目标业务对象的分析报告的生成方法及装置、电子设备与流程
本发明涉及人工智能或其他相关领域,具体而言,涉及一种目标业务对象的分析报告的生成方法及装置、电子设备。
背景技术:
1、在金融信贷业务中,传统履职报告生成依赖人工从信贷业务、人力资源、风险监控等多个独立系统中提取数据,由于各系统数据格式(如xml、csv、api接口)及编码规则异构,导致数据整合效率低、误差率高,且难以实现跨系统数据的语义关联。同时,现有大语言模型在生成报告时缺乏领域专业知识,易产生无数据支撑的“幻觉”数据,且缺乏有效的实时纠偏机制;此外,现有报告质量管控主要依赖人工审核,缺乏自动化的数据溯源与逻辑一致性校验手段,无法保证报告数据的真实性与计算逻辑的严谨性。
2、针对上述的问题,目前尚未提出有效的解决方案。
技术实现思路
1、本技术的主要目的在于提供一种目标业务对象的分析报告的生成方法及装置、电子设备,以至少解决相关技术中履职评估中难以克服对跨系统异构数据进行整合的误差率高,容易引发模型推理幻觉,导致对目标业务对象的分析报告不精准的技术问题。
2、为了实现上述目的,根据本技术的一个方面,提供了一种目标业务对象的分析报告的生成方法,该方法包括:响应于针对目标业务对象的分析请求,从n个异构数据源获取与所述目标业务对象关联的多源异构数据,其中,所述分析请求中携带有用于标识所述目标业务对象的唯一标识符,n为正整数;对所述多源异构数据进行清洗预处理和格式标准化预处理,并对预处理后的所述多源异构数据进行语义关联分析,得到标准化数据集,其中,所述标准化数据集包含基于预设的实体关系模型构建的知识图谱关联信息;将所述标准化数据集作为约束条件输入至大语言模型,通过幻觉抑制机制控制模型生成过程,得到目标分析数据,其中,所述大语言模型预先进行领域调整,所述幻觉抑制机制用于:在模型生成过程中,依据预设的逻辑校验规则和所述标准化数据集对中间生成内容进行实时校验,并在校验结果异常时生成修正指令以引导模型重新生成;对所述目标分析数据进行多重验证,并在验证通过的情况下,基于所述目标分析数据生成针对所述目标业务对象的分析报告文件,其中,所述多重验证至少包含:业务逻辑验证与数据溯源验证。
3、进一步地,对所述多源异构数据进行清洗预处理的步骤,包括:对于所述多源异构数据中的数值型数据,采用基于统计分布的异常值检测算法,在待检测的数值型数据与数据均值的标准差倍数超过第一预设阈值的情况下,判定该数值型数据为异常值,并剔除该异常值;对于所述多源异构数据中的文本数据,采用孤立森林算法对待检测的所述文本数据进行异常评分,在所述异常评分超过第二预设阈值的情况下,判定为该文本数据为无效记录,并剔除该无效记录;对于所述多源异构数据中的缺失字段,采用基于同属性样本均值的领域插值法生成待填充的插值数据,并使用该插值数据对所述缺失字段进行补全。
4、进一步地,对预处理后的所述多源异构数据进行语义关联分析,得到标准化数据集的步骤,包括:分析所述多源异构数据中包含的业务记录和用户记录,并获取每条所述业务记录的业务标识、每条用户记录的用户标识;基于所述业务标识和所述用户标识构建核心节点,基于所述多源异构数据中的人员信息、业务信息、风险预警信息构建附属节点,并基于所述多源异构数据构建每个节点与其他节点之间的关联边,得到关联图谱;采用图神经网络算法,计算每个所述核心节点与每个所述附属节点之间的关联权重;将所述关联图谱和关联权重作为所述知识图谱关联信息存储于图数据库中,得到所述标准化数据集。
5、进一步地,通过幻觉抑制机制控制模型生成过程的步骤,包括:依据预设的逻辑校验规则和所述标准化数据集,生成包含数据边界约束的分析指令,其中,所述分析指令包括:分析对象标识、数据时间范围、数据来源系统标识以及所述标准化数据集的关键字段摘要哈希值;将所述分析指令及所述标准化数据集作为输入提示,输入至所述大语言模型,其中,所述输入提示用于限定模型的数据输入范围,并禁止模型引入外部数据或生成未提供的信息。
6、进一步地,在模型生成过程中,依据预设的逻辑校验规则和所述标准化数据集对中间生成内容进行实时校验,并在校验结果异常时基于异常校验结果生成修正指令以引导模型重新生成的步骤,包括:采用滑动窗口机制,每生成预设字符数量的所述中间生成内容的情况下,提取所述中间生成内容中的量化数据和逻辑判断结论;将所述量化数据代入至预设的逻辑校验规则库中的标准计算公式,计算得到数据误差,并在所述数据误差超过第三预设阈值的情况下,判定为量化数据异常;将所述逻辑判断结论与预设的逻辑校验规则库中的逻辑关联规则进行匹配,并计算匹配度,在所述匹配度低于第四预设阈值的情况下,判定为逻辑结论异常;在判定出现所述量化数据异常或所述逻辑结论异常的情况下,生成包含异常类型、错误位置及标准数据的修正指令,并将所述修正指令反馈至所述大语言模型的输入层以触发重新生成。
