CN115576957B - 评价报告的自动生成方法、装置、设备及存储介质 - Google Patents

评价报告的自动生成方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115576957B
CN115576957B CN202211568132.5A CN202211568132A CN115576957B CN 115576957 B CN115576957 B CN 115576957B CN 202211568132 A CN202211568132 A CN 202211568132A CN 115576957 B CN115576957 B CN 115576957B
Authority
CN
China
Prior art keywords
evaluation
text
preset
report
numerical value
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.)
Active
Application number
CN202211568132.5A
Other languages
English (en)
Other versions
CN115576957A (zh
Inventor
于鹏
石自军
廖淑斌
廖澍
王磊
张睿琪
叶彤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Zhongzheng Huizhi Management Consulting Co ltd
Original Assignee
Shenzhen Zhongzheng Huizhi Management Consulting Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Zhongzheng Huizhi Management Consulting Co ltd filed Critical Shenzhen Zhongzheng Huizhi Management Consulting Co ltd
Priority to CN202211568132.5A priority Critical patent/CN115576957B/zh
Publication of CN115576957A publication Critical patent/CN115576957A/zh
Application granted granted Critical
Publication of CN115576957B publication Critical patent/CN115576957B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F16/2282—Tablespace storage structures; Management thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Strategic Management (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及报告生成领域，公开了一种评价报告的自动生成方法、装置、设备及存储介质。该方法包括：接收评价目标名称，在预置资料数据库中查询所述评价目标名称对应的关联数据，得到目标关联数据，其中，所述目标关联数据包括：关联数值集、关联字符串集；根据键值匹配关系，将所述关联数值集填入预置量化框架中，得到量化数值表；根据预置神经网络算法，对所述关联字符串集进行语义整合处理，得到评价文本；访问预置政务服务器，查询出报告文本框架；根据预置框架填写算法，将所述量化数值表中的数值和所述评价文本填入所述报告文本框架中，生成评价报告文本。

Description

评价报告的自动生成方法、装置、设备及存储介质
技术领域
本发明涉及报告生成领域，尤其涉及一种评价报告的自动生成方法、装置、设备及存储介质。
背景技术
在现有的报告和规划领域中，大多还是人力填写数据以及撰写评价用语，带有较大的主观因素，不能客观的反应真实情况以及制定出合理的规划计划。而且，不同主体的报告制定的需要花费大量时间，在绩效评价报告、政府报告、企业年报等领域，都是人力在处理这些繁杂的事务与数据，在每个不同主体制定报告的标准不能客观唯一，使得各个评价报告的有效性与可信性不足，违背了评价报告的初衷。
在政府管理效能与财政配置领域，评价报告的生成由人进行制作，评价标准并不能统一，且评价报告的制作速度过慢。针对当前评价报告评价标准并不能统一，人为制作速度过慢的技术问题，需要一种新的技术来解决当前问题。
发明内容
