执纪问责流程文书生成与定性量纪的系统、方法及存储介质与流程

摘要: 本发明涉及执纪管理的,特指一种执纪问责流程文书生成与定性量纪的系统、方法及存储介质。背景技术:1、建筑国企纪检执纪工作覆盖有多个执纪问责环节,并配套有数十套制式...
执纪问责流程文书生成与定性量纪的系统、方法及存储介质与流程

本发明涉及执纪管理的,特指一种执纪问责流程文书生成与定性量纪的系统、方法及存储介质。

背景技术:

1、建筑国企纪检执纪工作覆盖有多个执纪问责环节,并配套有数十套制式文书,传统办案模式完全依靠人工,存在如下问题:

2、(1)、执纪全流程文书人工起草工作量极大。七大执纪问责环节配套数十套标准化案卷与台账,人工撰写一份初核报告、审理文书耗时数天,易出现事实遗漏、纪法引用错误、流程要素缺失。

3、(2)、定性量纪裁量尺度难以统一。传统办案依靠个人经验匹配法规案例,针对分包围标、资金套取、管理人员亲属关联交易等工程特色违纪行为,同类案件处置畸轻畸重,易引发申诉复议;缺少从轻、减轻、从重情节的标准化综合研判机制。因此有必要进行改进。

技术实现思路

1、本发明的目的在于克服现有技术的缺陷,提供一种执纪问责流程文书生成与定性量纪的系统、方法及存储介质,解决现有的人工执纪工作存在文书人工起草工作量极大和定性量纪裁量尺度难以统一的问题。

2、实现上述目的的技术方案是:

3、本发明提供了一种执纪问责流程文书生成与定性量纪的方法,包括如下步骤:

4、构建执纪专属的法规库、案例库、制度库与文书模板库;

5、接收上传的案件材料,对接收的案件材料进行内容解析并抽取核心要素进而形成要素结构化数据;

6、从案件材料的解析内容中获取案件事实信息,根据获取的案件事实信息从所述法规库、所述案例库和所述制度库召回相匹配的法规数据、案例数据和制度数据;

7、接收选择的文书类型,根据接收的文书类型从所述文书模板库中加载对应的模板数据;

8、将所述要素结构化数据填充至加载的模板数据中对应的字段处以形成文书文件;

9、将所述文书文件与召回的法规数据、案例数据和制度数据一起发送给大模型,利用大模型生成文书的正文内容,将大模型生成的文书的正文内容填充至所述文书文件中,从而完成文书的生成。

10、本发明执纪问责流程文书生成与定性量纪的方法的进一步改进在于,在完成文书生成后,将生成的文书文件发送给ai模型进行文书评查;

11、接收ai模型给出的评查结果并保存。

12、本发明执纪问责流程文书生成与定性量纪的方法的进一步改进在于,对接收的案件材料进行内容解析并抽取核心要素进而形成要素结构化数据的步骤包括:

13、对接收的案件材料进行内容解析以得到案件材料的解析内容;

14、从案件材料的解析内容中抽取案件所涉及的人员姓名、职务、涉案金额、违纪事实描述与时间节点信息作为核心要素;

15、将抽取的核心要素填充至结构化数据字段从而形成要素结构化数据。

16、本发明执纪问责流程文书生成与定性量纪的方法的进一步改进在于,根据获取的案件事实信息从所述法规库、所述案例库和所述制度库召回相匹配的法规数据、案例数据和制度数据的步骤包括:

17、利用案件事实信息在所述法规库、所述案例库和所述制度库中进行语义相似度检索,进而得到第一检索结果;

18、从案件事实信息中提取关键词,利用提取的关键词在所述法规库、所述案例库和所述制度库中进行全文检索,进而得到第二检索结果;

19、将所述第一检索结果和所述第二检索结果相混合作为召回的法规数据、案例数据和制度数据。

20、本发明执纪问责流程文书生成与定性量纪的方法的进一步改进在于,接收的文书类型包括信访线索类型、谈话函询类型、初步核实类型、立案审查类型、案件审理类型、追责问责类型和案件评查类型。

