[發明專利]作業票流程管理系統

在審

• 申請號: 202110525140.0
• 申請日: 2021-05-13
• 公開（公告）號: CN113393084A
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 張昭智;張子恒
• 申請（專利權）人: 上海湃道智能科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/10;G06Q50/06;G06F16/33;G06F16/36
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.作業票流程管理系統，包括

自動化行業知識提取模塊，從作業規范、安全規范等行業文件的電子文本中自動提取實體和實體間的關系，從而自動化構建包含行業知識的結構化行業知識圖譜；所述的知識圖譜由隱式知識圖譜和顯式知圖譜共同構成；預訓練的深度學習語言模型本身構成隱式知識圖譜，從語言模型中自動化提取的實體和關系構造的傳統圖結構知識圖譜構成顯式知識圖譜。所述的自動提取實體和實體間的關系是利用深度學習語言模型完成的。

基于知識圖譜的作業流程和安全風險提議模塊，利用所述的隱式知識圖譜和顯式知識圖譜，對于給定的工業作業的文本描述，給出包含該作業標準化作業流程建議和安全風險提示的電子作業票模板；

電子作業票管理模塊，完成電子作業票簽發，審批，統計報表等功能；

自動化流程規范和安全風險監控模塊，根據電子作業票中的作業流程規范和安全風險的自然語言文本描述自動對系統中現有的機器學習算法進行查找、編排和部署，從而實現對作業流程和安全風險的自動化監控和報警。

2.如權利要求1所述的作業票流程管理系統，其特征在于所述的自動化行業知識提取模塊的深度學習語言模型是基于Transformer的。

3.如權利要求1所述的作業票流程管理系統，其特征在于所述的深度學習語言模型為Bert模型。

4.如權利要求1所述的作業票流程管理系統，其特征在于所述的深度學習語言模型為GPT模型。

5.如權利要求1所述的作業票流程管理系統，其特征在于所述的自動化行業知識提取模塊的訓練流程為：首先利用電子文本數據通過“缺失文本預測”和“利用前文進行下文預測”兩種預訓練任務對深度學習語言模型進行預訓練，從而得到包含行業知識的預訓練模型；取得預訓練模型后，隱式知識圖譜即為該深度學習語言模型的編碼器部分；隨后，利用預訓練模型中的注意力模塊及特定的過濾規則自動化構建結構化的顯式知識圖譜；當新的行業文件出臺后，所述的自動化行業知識提取模塊會自動利用新的行業文件對現有模型進行微調，并重新構建顯式知識圖譜，從而實現行業知識圖譜的全自動化構建和更新。

6.如權利要求1所述的作業票流程管理系統，其特征在于所述的基于知識圖譜的作業流程和安全風險提議模塊的構建流程為：建立一個由大量作業描述、作業流程和潛在的安全風險的三元組文本數據構成的電子作業票數據庫；從由顯式知識圖譜和隱式知識圖譜共同構成的知識圖譜中查詢作業流程和安全風險信息；對作業流程和安全風險信息用自然語言文本描述；在分別得到從顯式和隱式知識圖譜中推理的作業流程和安全風險信息自然語言文本描述后，計算所述作業流程和安全風險信息兩兩間相似度，去除重復的信息，從而得到最終的作業流程和安全風險建議。

7.如權利要求6所述的作業票流程管理系統，其特征在于所述的顯式圖譜作業流程和安全風險信息的查詢方法為傳統的基于NLP的方法，該方法首先對作業的文本描述進行分詞和詞性標注，根據預定義的關鍵詞和規則匹配生成查詢語句。

8.如權利要求6所述的作業票流程管理系統，其特征在于所述的顯式知識圖譜的作業流程和安全風險信息的查詢方法為基于預訓練的深度學習語言模型實現從作業文本描述到知識圖譜查詢語句的過程；預訓練過程使用由作業文本描述和對應的查詢語句構成的二元組數據集。

9.如權利要求7和8所述的作業票流程管理系統，其特征在于所述的顯式知識圖譜的作業流程和安全風險信息是通過傳統的基于NLP的方法和基于預訓練的深度學習語言模型的方法共同產生的，并且通過固定的文本模板生成對應的自然語言文本描述。

10.如權利要求6所述的作業票流程管理系統，其特征在于所述的隱式知識圖譜的作業流程和安全風險信息的自然語言文本描述是通過一個解碼器直接從作業文本描述生成的。