汇报稿智能提取方法、装置、计算机设备、可读存储介质和程序产品与流程
本技术涉及计算机,特别是涉及一种汇报稿智能提取方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
背景技术:
1、铁路运营是指在铁路系统内进行的各项活动,旨在确保铁路交通的安全、高效和经济,其涉及多个环节和要素的协同工作,包括从列车调度、运输服务到维护和管理等多个方面。
2、目前,在进行铁路运营管理时企业多业务系统、多部门数据分散孤立,全域数据整合难度高,总结报告规范性参差不齐,传统人工汇总模式耗时费力且容易出错,导致存在运营管理效率低下的问题,难以支撑全维度、系统性的运营研判。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种汇报稿智能提取方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面,本技术提供了一种汇报稿智能提取方法,包括:
3、对接企业多业务系统及部门的多源异构业务数据,对所述多源异构业务数据执行标准化清洗与治理,得到统一规范的业务数据集;
4、采用关系型数据库与向量化引擎相结合的双模存储架构,根据所述业务数据集按不同的业务领域分别构建结构化知识库与非结构化知识库,并构建包含风险类型、分析结论与优化建议映射关系的规则数据库;
5、获取用户的需求汇报信息,对所述需求汇报信息执行意图识别与语义解析,并通过领域分类器将所述需求汇报信息分发至对应的业务领域;
6、针对分类后的需求汇报信息,协同调用自然语言转 sql 技术查询所述结构化知识库以及向量检索技术匹配所述非结构化知识库,并基于所述规则数据库匹配对应的优化建议,结合大语言模型进行内容推理整合,提取生成包含运营情况、问题分析与改进建议的汇报稿内容。
7、在其中一个实施例中,所述针对分类后的需求汇报信息,协同调用自然语言转sql技术查询所述结构化知识库以及向量检索技术匹配所述非结构化知识库,并基于所述规则数据库匹配对应的优化建议,结合大语言模型进行内容推理整合,包括:
8、根据所述需求汇报信息通过所述自然语言转sql技术,从所述结构化知识库中查询对应业务领域的量化指标数据;根据所述需求汇报信息通过所述向量检索技术,从所述非结构化知识库中匹配相关的业务文档,并从所述规则数据库中匹配对应风险的优化建议;将所述量化指标数据、所述业务文档以及所述优化建议输入所述大语言模型进行内容推理整合。
9、在其中一个实施例中,所述业务领域至少包括管理、运输、财务以及安全,所述采用关系型数据库与向量化引擎相结合的双模存储架构,根据所述业务数据集按不同的业务领域分别构建结构化知识库与非结构化知识库,包括:
10、采用所述关系型数据库对管理领域数据集和运输领域数据进行关系型管理,汇聚全量任务信息与多维度统计指标,形成所述结构化知识库;采用所述向量化引擎对财务领域数据集和安全领域数据集进行向量化处理以及向量化存储,形成所述非结构化知识库。
11、在其中一个实施例中,所述方法还包括:
12、获取各所述业务领域对应的历史汇报信息,根据所述历史汇报信息得到训练集和测试集;利用所述训练集通过深度学习算法对初始分类器进行训练并更新所述初始分类器的模型参数,直至参数更新后的分类器在所述测试集上的准确率满足阈值条件,得到所述领域分类器。
13、在其中一个实施例中,所述方法还包括:
14、所述关系型数据库用于结构化业务数据的关系型管理与精准查询;所述向量化引擎采用 fastgpt,用于非结构化文档的向量化处理与语义检索;所述规则数据库作为所述大语言模型的检索增强底库,用于约束生成内容的合规性与可落地性。
15、在其中一个实施例中,所述方法还包括:
16、在所述汇报稿内容的提取过程中,全流程记录数据调用路径、检索匹配结果、模型生成参数以及人工反馈结果,得到全流程数据集,并将所述全流程数据集同步回写至数据存储系统,用于合规审计与知识库迭代优化;当接收到人工修正指令时,从所述数据存储系统中提取所述全流程数据集,根据所述全流程数据集自动同步更新对应知识库的知识条目与规则映射关系。
17、第二方面,本技术还提供了一种汇报稿智能提取装置,包括:
18、数据获取模块,用于对接企业多业务系统及部门的多源异构业务数据,对所述多源异构业务数据执行标准化清洗与治理,得到统一规范的业务数据集;
19、数据应用模块,用于采用关系型数据库与向量化引擎相结合的双模存储架构,根据所述业务数据集按不同的业务领域分别构建结构化知识库与非结构化知识库,并构建包含风险类型、分析结论与优化建议映射关系的规则数据库;
