CN113435843A - 批复文件生成方法、装置、电子设备及存储介质 - Google Patents
批复文件生成方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113435843A CN113435843A CN202110721436.XA CN202110721436A CN113435843A CN 113435843 A CN113435843 A CN 113435843A CN 202110721436 A CN202110721436 A CN 202110721436A CN 113435843 A CN113435843 A CN 113435843A
- Authority
- CN
- China
- Prior art keywords
- information
- project
- vector
- data
- wind control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000013598 vector Substances 0.000 claims abstract description 144
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 230000010076 replication Effects 0.000 claims description 37
- 238000012549 training Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 210000002569 neuron Anatomy 0.000 claims description 9
- 230000005484 gravity Effects 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000004913 activation Effects 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 5
- 230000003213 activating effect Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013479 data entry Methods 0.000 description 3
- 210000004205 output neuron Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000002364 input neuron Anatomy 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/061—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using biological neurons, e.g. biological neurons connected to an integrated circuit
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Molecular Biology (AREA)
- Strategic Management (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Neurology (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据分析领域,揭露了一种批复文件生成方法,包括:获取项目申请信息,对项目申请信息进行数据结构化处理,得到目标项目申请信息;提取目标项目申请信息的特征信息,查询目标项目申请信息的风控信息,分别对特征信息及风控信息进行向量转化,得到特征信息向量和风控信息向量;利用预先训练好的批复文件生成模型中的关系匹配网络识别特征信息向量和风控信息向量之间的信息连接关系,根据信息连接关系,利用项目批复文件生成模型中的全连接输出网络输出项目申请信息的项目批复文件。此外,本发明还涉及区块链技术,所述特征信息及风控信息可存储于区块链中。本发明可以提高批复文件的生成效率。
Description
技术领域
本发明涉及数据分析领域,尤其涉及一种批复文件生成方法、装置、电子设备及计算机可读存储介质。
背景技术
批复文件是指答复下级请求事项的文种,在批复文件中,文件格式及文件内容的要求十分严格,如必须明确请求事项,请求主体部门等,目前批复文件常用于政府批示和金融投融资领域。
