德、英、法国家先后推出工业“4.0”、工业“2050”以及“未来工业”战略计划,我国国务院也于2015年5月公布“中国制造2025”计划。反映出当前各个国家对于工业发展的重视。对于工业的发展,首先就是要发展工业智能化,也就是让机器通过人工智能、深度学习等方法帮助企业完成复杂度较高的任务、降低企业成本、提高商品质量和企业服务质量,这也是实现工业智能化的核心准则。工业智能化的发展对于企业的组织、管理、变革、优化等具有重要的意义。但是,随着当前工业生产环境日益复杂,工业过程模型在实际生产中往往面临与实际脱节的问题。而通过人为的构建工业过程模型要耗费大量的时间、金钱成本,过程挖掘方法会面临日志缺失无法使用过程挖掘方法的限制。因此,工业过程模型自动化生成是当前工业生产的实际需求,是工业过程发展的重要方向,是驱动工业生产高效率运行的使能技术。为自动化的生成工业过程模型,本文基于现有的深度学习、自然语言处理技术基础,提出一种新颖的从工业过程模型文本描述中深度自动生成工业过程模型的方法。方法主要包含三方面的内容:（1）面向工业过程的活动实体识别方法。方法以现有的命名实体方法为基础,构造基于工业过程文本文档的活动实体识别模型,旨在从工业过程文本文档中抽取关键信息;（2）深度无监督检索活动实体在工业过程文本文档中的层次结构。通过对语言模型扩展将活动实体嵌入获得向量表示,使用有序神经网络（ON-LSTM）无监督的发现工业过程文本文档中活动实体间潜在的层次结构;（3）层次结构树的生成以及工业过程模型转化的相关定义。首先把活动实体层级结构可视化为层次结构树,通过层次结构树编辑距离相似度度量本文所提方法准确性并利用层次深度原则,将层级结构树自动转换为工业过程模型。最后,本文通过手动获取并标注的SAP工业数据验证本文所提方法的准确性。