一种基于大型语言模型的公文审批方法技术

本发明专利技术提供了文本推荐技术领域的一种基于大型语言模型的公文审批方法，包括：步骤

【技术实现步骤摘要】
一种基于大型语言模型的公文审批方法


[0001]本专利技术涉及文本推荐
，特别指一种基于大型语言模型的公文审批方法
。

技术介绍

[0002]公文审批是很多单位不可或缺的一个环节，其主要任务是处理内部公文的传输和审批
。
传统的公文审批系统是基于预定义规则的工作流引擎，虽然传统的公文审批系统对于公文管理提供了一定的支持，但存在如下缺点：
[0003]1、
从提出申请
、
流转到相关部门
、
审核批复，直至最后完成的整个审批过程，每一步审批都需要相应的人工参与，即依赖于人力资源来完成大部分工作，包括阅读
、
理解和审批公文，整个过程既耗时又容易出错，因为公文审批人员可能会因为工作量大
、
疲劳等原因，而遗漏某些重要信息或者误判公文的真实意图；
2、
由于人的主观性，不同的审批人可能对同一份公文产生不同的理解和决策，导致审批结果的不一致性；
3、
依赖人工制定审批规则
,
面对复杂多变的审批场景
,
规则容易遗漏和冲突
,
需要花费大量的工作量维护规则库，且公文审批规则定义复杂
,
维护成本高；
4、
过于依赖关键词匹配
,
无法深入理解公文的语义内容
,
导致审批流转错误的情况时有发生；
5、
规则和关键词都需要针对不同单位重新定义
,
无法快速适配多变的审批需求，导致系统的兼容性差
。
[0004]因此，如何提供一种基于大型语言模型的公文审批方法，实现提升公文审批的效率
、
准确性以及兼容性，成为一个亟待解决的技术问题
。