现有技术中,通常采用批复文件生成模板去制作相应的批复文件,虽然在将批复文件中的各个数据录入至批复文件生成模板中可以实现批复文件的半自动化生成,但是由于批复文件的内部结构复杂和数据要求精确的特性,及所述批复文件数据是基于人工录入,因此,很难避免在利用批复文件生成模板去制作批复文件时,录入的数据出现偏差和错误的现象,这样需要重新开始批复文件的制作,从而大大影响批复文件的生成效率。
发明内容
本发明提供一种批复文件生成方法、装置、电子设备及计算机可读存储介质,其主要目的在于避免在生成批复文件时录入的数据出现错误的现象,提高批复文件的生成效率。
为实现上述目的,本发明提供的一种批复文件生成方法,包括:
获取项目申请信息,对所述项目申请信息进行数据结构化处理,得到目标项目申请信息;
提取所述目标项目申请信息的特征信息,并查询所述目标项目申请信息的风控信息,分别对所述特征信息及所述风控信息进行向量转化,得到特征信息向量和风控信息向量;
利用预先训练好的批复文件生成模型中的关系匹配网络识别所述特征信息向量和所述风控信息向量之间的信息连接关系,根据所述信息连接关系,利用所述项目批复文件生成模型中的全连接输出网络输出所述项目申请信息的项目批复文件。
可选地,所述对所述项目申请信息进行数据结构化处理,得到目标项目申请信息,包括:
获取所述项目申请信息中每个数据的数据类型,根据所述数据类型,识别所述项目申请信息中每个数据的数据结构;
根据所述数据结构,将所述项目申请信息中存在的非结构化的数据转换成结构化数据,得到目标项目申请信息。
可选地,所述根据所述数据类型,识别所述项目申请信息中每个数据的数据结构,包括:
根据所述数据类型,查询所述项目申请信息中每个数据的数据字段;
识别所述数据字段在所述项目申请信息中的位置索引;
根据所述位置索引,确定所述项目申请信息中每个数据的数据结构。
可选地,所述提取所述目标项目申请信息的特征信息,包括:
对所述目标项目申请信息进行分词,得到所述目标项目申请信息的词语集;
计算所述词语集中任意两个词语在所述目标项目申请信息中的依存关联度;
根据所述依存关联度,计算所述任意两个词语的引力;
根据所述依存关联度和所述引力,计算所述任意两个词语的关联强度;
根据所述关联强度,计算所述任意两个词语在所述目标项目申请信息中的重要度得分,将所述重要度得分大于预设阈值的词语作为所述目标项目申请信息的特征信息。
可选地,所述利用预先训练好的批复文件生成模型中的关系匹配网络识别所述特征信息向量和所述风控信息向量之间的信息连接关系,包括:
利用所述关系匹配网络中的编码层对所述特征信息向量和风控信息向量进行位置编码,得到编码信息向量和编码风控向量;
利用所述关系匹配网络中的卷积层对所述编码信息向量和编码风控向量进行卷积操作,得到卷积信息向量和卷积风控向量;
利用所述关系匹配网络中的注意力机制识别所述卷积信息向量和卷积风控向量的上下文语义,得到所述特征信息向量和所述风控信息向量之间的信息连接关系。
可选地,所述根据所述信息连接关系,利用所述项目批复文件生成模型中的全连接输出网络输出所述项目申请信息的项目批复文件,包括:
根据所述信息连接关系,利用所述全连接输出网络中的神经元对所述训特征信息向量和风控信息向量进行拼接;
利用所述全连接输出网络中的激活函数激活拼接后的特征信息向量和风控信息向量,得到项目批复申请文件。
可选地,所述利用预先训练好的批复文件生成模型中的关系匹配网络识别所述特征信息向量和所述风控信息向量之间的信息连接关系之前,还包括:
获取训练数据及其对应的真实批复文件,其中,所述训练数据包括项目特征数据和项目风控数据;
将所述项目特征数据项目风控数据输入至预构建项目批复文件生成模型中,以输出所述项目特征数据项目风控数据的预测批复文件;
根据所述真实批复文件和所述预测批复文件,计算所述预构建项目批复文件生成模型的训练损失;
若所述训练损失不小于预设损失,则调整所述预构建项目批复文件生成模型的模型参数,并返回利用预构建项目批复文件生成模型的关系匹配网络识别所述训练数据中的信息连接关系的步骤;
若所述训练损失小于所述预设损失,则得到训练好的项目批复文件生成模型。
为了解决上述问题,本发明还提供一种批复文件生成装置,所述装置包括:
数据结构化模块,用于获取项目申请信息,对所述项目申请信息进行数据结构化处理,得到目标项目申请信息;
信息转换模块,用于提取所述目标项目申请信息的特征信息,并查询所述目标项目申请信息的风控信息,分别对所述特征信息及所述风控信息进行向量转化,得到特征信息向量和风控信息向量;
文件生成模块,用于利用预先训练好的批复文件生成模型中的关系匹配网络识别所述特征信息向量和所述风控信息向量之间的信息连接关系,根据所述信息连接关系,利用所述项目批复文件生成模型中的全连接输出网络输出所述项目申请信息的项目批复文件。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以实现上述所述的批复文件生成方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的批复文件生成方法。