本发明的主要目的在于解决当前评价报告评价标准并不能统一，人为制作速度过慢的技术问题。
本发明第一方面提供了一种评价报告的自动生成方法，所述评价报告的自动生成方法包括：
接收评价目标名称，在预置资料数据库中查询所述评价目标名称对应的关联数据，得到目标关联数据，其中，所述目标关联数据包括：关联数值集、关联字符串集；
根据键值匹配关系，将所述关联数值集填入预置量化框架中，得到量化数值表；
根据预置神经网络算法，对所述关联字符串集进行语义整合处理，得到评价文本；
访问预置政务服务器，查询出报告文本框架；
根据预置框架填写算法，将所述量化数值表中的数值和所述评价文本填入所述报告文本框架中，生成评价报告文本。
可选的，在本发明第一方面的第一种实现方式中，所述根据键值匹配关系，将所述关联数值集填入预置量化框架中，得到量化数值表包括：
根据键值匹配关系，将所述关联数值集的数据填入至预置量化框架中，生成初始数值表；
基于所述量化框架中的运算公式，对所述初始数值表进行运算处理，得到所述初始数值表对应的评价数值集；
基于所述初始数值表中的数值写入结构，将所述评价数值集写入至所述初始数值表中，得到量化数值表。
可选的，在本发明第一方面的第二种实现方式中，所述根据预置神经网络算法，对所述关联字符串集进行语义整合处理，得到评价文本包括：
根据GPT-2或GPT-3神经网络算法，对所述关联字符串集进行全文语义预测处理，得到评价文本。
可选的，在本发明第一方面的第三种实现方式中，所述根据预置框架填写算法，将所述量化数值表中的数值和所述评价文本填入所述报告文本框架中，生成评价报告文本包括：
根据所述报告文本框架的科目标识，将所述量化数值表中的数值和所述评价文本填入所述报告文本框架中，生成初步评价文本；
基于预置线性回归算法，对所述初步评价文本中的数值进行预测处理，得到预测数值集；
将所述预测数值集写入至所述初步评价文本中，生成评价报告文本。
可选的，在本发明第一方面的第四种实现方式中，在所述根据键值匹配关系，将所述关联数值集填入预置量化框架中，得到量化数值表之后，还包括：
将所述量化数值表保存至预置归档数据库中。
可选的，在本发明第一方面的第五种实现方式中，所述基于预置线性回归算法，对所述初步评价文本中的数值进行预测处理，得到预测数值集包括：
读取预置归档数据库中归档数据，根据所述归档数据，调整预置线性回归方程的参数，生成新的线性回归方程；
基于所述新的线性回归方程，对所述初步评价文本中的数值进行预测处理，得到预测数值集。
可选的，在本发明第一方面的第六种实现方式中，在所述根据预置框架填写算法，将所述量化数值表中的数值和所述评价文本填入所述报告文本框架中，生成评价报告文本之后，还包括：
将所述评价报告文本上传至所述政务服务器，用于实现所述评价报告文本的自动备案。
本发明第二方面提供了一种评价报告的自动生成装置，所述评价报告的自动生成装置包括：
查询模块，用于接收评价目标名称，在预置资料数据库中查询所述评价目标名称对应的关联数据，得到目标关联数据，其中，所述目标关联数据包括：关联数值集、关联字符串集；
填写模块，用于根据键值匹配关系，将所述关联数值集填入预置量化框架中，得到量化数值表；
语义整合模块，用于根据预置神经网络算法，对所述关联字符串集进行语义整合处理，得到评价文本；
框架查询模块，用于访问预置政务服务器，查询出报告文本框架；
报告生成模块，用于根据预置框架填写算法，将所述量化数值表中的数值和所述评价文本填入所述报告文本框架中，生成评价报告文本。
本发明第三方面提供了一种评价报告的自动生成设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述评价报告的自动生成设备执行上述的评价报告的自动生成方法。
本发明的第四方面提供了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指令，当其在计算机上运行时，使得计算机执行上述的评价报告的自动生成方法。
在本发明实施例中，通过自动取数、捕捉字段、规范表述内容，可有效提升绩效自评报告质量，让绩效自评工作更加体系化、规范化。系统模块简单、明晰，可以使操作与使用更加简便、快捷，节省单位的人力成本，减少繁琐的流程，提高绩效工作的效率，提高政府管理效能，提高财政资源配置效率和使用效益，为行政事业单位提供有效参考。
附图说明
图1为本发明实施例中评价报告的自动生成方法的一个实施例示意图；
图2为本发明实施例中评价报告的自动生成装置的一个实施例示意图；
图3为本发明实施例中评价报告的自动生成装置的另一个实施例示意图；
图4为本发明实施例中评价报告的自动生成设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种评价报告的自动生成方法、装置、设备及存储介质。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中评价报告的自动生成方法的一个实施例包括：
