一种基于多源证据链的专业长文一致性质检方法与流程
本发明涉及人工智能文档处理与内容质量检测,更具体的说是涉及一种基于多源证据链的专业长文一致性质检方法。
背景技术:
1、专业长文是指面向特定行业、学科、职业活动或业务场景,围绕相对复杂的专业任务,基于多源专业材料、结构化数据、专业知识、业务规则或文献证据,采用层级化章节结构和连续论证方式,对问题背景、事实依据、分析过程、方法方案、风险判断、技术效果或结论建议进行系统展开,并形成具有较大篇幅、完整语义结构、明确应用目的和专业文体规范的长篇文档。专业长文并非仅以字数多少作为判断标准,其“长”主要体现为材料来源复杂、章节层级较多、论证链条较长、结论依据要求较高;其“专业”主要体现为关键内容应当具备来源可追溯、事实可核验、取数口径可一致、逻辑过程可复核、结论意见有依据等特征。尽职调查报告、行业研究报告、学术论文、科技报告、法律意见书、技术方案、咨询报告等,均可作为专业长文的具体类型。
2、专业长文不是单纯篇幅较长的文章,而是在较大篇幅内完成专业任务,并需要事实依据、结构化论证和质量可校验机制支撑的专业文档。
3、现有专业长文生成技术多侧重于资料检索、大纲规划、分章节撰写和语言润色,主要解决“如何生成长文本”的问题;现有文档质检技术则多集中于格式纠错、错别字检查、文本相似度检测或单类数据校验,难以覆盖专业长文中事实、数值、字段、规则、声明和结论之间的复杂支撑关系。
4、具体而言,现有技术存在以下问题:
5、第一,缺少面向专业长文的可核验单元拆解机制。现有技术难以将长文中的字段、表格、指标、引用、段落、声明、加工字段、证据位置和规则链统一抽象为可机器处理的质检对象。
6、第二,缺少统一的多源证据链构建机制。现有技术难以将原始材料、结构化数据、外部证据、业务规则和历史版本信息统一组织为可召回、可比对、可追溯的证据基础,因此难以通过多源交叉验证判断不同来源之间是否一致、是否相互支撑或是否存在冲突。
7、第三,缺少对加工结果和结论性声明的核验能力。专业长文中大量关键内容并非直接取自原始材料,而是经过公式计算、口径转换、规则判断或专业推理得到。现有技术通常难以回溯该类加工结果的依赖字段、计算公式、适用条件和原始证据,缺少规则链回放能力。
8、第四,缺少针对多轮修改场景的增量复核机制。现有质检方法往往需要在每次修改后重新进行全量检查,难以区分结构未变、同结构内容改动和结构变化等不同情况,也难以复用已有字段表、来源追踪和证据链,容易造成重复计算、质检效率低和审计连续性不足。
9、第五,质检结果缺少可定位、可解释、可复核和可留痕的交付形态。许多方案只能输出错误提示、质量分数或笼统评价,不能同时给出问题所在章节位置、相关字段、证据来源、判断理由、风险等级和修订建议。
技术实现思路
1、本发明旨在解决上述现有技术中存在的问题,提供一种基于多源证据链的专业长文一致性质检方法,该方法能够对专业长文中的事实陈述、字段数据、数值指标、规则判断和结论意见进行结构化识别,并基于多源证据链进行交叉验证,形成可定位、可解释、可复核、可留痕的质量审计结果。
2、为了实现上述目的,本发明采用如下技术方案:
3、本发明实施例提供一种基于多源证据链的专业长文一致性质检方法,包括:
4、步骤1,专业长文解析与质检范围确定:解析待质检专业长文中的文本内容和表格内容,形成具有原文位置标识的候选证据单元;当存在历史基线版本时,获取当前版本相对于历史基线版本的结构签名、字段签名和内容签名,根据候选证据单元和三类签名的比较结果确定质检路由类型,并基于所述质检路由类型确定当前质检范围;