本发明实施例首先通过获取项目申请信息,对所述项目申请信息进行数据结构化处理,得到目标项目申请信息,可以将所述项目申请信息中的非结构化数据转换成结构化数据,提高后续数据的处理速度,从而提高后续批复文件生成速度;其次,本发明实施例通过提取所述目标项目申请信息的特征信息,并查询所述目标项目申请信息的风控信息,可以保障后续批复文件的生成;进一步地,本发明实施例利用预先训练好的批复文件生成模型中的关系匹配网络识别所述特征信息向量和所述风控信息向量之间的信息连接关系,根据所述信息连接关系,利用所述项目批复文件生成模型中的全连接输出网络输出所述项目申请信息的项目批复文件,可以自动识别所述特征信息向量和风控信息向量的连接关系并生成项目批复文件,避免了在制作批复文件过程中数据录入错误的现象,从而可以提高批复文件的生成效率。
附图说明
图1为本发明一实施例提供的批复文件生成方法的流程示意图;
图2为本发明一实施例提供的批复文件生成装置的模块示意图;
图3为本发明一实施例提供的实现批复文件生成方法的电子设备的内部结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种批复文件生成方法。所述批复文件生成方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述批复文件生成方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示,为本发明一实施例提供的批复文件生成方法的流程示意图。在本发明实施例中,所述批复文件生成方法包括:
S1、获取项目申请信息,对所述项目申请信息进行数据结构化处理,得到目标项目申请信息。
本发明实施例中,所述项目申请信息基于不同项目申报场景产生,如所述项目申报场景为金融投融资项目,则所述项目申请信息包括:项目名称、项目时间、业务分类、投融资方案、还款来源、交易结构以及担保措施等。
进一步地,本发明实施例通过对所述项目申请信息进行数据结构化处理,以将所述项目申请信息中的非结构化数据转换成结构化数据,提高后续数据的处理速度。其中,所述结构化数据即行数据,存储在数据库里,可以用二维表结构来逻辑表达实现的数据,所述非结构化数据是指数据结构不规则或不完整,没有预定义的数据模型,不方便用数据库二维逻辑表来表现的数据,包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等。
作为本发明的一个实施例,所述对所述项目申请信息进行数据结构化处理,得到目标项目申请信息,包括:获取所述项目申请信息中每个数据的数据类型,根据所述数据类型,识别所述项目申请信息中每个数据的数据结构,根据所述数据结构,将所述项目申请信息中的非结构化的数据转换成结构化数据,得到目标项目申请信息。
其中,所述数据类型用于表征所述项目申请信息中数据的特性,如担保措施的数据类型可以为担保类型,所述数据结构是指相互之间存在一种或多种特定关系的数据元素的集合,在本发明实施例中,所述数据结构包括数组、链表、队列、树、图及散列表等。
一个可选实施例中,所述根据所述数据类型,识别所述项目申请信息中对应数据的数据结构,包括:根据所述数据类型,查询所述项目申请信息中每个数据的数据字段,识别所述数据字段在所述项目申请信息中的位置索引,根据所述位置索引,确定所述项目申请信息中每个数据的数据结构。
一个可选实施例中,所述根据所述数据结构,将所述项目申请信息中的非结构化的数据转换成结构化的数据,得到目标项目申请信息,包括:根据所述数据结构,识别所述项目申请信息中非结构化的数据;将所述非结构化的数据插入至预先构建的表结构,并定义插入至所述表结构中非结构化的数据的类,完成所述非结构化的数据转换成结构化的数据。其中,表结构创建规则为create table**{},所述create table指令为Java编程语言中的语句,非结构化的数据的类定义通过Java编程语言中的add指令实现。
S2、提取所述目标项目申请信息的特征信息,并查询所述目标项目申请信息的风控信息,分别对所述特征信息及所述风控信息进行向量转化,得到特征信息向量和风控信息向量。
应该了解,在所述目标项目申请信息中会存在一些无用数据,因此,本发明实施例通过提取所述目标项目申请信息中的特征信息,以获取所述目标项目申请信息的关键数据,减少后续数据计算量,提高数据处理速度。
作为本申请的一个实施例,所述提取所述目标项目申请信息的特征信息,包括:对所述目标项目申请信息进行分词,得到所述目标项目申请信息的词语集,计算所述词语集中任意两个词语在所述目标项目申请信息中的依存关联度;根据所述依存关联度,计算所述任意两个词语的引力;根据所述依存关联度和所述引力,计算所述任意两个词语的关联强度;根据所述关联强度,计算所述任意两个词语在所述目标项目申请信息中的重要度得分,将所述重要度得分大于预设阈值的词语作为所述目标项目申请信息的特征信息。
其中,所述目标项目申请信息的分词可以通过当前已知的分词算法实现,如结巴分词。