101、接收评价目标名称，在预置资料数据库中查询所述评价目标名称对应的关联数据，得到目标关联数据，其中，所述目标关联数据包括：关联数值集、关联字符串集；
在本实施例中，单位的基本信息录入一次后，后期会自动对接其它年份，无需重复填写。通过系统代码能够实现自动取数，包括预算执行情况表、决算报表、资产负债表、政府采购执行情况表，减少数据方面的失误；通过自动取数与字段，获取的数据实现部门整体指标的自动打分，自动生成绩效自评表；绩效自评表生成后，会根据评分情况，推荐相关的共性信息，如问题、经验、做法建议等方面内容。
在评价目标评价填报页面中，部门名称和部门编码作为一个评价目标名称，资料数据库中会存储相关的评价目标名称对应的关联数据，拉取关联数据，其中关联数据有核定编制人数、本年度在编人数、本年度使用劳务派遣人员人数、所有固定资产总额、实际在用固定资产总额、本年度资产有偿使用收入等有关的关联数值集，关联数值集的元素是相关名称和数值。关联数据还有：部门整体绩效评价、主要履职目标和工作总结内容、部门主要履职的年度工作总结和重点工作任务等一系列的评价文字构成的关联字符串集。这种评价文字均是由部门的会议决议诞生，不是存在后续人为干预的来源，数据来源单一纯净，不存在后续制作人员的加工情况。
102、根据键值匹配关系，将所述关联数值集填入预置量化框架中，得到量化数值表；
在本实施例中，核定编制人数、本年度在编人数、本年度使用劳务派遣人员人数、所有固定资产总额、实际在用固定资产总额、本年度资产有偿使用收入等有关的关联数值集，按照表1的框架，基于数据库的kv键值匹配关系，将数值填入到量化框架中，表1为量化框架一个示意表。
表1、量化框架示意表
进一步的，在102步骤中，可以执行以下步骤：
1021、根据键值匹配关系，将所述关联数值集的数据填入至预置量化框架中，生成初始数值表；
1022、基于所述量化框架中的运算公式，对所述初始数值表进行运算处理，得到所述初始数值表对应的评价数值集；
1023、基于所述初始数值表中的数值写入结构，将所述评价数值集写入至所述初始数值表中，得到量化数值表。
在1021-1023步骤中，需要实现数据及内容根据单位各类资料自动取数，量化框架中包含基础数据的填写，基础数据如：采购计划金额合计数、全年计划完成项目总个数、重点项目个数这种基础数据，也包含预算执行率下所有科目的运算值，根据原有设置运算公式，通过原有基础数据，产生评价数值，然后将评价数值填写到对应的表格中，得到量化数值表。
在102之后，还可以执行以下步骤：
1024、将所述量化数值表保存至预置归档数据库中。
在本实施例中，量化数值表作为以后查证和迭代规划的依据放置在归档数据库中，以便后续调用处理。
103、根据预置神经网络算法，对所述关联字符串集进行语义整合处理，得到评价文本；
在本实施例中，关联字符串集中的数据都是孤立的描述性语句，没有办法简单数据处理，需要利用神经网络语义识别和补充整合成一段完整的评价报告文字。并且可以产生一个固定分析模板，将上述关联数值集填入至固定分析模板的空白处，但是这种数值填入固定文字分析模板是一种现有技术，在此不做赘述。
进一步的，103可以执行以下步骤：
1031、根据GPT-2或GPT-3神经网络算法，对所述关联字符串集进行全文语义预测处理，得到评价文本。
在本实施例中，GPT-2或GPT-3神经网络是一种全局性的文字语义识别算法，并且可以预测后续文本，适用于本申请的多个孤立描述性语句的识别和补充，能补充出完整的评价文本。
104、访问预置政务服务器，查询出报告文本框架；
105、根据预置框架填写算法，将所述量化数值表中的数值和所述评价文本填入所述报告文本框架中，生成评价报告文本。
在104-105步骤中，为了对接政务服务器需求的数据，将政务服务器设置的数据需求的报告文本框架查询和下载，不需要将量化数值表所有的数据都发送至政务服务器，这并不能满足政务服务器的使用需求。
根据报告文本框架的数据需求，基于键值key的匹配将value值填入报告文本框架中，生成评价报告文本。
进一步的，105可以执行以下步骤：
1051、根据所述报告文本框架的科目标识，将所述量化数值表中的数值和所述评价文本填入所述报告文本框架中，生成初步评价文本；
1052、基于预置线性回归算法，对所述初步评价文本中的数值进行预测处理，得到预测数值集；
1053、将所述预测数值集写入至所述初步评价文本中，生成评价报告文本。
在1051-1053步骤中，报告文本框架的科目标识作为键值key，将所述量化数值表中的数值作为value值，以及将所述评价文本为value值，填入所述报告文本框架中，生成初步评价文本。
线性回归算法是一种现有的算法，主要是对后续数据规划的一种预测，基于前几年的数据，对所述初步评价文本中的数值进行预测，然后将预测数值再填入至初步评价文本中的规划（计划未来的目标）一栏中，得到评价报告文本。
