塊，用于通過所述意圖分析模型確定終端中自動化流程對應的行為意圖；

執行模塊，用于根據所述行為意圖執行所述自動化流程對應的目標操作指令，以執行所述自動化流程。