基于规则引擎与大语言模型的检测结论合并方法及装置与流程

本发明涉及数据处理。具体而言，本发明涉及一种应用于检测报告生成系统的、基于规则引擎与大语言模型的检测结论合并方法及装置，用于对由多项检查结果生成的多条结论记录执行自动合并处理。

背景技术：

1、检测报告生成系统的通行处理链路是：对目标对象的各项检查指标执行异常识别，再以识别出的异常指标为键在知识库中匹配结论条目，为每一项异常生成一条结论记录。一条结论记录通常携带记录标识、结论名称、检索名称、可合并类别标签、解释说明文本、处理建议、风险等级、权重、排序位置、结论依据与风险因素等多维度字段。在报告呈现阶段，这些结论记录被组织为列表输出。

2、现有系统对多条结论记录的合并主要沿三条路线展开。其一，关联识别侧采用人工预设的固定映射表，或将合并规则以硬编码方式写入报告生成程序；其二，字段聚合侧对合并组内的全部字段一律采用统一算子——文本类字段字符串拼接、数值类字段取平均或直接沿用首条记录的取值；其三，建议文本侧将组内各条处理建议按顺序直接拼接，并在超出机构配置的篇幅上限时按字符位置截断。合并结果的输出顺序则直接沿用合并遍历的产生顺序。现有技术主要是上述固定映射表路线。该路线以"结论名称—合并后名称"的一一枚举方式建表：表中每一行登记一组待合并的结论名称与其合并后的呈现名称，报告生成时以结论名称在表中查找，命中同一行的记录被合并展示。由于表的键是结论名称的完整枚举，其表达能力被限制在"全等匹配"上；而实际业务中的可合并关系是"若干个必备类别同时出现则合并，另有若干个可选类别出现时一并纳入"的组合关系。为覆盖这种组合关系，映射表必须对组合做笛卡尔展开，行数随类别数呈组合增长。同时，由于表与规则均随程序发布，不同机构的差异化合并需求需要修改代码并重新发布。

3、上述做法在实际应用中存在如下技术问题。第一，缺乏可配置的关联识别机制并对异质字段施加同一聚合算子，使合并结果在多个维度上退化：一方面，全等匹配无法覆盖组合型的可合并关系，语义关联的结论记录难以被系统化识别，报告条目冗余、重点分散；另一方面，风险等级是有序的等级量、权重是可累加的强度量、排序位置是位次量，三者的业务语义互不相同，统一取平均或沿用首条取值会使合并后的记录在风险等级上被拉低、在权重上丢失累积、在排序位置上后移；此外，合并遍历会打乱记录在原始数据集中的相对位置，组内顺序与整体排序随之错乱。第二，合并建议由多条处理建议直接拼接而成，语义重复且篇幅不可控：多条建议之间常存在表述不同而含义相同的信息点，顺序拼接不做语义级合并，篇幅随组内记录数线性增长；而按字符位置截断的切割点与信息点的重要程度无关，容易在丢弃冗余表述之前先丢弃关键信息点。

技术实现思路

1、针对上述现有技术中因缺乏可配置的关联识别机制、对异质字段施加同一聚合算子而导致的合并结果冗余、字段属性失真与组内顺序错乱的问题，以及合并建议语义重复且篇幅不可控的问题，本发明提供一种基于规则引擎与大语言模型的检测结论合并方法及装置。

2、本发明提供一种基于规则引擎与大语言模型的检测结论合并方法，包括：获取原始结论数据集，为每条含可合并类别标签与处理建议的结论记录附加原始索引；按生效范围从规则库中筛选出对当前机构有效的、包含主合并条件与附属合并条件的目标规则集合；将每条所述结论记录的可合并类别标签分别与所述目标规则集合中的主合并条件及附属合并条件求交集，在交集覆盖相应合并条件全部元素时标记为可合并主结论或可合并附属结论；以所述可合并主结论为基准双重遍历所述原始结论数据集，将所述可合并主结论与所述可合并附属结论归入同一合并组并按所述原始索引恢复组内顺序，得到合并组集合；对每个所述合并组执行字段差异化聚合，其中风险等级取最小值、权重求和、排序位置取最小值、文本去重拼接，得到聚合后结论记录；将每个所述合并组内的各条处理建议输入大语言模型，在动态字数限制内语义去重融合，将得到的合并建议写入所述聚合后结论记录并输出合并后结论数据集。