一个可选实施例中,利用下述公式计算所述词语集中任意两个词语在所述目标项目申请信息中的依存关联度:
其中,Dep(Wi,Wj)表示词语Wi和Wj的依存关联度,len(Wi,Wj)表示词语Wi和Wj之间的依存路径长度,b是超参数。
一个可选实施例中,利用下述公式计算所述任意两个词语的引力
其中,fgrav(Wi,Wj)表示词语Wi和Wj的引力,tfidf(Wi)表示词语Wi的TF-IDF值,tfidf(Wj)表示词语Wj的TF-IDF值,TF表示词频,IDF表示逆文档频率指数,d是词语Wi和 Wj的欧式距离。
一个可选实施例中,利用下述公式计算所述任意两个词语的关联强度:
weight(Wi,Wj)=Dep(Wi,Wj)*fgrav(Wi,Wj)
一个可选实施例中,利用下述公式计算所述任意两个词语在所述目标项目申请信息中的重要度得分:
其中,WS(Wi)表示词语Wi在所述目标项目申请信息中的重要度得分,Cwi是与顶点Wi有关的集合,η为阻尼系数。
一个可选实施例中,所述预设阈值设置为0.6,也可以根据实际场景设置。
进一步应该了解的是,由于申请项目的特性,在进行项目批复文件下发之前,会对相应申请的项目进行风控查询,以了解申请项目的风险情况,保障后续批复文件的生成。在本发明一可选实施例中,所述风控信息通过所述项目申请信息的签约前置条件、放款前置条件进行查询,如存在“【深圳龙湖集团】就本次投资计划已完成内部审批,并出具内部有权机构审批通过的相关文件,确保相关事项满足其内部授权文件要求”的签约前置条件,则查询对应风控信息包括:深圳龙湖集团、投资计划、完成内部审批、有权机构以及内部授权文件要求等风控信息。
进一步地,本发明实施采用词向量转换算法分别对所述特征信息及所述风控信息进行向量转化,得到特征信息向量和风控信息向量,以实现后续特征信息及风控信息的数值化计算,其中,所述词向量转换算法可以为Word2vec向量转换算法。
进一步地,为保障所述特征信息和风控信息的隐私性和复用性,所述特征信息和风控信息还可存储于一区块链节点中。
S3、利用预先训练好的批复文件生成模型中的关系匹配网络识别所述特征信息向量和所述风控信息向量之间的信息连接关系,根据所述信息连接关系,利用所述项目批复文件生成模型中的全连接输出网络输出所述项目申请信息的项目批复文件。
本发明实施例中,所述批复文件生成模型包括关系匹配网络和全连接输出网络,其用于对所述特征信息向量和风控信息向量进行关系连接,生成对应的项目批复文件,其中,所述关系匹配网络可以通过卷积神经网络(Convolutional Neural Networks,CNN)构建,所述全连接输出网络可以通过径向基函数(Radial Basis Function,RBF)神经网络。
进一步地,所述关系匹配网络用于识别所述特征信息向量和所述风控信息向量之间的信息连接关系,其包括:编码层、卷积层以及注意力机制,所述全连接输出网络用于根据识别的信息连接关系,对所述特征信息向量和风控信息向量进行组合拼接,生成项目批复文件,其包括:神经元和激活函数。其中,所述编码层用于确定所述特征信息向量和风控信息向量中数据位置信息,所述卷积层用于提取所述特征信息向量和风控信息向量的特征数据,所述注意力机制用于识别所述特征信息向量和风控信息向量的上下文语义,所述神经元用于对特征信息向量和风控信息向量进行拼接,所述激活函数用于输出拼接的特征信息向量和风控信息向量。
本发明一可选实施例中,所述利用预先训练好的批复文件生成模型中的关系匹配网络识别所述特征信息向量和所述风控信息向量之间的信息连接关系,包括:利用所述关系匹配网络中的编码层对所述特征信息向量和风控信息向量进行位置编码,得到编码信息向量和编码风控向量,利用所述关系匹配网络中的卷积层对所述编码信息向量和编码风控向量进行卷积操作,得到卷积信息向量和卷积风控向量,利用所述关系匹配网络中的注意力机制识别所述卷积信息向量和卷积风控向量的上下文语义,得到所述特征信息向量和所述风控信息向量之间的信息连接关系。
本发明一可选实施例中,所述根据所述信息连接关系,利用所述项目批复文件生成模型中的全连接输出网络输出所述项目申请信息的项目批复文件,包括:根据所述信息连接关系,利用所述全连接输出网络中的神经元对所述训特征信息向量和风控信息向量进行拼接,并利用所述全连接输出网络中的激活函数激活拼接后的特征信息向量和风控信息向量,得到所述项目申请信息的项目批复申请文件。
进一步地,本发明实施例通过下述公式以数值化形式展示所述所述项目批复文件在所述批复文件生成模型的生成过程:
其中,F(X,Y)表示项目批复文件,k表示第k个输出神经元,j表示第j个隐含层神经元,P表示隐含层神经元的数量,Wkj表示权重,X表示特征信息向量,Y表示风控信息向量,Cj表示中心分量,Dj表示宽度向量。
本发明实施例通过所述预先训练好的批复文件生成模型生成所述项目申请信息的项目批复文件,可以自动识别所述特征信息向量和风控信息向量的连接关系,从而可以避免在制作批复文件过程中数据录入错误的现象,提高批复文件的生成效率。
