一种报告拆解及语义核查方法与流程

本发明涉及企业报告核查，具体涉及一种报告拆解及语义核查方法。

背景技术：

1、随着监管规则、行业规范和企业内部制度不断细化，企业需要通过环境、社会、公司治理报告，以及可持续发展报告、年度报告、合规报告等其他类型报告，对相应规则要求作出信息披露或说明。监管机构、审计机构及企业合规人员需要核查报告内容是否对相应的规则要求作出响应。

2、企业报告通常以pdf等非结构化或半结构化文档形式存在，可能包含连续文本、表格、多栏排版、图文混排、跨页内容等。监管规则通常以条款、指引、指标、清单等结构化形式存在。因此，企业报告核查需要将报告内容与具体监管要求建立对应关系，以支持合规审阅、审计核查及内部管理。

3、现有企业报告核查通常采用人工审阅与机器辅助分析相结合的方式。人工审阅通常由审核人员阅读报告，并依据规则条款或核查清单逐项判断报告是否包含相关内容，这种方式能够结合上下文进行判断，但在报告篇幅较长、监管要求较多、需比较多个企业或多个年度报告时，需要投入大量的时间与人力；同时，不同审核人员对同一文本内容的理解和判断标准可能不同，从而影响核查结果的一致性和可重复性。

4、机器辅助分析通常需要先将企业报告转换为机器可处理的文本或结构化文本。对于包含多栏排版、表格和图文混排的复杂报告，传统ocr或pdf解析方法难以准确恢复原始阅读顺序及版面结构，从而影响后续信息抽取和文本理解的准确性。

5、此外，监管规则中的单项条款可能包含多个可独立核验的信息要素。例如，一项治理责任相关要求可能同时涉及管理机制、评估过程、优先级确定过程、管理过程等内容，若以完整规则条款作为单一匹配对象，难以进一步判断报告已响应其中哪些信息要素、遗漏哪些信息要素，从而不利于获得精细化的条目级核查结果。

6、企业报告中与某一监管要求相关的内容，可能分散于不同句子、段落或表格中，而同一句子或同一段落也可能包含事实数据、适用范围、计算口径、限制条件、后续安排等内容。若仅依据句子、段落或固定长度文本片段进行匹配，难以准确确定哪些内容构成对特定监管要求的直接证据，哪些内容仅构成限定、说明或背景，进而增加监管规则条目级核查和文本证据定位的难度。

7、企业报告中可能同时包含直接披露内容、说明性内容、背景性内容等不同性质的文本。现有方法若未对不同性质的文本进行区分，可能将说明性内容或背景性内容误判为直接披露内容，导致对监管规则响应情况判断不准确。

技术实现思路

1、（一）解决的技术问题

2、针对现有技术所存在的上述缺点，本发明提供了一种报告拆解及语义核查方法，能够有效克服现有技术所存在的难以对企业报告进行精准的条目级、可追溯合规审查的缺陷。

3、（二）技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：

5、一种报告拆解及语义核查方法，包括以下步骤：

6、s1、获取原始报告，并转换为原始报告文本；

7、s2、获取交易所对报告的规则和指引，并转换为披露事项集合；

8、s3、将原始报告文本转换为命题集合；

9、s4、利用大语言模型对命题集合进行分类，得到解释类子集、披露类子集和残余项子集；

10、s5、对解释类子集、披露类子集与披露事项集合进行前向匹配和反向匹配，得到应解释命题集合、应披露命题集合、已解释要求集合和已披露要求集合。

11、优选地，s1中获取原始报告，并转换为原始报告文本，包括：

12、s11、输入企业环境、社会、公司治理报告，对报告进行逐页渲染处理，生成各页的页面图像；

13、s12、将所有页面图像输入文档结构化解析模块，该模块基于视觉-语言模型，一体化完成版面检测、文本识别与关系理解处理，视觉-语言模型同步执行三项操作：检测并分类标题、正文段落、表格、图注、页眉页脚在内的版面元素；识别各版面元素对应的文本内容；梳理并确定所有版面元素的阅读顺序与层级关系；