3、进一步地，所述将每条所述结论记录的可合并类别标签分别与所述目标规则集合中的主合并条件及附属合并条件求交集，在交集覆盖相应合并条件全部元素时标记为可合并主结论或可合并附属结论，包括：将所述目标规则集合中每条合并规则的主合并条件按预设分隔符拆分为主条件元素集合，将所述每条合并规则的附属合并条件按所述预设分隔符拆分为附属条件元素集合；对每条所述结论记录，计算该条结论记录的可合并类别标签与所述主条件元素集合的交集元素数量，在所述交集元素数量不小于所述主条件元素集合的元素总数时，将该条结论记录标记为可合并主结论并记录命中的合并规则标识；对每条所述结论记录，计算该条结论记录的可合并类别标签与所述附属条件元素集合的交集元素数量，在所述交集元素数量不小于所述附属条件元素集合的元素总数时，将该条结论记录标记为可合并附属结论并记录命中的合并规则标识。

4、进一步地，所述对每条所述结论记录，计算该条结论记录的可合并类别标签与所述主条件元素集合的交集元素数量，在所述交集元素数量不小于所述主条件元素集合的元素总数时，将该条结论记录标记为可合并主结论并记录命中的合并规则标识，包括：将该条结论记录的可合并类别标签转换为去重后的标签元素集合；按规则序号依次遍历所述目标规则集合中的各条合并规则，对当前遍历到的合并规则，取所述标签元素集合与所述主条件元素集合的交集，得到当前交集元素数量；在所述当前交集元素数量小于所述主条件元素集合的元素总数时，继续遍历下一条合并规则；在所述当前交集元素数量不小于所述主条件元素集合的元素总数时，将该条结论记录标记为可合并主结论，并将当前遍历到的合并规则的规则标识与所述主条件元素集合一并写入该条结论记录的命中主条件字段；在遍历完成后存在多条合并规则被命中时，保留规则序号最小的合并规则的规则标识作为所述命中的合并规则标识；在所述标签元素集合为空或该条结论记录带有缺失数据标记时，跳过该条结论记录，不对该条结论记录执行标记。

5、进一步地，所述对每个所述合并组执行字段差异化聚合，其中风险等级取最小值、权重求和、排序位置取最小值、文本去重拼接，得到聚合后结论记录，包括：对所述合并组内各条结论记录的结论名称去重后按预设分隔符拼接，作为所述聚合后结论记录的结论名称；取所述合并组内各条结论记录的风险等级中的最小值，作为所述聚合后结论记录的风险等级；对所述合并组内各条结论记录的权重求和，作为所述聚合后结论记录的权重；取所述合并组内各条结论记录的排序位置中的最小值，作为所述聚合后结论记录的排序位置；对所述合并组内各条结论记录的锁定状态执行逻辑或运算，作为所述聚合后结论记录的锁定状态；对所述合并组内各条结论记录的结论依据与风险因素分别按名称去重合并，作为所述聚合后结论记录的结论依据与风险因素；对所述合并组内各条结论记录的解释说明文本去除原有序号后重新编号并拼接，作为所述聚合后结论记录的解释说明文本；将所述合并组内各条结论记录的记录标识汇总为合并标识列表，写入所述聚合后结论记录。