进一步地,本发明又一可选实施例中,所述利用预先训练好的批复文件生成模型中的关系匹配网络识别所述特征信息向量和所述风控信息向量之间的信息连接关系之前,还包括:获取训练数据及其对应的真实批复文件,其中,所述训练数据包括项目特征数据和项目风控数据;将所述项目特征数据项目风控数据输入至预构建项目批复文件生成模型中,以输出所述项目特征数据项目风控数据的预测批复文件;根据所述真实批复文件和所述预测批复文件,计算所述预构建项目批复文件生成模型的训练损失,若所述训练损失不小于预设损失,则调整所述预构建项目批复文件生成模型的模型参数,并返回利用预构建项目批复文件生成模型的关系匹配网络识别所述训练数据中的信息连接关系的步骤,若所述训练损失小于所述预设损失,得到训练好的项目批复文件生成模型。
一个可选实施例中,利用下述公式计算所述预构建项目批复文件生成模型的训练损失:
其中,L(s)表示训练损失,k表示预测实体-代词对应关系的数量,yi表示第i个真实批复文件,y′i表示第i个预测批复文件。
一个可选实施例中,所述预设损失设置为0.1,也可以根据实际模型训练场景设置。
一个可选实施例中,所述模型参数包括权重、中心分量以及宽度向量。
进一步地,本发明又一可选实施例中,利用下述公式调整所述预构建项目批复文件生成模型的权重:
进一步地,本发明又一可选实施例中,利用下述公式调整所述预构建项目批复文件生成模型的中心分量:
进一步地,本发明又一可选实施例中,利用下述公式调整所述预构建项目批复文件生成模型的宽度向量:
在上述权重、中心分量以及宽度向量的调整公式中,Wkj表示权重,Cji表示中心分量, Dji表示宽度向量,k表示第k个输出神经元,j表示第j个隐含层神经元,i表示第i个输入神经元,l表示第l个输入样本,t表示第t次迭代,η表示学习因子,y表示输出神经元, O表示期望神经元。
本发明实施例首先通过获取项目申请信息,对所述项目申请信息进行数据结构化处理,得到目标项目申请信息,可以将所述项目申请信息中的非结构化数据转换成结构化数据,提高后续数据的处理速度啊,从而提高后续批复文件生成速度;其次,本发明实施例通过提取所述目标项目申请信息的特征信息,并查询所述目标项目申请信息的风控信息,可以保障后续批复文件的生成;进一步地,本发明实施例利用预先训练好的批复文件生成模型中的关系匹配网络识别所述特征信息向量和所述风控信息向量之间的信息连接关系,根据所述信息连接关系,利用所述项目批复文件生成模型中的全连接输出网络输出所述项目申请信息的项目批复文件,可以自动识别所述特征信息向量和风控信息向量的连接关系并生成项目批复文件,避免了在制作批复文件过程中数据录入错误的现象,从而可以提高批复文件的生成效率。
如图2所示,是本发明批复文件生成装置的功能模块图。
本发明所述批复文件生成装置100可以安装于电子设备中。根据实现的功能,所述批复文件生成装置可以包括数据结构化模块101、信息转换模块102以及文件模块103。本发所述模块也可以称之为单元,是指一种能够被电子设备1处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备1的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述数据结构化模块101,用于获取项目申请信息,对所述项目申请信息进行数据结构化处理,得到目标项目申请信息;
所述信息转换模块102,用于提取所述目标项目申请信息的特征信息,并查询所述目标项目申请信息的风控信息,分别对所述特征信息及所述风控信息进行向量转化,得到特征信息向量和风控信息向量;
所述文件生成模块103,用于利用预先训练好的批复文件生成模型中的关系匹配网络识别所述特征信息向量和所述风控信息向量之间的信息连接关系,根据所述信息连接关系,利用所述项目批复文件生成模型中的全连接输出网络输出所述项目申请信息的项目批复文件。
详细地,本发明实施例中所述批复文件生成装置100中的所述各模块在使用时采用与上述的图1中所述的批复文件生成方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图3所示,是本发明实现批复文件生成方法的电子设备1的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如批复文件生成程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备1的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备1的各个部件,通过运行或执行存储在所述存储器 11内的程序或者模块(例如执行批复文件生成程序等),以及调用存储在所述存储器11 内的数据,以执行电子设备1的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如批复文件生成程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect,简称 PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备1与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备1之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管) 触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