14、s13、通过解析处理生成层级化结构文本，该文本包含文档级标题树、章节层级、段落单元、表格行列关系、图注与对应正文的位置关联，该文本采用带层级标记的机器可处理格式，保留版面元素之间的相对位置与归属关系；

15、s14、针对所有提取的文本单元，逐一记录其在原始报告中的来源位置信息，来源位置信息包含页码、坐标范围、逻辑章节路径，最终生成并输出原始报告文本t。

16、优选地，s2中获取交易所对报告的规则和指引，并转换为披露事项集合，包括：

17、s21、输入交易所对企业环境、社会、公司治理报告的规则和指引，识别各条款对应的披露载体类型，披露载体类型包含董事会声明、政策文件、量化指标、目标承诺、治理结构；

18、s22、对各条款进行拆解处理，提取条款中所有可独立核验的独立信息要素，独立信息要素包含动作要素和信息要素；

19、s23、对提取得到的各信息要素进行句式改写，统一转换为自包含的核验问项，核验问项配置明确的主语和谓语，以二元核验逻辑定义披露状态，通过“是”判定该信息要素已明确披露，通过“否”判定该信息要素未披露或仅为隐性表述；

20、s24、按照预设命题拆分准则，对所有核验问项进行标准化规整，限定单个披露事项仅对应单一可核验声明，剔除复合式要求表述，规避多要素嵌套的事项结构，最终生成并输出披露事项集合r；

21、其中，披露事项集合r包含多个可独立核验的二元核验问项，各二元核验问项附带所属的条款标识与原始条款文本。

22、优选地，s3中将原始报告文本转换为命题集合，包括：

23、s31、输入原始报告文本t，遍历文本单元中的所有句子并进行语义分析，识别是否存在多并列谓语、多目的状语、分层修饰语在内的可分离语义成分；

24、s32、若识别出可分离语义成分，按照预设命题化处理约束对句子进行拆分，该约束包含三项内容：单个命题对应单一独立的语义单元；各命题具备原子属性，在不破坏原子性的前提下无法继续拆分；各命题采用可独立解释的上下文句式，设置明确的主语，保留指代关系解析结果；

25、s33、将拆分结果统一改写为简短陈述语句，形成原子命题；

26、s34、为各原子命题绑定来源位置信息，来源位置信息包含页码、段落、原始句子，同时记录必要上下文，必要上下文涵盖该原子命题所在的原始段落、相邻文本、所属章节标题，最终生成并输出命题集合p；

27、其中，本步骤通过调用具备受控语义分解能力的语言模型完成全部处理，语言模型运行过程中可调取中间推理过程，用于核查句子拆分环节是否因原文理解偏差生成错误推导内容。

28、优选地，s4中利用大语言模型对命题集合进行分类，得到解释类子集、披露类子集和残余项子集，包括：

29、s41、逐一调取命题集合p中的各原子命题，并绑定其对应的必要上下文，共同输入大语言模型中；

30、s42、按照预设功能分类体系对各原子命题进行类别判定，该分类体系包含三类互斥的命题类别：

31、解释类子集e，用于论证、限定、阐释相关事项，不提供具体披露内容的命题，包含未达目标的叙事性原因、无量化指标的定性描述；

32、披露类子集d，明确记载可度量数值、关键绩效指标、工作目标、管理制度、公开承诺、治理结构及其他具体可报告事项的命题，包含数值数据、具名指标、公示政策；

33、残余项命题，不属于解释类子集e、披露类子集d的命题，包含企业通用介绍、宣传口号、无实质操作内容的宽泛声明；

34、其中，本步骤以具备指令跟随与推理分析能力的大语言模型作为分类器，为各原子命题输出唯一对应的类别标签，本分类体系限定为三类类别结构，适配后续语义匹配业务需求，区别于通用多层级细分分类方式。