6、进一步地，所述对所述合并组内各条结论记录的解释说明文本去除原有序号后重新编号并拼接，作为所述聚合后结论记录的解释说明文本，包括：按预设序号模式识别所述合并组内各条结论记录的解释说明文本中的原有序号，并将识别到的原有序号从所述解释说明文本中剥离，得到无序号文本片段集合；对所述无序号文本片段集合中的各文本片段按所述合并组内结论记录的排列顺序去重，得到待编号文本片段序列；在所述待编号文本片段序列的片段数量大于一时，按序号递增规则为各文本片段添加括号序号，并以句号分隔拼接；在所述待编号文本片段序列的片段数量等于一时，不添加序号，并在该文本片段末尾补充句号；在所述待编号文本片段序列为空时，不添加序号且不补充标点；将拼接结果作为所述聚合后结论记录的解释说明文本。

7、进一步地，所述将每个所述合并组内的各条处理建议输入大语言模型，在动态字数限制内语义去重融合，将得到的合并建议写入所述聚合后结论记录并输出合并后结论数据集，包括：将所述合并组内各条结论记录的结论名称汇总为结论名称集合，并将所述结论名称集合与预置建议库中的名称字段求交集；在所述交集的元素数量等于所述结论名称集合的元素数量时，采用所述预置建议库中与所述结论名称集合对应的建议字段作为合并建议；在所述交集的元素数量小于所述结论名称集合的元素数量时，将所述合并组内的各条处理建议以预设分隔符拼接为待融合文本，将所述待融合文本输入大语言模型，在动态字数限制内语义去重融合，得到合并建议；将所述合并组内各条结论记录的风险提示信息附加于所述合并建议之后，并对附加后的合并建议去除原有序号后重新编号，得到编号后的合并建议；将所述编号后的合并建议写入所述聚合后结论记录，并将所述聚合后结论记录与未归入任何合并组的结论记录按所述排序位置排序，输出合并后结论数据集。

8、进一步地，所述在所述交集的元素数量小于所述结论名称集合的元素数量时，将所述合并组内的各条处理建议以预设分隔符拼接为待融合文本，将所述待融合文本输入大语言模型，在动态字数限制内语义去重融合，得到合并建议，包括：读取当前机构配置的建议字数上限；在所述建议字数上限不小于第一阈值时，将所述动态字数限制取为所述建议字数上限与第一预留值之差；在所述建议字数上限小于所述第一阈值且不小于第二阈值时，将所述动态字数限制取为所述建议字数上限与第二预留值之差，所述第二阈值小于所述第一阈值，所述第二预留值小于所述第一预留值；在所述建议字数上限小于所述第二阈值且不小于第三阈值时，将所述动态字数限制取为所述建议字数上限与第三预留值之差，所述第三阈值小于所述第二阈值，所述第三预留值小于所述第二预留值；将所述待融合文本与约束条件一并输入所述大语言模型，所述约束条件包括仅基于所述待融合文本生成、保持专业术语、去除语义重复且保留全部关键信息点、以单个自然段输出、以及输出字数不超过所述动态字数限制；将所述大语言模型的输出作为所述合并建议。

9、进一步地，所述以所述可合并主结论为基准双重遍历所述原始结论数据集，将所述可合并主结论与所述可合并附属结论归入同一合并组并按所述原始索引恢复组内顺序，得到合并组集合，包括：以所述可合并主结论为外层遍历对象，以所述原始结论数据集中的结论记录为内层遍历对象，对外层遍历到的每条结论记录与内层遍历到的每条结论记录执行配对判定；在内层遍历到的结论记录的记录标识、检索名称与结论名称均与外层遍历到的结论记录相同时，跳过当前配对，不执行归组；在内层遍历到的结论记录被标记为可合并主结论或可合并附属结论、且未被标记为已合并时，将内层遍历到的结论记录并入外层遍历到的结论记录所属的合并组，并将内层遍历到的结论记录标记为已合并；在外层遍历到的结论记录未归属任何合并组时，以外层遍历到的结论记录新建合并组；对结论名称集合存在交集的两个合并组执行组间合并，并对合并后的合并组的结论记录与结论名称集合执行去重；按所述原始索引对每个所述合并组内的结论记录升序排列，并按排列后的顺序重建所述合并组的结论名称集合与检索名称集合。