进一步的，105可以执行以下步骤：
1054、读取预置归档数据库中归档数据，根据所述归档数据，调整预置线性回归方程的参数，生成新的线性回归方程；
1055、基于所述新的线性回归方程，对所述初步评价文本中的数值进行预测处理，得到预测数值集。
在1054-1055步骤中，归档数据库中有多个年份的量化数值表，量化数值表中的数据为多个年份的统计数据，根据统计数据对线性回归方程进行更新，得到新的线性回归方程。基于更新后的线性回归方程，对初步评价文本中的数值进行预测，得到预测数值集。1054-1055主要是利用归档数据库对线性回归方程进行更新处理。
进一步的，在105之后，还可以执行以下步骤：
106、将所述评价报告文本上传至所述政务服务器，用于实现所述评价报告文本的自动备案。
在本实施例中，评价报告文本上传政务服务器的对应端口，实现自动生成和传输评价报告文本，用户只需要输入相关的部门名称和部门编码，即可完成评价报告文本备案的任务，提高了用户的使用体验。
在本发明实施例中，通过自动取数、捕捉字段、规范表述内容，可有效提升绩效自评报告质量，让绩效自评工作更加体系化、规范化。系统模块简单、明晰，可以使操作与使用更加简便、快捷，节省单位的人力成本，减少繁琐的流程，提高绩效工作的效率，提高政府管理效能，提高财政资源配置效率和使用效益，为行政事业单位提供有效参考。
上面对本发明实施例中评价报告的自动生成方法进行了描述，下面对本发明实施例中评价报告的自动生成装置进行描述，请参阅图2，本发明实施例中评价报告的自动生成装置一个实施例，所述评价报告的自动生成装置包括：
查询模块201，用于接收评价目标名称，在预置资料数据库中查询所述评价目标名称对应的关联数据，得到目标关联数据，其中，所述目标关联数据包括：关联数值集、关联字符串集；
填写模块202，用于根据键值匹配关系，将所述关联数值集填入预置量化框架中，得到量化数值表；
语义整合模块203，用于根据预置神经网络算法，对所述关联字符串集进行语义整合处理，得到评价文本；
框架查询模块204，用于访问预置政务服务器，查询出报告文本框架；
报告生成模块205，用于根据预置框架填写算法，将所述量化数值表中的数值和所述评价文本填入所述报告文本框架中，生成评价报告文本。
在本发明实施例中，通过自动取数、捕捉字段、规范表述内容，可有效提升绩效自评报告质量，让绩效自评工作更加体系化、规范化。系统模块简单、明晰，可以使操作与使用更加简便、快捷，节省单位的人力成本，减少繁琐的流程，提高绩效工作的效率，提高政府管理效能，提高财政资源配置效率和使用效益，为行政事业单位提供有效参考。
请参阅图3，本发明实施例中评价报告的自动生成装置的另一个实施例，所述评价报告的自动生成装置包括：
查询模块201，用于接收评价目标名称，在预置资料数据库中查询所述评价目标名称对应的关联数据，得到目标关联数据，其中，所述目标关联数据包括：关联数值集、关联字符串集；
填写模块202，用于根据键值匹配关系，将所述关联数值集填入预置量化框架中，得到量化数值表；
语义整合模块203，用于根据预置神经网络算法，对所述关联字符串集进行语义整合处理，得到评价文本；
框架查询模块204，用于访问预置政务服务器，查询出报告文本框架；
报告生成模块205，用于根据预置框架填写算法，将所述量化数值表中的数值和所述评价文本填入所述报告文本框架中，生成评价报告文本。
其中，所述填写模块202具体用于：
根据键值匹配关系，将所述关联数值集的数据填入至预置量化框架中，生成初始数值表；
基于所述量化框架中的运算公式，对所述初始数值表进行运算处理，得到所述初始数值表对应的评价数值集；
基于所述初始数值表中的数值写入结构，将所述评价数值集写入至所述初始数值表中，得到量化数值表。
其中，所述语义整合模块203具体用于：
根据GPT-2或GPT-3神经网络算法，对所述关联字符串集进行全文语义预测处理，得到评价文本。
其中，所述报告生成模块205具体用于：
根据所述报告文本框架的科目标识，将所述量化数值表中的数值和所述评价文本填入所述报告文本框架中，生成初步评价文本；
基于预置线性回归算法，对所述初步评价文本中的数值进行预测处理，得到预测数值集；
将所述预测数值集写入至所述初步评价文本中，生成评价报告文本。
其中，所述评价报告的自动生成装置还包括存储模块206，所述存储模块206具体用于：
将所述量化数值表保存至预置归档数据库中。
其中，所述报告生成模块205还具体用于：
读取预置归档数据库中归档数据，根据所述归档数据，调整预置线性回归方程的参数，生成新的线性回归方程；
基于所述新的线性回归方程，对所述初步评价文本中的数值进行预测处理，得到预测数值集。
其中，所述评价报告的自动生成装置还包括上传模块207，所述上传模块207具体用于：