35、优选地，在方法开发阶段，调取并核查模型大语言模型分类的中间推理过程，统计识别各类别分类失效模式，分类失效模式包含将定性论证内容误判为定量披露内容、将愿景性表述误判为有效披露依据在内的情况，基于分类失效模式对分类判定准则进行迭代校准优化。

36、优选地，s5中对解释类子集、披露类子集与披露事项集合进行前向匹配和反向匹配，得到应解释命题集合、应披露命题集合、已解释要求集合和已披露要求集合，包括：

37、s51、输入披露事项集合r、解释类子集e和披露类子集d，并对应解释命题集合、应披露命题集合、已解释要求集合和已披露要求集合在内的中间变量进行定义；

38、s52、前向匹配，匹配方向为命题指向监管披露要求：

39、s521、遍历解释类子集e中的所有命题，分别与披露事项集合r中的各披露事项一一组合形成命题-披露事项配对；遍历披露类子集d中的所有命题，同样与披露事项集合r中的各披露事项一一组合形成命题-披露事项配对；

40、s522、将所有命题-披露事项配对输入作为二元语义判断器的语言模型进行判定，判定准则为类别约束下的语义蕴含关系，不采用字面相似度作为判定准则，区分两类判定准则：

41、解释匹配判定准则：命题能够对披露事项对应的主题进行说明、限定或论证，该命题不作为直接披露依据；

42、披露匹配判定准则：命题完整提供披露事项所请求的披露内容，请求的披露内容包含政策、治理安排、指标、目标及其他具体可报告事项；

43、s523、语言模型针对各命题-披露事项配对仅输出布尔结果“是”或“否”，若匹配判定结果为“是”，将该配对中的命题归类为应解释命题集合或应披露命题集合；若匹配判定结果为“否”，不记录该组配对关联；

44、s53、反向匹配，匹配方向为监管披露要求指向命题：

45、s531、筛选前向匹配中匹配判定结果为“是”的所有命题-披露事项配对；

46、s532、对于归类为应解释命题集合的命题-披露事项配对，将该配对中的披露事项归类为已解释要求集合；对于归类为应披露命题集合的命题-披露事项配对，将该配对中的披露事项归入已披露要求集合；

47、s533、反向匹配用于建立以披露事项为核心的溯源关联，针对任一披露事项，可检索到为其提供匹配支持的所有命题，以及各命题在原始报告中的来源位置信息，最终生成并输出应解释命题集合、应披露命题集合、已解释要求集合和已披露要求集合。

48、优选地，s51中对应解释命题集合、应披露命题集合、已解释要求集合和已披露要求集合在内的中间变量进行定义，包括：

49、应解释命题集合：前向匹配下匹配到至少一个披露事项的解释类命题构成的子集；

50、应披露命题集合：前向匹配下匹配到至少一个披露事项的披露类命题构成的子集；

51、已解释要求集合：反向匹配下存在对应解释类命题匹配支持的披露事项构成的子集；

52、已披露要求集合：反向匹配下存在对应披露类命题匹配支持的披露事项构成的子集。

53、优选地，基于s5输出的双向语义匹配结果，通过集合运算与数值计算生成三项核查指标，量化企业报告对披露事项的响应完整度：

54、1）静默要求集合n：

55、；

56、其中，n为静默要求集合，表示既无披露类支持又无解释类支持的监管披露要求集合，表示集合并运算，表示集合差运算；

57、2）静默披露占比sdr：

58、；

59、其中，sdr为静默披露占比，sdr值越小，表示未被响应的监管披露要求越少，为静默要求集合n的元素数量，为披露事项集合r的元素数量；

60、3）说明依赖占比edr：

61、；

62、其中，edr为说明依赖占比，edr值越小，表示对解释性响应的依赖越低、提供实质性披露而非叙事性论证的倾向越高，表示仅获得解释类支持而未获得披露类支持的披露事项集合。