10、进一步地，所述按生效范围从规则库中筛选出对当前机构有效的、包含主合并条件与附属合并条件的目标规则集合，包括：从所述规则库中读取全部合并规则，每条所述合并规则带有主合并条件、附属合并条件及生效范围字段；读取当前机构的公共规则启用配置；在所述公共规则启用配置指示不启用公共规则时，过滤掉所述生效范围字段取值为公共范围标识的合并规则；对所述生效范围字段取值非公共范围标识的合并规则，将所述生效范围字段解析为机构标识集合，在当前机构的机构标识不属于所述机构标识集合时过滤掉该条合并规则；将未被过滤掉的合并规则构成所述目标规则集合。

11、进一步地，所述方法还包括：读取当前机构的项目分组配置，所述项目分组配置指示属于同一检查项目组合的检查项目标识集合；根据所述项目分组配置，将所述原始结论数据集中检查项目标识属于同一检查项目标识集合的结论记录归入同一项目合并列表；在所述项目合并列表内的结论记录数量大于一时，对所述项目合并列表内的结论记录执行项目级字段聚合，得到项目合并后结论记录，并以所述项目合并后结论记录替换所述原始结论数据集中相应的结论记录；在所述项目合并列表内的结论记录数量等于一时，保留所述项目合并列表内的结论记录。

12、本发明还提供一种基于规则引擎与大语言模型的检测结论合并装置，包括：数据获取模块，用于获取原始结论数据集，为每条含可合并类别标签与处理建议的结论记录附加原始索引；规则筛选模块，用于按生效范围从规则库中筛选出对当前机构有效的、包含主合并条件与附属合并条件的目标规则集合；条件匹配模块，用于将每条所述结论记录的可合并类别标签分别与所述目标规则集合中的主合并条件及附属合并条件求交集，在交集覆盖相应合并条件全部元素时标记为可合并主结论或可合并附属结论；合并组构建模块，用于以所述可合并主结论为基准双重遍历所述原始结论数据集，将所述可合并主结论与所述可合并附属结论归入同一合并组并按所述原始索引恢复组内顺序，得到合并组集合；字段聚合模块，用于对每个所述合并组执行字段差异化聚合，其中风险等级取最小值、权重求和、排序位置取最小值、文本去重拼接，得到聚合后结论记录；语义融合模块，用于将每个所述合并组内的各条处理建议输入大语言模型，在动态字数限制内语义去重融合，将得到的合并建议写入所述聚合后结论记录并输出合并后结论数据集。

13、采用上述技术方案，本发明具有以下技术效果。由于将合并关系表达为"主合并条件与附属合并条件"的二元条件结构，并以可合并类别标签与条件元素集合的交集覆盖判定替代结论名称的全等匹配，判定所依据的是必备类别是否被完整包含，而不是名称组合是否被逐一枚举，因此组合型的可合并关系不再需要在规则表中做笛卡尔展开；由于合并规则携带生效范围字段并在匹配前按机构收敛为目标规则集合，机构差异化的合并需求由数据配置承载而非由程序分支承载；由于对合并组内的异质字段分派各自的聚合算子——风险等级取最小值使合并结果不低于组内最高风险等级、权重求和使组内强度得到累积、排序位置取最小值使合并项保持组内最靠前的位次，合并后的记录在风险等级、权重与排序位置三个维度上不再被同一算子拉平；由于在建组阶段为每条结论记录附加原始索引并在组内按该索引升序复位，遍历顺序与呈现顺序被解耦，合并操作不再向输出引入顺序扰动。上述机制共同消除了报告条目冗余、字段属性失真与组内顺序错乱。此外，由于合并建议先在预置建议库中按结论名称集合做整组匹配、未命中时才交由大语言模型在动态字数限制内做语义级去重融合，去重的判据是信息点的语义等价而非字符位置，而字数限制又按机构配置的建议字数上限分段预留了后续编号与风险提示所需的空间，因此合并建议在保留全部关键信息点的同时篇幅确定可控，解决了直接拼接冗长重复、按字符截断丢失关键信息点的问题。