7、进一步地,对所述目标分析数据进行多重验证的步骤,包括:调用预设的逻辑校验规则库,对所述目标分析数据中所有涉及量化计算的数据指标进行二次独立计算,得到数据复核结果;将所述数据复核结果与所述目标分析数据中对应的量化数据进行比对,在比对结果一致且逻辑关联规则校验通过的情况下,判定为业务逻辑验证通过;在所述比对结果不一致或逻辑关联规则校验不通过的情况下,生成校验失败标识,并阻断分析报告文件的生成流程。
8、进一步地,对所述目标分析数据进行多重验证,并在验证通过的情况下,基于所述目标分析数据生成针对所述目标业务对象的分析报告文件的步骤,还包括:基于所述知识图谱关联信息对所述目标分析数据中的每一项量化数据进行数据溯源验证;在数据溯源验证通过且业务逻辑验证通过的情况下,基于所述知识图谱关联信息,为所述目标分析数据中的每一项量化数据生成唯一的溯源标识,其中,所述溯源标识包含:数据来源的系统名称、数据表名、数据录入时间以及计算该量化数据的中间变量值;在生成所述分析报告文件时,建立所述溯源标识与所述分析报告文件中量化数据位置的映射关系,其中,所述映射关系用于实现点击溯源标识即定位跳转至原始数据源及计算过程。
9、为了实现上述目的,根据本技术的另一方面,还提供了一种目标业务对象的分析报告的生成装置,该装置包括:获取单元,用于响应于针对目标业务对象的分析请求,从n个异构数据源获取与所述目标业务对象关联的多源异构数据,其中,所述分析请求中携带有用于标识所述目标业务对象的唯一标识符,n为正整数;分析单元,用于对所述多源异构数据进行清洗预处理和格式标准化预处理,并对预处理后的所述多源异构数据进行语义关联分析,得到标准化数据集,其中,所述标准化数据集包含基于预设的实体关系模型构建的知识图谱关联信息;输入单元,用于将所述标准化数据集作为约束条件输入至大语言模型,通过幻觉抑制机制控制模型生成过程,得到目标分析数据,其中,所述大语言模型预先进行领域调整,所述幻觉抑制机制用于:在模型生成过程中,依据预设的逻辑校验规则和所述标准化数据集对中间生成内容进行实时校验,并在校验结果异常时生成修正指令以引导模型重新生成;验证单元,用于对所述目标分析数据进行多重验证,并在验证通过的情况下,基于所述目标分析数据生成针对所述目标业务对象的分析报告文件,其中,所述多重验证至少包含:业务逻辑验证与数据溯源验证。
10、进一步地,所述分析单元包括:第一判定模块,用于对于所述多源异构数据中的数值型数据,采用基于统计分布的异常值检测算法,在待检测的数值型数据与数据均值的标准差倍数超过第一预设阈值的情况下,判定该数值型数据为异常值,并剔除该异常值;第二判定模块,用于对于所述多源异构数据中的文本数据,采用孤立森林算法对待检测的所述文本数据进行异常评分,在所述异常评分超过第二预设阈值的情况下,判定为该文本数据为无效记录,并剔除该无效记录;补全模块,用于对于所述多源异构数据中的缺失字段,采用基于同属性样本均值的领域插值法生成待填充的插值数据,并使用该插值数据对所述缺失字段进行补全。
11、进一步地,所述分析单元还包括:分析模块,用于分析所述多源异构数据中包含的业务记录和用户记录,并获取每条所述业务记录的业务标识、每条用户记录的用户标识;构建模块,用于基于所述业务标识和所述用户标识构建核心节点,基于所述多源异构数据中的人员信息、业务信息、风险预警信息构建附属节点,并基于所述多源异构数据构建每个节点与其他节点之间的关联边,得到关联图谱;第一计算模块,用于采用图神经网络算法,计算每个所述核心节点与每个所述附属节点之间的关联权重;存储模块,用于将所述关联图谱和关联权重作为所述知识图谱关联信息存储于图数据库中,得到所述标准化数据集。
12、进一步地,所述输入单元包括:第一生成模块,用于依据预设的逻辑校验规则和所述标准化数据集,生成包含数据边界约束的分析指令,其中,所述分析指令包括:分析对象标识、数据时间范围、数据来源系统标识以及所述标准化数据集的关键字段摘要哈希值;输入模块,用于将所述分析指令及所述标准化数据集作为输入提示,输入至所述大语言模型,其中,所述输入提示用于限定模型的数据输入范围,并禁止模型引入外部数据或生成未提供的信息。