图3仅示出了具有少量部件的电子设备1,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的批复文件生成程序是多个计算机程序的组合,在所述处理器10中运行时,可以实现:
获取项目申请信息,对所述项目申请信息进行数据结构化处理,得到目标项目申请信息;
提取所述目标项目申请信息的特征信息,并查询所述目标项目申请信息的风控信息,分别对所述特征信息及所述风控信息进行向量转化,得到特征信息向量和风控信息向量;
利用预先训练好的批复文件生成模型中的关系匹配网络识别所述特征信息向量和所述风控信息向量之间的信息连接关系,根据所述信息连接关系,利用所述项目批复文件生成模型中的全连接输出网络输出所述项目申请信息的项目批复文件。
具体地,所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备1的处理器所执行时,可以实现:
获取项目申请信息,对所述项目申请信息进行数据结构化处理,得到目标项目申请信息;
提取所述目标项目申请信息的特征信息,并查询所述目标项目申请信息的风控信息,分别对所述特征信息及所述风控信息进行向量转化,得到特征信息向量和风控信息向量;
利用预先训练好的批复文件生成模型中的关系匹配网络识别所述特征信息向量和所述风控信息向量之间的信息连接关系,根据所述信息连接关系,利用所述项目批复文件生成模型中的全连接输出网络输出所述项目申请信息的项目批复文件。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种批复文件生成方法,其特征在于,所述方法包括:
获取项目申请信息,对所述项目申请信息进行数据结构化处理,得到目标项目申请信息;
提取所述目标项目申请信息的特征信息,并查询所述目标项目申请信息的风控信息,分别对所述特征信息及所述风控信息进行向量转化,得到特征信息向量和风控信息向量;
利用预先训练好的批复文件生成模型中的关系匹配网络识别所述特征信息向量和所述风控信息向量之间的信息连接关系,根据所述信息连接关系,利用所述项目批复文件生成模型中的全连接输出网络输出所述项目申请信息的项目批复文件。
2.如权利要求1所述的批复文件生成方法,其特征在于,所述对所述项目申请信息进行数据结构化处理,得到目标项目申请信息,包括:
获取所述项目申请信息中每个数据的数据类型,根据所述数据类型,识别所述项目申请信息中每个数据的数据结构;
根据所述数据结构,将所述项目申请信息中的非结构化数据转换成结构化数据,得到目标项目申请信息。
3.如权利要求2所述的批复文件生成方法,其特征在于,所述根据所述数据类型,识别所述项目申请信息中每个数据的数据结构,包括:
根据所述数据类型,查询所述项目申请信息中每个数据的数据字段;
识别所述数据字段在所述项目申请信息中的位置索引;
根据所述位置索引,确定所述项目申请信息中每个数据的数据结构。
4.如权利要求1所述的批复文件生成方法,其特征在于,所述提取所述目标项目申请信息的特征信息,包括:
对所述目标项目申请信息进行分词,得到所述目标项目申请信息的词语集;
计算所述词语集中任意两个词语在所述目标项目申请信息中的依存关联度;
根据所述依存关联度,计算所述任意两个词语的引力;
根据所述依存关联度和所述引力,计算所述任意两个词语的关联强度;
根据所述关联强度,计算所述任意两个词语在所述目标项目申请信息中的重要度得分,将所述重要度得分大于预设阈值的词语作为所述目标项目申请信息的特征信息。
5.如权利要求1至4中任意一项所述的批复文件生成方法,其特征在于,所述利用预先训练好的批复文件生成模型中的关系匹配网络识别所述特征信息向量和所述风控信息向量之间的信息连接关系,包括:
利用所述关系匹配网络中的编码层对所述特征信息向量和风控信息向量进行位置编码,得到编码信息向量和编码风控向量;
利用所述关系匹配网络中的卷积层对所述编码信息向量和编码风控向量进行卷积操作,得到卷积信息向量和卷积风控向量;
利用所述关系匹配网络中的注意力机制识别所述卷积信息向量和卷积风控向量的上下文语义,得到所述特征信息向量和所述风控信息向量之间的信息连接关系。
6.如权利要求1所述的批复文件生成方法,其特征在于,所述根据所述信息连接关系,利用所述项目批复文件生成模型中的全连接输出网络输出所述项目申请信息的项目批复文件,包括:
根据所述信息连接关系,利用所述全连接输出网络中的神经元对所述训特征信息向量和风控信息向量进行拼接;