技术实现思路

[0005]本专利技术要解决的技术问题，在于提供一种基于大型语言模型的公文审批方法，实现提升公文审批的效率
、
准确性以及兼容性
。
[0006]本专利技术是这样实现的：一种基于大型语言模型的公文审批方法，包括如下步骤：
[0007]步骤
S10、
基于历史审批数据构建一公文知识库；
[0008]步骤
S20、
结合所述公文知识库构建一大型语言模型；
[0009]步骤
S30、
从
OA
办公系统获取待审批的公文，将获取的各所述公文转换为结构化数据，对获取的各所述公文的公文内容进行格式转换；
[0010]步骤
S40、
对获取的各所述公文进行预处理；
[0011]步骤
S50、
将预处理后的所述公文输入大型语言模型，获取公文图谱，通过图注意力网络对所述公文图谱进行上下文分析后，通过图嵌入算法生成公文审批结果；
[0012]步骤
S60、
基于所述公文审批结果对大型语言模型进行迭代优化
。
[0013]进一步的，所述步骤
S10
具体为：
[0014]获取大量的历史审批数据，对所述历史审批数据进行清洗和预处理后，从所述历史审批数据中提取包括实体
、
关系
、
属性的三元组数据，基于所述三元组数据构建知识图谱，进而生成公文知识库
。
[0015]进一步的，所述步骤
S20
具体为：
[0016]基于深度学习创建一预训练模型，利用所述历史审批数据对预训练模型进行训练，训练过程中微调数据格式，并通过实体对齐
、
关系映射以及背景知识整合的方式，将训练后的所述预训练模型与公文知识库结合，进而生成大型语言模型
。
[0017]进一步的，所述步骤
S30
具体为：
[0018]通过
API
或者数据库连接从
OA
办公系统获取不同公文类型的待审批的公文，将获取的各不同文件格式的所述公文转换为结构化数据，对获取的各所述公文的公文内容进行格式转换，以对所述公文内容进行格式标准化
。
[0019]进一步的，所述步骤
S30
中，所述公文携带公文内容以及元数据，所述元数据至少包括公文类型
、
作者
、
提交日期以及涉及部门；所述公文类型为请假条
、
报告
、
申请或者提案
。
[0020]进一步的，所述步骤
S40
具体为：
[0021]对获取的各所述公文进行包括数据清洗
、
实体识别
、
公文知识库关联
、
结构化转化
、
上下文融合的预处理
。
[0022]进一步的，所述步骤
S50
还包括：
[0023]通过模型解释技术生成所述公文审批结果的详细解释
。
[0024]进一步的，所述步骤
S60
具体为：
[0025]获取所述公文审批结果对应的审批反馈，通过自然语言处理技术对所述审批反馈进行分析，结合所述公文审批结果对大型语言模型进行迭代优化
。
[0026]本专利技术的优点在于：
[0027]通过历史审批数据构建公文知识库，结合公文知识库构建大型语言模型，将从
OA
办公系统获取待审批的公文转换为结构化数据后，对各公文携带的公文内容进行格式转换和预处理后，输入大型语言模型获取公文图谱，通过图注意力网络对公文图谱进行上下文分析后，通过图嵌入算法生成公文审批结果，并基于公文审批结果对大型语言模型进行迭代优化；即通过大型语言模型的语义理解能力智能分析公文，深度理解每条公文的关键信息，再自动生成公文审批结果，不仅能保证公文审批结果的一致性，而且不依赖关键词匹配，审批过程无需人工定义规则，避免人工阅读
、
理解和审批公文而导致的误判，结合结构化数据转换以及公文内容的格式转换，能快速适配多变的审批需求，最终极大的提升了公文审批的效率
、
准确性以及兼容性
。
附图说明
[0028]下面参照附图结合实施例对本专利技术作进一步的说明
。
[0029]图1是本专利技术一种基于大型语言模型的公文审批方法的流程图
。
具体实施方式
[0030]本申请实施例中的技术方案，总体思路如下：通过大型语言模型的语义理解能力智能分析公文，深度理解每条公文的关键信息，再自动生成公文审批结果，不仅能保证公文审批结果的一致性，而且不依赖关键词匹配，审批过程无需人工定义规则，避免人工阅读
、
理解和审批公文而导致的误判，结合结构化数据转换以及公文内容的格式转换，能快速适配多变的审批需求，以提升公文审批的效率
、
准确性以及兼容性
...

【技术保护点】

【技术特征摘要】
1.
一种基于大型语言模型的公文审批方法，其特征在于：包括如下步骤：步骤
S10、
基于历史审批数据构建一公文知识库；步骤
S20、
结合所述公文知识库构建一大型语言模型；步骤
S30、
从
OA
办公系统获取待审批的公文，将获取的各所述公文转换为结构化数据，对获取的各所述公文的公文内容进行格式转换；步骤
S40、
对获取的各所述公文进行预处理；步骤
S50、
将预处理后的所述公文输入大型语言模型，获取公文图谱，通过图注意力网络对所述公文图谱进行上下文分析后，通过图嵌入算法生成公文审批结果；步骤
S60、
基于所述公文审批结果对大型语言模型进行迭代优化
。2.
如权利要求1所述的一种基于大型语言模型的公文审批方法，其特征在于：所述步骤
S10
具体为：获取大量的历史审批数据，对所述历史审批数据进行清洗和预处理后，从所述历史审批数据中提取包括实体
、
关系
、
属性的三元组数据，基于所述三元组数据构建知识图谱，进而生成公文知识库
。3.
如权利要求1所述的一种基于大型语言模型的公文审批方法，其特征在于：所述步骤
S20
具体为：基于深度学习创建一预训练模型，利用所述历史审批数据对预训练模型进行训练，训练过程中微调数据格式，并通过实体对齐
、
关系映射以及背景知识整合的方式，将训练后的所述预训练模型与公文知识库结合，进而生成大型语言模型
。4.
如权利要求1所述的一种基于大型语言模...

【专利技术属性】
技术研发人员：焦洪林，王雷，朱坚，陆向东，
申请(专利权)人：福建新大陆软件工程有限公司，
类型：发明
国别省市：