13、进一步地,所述输入单元还包括:提取模块,用于采用滑动窗口机制,每生成预设字符数量的所述中间生成内容的情况下,提取所述中间生成内容中的量化数据和逻辑判断结论;第二计算模块,用于将所述量化数据代入至预设的逻辑校验规则库中的标准计算公式,计算得到数据误差,并在所述数据误差超过第三预设阈值的情况下,判定为量化数据异常;第三判定模块,用于将所述逻辑判断结论与预设的逻辑校验规则库中的逻辑关联规则进行匹配,并计算匹配度,在所述匹配度低于第四预设阈值的情况下,判定为逻辑结论异常;第二生成模块,用于在判定出现所述量化数据异常或所述逻辑结论异常的情况下,生成包含异常类型、错误位置及标准数据的修正指令,并将所述修正指令反馈至所述大语言模型的输入层以触发重新生成。
14、进一步地,所述验证单元包括:第三计算模块,用于调用预设的逻辑校验规则库,对所述目标分析数据中所有涉及量化计算的数据指标进行二次独立计算,得到数据复核结果;第四判定模块,用于将所述数据复核结果与所述目标分析数据中对应的量化数据进行比对,在比对结果一致且逻辑关联规则校验通过的情况下,判定为业务逻辑验证通过;第三生成模块,用于在所述比对结果不一致或逻辑关联规则校验不通过的情况下,生成校验失败标识,并阻断分析报告文件的生成流程。
15、进一步地,所述验证单元还包括:验证模块,用于基于所述知识图谱关联信息对所述目标分析数据中的每一项量化数据进行数据溯源验证;第四生成模块,用于在数据溯源验证通过且业务逻辑验证通过的情况下,基于所述知识图谱关联信息,为所述目标分析数据中的每一项量化数据生成唯一的溯源标识,其中,所述溯源标识包含:数据来源的系统名称、数据表名、数据录入时间以及计算该量化数据的中间变量值;建立模块,用于在生成所述分析报告文件时,建立所述溯源标识与所述分析报告文件中量化数据位置的映射关系,其中,所述映射关系用于实现点击溯源标识即定位跳转至原始数据源及计算过程。
16、为了实现上述目的,根据本技术的另一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项所述的目标业务对象的分析报告的生成方法。
17、为了实现上述目的,根据本技术的另一方面,还提供了一种电子设备,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述任意一项所述的目标业务对象的分析报告的生成方法。
18、为了实现上述目的,根据本技术的另一方面,还提供了一种计算机程序产品,包括计算机指令,其中,所述计算机指令被处理器执行时实现上述任意一项所述的目标业务对象的分析报告的生成方法的步骤。
19、本发明中提出一种目标业务对象的分析报告的生成方法,先响应于针对目标业务对象的分析请求,从n个异构数据源获取与目标业务对象关联的多源异构数据,其中,分析请求中携带有用于标识目标业务对象的唯一标识符,n为正整数,再对多源异构数据进行清洗预处理和格式标准化预处理,并对预处理后的多源异构数据进行语义关联分析,得到标准化数据集,其中,标准化数据集包含基于预设的实体关系模型构建的知识图谱关联信息,然后将标准化数据集作为约束条件输入至大语言模型,通过幻觉抑制机制控制模型生成过程,得到目标分析数据,其中,大语言模型预先进行领域调整,幻觉抑制机制用于:在模型生成过程中,依据预设的逻辑校验规则和标准化数据集对中间生成内容进行实时校验,并在校验结果异常时生成修正指令以引导模型重新生成,最后对目标分析数据进行多重验证,并在验证通过的情况下,基于目标分析数据生成针对目标业务对象的分析报告文件,其中,多重验证至少包含:业务逻辑验证与数据溯源验证。
20、本发明中,采用多源异构数据融合与大语言模型生成式分析相结合的方式,通过构建包含知识图谱关联信息的标准化数据集作为约束条件输入领域微调后的大语言模型,并引入基于预设逻辑校验规则与实时数据比对的幻觉抑制机制,在模型生成过程中对中间内容进行动态校验、异常检测及修正指令反馈,最后对生成的目标分析数据执行包含业务逻辑一致性复核与数据源关联映射的多重自动化验证,达到了确保报告数据真实性、逻辑严谨性及分析深度的目的,从而实现了信贷人员履职报告从人工低效撰写向自动化、高精度智能生成的转变,大幅降低了数据整合误差与模型幻觉风险,进而解决了相关技术中履职评估中难以克服对跨系统异构数据进行整合的误差率高,容易引发模型推理幻觉,导致对目标业务对象的分析报告不精准的技术问题。
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