利用所述全连接输出网络中的激活函数激活拼接后的特征信息向量和风控信息向量,得到项目批复申请文件。
7.如权利要求1所述的批复文件生成方法,其特征在于,所述利用预先训练好的批复文件生成模型中的关系匹配网络识别所述特征信息向量和所述风控信息向量之间的信息连接关系之前,还包括:
获取训练数据及其对应的真实批复文件,其中,所述训练数据包括项目特征数据和项目风控数据;
将所述项目特征数据项目风控数据输入至预构建项目批复文件生成模型中,以输出所述项目特征数据项目风控数据的预测批复文件;
根据所述真实批复文件和所述预测批复文件,计算所述预构建项目批复文件生成模型的训练损失;
若所述训练损失不小于预设损失,则调整所述预构建项目批复文件生成模型的模型参数,并返回利用预构建项目批复文件生成模型的关系匹配网络识别所述训练数据中的信息连接关系的步骤;
若所述训练损失小于所述预设损失,则得到训练好的项目批复文件生成模型。
8.一种批复文件生成装置,其特征在于,所述装置包括:
数据结构化模块,用于获取项目申请信息,对所述项目申请信息进行数据结构化处理,得到目标项目申请信息;
信息转换模块,用于提取所述目标项目申请信息的特征信息,并查询所述目标项目申请信息的风控信息,分别对所述特征信息及所述风控信息进行向量转化,得到特征信息向量和风控信息向量;
文件生成模块,用于利用预先训练好的批复文件生成模型中的关系匹配网络识别所述特征信息向量和所述风控信息向量之间的信息连接关系,根据所述信息连接关系,利用所述项目批复文件生成模型中的全连接输出网络输出所述项目申请信息的项目批复文件。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的批复文件生成方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的批复文件生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110721436.XA CN113435843A (zh) | 2021-06-28 | 2021-06-28 | 批复文件生成方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110721436.XA CN113435843A (zh) | 2021-06-28 | 2021-06-28 | 批复文件生成方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113435843A true CN113435843A (zh) | 2021-09-24 |
Family
ID=77754962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110721436.XA Pending CN113435843A (zh) | 2021-06-28 | 2021-06-28 | 批复文件生成方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435843A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108197294A (zh) * | 2018-01-22 | 2018-06-22 | 桂林电子科技大学 | 一种基于深度学习的文本自动生成方法 |
CN109614626A (zh) * | 2018-12-21 | 2019-04-12 | 北京信息科技大学 | 基于万有引力模型的关键词自动抽取方法 |
CN111309855A (zh) * | 2019-12-24 | 2020-06-19 | 中国银行股份有限公司 | 一种文本信息的处理方法及系统 |
CN111695452A (zh) * | 2020-05-28 | 2020-09-22 | 国网河北省电力有限公司电力科学研究院 | 基于rbf神经网络的并联电抗器内部老化程度评估方法 |
CN112184154A (zh) * | 2020-09-23 | 2021-01-05 | 中国建设银行股份有限公司 | 一种业务审批方法和装置 |
CN112287679A (zh) * | 2020-10-16 | 2021-01-29 | 国网江西省电力有限公司电力科学研究院 | 一种科技项目评审中文本信息的结构化抽取方法及系统 |
CN112395385A (zh) * | 2020-11-17 | 2021-02-23 | 中国平安人寿保险股份有限公司 | 基于人工智能的文本生成方法、装置、计算机设备及介质 |
-
2021
- 2021-06-28 CN CN202110721436.XA patent/CN113435843A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108197294A (zh) * | 2018-01-22 | 2018-06-22 | 桂林电子科技大学 | 一种基于深度学习的文本自动生成方法 |