63、优选地，该方法最终总体输出各披露事项的响应状态、支持各披露事项的命题及其来源位置信息、静默披露占比sdr、说明依赖占比edr和可追溯证据链，用于合规审阅、审计核查和内部管理。

64、（三）有益效果

65、与现有技术相比，本发明所提供的一种报告拆解及语义核查方法，具有以下有益效果：

66、1）采用文本与监管要求双侧原子化拆解，细化分析粒度，消除复合要素混杂导致的判断歧义

67、本发明分别对待核查报告文本与监管披露规则要求进行原子化处理：一方面，将企业报告原始文本拆解为具备独立语义的原子命题；另一方面，将监管规则、指引中的复合性披露要求，拆解为单一、可独立核验的原子化披露事项。基于双侧原子化处理结果，本方案将传统技术中原始文本与复合监管要求的整体粗粒度比对模式，转化为原子命题与原子化披露事项之间的一一对应细粒度比对模式，有效规避了单一处理单元内多语义内容、多要求要素混杂嵌套所引发的识别模糊、判定偏差等问题，显著提升文本识别、命题分类与语义匹配全流程的处理精度与分析粒度。

68、2）依托上下文辅助完成命题识别与分类，规避孤立判读缺陷，提升分类结果可靠性

69、本发明在对各原子命题进行语义识别、功能分类的过程中，并非基于孤立文本片段判定，而是结合原子命题所属原始段落、相邻文本、所属章节标题等必要上下文信息开展协同分析。通过语境信息辅助大语言模型精准解析原子命题的实际语义、指代关系、限定条件、表达目的及语境属性，可有效区分不同功能属性的文本内容，精准划分出用于提供实质性披露信息的披露类命题、用于阐释论证与条件说明的解释类命题，以及无有效支撑作用的冗余通用文本内容。本方案有效解决了单一文本片段判读忽略语境语义、指代歧义、限定缺失的技术问题，大幅提升原子命题功能分类结果的准确性与稳定性。

70、3）基于语义蕴含关系完成匹配判定，脱离字面约束，提升复杂文本匹配的准确性与鲁棒性

71、本发明摒弃传统关键词匹配、词频比对、字面重合度比对、固定模板匹配的局限方式，结合原子命题语义、上下文语境、命题功能分类结果以及原子化披露事项的核心要求，以语义蕴含关系作为核心判定依据，完成命题与监管要求的匹配校验。对于句式、词汇、表述形式不同但核心语义一致的命题与披露事项，可有效建立合法匹配关系；对于关键词相近，但在主体、适用对象、覆盖范围、时间维度、层级逻辑、语义倾向等核心要素存在差异的内容，可精准规避错误匹配。由此适配企业报告复杂叙事、表述灵活的文本特征，显著提升非结构化叙事文本与标准化监管要求之间匹配结果的准确性与抗干扰能力。

72、4）构建双向语义匹配关联体系，实现全链路可追溯核查，降低匹配遗漏风险

73、本发明设置前向匹配与反向匹配的双向语义匹配机制，形成双向闭环关联关系，其中，前向匹配以原子命题为核心，遍历匹配各原子化披露事项，确定单条命题可支撑、可对应的监管披露要求；反向匹配以原子化披露事项为核心，回溯匹配对应的全部原子命题，并同步关联命题在原始报告中的页码、段落、章节等溯源信息。该双向语义匹配机制既支持从报告文本维度定位对应的监管合规要求，也支持从监管要求维度回溯对应的原始报告依据及上下文内容，有效规避单向匹配带来的信息遗漏、关联缺失问题，为合规核查、人工复核、结果校验、审计溯源等工作提供完整、可追溯的数据支撑，提升整体核查流程的规范性与可信度。