将所述评价报告文本上传至所述政务服务器，用于实现所述评价报告文本的自动备案。
在本发明实施例中，通过自动取数、捕捉字段、规范表述内容，可有效提升绩效自评报告质量，让绩效自评工作更加体系化、规范化。系统模块简单、明晰，可以使操作与使用更加简便、快捷，节省单位的人力成本，减少繁琐的流程，提高绩效工作的效率，提高政府管理效能，提高财政资源配置效率和使用效益，为行政事业单位提供有效参考。
上面图2和图3从模块化功能实体的角度对本发明实施例中的评价报告的自动生成装置进行详细描述，下面从硬件处理的角度对本发明实施例中评价报告的自动生成设备进行详细描述。
图4是本发明实施例提供的一种评价报告的自动生成设备的结构示意图，该评价报告的自动生成设备400可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）410（例如，一个或一个以上处理器）和存储器420，一个或一个以上存储应用程序433或数据432的存储介质430（例如一个或一个以上海量存储设备）。其中，存储器420和存储介质430可以是短暂存储或持久存储。存储在存储介质430的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对评价报告的自动生成设备400中的一系列指令操作。更进一步地，处理器410可以设置为与存储介质430通信，在评价报告的自动生成设备400上执行存储介质430中的一系列指令操作。
基于评价报告的自动生成设备400还可以包括一个或一个以上电源440，一个或一个以上有线或无线网络接口450，一个或一个以上输入输出接口460，和/或，一个或一个以上操作系统431，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图4示出的评价报告的自动生成设备结构并不构成对基于评价报告的自动生成设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述评价报告的自动生成方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统或装置、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种评价报告的自动生成方法，其特征在于，包括步骤：
接收评价目标名称，在预置资料数据库中查询所述评价目标名称对应的关联数据，得到目标关联数据，其中，所述目标关联数据包括：关联数值集、关联字符串集；
根据键值匹配关系，将所述关联数值集填入预置量化框架中，得到量化数值表；
根据预置神经网络算法，对所述关联字符串集进行语义整合处理，得到评价文本；
访问预置政务服务器，查询出报告文本框架；
根据预置框架填写算法，将所述量化数值表中的数值和所述评价文本填入所述报告文本框架中，生成评价报告文本；
其中，所述根据预置神经网络算法，对所述关联字符串集进行语义整合处理，得到评价文本包括：
根据GPT-2或GPT-3神经网络算法，对所述关联字符串集进行全文语义预测处理，得到评价文本；
其中，所述根据预置框架填写算法，将所述量化数值表中的数值和所述评价文本填入所述报告文本框架中，生成评价报告文本包括：
根据所述报告文本框架的科目标识，将所述量化数值表中的数值和所述评价文本填入所述报告文本框架中，生成初步评价文本；
基于预置线性回归算法，对所述初步评价文本中的数值进行预测处理，得到预测数值集；
将所述预测数值集写入至所述初步评价文本中，生成评价报告文本；
其中，在所述根据键值匹配关系，将所述关联数值集填入预置量化框架中，得到量化数值表之后，还包括：
将所述量化数值表保存至预置归档数据库中；
其中，所述基于预置线性回归算法，对所述初步评价文本中的数值进行预测处理，得到预测数值集包括：
读取预置归档数据库中归档数据，根据所述归档数据，调整预置线性回归方程的参数，生成新的线性回归方程；
基于所述新的线性回归方程，对所述初步评价文本中的数值进行预测处理，得到预测数值集。
2.根据权利要求1所述的评价报告的自动生成方法，其特征在于，所述根据键值匹配关系，将所述关联数值集填入预置量化框架中，得到量化数值表包括：
根据键值匹配关系，将所述关联数值集的数据填入至预置量化框架中，生成初始数值表；
基于所述量化框架中的运算公式，对所述初始数值表进行运算处理，得到所述初始数值表对应的评价数值集；
基于所述初始数值表中的数值写入结构，将所述评价数值集写入至所述初始数值表中，得到量化数值表。
3.根据权利要求1所述的评价报告的自动生成方法，其特征在于，在所述根据预置框架填写算法，将所述量化数值表中的数值和所述评价文本填入所述报告文本框架中，生成评价报告文本之后，还包括：
将所述评价报告文本上传至所述政务服务器，用于实现所述评价报告文本的自动备案。
4.一种评价报告的自动生成装置，其特征在于，所述评价报告的自动生成装置包括：
