一种会议流程生成方法、装置、计算机设备及存储介质制造方法及图纸

本申请实施例属于人工智能中的智能预测技术领域，涉及一种基于循环神经网络的会议流程生成方法、装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，用户的流程生成请求以及上述目标会议流程可存储于区块链中。本申请通过将会议流程通过模块化的形式进行表示，当用户需要安排会议流程时，用户可以通过用户终端发送携带有会议流程信息的流程生成请求，本申请则并通过训练好的循环神经网络预测与该会议流程信息相对应的流程流程推荐顺序，以便用户在不知道各个管理领域和各项业务环节的会议流程设计中进行定向化设置，有效解决传统的会议流程生成方法存在无法针对个别场景进行定向化设计的问题。

【技术实现步骤摘要】
一种会议流程生成方法、装置、计算机设备及存储介质
本申请涉及人工智能中的智能预测
，尤其涉及一种基于循环神经网络的会议流程生成方法、装置、计算机设备及存储介质。
技术介绍
会议是公司各个管理领域和各项业务环节的重要分析决策活动，随着信息技术的快速发展，会议在现代公司管理中的支撑和引领作用不断加强。但是，由于现在的会议开展较为随意、没有具体业务目标的方向性指引、缺少会议流程的下一步方针等原因，导致会议经营效率低下，进一步降低代理人的参会意愿度，由此可见，会议的流程严重影响会议开展的效率。现有一种会议流程生成方法，借鉴与市面上的会议管理软件或者OA管理软件，通过参考上述会议管理软件或者OA管理软件中自带的流程模版进行会议流程的设计，从而实现会议流程的生成目的。然而，传统的会议流程生成方法普遍不智能，由于市面上的会议管理软件或者OA管理软件中自带的流程模版普遍是固定的，然而，不同业务公司对于会议流程的需求是不一样的，通过参考固定的流程模版进行会议流程的设计只能满足普遍会议场景的需要，而无法针对个别场景进行定向化设计，由此可见，传统的会议流程生成方法存在无法针对个别场景进行定向化设计的问题。
技术实现思路
本申请实施例的目的在于提出一种基于循环神经网络的会议流程生成方法、装置、计算机设备及存储介质，以传统的会议流程生成方法存在无法针对个别场景进行定向化设计的问题。为了解决上述技术问题，本申请实施例提供一种基于循环神经网络的会议流程生成方法，采用了如下所述的技术方案：接收用户终端发送的携带有若干个流程标识信息的流程生成请求；响应所述流程生成请求，读取本地数据库，在所述本地数据库中调用与所述流程标识信息相对应的训练好的循环神经网络；基于所述训练好的循环神经网络对所述若干个流程标识信息进行流程顺序预测操作，得到与所述若干个流程标识信息相对应的流程排序信息；基于所述流程排序信息对所述若干个流程标识信息进行排序操作，得到目标会议流程；向所述用户终端输出所述目标会议流程。为了解决上述技术问题，本申请实施例还提供一种基于循环神经网络的会议流程生成装置，采用了如下所述的技术方案：请求接收模块，用于接收用户终端发送的携带有若干个流程标识信息的流程生成请求；请求响应模块，用于响应所述流程生成请求，读取本地数据库，在所述本地数据库中调用与所述流程标识信息相对应的训练好的循环神经网络；流程顺序预测模块，用于基于所述训练好的循环神经网络对所述若干个流程标识信息进行流程顺序预测操作，得到与所述若干个流程标识信息相对应的流程排序信息；排序模块，用于基于所述流程排序信息对所述若干个流程标识信息进行排序操作，得到目标会议流程；输出模块，用于向所述用户终端输出所述目标会议流程。为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上所述的基于循环神经网络的会议流程生成方法的步骤。为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上所述的基于循环神经网络的会议流程生成方法的步骤。与现有技术相比，本申请实施例主要有以下有益效果：本申请提供了一种基于循环神经网络的会议流程生成方法，包括：接收用户终端发送的携带有若干个流程标识信息的流程生成请求；响应所述流程生成请求，读取本地数据库，在所述本地数据库中调用与所述流程标识信息相对应的训练好的循环神经网络；基于所述训练好的循环神经网络对所述若干个流程标识信息进行流程顺序预测操作，得到与所述若干个流程标识信息相对应的流程排序信息；基于所述流程排序信息对所述若干个流程标识信息进行排序操作，得到目标会议流程；向所述用户终端输出所述目标会议流程。本申请通过将会议流程通过模块化的形式进行表示，当用户需要安排会议流程时，用户可以通过用户终端发送携带有会议流程信息的流程生成请求，本申请则并通过训练好的循环神经网络预测与该会议流程信息相对应的流程流程推荐顺序，以便用户在不知道各个管理领域和各项业务环节的会议流程设计中进行定向化设置，有效解决传统的会议流程生成方法存在无法针对个别场景进行定向化设计的问题。附图说明为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例一提供的基于循环神经网络的会议流程生成方法的实现流程图；图2时本申请实施例一提供的RNN循环神经网络的结构示意图；图3是本申请实施例一提供的如何获取训练好的循环神经网络的实现流程图；图4是图3中步骤S203的实现流程图；图5是图3中步骤S201的实现流程图；图6是本申请实施例二提供的基于循环神经网络的会议流程生成装置的结构示意图：图7是本申请实施例二提供的获取训练好的循环神经网络的装置的结构示意图；图8是根据本申请的计算机设备的一个实施例的结构示意图。具体实施方式除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。为了使本
的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。实施例一如图1所示，示出了本申请实施例一提供的基于循环神经网络的会议流程生成方法的实现流程图，为了便于说明，仅示出与本申请相关的部分。上述的基于循环神经网络的会议流程生成方法，包括以下步骤：步骤S101、步骤S102、步骤S103、步骤S104以及步骤S105。步骤S101：接收用户终端发送的携带有若干个流程标识信息的流程生成请求。在本申请实施例中，用户终端可以是诸如移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导本文档来自技高网...