20、领域分类模块,用于获取用户的需求汇报信息,对所述需求汇报信息执行意图识别与语义解析,并通过领域分类器将所述需求汇报信息分发至对应的业务领域;
21、提取生成模块,用于针对分类后的需求汇报信息,协同调用自然语言转 sql 技术查询所述结构化知识库以及向量检索技术匹配所述非结构化知识库,并基于所述规则数据库匹配对应的优化建议,结合大语言模型进行内容推理整合,提取生成包含运营情况、问题分析与改进建议的汇报稿内容。
22、第三方面,本技术还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
23、对接企业多业务系统及部门的多源异构业务数据,对所述多源异构业务数据执行标准化清洗与治理,得到统一规范的业务数据集;采用关系型数据库与向量化引擎相结合的双模存储架构,根据所述业务数据集按不同的业务领域分别构建结构化知识库与非结构化知识库,并构建包含风险类型、分析结论与优化建议映射关系的规则数据库;获取用户的需求汇报信息,对所述需求汇报信息执行意图识别与语义解析,并通过领域分类器将所述需求汇报信息分发至对应的业务领域;针对分类后的需求汇报信息,协同调用自然语言转sql(structure query language,结构查询语言) 技术查询所述结构化知识库以及向量检索技术匹配所述非结构化知识库,并基于所述规则数据库匹配对应的优化建议,结合大语言模型进行内容推理整合,提取生成包含运营情况、问题分析与改进建议的汇报稿内容。
24、第四方面,本技术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,所述计算机程序被处理器执行时实现以下步骤:
25、对接企业多业务系统及部门的多源异构业务数据,对所述多源异构业务数据执行标准化清洗与治理,得到统一规范的业务数据集;采用关系型数据库与向量化引擎相结合的双模存储架构,根据所述业务数据集按不同的业务领域分别构建结构化知识库与非结构化知识库,并构建包含风险类型、分析结论与优化建议映射关系的规则数据库;获取用户的需求汇报信息,对所述需求汇报信息执行意图识别与语义解析,并通过领域分类器将所述需求汇报信息分发至对应的业务领域;针对分类后的需求汇报信息,协同调用自然语言转sql 技术查询所述结构化知识库以及向量检索技术匹配所述非结构化知识库,并基于所述规则数据库匹配对应的优化建议,结合大语言模型进行内容推理整合,提取生成包含运营情况、问题分析与改进建议的汇报稿内容。
26、第五方面,本技术还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
27、对接企业多业务系统及部门的多源异构业务数据,对所述多源异构业务数据执行标准化清洗与治理,得到统一规范的业务数据集;采用关系型数据库与向量化引擎相结合的双模存储架构,根据所述业务数据集按不同的业务领域分别构建结构化知识库与非结构化知识库,并构建包含风险类型、分析结论与优化建议映射关系的规则数据库;获取用户的需求汇报信息,对所述需求汇报信息执行意图识别与语义解析,并通过领域分类器将所述需求汇报信息分发至对应的业务领域;针对分类后的需求汇报信息,协同调用自然语言转sql 技术查询所述结构化知识库以及向量检索技术匹配所述非结构化知识库,并基于所述规则数据库匹配对应的优化建议,结合大语言模型进行内容推理整合,提取生成包含运营情况、问题分析与改进建议的汇报稿内容。
28、上述汇报稿智能提取方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,通过对企业全业务链条数据进行全局智能汇总,系统识别运营管理中的突出问题、薄弱环节与潜在难点,精准定位管理漏洞与运行风险。针对识别出的异常问题与典型短板,依托规范化建议知识库自动匹配对应的管控措施、处置方案与改进策略,形成结构完整、逻辑清晰、依据充分的汇报稿内容,为管理决策提供标准化、智能化的数据支撑。本技术面向企业中高层管理者设计,通过自动化、智能化手段替代传统人工汇总模式,大幅提升运营分析效率与问题发现及时性,辅助管理层全面、直观掌握企业整体运行态势,快速识别经营管理、安全生产、任务执行、风险防控等关键领域的短板与隐患。同时,依托系统化改进建议为管理优化、风险前置防控、工作提质增效提供科学指引,推动企业管理从被动响应向主动预判、从经验决策向数据驱动转型,提升整体运营管理效率与智能化水平,为企业高质量发展与长效风险管控提供坚实技术支撑。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com