查询模块，用于接收评价目标名称，在预置资料数据库中查询所述评价目标名称对应的关联数据，得到目标关联数据，其中，所述目标关联数据包括：关联数值集、关联字符串集；
填写模块，用于根据键值匹配关系，将所述关联数值集填入预置量化框架中，得到量化数值表；
语义整合模块，用于根据预置神经网络算法，对所述关联字符串集进行语义整合处理，得到评价文本；
框架查询模块，用于访问预置政务服务器，查询出报告文本框架；
报告生成模块，用于根据预置框架填写算法，将所述量化数值表中的数值和所述评价文本填入所述报告文本框架中，生成评价报告文本；
其中，所述语义整合模块具体用于：
根据GPT-2或GPT-3神经网络算法，对所述关联字符串集进行全文语义预测处理，得到评价文本；
其中，所述报告生成模块具体用于：
根据所述报告文本框架的科目标识，将所述量化数值表中的数值和所述评价文本填入所述报告文本框架中，生成初步评价文本；
基于预置线性回归算法，对所述初步评价文本中的数值进行预测处理，得到预测数值集；
将所述预测数值集写入至所述初步评价文本中，生成评价报告文本；
其中，所述评价报告的自动生成装置还包括存储模块，所述存储模块具体用于：
将所述量化数值表保存至预置归档数据库中；
其中，所述报告生成模块还可以具体用于：
读取预置归档数据库中归档数据，根据所述归档数据，调整预置线性回归方程的参数，生成新的线性回归方程；
基于所述新的线性回归方程，对所述初步评价文本中的数值进行预测处理，得到预测数值集。
5.一种评价报告的自动生成设备，其特征在于，所述评价报告的自动生成设备包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述评价报告的自动生成设备执行如权利要求1-3中任一项所述的评价报告的自动生成方法。
6.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，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1-3中任一项所述的评价报告的自动生成方法。
CN202211568132.5A 2022-12-08 2022-12-08 评价报告的自动生成方法、装置、设备及存储介质 Active CN115576957B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211568132.5A CN115576957B (zh) 2022-12-08 2022-12-08 评价报告的自动生成方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211568132.5A CN115576957B (zh) 2022-12-08 2022-12-08 评价报告的自动生成方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115576957A CN115576957A (zh) 2023-01-06
CN115576957B true CN115576957B (zh) 2023-04-07

Family

ID=84590082

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211568132.5A Active CN115576957B (zh) 2022-12-08 2022-12-08 评价报告的自动生成方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115576957B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005284888A (ja) * 2004-03-30 2005-10-13 Honda Motor Co Ltd 企業診断報告作成装置
CN112199931A (zh) * 2020-09-24 2021-01-08 联合赤道环境评价有限公司 一种基于大数据的环保咨询类报告智能生成方法
EP3879841A1 (en) * 2020-03-13 2021-09-15 Hyperconnect, Inc. Report evaluation device and operation method thereof

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2672394A1 (en) * 2012-06-04 2013-12-11 Thomas Bryce Methods and systems for generating reports in diagnostic imaging
