面向跨领域的立法意见综合报告自动生成方法技术

本发明专利技术公开了一种面向跨领域的立法意见综合报告自动生成方法，构建面向跨领域立法意见主题感知的生成式智能体，利用该生成式智能体实现立法进行意见特征识别和立法主题生成，生成立法意见摘要报告；在结合人工对所述立法意见采集策略计划进行干预调整下进行意见采集，同时，对人工干预后的采集策略和采集结果利用大语言模型

【技术实现步骤摘要】
面向跨领域的立法意见综合报告自动生成方法


[0001]本专利技术属于计算机相关的人工智能和自然语言处理
，特别是涉及一种面向长周期跨领域的立法意见综合报告自动生成方法
。

技术介绍

[0002]立法规划计划是政府立法和制定政策的重要过程，需要广泛收集
、
分析公众的意见和反馈，以更好地了解公众的需求和潜在问题
。
然而，针对立法规划计划意见来源复杂
、
种类繁多
、
质量参差不齐等特点，政府在采集和分析意见方面遇到了许多困难
。
其中立法主题跨领域是政府在收集和分析意见方面的难点之一
。
由于政策涉及的领域和主题非常多样化，需要收集来自不同领域和专业的意见，但在实践中，政府发现跨领域意见的收集和分析是一项极具挑战性的工作
。
首先，跨领域的专业性和复杂性使得政策制定者必须有了解多个领域和相关知识的能力
。
事实上，立法规划计划意见采集也面临不同领域专业性的问题，需要政府对不同领域的专业知识进行收集和整合
。
其次，专业性问题也带来了数据来源和质量方面的问题
。
由于某些领域涉及的意见非常专业化，涉及的人群和机构可能非常有限，这就要求政府必须挖掘各种可能的数据来源，并评估数据的质量和可用性
。
政府可能需要调查行业协会
、
专业团体
、
大学和学术机构等，以获得有关社区
、
学术和经济方面的意见
。
[0003]目前针对立法规划计划的意见采集主要依赖于人工问卷调查和网络意见征集两种方式
。
不管以上哪种方式，都很难解决立法主题跨领域存在的意见收集和分析专业性高的问题
。
有鉴于目前的一些常规方法如问卷调查等不能满足政府对意见的收集需求，亟需创新性的手段来辅助立法规划计划的编制工作
。