CN109614626A (zh) * | 2018-12-21 | 2019-04-12 | 北京信息科技大学 | 基于万有引力模型的关键词自动抽取方法 |
CN111309855A (zh) * | 2019-12-24 | 2020-06-19 | 中国银行股份有限公司 | 一种文本信息的处理方法及系统 |
CN111695452A (zh) * | 2020-05-28 | 2020-09-22 | 国网河北省电力有限公司电力科学研究院 | 基于rbf神经网络的并联电抗器内部老化程度评估方法 |
CN112184154A (zh) * | 2020-09-23 | 2021-01-05 | 中国建设银行股份有限公司 | 一种业务审批方法和装置 |
CN112287679A (zh) * | 2020-10-16 | 2021-01-29 | 国网江西省电力有限公司电力科学研究院 | 一种科技项目评审中文本信息的结构化抽取方法及系统 |
CN112395385A (zh) * | 2020-11-17 | 2021-02-23 | 中国平安人寿保险股份有限公司 | 基于人工智能的文本生成方法、装置、计算机设备及介质 |
Non-Patent Citations (3)
Title |
---|
王改华: "《深度学习-卷积神经网络算法原理与应用》", 30 April 2019 * |
蔡立志等: "《大数据测评》", 31 January 2015, 上海科学技术出版社 * |
郑飞等: "《基于LDA和深度学习的文本分类方法》", 《计算机工程与设计》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114822812A (zh) | 角色对话模拟方法、装置、设备及存储介质 | |
CN115392237B (zh) | 情感分析模型训练方法、装置、设备及存储介质 | |
CN113656690B (zh) | 产品推荐方法、装置、电子设备及可读存储介质 | |
CN113821622B (zh) | 基于人工智能的答案检索方法、装置、电子设备及介质 | |
CN114077841A (zh) | 基于人工智能的语义提取方法、装置、电子设备及介质 | |
CN116662488A (zh) | 业务文档检索方法、装置、设备及存储介质 | |
CN114880449B (zh) | 智能问答的答复生成方法、装置、电子设备及存储介质 | |
CN114399775A (zh) | 文档标题生成方法、装置、设备及存储介质 | |
CN116821373A (zh) | 基于图谱的prompt推荐方法、装置、设备及介质 | |
CN115510188A (zh) | 文本关键词关联方法、装置、设备及存储介质 | |
CN113434542B (zh) | 数据关系识别方法、装置、电子设备及存储介质 | |
CN113344125B (zh) | 长文本匹配识别方法、装置、电子设备及存储介质 | |
CN114840684A (zh) | 基于医疗实体的图谱构建方法、装置、设备及存储介质 | |
CN112269875B (zh) | 文本分类方法、装置、电子设备及存储介质 | |
WO2023272862A1 (zh) | 基于网络行为数据的风控识别方法、装置、电子设备及介质 | |
CN113658002A (zh) | 基于决策树的交易结果生成方法、装置、电子设备及介质 | |
CN113626576A (zh) | 远程监督中关系特征抽取方法、装置、终端及存储介质 | |
CN112801222A (zh) | 基于二分类模型的多分类方法、装置、电子设备及介质 | |
CN116741358A (zh) | 问诊挂号推荐方法、装置、设备及存储介质 | |
CN116401606A (zh) | 欺诈行为识别方法、装置、设备及介质 | |
WO2022142019A1 (zh) | 基于智能机器人的问题分发方法、装置、电子设备及存储介质 | |
CN113435843A (zh) | 批复文件生成方法、装置、电子设备及存储介质 | |
CN114385815A (zh) | 基于业务需求的新闻筛选方法、装置、设备及存储介质 | |
CN111680513B (zh) | 特征信息的识别方法、装置及计算机可读存储介质 | |
CN112732913B (zh) | 一种非均衡样本的分类方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210924 |
|
RJ01 | Rejection of invention patent application after publication |