一种建筑行业劳务数据智能追溯方法、装置及介质与流程

摘要: 本发明公开了一种建筑行业劳务数据智能追溯方法、装置及介质,属于建筑行业劳务数据智能追溯。背景技术:1、当前建筑行业劳务管理领域中,劳务数据分散存储于劳务分包合同...
一种建筑行业劳务数据智能追溯方法、装置及介质与流程

本发明公开了一种建筑行业劳务数据智能追溯方法、装置及介质,属于建筑行业劳务数据智能追溯。

背景技术:

1、当前建筑行业劳务管理领域中,劳务数据分散存储于劳务分包合同、实名制备案系统、考勤台账、工资发放记录、施工日志及纸质签字台账等多种异构数据源中,各数据源格式不统一、字段定义不一致且缺乏有效的跨源关联机制,导致劳务数据的查验与追溯完全依赖人工逐一核对多份文档、凭经验判断数据合理性的方式,不仅效率低下、工作量大,而且不同管理人员审核标准不一、合规判断缺乏客观依据,加之纸质台账影像资料长期以非结构化形态存档无法被自动化检索与分析,一旦发生劳务纠纷或工资拖欠事件,追溯人员需在海量纸质档案与电子表格中反复人工查找与比对,难以快速定位问题环节、精准锁定责任主体,严重制约了建筑劳务用工全流程数据追溯的及时性与准确性。

2、针对上述的问题,目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种建筑行业劳务数据智能追溯方法、装置及介质,以至少解决现有建筑行业多源异构劳务数据因格式异构、字段定义不一致、语义表述多样及纸质台账难以被自动化解析而导致人工追溯效率低、异常定位困难、合规判断缺乏统一标准的技术问题。

2、根据本发明实施例的一个方面,为了实现上述目的,提供了一种建筑行业劳务数据智能追溯方法,包括:

3、响应于劳务数据追溯请求,获取建筑项目的多源异构劳务数据,其中,多源异构劳务数据包括:劳务合同数据、实名制备案数据、考勤数据、工资发放记录、施工日志及纸质台账影像数据;

4、基于预训练大语言模型,对多源异构劳务数据进行语义解析、实体抽取与合规校验,确定劳务数据的追溯状态信息,其中,追溯状态信息包括:合规状态和异常状态;

5、基于追溯状态信息,生成结构化劳务追溯报告。

6、进一步地,获取建筑项目的多源异构劳务数据,包括:

7、通过api接口从项目管理系统、劳务实名制平台及银行代发系统获取电子化劳务数据;

8、通过文件上传接口获取excel、csv格式的批量台账数据;

9、通过ocr识别技术对纸质台账影像数据、手填单据扫描件进行文本提取与结构化转换。

10、进一步地,基于预训练大语言模型,对多源异构劳务数据进行语义解析与实体抽取,包括:

11、采用预训练大语言模型对劳务合同、工资台账的长文本进行上下文无损解析,预训练大语言模型基于transformer架构且具有不低于100ktoken的上下文窗口;

12、采用多模态视觉语言模型对纸质台账影像数据进行视觉语义解析与文字还原;

13、基于预训练大语言模型的结构化输出接口,自定义劳务追溯字段模板,自动抽取人员实体、班组实体、项目实体、工时实体、薪资实体及作业时序实体;

14、对抽取的实体进行语义归一化处理。

15、进一步地,基于预训练大语言模型,对多源异构劳务数据进行合规校验,包括:

16、将住建行业劳务管理规范文本通过文本编码器转换为高维向量并构建向量数据库;

17、在预训练大语言模型推理时,将抽取的实体数据编码为向量,通过近似最近邻算法从向量数据库中检索出最相关的规范条款;

18、将检索出的规范条款作为附加上下文与实体数据组合构成提示词,输入预训练大语言模型进行合规判定,识别用工备案缺失、工时异常、薪资发放违规及人员作业不合规问题。

19、进一步地,基于追溯状态信息,生成结构化劳务追溯报告,包括:

20、当追溯状态信息为合规状态时,生成合规确认报告;

21、当追溯状态信息为异常状态时,确定异常类型、异常产生环节、责任主体及违规时间段,生成包含异常溯源结论与整改建议的追溯报告。

22、进一步地,确定异常类型、异常产生环节、责任主体及违规时间段,包括:

23、利用预训练大语言模型的逻辑推理能力,关联人员进场、日常作业、考勤统计、薪资结算、工资发放、人员离场的全时序数据,构建人员-班组-项目-工时-工资-合规记录多维溯源图谱;

24、基于多维溯源图谱进行多源数据交叉比对与时序逻辑推演,定位数据异常节点与责任主体。

25、进一步地,基于追溯状态信息,生成结构化劳务追溯报告之后,还包括:

26、将结构化劳务追溯报告、原始数据关联关系及预训练大语言模型的推理日志同步至区块链存证系统,生成不可篡改的存证记录,存证记录用于劳务纠纷举证、监管核查与项目复盘。

27、进一步地,响应于劳务数据追溯请求,获取建筑项目的多源异构劳务数据之后,还包括:

28、基于历史劳务追溯记录中的历史劳务数据时序特征及对应的违规事件标签,采用时序预测模型构建违规风险预测模型,违规风险预测模型用于预测当前项目在预设未来时段内的劳务违规风险概率及风险类型;

29、当违规风险概率超过预设风险阈值时,生成主动预警信息并推送至监管终端。

30、根据本发明其中一实施例,还提供了一种建筑行业劳务数据智能追溯装置,包括:

31、获取模块,用于响应于劳务数据追溯请求,获取建筑项目的多源异构劳务数据,其中,多源异构劳务数据包括:劳务合同数据、实名制备案数据、考勤数据、工资发放记录、施工日志及纸质台账影像数据;

32、处理模块,用于基于预训练大语言模型,对多源异构劳务数据进行语义解析、实体抽取与合规校验,确定劳务数据的追溯状态信息,其中,追溯状态信息包括:合规状态和异常状态;

33、生成模块,用于基于追溯状态信息,生成结构化劳务追溯报告。

34、根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,实现本发明各个实施例的建筑行业劳务数据智能追溯方法。

35、在本发明实施例中,通过预训练大语言模型对劳务合同、工资台账等长文本的全量无损解析及对纸质台账影像的多模态语义识别,结合rag检索增强机制与住建劳务规范知识库的联动校验,实现了多源异构劳务数据在语义层面的统一化与标准化,避免了因术语表述差异、字段格式不一致导致的漏查漏判问题,大幅降低了人工逐一核对多份文档的工作量与主观判断偏差;在此基础上通过大模型的跨源逻辑推理与时序关联分析构建多维溯源图谱,自动定位异常产生环节、责任主体及违规时段并生成包含整改建议的结构化追溯报告,使劳务异常问题的排查时间从传统的数小时甚至数天级缩短至分钟级,同时实现了追溯结果的标准化输出与区块链存证,为劳务纠纷举证与监管核查提供了不可篡改的完整证据链条。

1.一种建筑行业劳务数据智能追溯方法,其特征在于,包括:

2.根据权利要求1所述的建筑行业劳务数据智能追溯方法,其特征在于,获取建筑项目的多源异构劳务数据,包括:

3.根据权利要求2所述的建筑行业劳务数据智能追溯方法,其特征在于,基于预训练大语言模型,对所述多源异构劳务数据进行语义解析与实体抽取,包括:

4.根据权利要求3所述的建筑行业劳务数据智能追溯方法,其特征在于,基于预训练大语言模型,对所述多源异构劳务数据进行合规校验,包括:

5.根据权利要求1所述的建筑行业劳务数据智能追溯方法,其特征在于,基于所述追溯状态信息,生成结构化劳务追溯报告,包括:

6.根据权利要求5所述的建筑行业劳务数据智能追溯方法,其特征在于,确定所述异常类型、异常产生环节、责任主体及违规时间段,包括:

7.根据权利要求1所述的建筑行业劳务数据智能追溯方法,其特征在于,基于所述追溯状态信息,生成所述结构化劳务追溯报告之后,还包括:

8.根据权利要求1所述的建筑行业劳务数据智能追溯方法,其特征在于,响应于劳务数据追溯请求,获取建筑项目的多源异构劳务数据之后,还包括:

9.一种建筑行业劳务数据智能追溯装置,其特征在于,包括:

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的可执行程序,其中,在所述可执行程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至8中任一项所述的建筑行业劳务数据智能追溯方法。