5、步骤2,可解释声明核验:在所述质检范围内,根据待核验声明,采用长上下文处理方式或证据检索增强处理方式,定位与所述声明相关的文本证据和表格证据;根据所述声明所涉及的信息提取、数值推理或专业知识推理要求,对所述声明与所述证据之间的一致关系进行判断,并在输出核验标签的同时生成推理过程解释;
6、步骤3,多源字段及规则核验:在所述质检范围内,获取与核验目标相关的多份文档以及预配置的专业规则库;基于文档类型、时间范围和规则适用范围,对所述文档和所述规则进行双向约束筛选,形成相互适用的文档规则对;根据规则类型,将核验任务分配至符号推理路径或算术处理路径;其中,对于算术处理路径,将公式生成与公式执行相分离,由生成式模型生成计算公式,并由确定性外部执行器执行所述计算公式;
7、步骤4,核验结果关联与审计输出:将所述步骤2输出的核验结果与所述步骤3输出的核验结果,通过统一对象标识进行关联,通过有向依赖图传播变化影响,仅对受影响对象执行重新核验,最终输出可定位、可解释、可复核的质量审计结果。
8、经由上述的技术方案可知,与现有技术相比,本发明具有如下技术优势:
9、本发明主要解决多源异构电子文档及其历史版本在一致性质检过程中,字段、声明、规则与证据之间缺少稳定且可计算的关联关系,证据来源或者规则发生变化后既有核验结果可能被错误复用,以及局部修改导致无关数据对象重复处理或者间接受影响对象漏检的技术问题。具体而言,需要在保留原文位置、来源版本和规则快照的条件下,建立并维护上述对象之间的关联关系,根据文档变化、证据有效性和规则有效性确定质检范围,并仅对受影响对象及其下游依赖对象执行重新核验。
10、专业长文通常同时包含正文段落、表格数据、结构化字段、数值指标、引用内容、规则判断和结论意见,相关依据又分散在原始材料、结构化数据、外部证据和业务规则中。现有质检方法多针对错别字、格式或者单一字段进行检查,难以判断某项事实、数值或者结论是否具有充分依据,也难以说明发生问题的具体位置和原因。本发明将上述内容转换为具有统一标识和原文位置的字段、声明、加工字段及结论对象,并通过统一证据对象建立其与多源证据之间的对应关系,使质检范围和质检依据能够被明确记录。
11、本发明通过声明核验与字段及规则核验两条处理路径,对专业长文中的自然语言表述、结构化字段、数值计算和专业判断分别进行核验。对于多源取值不一致的字段,系统保存候选来源、候选值、冲突类型、采用结果和判断理由;对于需要计算或者规则推导的加工字段,系统回溯依赖字段及原始证据,并重新执行相应公式或者判断规则,从而提高加工结果和结论意见的可复核性。
12、本发明设置证据强度分级和弱证据降级机制。仅命中接口状态字段、通用提示信息或者不具有值级支撑能力的上下文时,不直接形成支持结论,而是记录为存疑、缺证或者可解释阻断。该机制能够减少因证据形式相关但内容不足而产生的错误支持结果,并明确区分外部材料缺失、内部处理链不完整和程序执行异常。
13、针对专业长文多轮修改场景,本发明通过结构签名、字段签名和内容签名识别版本变化类型。对于未发生实质变化且证据和规则快照仍有效的内容,复用已有结构化质检基础;对于字段、正文、章节、证据或者规则发生变化的内容,按照logical_object_id识别变化对象,并沿依赖关系将其下游加工结果、声明和结论纳入重新核验范围,使未受影响对象不进入本轮重检,同时保持不同版本之间证据来源和质检记录的连续性。
14、因此,本发明能够形成包含原文位置、证据来源、核验结论、规则执行结果、依赖关系、阻断原因、风险等级和修订建议的结构化质检结果,提高专业长文一致性质检的可定位性、可解释性、可追溯性和可复核性,为专业长文的生成验收、人工复核、业务审批和质量审计提供统一的技术支持。
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