CN114300084B (zh) * 2021-12-31 2024-09-24 科临达康医药生物科技(北京)有限公司 临床试验病例报告表自动生成方法、装置和设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005284888A (ja) * 2004-03-30 2005-10-13 Honda Motor Co Ltd 企業診断報告作成装置
EP3879841A1 (en) * 2020-03-13 2021-09-15 Hyperconnect, Inc. Report evaluation device and operation method thereof
CN112199931A (zh) * 2020-09-24 2021-01-08 联合赤道环境评价有限公司 一种基于大数据的环保咨询类报告智能生成方法

Also Published As

Publication number Publication date
CN115576957A (zh) 2023-01-06

Similar Documents

Publication Publication Date Title
US11436269B2 (en) System to predict future performance characteristic for an electronic record
US20110129806A1 (en) System for training
CN109542966B (zh) 数据融合方法、装置、电子设备及计算机可读介质
CN112801530A (zh) 一种基于语意拆分的智能评审系统及工作方法
CN110390424B (zh) 测试对象的寿命预估方法、装置、设备及介质
CN113590823A (zh) 一种合同审批方法、装置、存储介质及电子设备
CN111191933A (zh) 一种评估研发团队工作饱和度的方法、存储器及电子设备
CN113722370A (zh) 基于指标分析的数据管理方法、装置、设备及介质
Granzow-de la Cerda et al. Semi‐automated workflows for acquiring specimen data from label images in herbarium collections
Jumaryadi Customer Complaint Information Systems at National Standardization Agency of Indonesia
CN116843481A (zh) 知识图谱分析方法、装置、设备及存储介质
US11361032B2 (en) Computer driven question identification and understanding within a commercial tender document for automated bid processing for rapid bid submission and win rate enhancement
CN115576957B (zh) 评价报告的自动生成方法、装置、设备及存储介质
CN116719920A (zh) 动态采样的对话生成模型训练方法、装置、设备及介质
CN116627988A (zh) 一种基于规则配置的患者主索引系统
CN113849618B (zh) 基于知识图谱的策略确定方法、装置、电子设备及介质
CN115081447A (zh) 软件开发的需求文档构建方法、装置、设备及存储介质
CN114783557A (zh) 肿瘤患者数据的处理方法和装置、存储介质及处理器
CN114841165A (zh) 用户数据分析及展示方法、装置、电子设备及存储介质
CN110502675B (zh) 基于数据分析的语音拨叫用户分类方法及相关设备
CN113779998A (zh) 业务信息的结构化处理方法、装置、设备及存储介质
US20130311207A1 (en) Medical Record Processing
Atal et al. Electronic Document Flow Monitoring And Control System Using Document Structure Analysis
CN115577690B (zh) 一种项目报告生成方法、装置、电子设备及存储介质
Gogoryan Meta Model to support requirements specification creation

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
GR01 Patent grant
GR01 Patent grant