21、本发明还提供了一种存储介质,所述存储介质上存储有执纪问责流程文书生成与定性量纪的方法的程序,所述执纪问责流程文书生成与定性量纪的方法的程序被处理器执行时实现所述的执纪问责流程文书生成与定性量纪的方法的步骤。

22、本发明又提供了一种执纪问责流程文书生成与定性量纪的系统,包括:

23、资源库构建单元,用于构建执纪专属的法规库、案例库、制度库与文书模板库;

24、材料接收单元,用于接收上传的案件材料;

25、材料解析单元,与所述材料接收单元连接,所述材料解析单元用于对所述材料接收单元接收的案件材料进行内容解析并抽取核心要素进而形成要素结构化数据;

26、知识召回单元,与所述材料解析单元和所述资源库构建单元连接,所述知识召回单元用于从案件材料的解析内容中获取案件事实信息,进而根据获取的案件事实信息从所述法规库、所述案例库和所述制度库召回相匹配的法规数据、案例数据和制度数据;

27、文书类型接收单元,用于接收选择的文书类型;

28、文书生成单元,与所述文书类型接收单元、所述资源库构建单元和所述材料解析单元连接,所述文书生成单元用于根据所述文书类型接收单元接收的文书类型从所述文书模板库中加载对应的模板数据,还用于将所述材料解析单元中的要素结构化数据填充至加载的模板数据中对应的字段处以形成文书文件;

29、文书处理单元,与所述文书生成单元、所述知识召回单元以及大模型连接,所述文书处理单元用于将所述文书生成单元的文书文件和所述知识召回单元召回的法规数据、案例数据和制度数据一起发送给大模型,接收大模型反馈的文书的正文内容,并将文书的正文内容填充至所述文书文件中以完成文书的生成。

30、本发明执纪问责流程文书生成与定性量纪的系统的进一步改进在于,还包括与所述文书处理单元连接的ai评查单元,所述ai评查单元还与ai模型连接;

31、所述ai评查单元用于将所述文书处理单元生成的文书文件发送给ai模型进行文书评查,接收ai模型给出的评查结果并保存。

32、本发明执纪问责流程文书生成与定性量纪的系统的进一步改进在于,所述材料解析单元包括内容解析模块、要素抽取模块以及结构化数据形成模块;

33、所述内容解析模块用于对接收的案件材料进行内容解析以得到案件材料的解析内容;

34、所述要素抽取模块用于从所述内容解析模块得到的解析内容中抽取案件所涉及的人员姓名、职务、涉案金额、违纪事实描述与时间节点信息作为核心要素;

35、所述结构化数据形成模块用于将所述要素抽取模块得到的核心要素填充至结构化数据字段从而形成要素结构化数据。

36、本发明执纪问责流程文书生成与定性量纪的系统的进一步改进在于,所述知识召回单元包括相似度召回模块、关键词召回模块和结果混合模块;

37、所述相似度召回模块用于利用案件事实信息在所述法规库、所述案例库和所述制度库中进行语义相似度检索,进而得到第一检索结果;

38、所述关键词召回模块用于从案件事实信息中提取关键词,利用提取的关键词在所述法规库、所述案例库和所述制度库中进行全文检索,进而得到第二检索结果;

39、所述结果混合模块用于将所述相似度召回模块的第一检索结果与所述关键词找回模块的第二检索结果相混合作为召回的法规数据、案例数据和制度数据。

40、本发明执纪问责流程文书生成与定性量纪的系统、方法及存储介质的有益效果为:

41、本发明的系统与方法,能够根据需要自动生成相应类型的文书文件,使得执纪文书制作效率大幅提升,将人工数日案卷撰写、法规检索等工作可压缩至分钟级自动生成,大幅减少重复手工填报的工作,能够显著降低事务性工作负担。

42、本发明的系统与方法,依托案例库中的案例、法规库中的法规以及制度库中的制度等数据,统一执纪问责裁量尺度,同类案件的裁量偏差显著降低,有效减少畸轻畸重和申诉复议等的问题。

43、本发明的系统与方法,通过ai模型对文书文件进行评查,实现自动识别文书程序、要素与引用等瑕疵,消除人工评查漏检、标准不统一等的缺陷,提升案卷整体质量。