统一多模态反洗钱质检模型的构建方法、装置、设备及存储介质与流程
本技术涉及数据处理,尤其涉及统一多模态反洗钱质检模型的构建方法、装置、设备及存储介质。
背景技术:
1、反洗钱尽职调查(简称尽调)是金融机构履行反洗钱义务的核心环节。为提升反洗钱监管效能,需要在高净值客户的新客准入、定期检视及风险事件触发场景中强化尽职调查。
2、当前的反洗钱尽调质检由文本和图片等不同能力承担,由于这些能力对应的模态不同,导致现有方案需要将其分配到不同的处理通道,增加了系统整合与维护负担。
技术实现思路
1、本技术的主要目的在于提供一种统一多模态反洗钱质检模型的构建方法、装置、设备及存储介质,旨在解决现有的反洗钱尽调质检方式增加了系统整合与维护负担的技术问题。
2、为实现上述目的,本技术提出一种统一多模态反洗钱质检模型的构建方法,所述统一多模态反洗钱质检模型的构建方法包括:
3、获取尽调数据以及所述尽调数据对应的反洗钱质检规则;
4、获取所述反洗钱质检规则对应的预设映射关系,并根据所述预设映射关系从所述尽调数据中确定出所依赖字段对应的字段值以及质检路径;其中,所述预设映射关系至少包含所述反洗钱质检规则所依赖字段以及各所述字段对应的模态类型,所述模态类型与所述质检路径存在关联关系;
5、根据所述质检路径对所述字段值进行质检得到的质检结论确定标注数据,并通过所述标注数据进行多模态模型训练,得到统一多模态反洗钱质检模型。
6、在一实施例中,所述根据所述质检路径对所述字段值进行质检得到的质检结论确定标注数据的步骤,包括:
7、将所述反洗钱质检规则以及所述字段值输入至所述质检路径对应的质检接口,并通过所述质检接口推理得到所述字段值对应的质检结论和判断理由;
8、对所述质检结论进行合规性校验,得到合规校验后的所述质检结论;
9、将合规校验后的所述质检结论、所述判断理由、所述反洗钱质检规则以及对应的所述字段值进行关联,得到所述反洗钱质检规则对应的标注数据。
10、在一实施例中,所述通过所述标注数据进行多模态模型训练,得到统一多模态反洗钱质检模型的步骤,包括:
11、将所述质检结论作为多模态教师模型的目标推理结论,并将所述判断理由、所述反洗钱质检规则以及对应的所述字段值输入至多模态教师模型进行生成所述目标推理结论的推理,得到实际推理结论与思维链推理过程;
12、根据所述目标推理结论和所述实际推理结论进行一致性校验,并在校验通过时,将所述思维链推理过程、所述质检结论和所述判断理由作为监督目标,对多模态学生模型进行监督微调训练,得到统一多模态反洗钱质检模型。
13、在一实施例中,在对所述多模态学生模型执行监督微调时,采用lora进行参数更新。
14、在一实施例中,所述根据所述预设映射关系从所述尽调数据中确定出所依赖字段对应的字段值以及质检路径的步骤,包括:
15、根据所述预设映射关系中的字段标识在所述尽调数据中提取与所述字段标识对应的字段值以及模态类型,并将所述字段值作为所述尽调数据所依赖字段的字段值;
16、根据所述模态类型确定所述依赖字段的质检路径。
17、在一实施例中,所述获取所述反洗钱质检规则对应的预设映射关系的步骤之前,还包括:
18、将预设反洗钱映射规则的规则文本与预设字段目录共同输入至大语言模型;其中,所述预设字段目录中的每个预设字段至少包含字段名称和字段说明;
19、利用所述大语言模型确定所述规则文本和各所述预设字段对应的所述字段名称和所述字段说明之间的语义相关性,并基于所述语义相关性从所述预设字段目录中选择与所述预设反洗钱映射规则相关的目标预设字段;
20、建立所述目标预设字段与所述预设反洗钱映射规则之间的预设映射关系。
21、在一实施例中,所述获取所述反洗钱质检规则对应的预设映射关系的步骤之前,还包括:
22、当所述预设映射关系发生变更时,获取变更后的所述预设映射关系;
23、基于变更后所述预设映射关系返回执行所述根据所述预设映射关系从所述尽调数据中确定出所依赖字段对应的字段值以及质检路径的步骤。
24、此外,为实现上述目的,本技术还提出一种统一多模态反洗钱质检模型的构建装置,所述统一多模态反洗钱质检模型的构建装置包括:
25、数据获取模块,用于获取尽调数据以及所述尽调数据对应的反洗钱质检规则;
26、映射管理模块,用于获取所述反洗钱质检规则对应的预设映射关系,并根据所述预设映射关系从所述尽调数据中确定出所依赖字段对应的字段值以及质检路径;其中,所述预设映射关系至少包含所述反洗钱质检规则所依赖字段以及各所述字段对应的模态类型,所述模态类型与所述质检路径存在关联关系;
27、模型构建模块,用于根据所述质检路径对所述字段值进行质检得到的质检结论确定标注数据,并通过所述标注数据进行多模态模型训练,得到统一多模态反洗钱质检模型。
28、此外,为实现上述目的,本技术还提出一种统一多模态反洗钱质检模型的构建设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序配置为实现如上文所述的统一多模态反洗钱质检模型的构建方法的步骤。
29、此外,为实现上述目的,本技术还提出一种存储介质,所述存储介质为计算机可读存储介质,所述存储介质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如上文所述的统一多模态反洗钱质检模型的构建方法的步骤。
30、此外,为实现上述目的,本技术还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现如上文所述的统一多模态反洗钱质检模型的构建方法的步骤。
31、本技术提出的一个或多个技术方案,至少具有以下技术效果:
32、本技术通过获取尽调数据以及尽调数据对应的反洗钱质检规则;获取反洗钱质检规则对应的预设映射关系,并根据预设映射关系从尽调数据中确定出所依赖字段对应的字段值以及质检路径;其中,预设映射关系至少包含反洗钱质检规则所依赖字段以及各字段对应的模态类型,模态类型与质检路径存在关联关系;根据质检路径对字段值进行质检得到的质检结论确定标注数据,并通过标注数据进行多模态模型训练,得到统一多模态反洗钱质检模型。由于预设映射关系至少包含反洗钱质检规则所依赖字段,在获取预设映射关系之后,能够确定每条反洗钱质检规则在尽调数据中实际需要的字段,进而从尽调数据中确定出所依赖字段对应的字段值,因此尽调数据中与质检无关的字段不会进入后续处理,避免了无关字段对质检处理的干扰;并且,当反洗钱质检规则发生增减或调整时,仅需更新发生变化规则对应的预设映射关系,无需修改整体的数据处理逻辑,从而降低了质检规则维护的处理成本。由于标注数据由文本模态与图片模态的质检结果共同构成,通过标注数据进行多模态模型训练,训练所用的监督数据同时覆盖文本与图片两种模态,因此训练完成后得到的统一多模态反洗钱质检模型在单一模型内同时具备文本模态与图片模态的质检能力。应用统一多模态反洗钱质检模型对尽调数据执行质检时,文本内容与图片内容无需再分配到不同的处理通道,也无需再由相互独立的文本质检能力与图片质检能力分别承担,由不同模态能力分通道处理所导致的系统整合与维护负担随之消除,从而解决了现有的反洗钱尽调质检方式增加了系统整合与维护负担的技术问题。
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