[發(fā)明專利]業(yè)務(wù)需求的建模方法、裝置、電子設(shè)備和介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202211437189.1
• 申請(qǐng)日: 2022-11-16
• 公開（公告）號(hào): CN116151210A
• 公開（公告）日: 2023-05-23
• 發(fā)明（設(shè)計(jì)）人: 葉齊嬌;任瑜平;楊珂;石忠德
• 申請(qǐng)（專利權(quán)）人: 中國(guó)工商銀行股份有限公司
• 主分類號(hào): G06F40/194
• 分類號(hào): G06F40/194;G06F40/242;G06F40/247;G06F40/289;G06F16/332
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 張琛

本公開提供了一種業(yè)務(wù)需求的建模方法，可用于金融領(lǐng)域或其他領(lǐng)域。該方法包括：獲取業(yè)務(wù)需求文本；從業(yè)務(wù)需求文本中提取業(yè)務(wù)模型要素；將業(yè)務(wù)模型要素轉(zhuǎn)化為業(yè)務(wù)模型要素向量；預(yù)設(shè)標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量庫(kù)；將業(yè)務(wù)模型要素向量與標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量庫(kù)中的多個(gè)標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量進(jìn)行匹配，得到N個(gè)候選標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量；計(jì)算業(yè)務(wù)模型要素向量與N個(gè)候選標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量之間的相似度；基于相似度的計(jì)算結(jié)果，確定目標(biāo)標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量；以及基于目標(biāo)標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量對(duì)應(yīng)的標(biāo)準(zhǔn)業(yè)務(wù)模型，對(duì)業(yè)務(wù)需求文本進(jìn)行建模。本公開還提供了一種業(yè)務(wù)需求的建模裝置、設(shè)備、存儲(chǔ)介質(zhì)和程序產(chǎn)品。

技術(shù)領(lǐng)域

本公開涉及人工智能領(lǐng)域，還可用于金融科技領(lǐng)域，具體地，涉及一種業(yè)務(wù)需求的建模方法、裝置、設(shè)備、介質(zhì)和程序產(chǎn)品。

背景技術(shù)

大型研發(fā)組織中，業(yè)務(wù)需求書一般由業(yè)務(wù)人員使用自然語(yǔ)言線下編寫形成文檔，然后提交給牽頭研發(fā)部門，牽頭研發(fā)部門安排產(chǎn)品經(jīng)理和架構(gòu)師對(duì)業(yè)務(wù)需求書進(jìn)行分析，然后再分配到不同的研發(fā)部門或研發(fā)組進(jìn)行業(yè)務(wù)需求的建模。

在實(shí)現(xiàn)本公開構(gòu)思的過程中，發(fā)明人發(fā)現(xiàn)，目前的建模方法需要通過相關(guān)人員對(duì)業(yè)務(wù)需求文本進(jìn)行人工分析，再根據(jù)分析結(jié)果進(jìn)行建模，建模速度較慢。

發(fā)明內(nèi)容

鑒于上述問題，本公開提供了一種業(yè)務(wù)需求的建模方法、裝置、設(shè)備、介質(zhì)和程序產(chǎn)品。

根據(jù)本公開的第一個(gè)方面，提供了一種業(yè)務(wù)需求的建模方法，包括：獲取業(yè)務(wù)需求文本；從所述業(yè)務(wù)需求文本中提取業(yè)務(wù)模型要素，其中，所述業(yè)務(wù)模型要素是用于構(gòu)建與所述業(yè)務(wù)需求文本對(duì)應(yīng)的業(yè)務(wù)模型的要素；將所述業(yè)務(wù)模型要素轉(zhuǎn)化為業(yè)務(wù)模型要素向量；預(yù)設(shè)標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量庫(kù)，其中，所述標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量庫(kù)中包括多個(gè)標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量，每一個(gè)所述標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量對(duì)應(yīng)一個(gè)標(biāo)準(zhǔn)業(yè)務(wù)模型；將所述業(yè)務(wù)模型要素向量與所述標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量庫(kù)中的多個(gè)標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量進(jìn)行匹配，得到N個(gè)候選標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量，其中，N為大于等于1的整數(shù)；計(jì)算所述業(yè)務(wù)模型要素向量與所述N個(gè)候選標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量之間的相似度；基于所述相似度的計(jì)算結(jié)果，確定目標(biāo)標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量；以及基于所述目標(biāo)標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量對(duì)應(yīng)的標(biāo)準(zhǔn)業(yè)務(wù)模型，對(duì)所述業(yè)務(wù)需求文本進(jìn)行建模。

根據(jù)本公開的實(shí)施例，所述基于所述相似度的計(jì)算結(jié)果，確定目標(biāo)標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量的步驟包括；預(yù)設(shè)相似度閾值；分別計(jì)算所述業(yè)務(wù)模型要素向量與所述N個(gè)候選標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量中每一個(gè)標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量的余弦相似度；選取余弦相似度大于所述相似度閾值的M個(gè)標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量，其中，M為大于等于1的整數(shù)，且M小于等于N；按照余弦相似度對(duì)所述M個(gè)標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量從大到小進(jìn)行排序；以及基于所述排序結(jié)果，選擇前K個(gè)標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量，作為目標(biāo)標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量，其中，K為大于等于1的整數(shù)，且K小于等于M。

根據(jù)本公開的實(shí)施例，所述將所述業(yè)務(wù)模型要素向量與所述標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量庫(kù)中的多個(gè)標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量進(jìn)行匹配的步驟包括：利用分層可導(dǎo)航小世界圖算法，將所述業(yè)務(wù)模型要素向量與所述標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量庫(kù)中的多個(gè)標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量進(jìn)行匹配，得到N個(gè)候選標(biāo)準(zhǔn)業(yè)務(wù)模型要素向量。

根據(jù)本公開的實(shí)施例，所述從所述業(yè)務(wù)需求文本中提取業(yè)務(wù)模型要素的步驟包括：利用語(yǔ)言模型分析對(duì)所述業(yè)務(wù)需求文本進(jìn)行分詞，得到詞語(yǔ)集合，所述詞語(yǔ)集合中包括多個(gè)詞語(yǔ)；和從所述詞語(yǔ)集合中提取業(yè)務(wù)模型要素。

根據(jù)本公開的實(shí)施例，所述詞語(yǔ)集合還包括所述多個(gè)詞語(yǔ)中每一個(gè)詞語(yǔ)的詞性和位置，所述從所述詞語(yǔ)集合中提取業(yè)務(wù)模型要素的步驟包括：基于所述多個(gè)詞語(yǔ)中每一個(gè)詞語(yǔ)的詞性和位置，從所述詞語(yǔ)集合中提取業(yè)務(wù)模型要素。

根據(jù)本公開的實(shí)施例，所述從所述詞語(yǔ)集合中提取業(yè)務(wù)模型要素的步驟之前，還包括：利用預(yù)先建立的詞庫(kù)將所述詞語(yǔ)集合中的多個(gè)詞語(yǔ)轉(zhuǎn)化為標(biāo)準(zhǔn)詞。