技术实现思路

[0004]本专利技术目的是提出一种面向跨领域的立法意见综合报告自动生成方法，利用改进的生成式语言模型处理来自不同渠道的跨领域立法意见信息，结合采集策略的强化学习，实现立法意见的全过程自动化
。
[0005]本专利技术利用以下技术方案实现：
[0006]一种面向跨领域的立法意见综合报告自动生成方法，包括：
[0007]步骤
1、
构建面向跨领域立法意见主题感知的生成式智能体，所述生成式智能体包括智能体自然语言记忆流模块
、
立法主题提示模块
、
向量数据库
、
立法意见聚类模块
、LLM
反思经验生成模块
、LLM
检索回溯模块
、LLM
立法意见特征识别和立法主题生成模块，所述智能体自然语言记忆流包括意见采集经验构成的记忆流子集，利用该生成式智能体实现立法进行意见特征识别和立法主题生成，生成立法意见摘要报告；
[0008]步骤
2、
从所述记忆流子集中筛选出召回的采集经验小样本，构建大语言模型
LLM
的提示引导指令，生成立法意见采集策略计划，利用所述立法意见采集策略计划结合对人工干预调整进行立法意见采集，将采集结果和采集策略都存入向量数据库；同时，对人工干预后的采集策略和采集结果利用大语言模型
LLM
进行反思，形成新的意见采集反思经验，保
存反思经验，完成生成式智能体中的采集策略的强化学习；
[0009]步骤
3、
利用步骤2得到的强化学习后的所述采集策略计划与采集经验得到更新历史纪录，利用所述更新的历史纪录进行立法意见聚类，将聚类后的立法意见集嵌入大语言模型
LLM
得到聚类摘要向量，在步骤2的所述提示指令的指引下按周期由所述聚类摘要向量生成精调的立法意见摘要，进而生成立法意见综合报告
。
[0010]进一步的，所述步骤3中的所述历史纪录包括但不限于根据基于记忆流向量库的历史意见和不同领域提示
。
[0011]进一步的，所述智能体自然语言记忆流模块用于保存量化感知到的当前的法治态势的观测值文本数据
。
[0012]进一步的，所述向量数据库用于保存记忆流中的各种历史记录经大语言模型
LLM
生成的记忆流向量
。
[0013]进一步的，所述立法主题提示模块用于利用大语言模型
LLM
生成立法主题提示的嵌入向量
。
[0014]进一步的，所述生成式智能记忆流中的检索采用的是带量化权重的立法主题提示检索方式：首先通过在大语言模型
LLM
嵌入立法主题提示生成其嵌入向量，计算其和记忆流向量数据库中各记忆项的距离，获得距离较近的记忆项子集；同时引入记忆加权过滤函数，计算子集中各项记忆的权重分数，当子集中某记忆的权重分数大于某个门限值时该条记忆被召回
。
[0015]进一步的，所述历史数据包括从所述智能体自然语言记忆流提取的按周期累积的立法意见文本数据
、
法治态势文本数据
。
[0016]与现有技术相比，本专利技术能够达成以下有益技术效果：
[0017]1)
所设计的立法意见的全过程自动化处理流程解决了长周期海量跨领域立法意见的综合分析报告编制难的技术问题，有利于大幅提升法治调研领域立法意见分析和立法计划
、
规划建议撰写的工作效率，提升了立法意见管理的能力和准确性；
[0018]2)
通过对记忆信息广泛性
、
时效性
、
记忆类型的加权检索，解决了生成式语言模型处理长周期跨领域立法意见集的记忆问题；
[0019]3)
实现了人工修改干预经验与采集策略强化学习结果的结合，因此突破了人工采集经验难以总结和沉淀的瓶颈问题
。
附图说明
[0020]图1是一种面向跨领域的立法意见综合报告自动生成方法整体流程图；
[0021]图2是本专利技术步骤1的面向跨领域立法意见主题感知的生成式智能体框架图；
[0022]图3是本专利技术步骤1的生成式智能体记忆流模块的数据模型示意图；
[0023]图4是本专利技术步骤1的记忆流向量数据库模型示意图；
[0024]图5是本专利技术步骤1的生成式智能体记忆流的检索模型示意图；
[0025]图6是本专利技术步骤2的采集策略计划生成与采集经验生成模型示意图；
[0026]图7是本专利技术步骤3的立法意见摘要生成模型示意图
。
具体实施方式
[0027]为使本专利技术实施例的目的
、
技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述
。
[0028]如图1所示，本专利技术的一种面向跨领域的立法意见综本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种面向跨领域的立法意见综合报告自动生成方法，其特征在于，包括：步骤
1、
构建面向跨领域立法意见主题感知的生成式智能体，所述生成式智能体包括智能体自然语言记忆流模块
、
立法主题提示模块
、
向量数据库
、
立法意见聚类模块
、LLM
反思经验生成模块
、LLM
检索回溯模块
、LLM
立法意见特征识别和立法主题生成模块，所述智能体自然语言记忆流包括意见采集经验构成的记忆流子集，利用该生成式智能体实现立法进行意见特征识别和立法主题生成，生成立法意见摘要报告；步骤
2、
从所述记忆流子集中筛选出召回的采集经验小样本，构建大语言模型
LLM
的提示引导指令，生成立法意见采集策略计划，利用所述立法意见采集策略计划结合对人工干预调整进行立法意见采集，将采集结果和采集策略都存入向量数据库；同时，对人工干预后的采集策略和采集结果利用大语言模型
LLM
进行反思，形成新的意见采集反思经验，保存反思经验，完成生成式智能体中的采集策略的强化学习；步骤
3、
利用步骤2得到的强化学习后的所述采集策略计划与采集经验得到更新历史纪录，利用所述更新的历史纪录进行立法意见聚类，将聚类后的立法意见集嵌入大语言模型
LLM
得到聚类摘要向量，在步骤2的所述提示指令的指引下按周期由所述聚类摘要向量生成精调的立法意见摘要，进而生成立法意见综合报告
。2.
如权利要求1所述的一种面向跨领域的立法意见综合报告自动生成方法，其特征在于，所述步骤3中的所述历史纪录包括但不限于根据基于记忆流向量库的历史意见和不同领域提示
。3.
如权利要求1所述的一种面向跨领域的立法意见综合报告自动生成方法，其特征在于，所述智能体自然语言记忆流模块用于保存量化感知到的当前的法治态势的观测值文本数据
。4.
如权利要求1所述的一种面向跨领域的立法意见综合报告自动生成方法，其特征在于，所述向量数据...

【专利技术属性】
技术研发人员：梁鸿翔，王文俊，戴维迪，王博，陈雪，
申请(专利权)人：天津大学，
类型：发明
国别省市：