【技术保护点】
1.一种基于循环神经网络的会议流程生成方法，其特征在于，包括下述步骤：/n接收用户终端发送的携带有若干个流程标识信息的流程生成请求；/n响应所述流程生成请求，读取本地数据库，在所述本地数据库中调用与所述流程标识信息相对应的训练好的循环神经网络；/n基于所述训练好的循环神经网络对所述若干个流程标识信息进行流程顺序预测操作，得到与所述若干个流程标识信息相对应的流程排序信息；/n基于所述流程排序信息对所述若干个流程标识信息进行排序操作，得到目标会议流程；/n向所述用户终端输出所述目标会议流程。/n

【技术特征摘要】
1.一种基于循环神经网络的会议流程生成方法，其特征在于，包括下述步骤：
接收用户终端发送的携带有若干个流程标识信息的流程生成请求；
响应所述流程生成请求，读取本地数据库，在所述本地数据库中调用与所述流程标识信息相对应的训练好的循环神经网络；
基于所述训练好的循环神经网络对所述若干个流程标识信息进行流程顺序预测操作，得到与所述若干个流程标识信息相对应的流程排序信息；
基于所述流程排序信息对所述若干个流程标识信息进行排序操作，得到目标会议流程；
向所述用户终端输出所述目标会议流程。


2.根据权利要求1所述的基于循环神经网络的会议流程生成方法，其特征在于，在所述响应所述流程生成请求，读取本地数据库，在所述本地数据库中调用与所述流程标识信息相对应的训练好的循环神经网络的步骤之前，还包括：
获取与所述若干个流程标识信息相对应的目标部门信息；
在所述本地数据库中获取与所述部门种类信息相对应的历史会议流程数据，所述历史会议流程数据包括流程节点以及与所述流程节点相对应的顺序信息；
将所述流程节点作为待训练的循环神经网络的输入数据，并将与所述流程节点相对应的下一流程节点作为所述待训练的循环神经网络的输出数据进行模型训练操作，得到所述训练好的循环神经网络。


3.根据权利要求1所述的基于循环神经网络的会议流程生成方法，其特征在于，所述循环神经网络的隐含层为长短期记忆网络。


4.根据权利要求2所述的基于循环神经网络的会议流程生成方法，其特征在于，所述将所述流程节点作为待训练的循环神经网络的输入数据，并将与所述流程节点相对应的下一流程节点作为所述待训练的循环神经网络的输出数据进行模型训练操作，得到所述训练好的循环神经网络的步骤，还包括：
当完成所述模型训练操作得到待优化的循环神经网络后，在所述本地数据库中获取验证输入数据n以及验证结果数据；
将所述验证输入数据n输入至所述待优化的循环神经网络，得到预测概率p；
基于所述验证结果数据以及预测概率p判断验证结果y是否有效；
若所述验证结果数据以及预测概率p一致，则确认所述验证结果y有效；
若所述验证结果数据以及预测概率p不一致，则确认所述验证结果y无效；
基于所述输入数据n、预测概率p以及验证结果y获取所述待优化的循环神经网络的优化结果E，所述优化结果E表示为：



其中，N表示输入数据n的总数量；p表示下个会议模块的预测概率；y表示预测概率的结果是否有效；
当所述优化结果E达到稳定最小...

【专利技术属性】
技术研发人员：廖伯轩，张天一，郑天琦，王士鑫，钟坯平，单允赟，刘美汐，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44