【技术实现步骤摘要】
本专利技术涉及大数据处理，尤其涉及一种基于大语言模型的金融案件信息挖掘方法和系统。
技术介绍
1、随着我国金融市场快速发展的同时，金融不良行为活动也日益增多，这对处理金融关联的机构单位提出了更高的要求。传统的金融案件办理过程中，涉案实体和关联关系的分析方法往往依赖于人工审查，大部分金融案件的文件量比较大，甚至多达好几百页，人工审查效率低下且容易遗漏重要信息。
技术实现思路
1、基于上述问题，本专利技术提供一种基于大语言模型的金融案件信息挖掘系统和方法，旨在解决现有技术中人工审查金融案件效率低易遗漏等技术问题。
2、一种基于大语言模型的金融案件信息挖掘系统，包括：
3、输入和预处理模块，用于输入待挖掘的金融案件文件，并利用微调形成的金融法律大语言模型对待挖掘的金融案件文件进行预处理，得到预处理数据；
4、实体识别模块，连接输入和预处理模块，用于使用金融法律大语言模型和构建的金融法律知识图谱对预处理数据进行实体识别，得到实体识别结果；
5、人机回环模块，连接实体识别模块，用于：使用已训练的本地小模型对实体识别结果进行智能分析，以及人为确定实体识别最终结果；
6、实体关系识别模块，连接人机回环模块，用于：使用金融法律大语言模型和金融法律知识图谱，根据实体识别最终结果，对预处理数据进行实体关系识别，得到实体关系识别结果；
7、人机回环模块还用于：使用本地小模型对实体关系识别结果进行智能分析，以及人为确定实体关系识别最终
8、结果输出展示模块，连接人机回环模块，用于将实体识别最终结果和实体关系识别最终结果进行联合展示。
9、进一步的，系统还包括：
10、本地个性化词库，用于存储采集的个性化知识数据，个性化知识数据为预定范围内的金融关联数据；
11、个性化图谱库，用于存储基于个性化知识数据构建的个性化知识图谱；
12、金融法律图谱库，用于存储金融法律知识图谱；
13、实体识别模块，分别连接本地个性化词库、个性化图谱库和金融法律图谱库，包括：
14、第一实体识别单元，用于联合使用金融法律大语言模型和本地个性化词库中的个性化知识数据对预处理数据进行实体识别，得到第一实体识别结果；
15、第二实体识别单元，连接第一实体识别单元，用于：联合使用金融法律知识图谱和个性化知识图谱对第一实体识别结果进行验证匹配，得到第二实体识别结果；
16、实体识别结果包括第一实体识别结果和第二实体识别结果。
17、进一步的，系统还包括：
18、本地个性化词库，用于存储采集的个性化知识数据，个性化知识数据为预定范围内的金融关联数据；
19、个性化图谱库，用于存储基于个性化知识数据构建的个性化知识图谱；
20、金融法律图谱库，用于存储金融法律知识图谱；
21、实体关系识别模块，分别连接本地个性化词库、个性化图谱库和金融法律图谱库，包括：
22、第一关系识别单元，用于：联合使用金融法律大语言模型和本地个性化词库中的个性化知识数据，根据实体识别最终结果，对预处理数据进行实体关系识别，得到第一实体关系识别结果；
23、第二关系识别单元，连接第一关系识别单元，用于：联合使用金融法律知识图谱和个性化知识图谱对第一实体关系识别结果进行验证匹配，得到第二实体关系识别结果；
24、实体关系识别结果包括第一实体关系识别结果和第二实体关系识别结果。
25、进一步的，人机回环模块，包括：
26、智能处理单元，部署本地小模型，用于使用本地小模型分析第一实体识别结果和第二实体识别结果，以得到实体综合识别结果；
27、人机交互单元，连接智能处理单元，用于：
28、展示实体综合识别结果，并由人工对实体综合识别结果进行调整得到实体识别调整结果；
29、在人工认为无需对实体综合识别结果进行调整时，将实体综合识别结果确认为实体识别最终结果；
30、在人工认为实体识别调整结果无需再进行迭代时，将实体识别调整结果确认为实体识别最终结果；
31、在人工认为实体识别调整结果需再进行迭代时，将实体识别调整结果作为实体识别迭代加入数据；
32、智能处理单元还用于：
33、将实体识别最终结果传递给实体关系识别模块；
34、将实体识别迭代加入数据传递给实体识别模块，使实体识别模块进行迭代过程；
35、实体识别模块还用于：使用金融法律大语言模型和构建的金融法律知识图谱，结合实体识别迭代加入数据，对预处理数据再次进行实体识别，得到实体识别结果。
36、进一步的，系统还包括本地个性化词库，本地个性化词库用于存储采集的个性化知识数据，个性化知识数据为预定范围内的金融关联数据；
37、人机回环模块，连接本地个性化词库，包括：
38、智能处理单元，部署本地小模型，用于：使用本地小模型，利用本地个性化词库对第一实体识别结果进行分析得到第三实体识别结果，基于第一实体识别结果、第二实体识别结果和第三实体识别结果给出实体综合识别结果；
39、人机交互单元，连接智能处理单元，用于：展示实体综合识别结果，并人为基于实体综合识别结果确定实体识别最终结果。
40、进一步的，人机回环模块，包括：
41、智能处理单元，部署本地小模型，用于使用本地小模型分析第一实体关系识别结果和第二实体关系识别结果得到实体关系综合识别结果；
42、人机交互单元，连接智能处理单元，用于：
43、展示实体关系综合识别结果，并由人工对实体关系综合识别结果进行调整得到实体关系识别调整结果；
44、在人工认为无需对实体关系综合识别结果进行调整时，将实体关系综合识别结果确认为实体关系识别最终结果；
45、在人工认为实体关系识别调整结果无需再进行迭代时，将实体关系识别调整结果确认为实体关系识别最终结果；
46、在人工认为实体关系识别调整结果需再进行迭代时，将实体关系识别调整结果作为实体关系识别迭代加入数据；
47、智能处理单元还用于：
48、将实体关系识别最终结果传递给结果输出展示模块；
49、将实体关系识别迭代加入数据传递给实体关系识别模块，使实体关系识别模块进行迭代过程；
50、实体关系识别模块还用于：使用金融法律大语言模型和构建的金融法律知识图谱，结合实体关系识别迭代加入数据和实体识别最终结果，对预处理数据进行实体关系识别，得到实体关系识别结果。
51、进一步的，系统还包括本地个性化词库，本地个性化词库用于存储采集的个性化知识数据，个性化知识数据为预定范围内的金融关联数据；人机回环模块，连接本地个性化词库，包括：
52、智能处理单元，部署本地小模型，用于：使用本本文档来自技高网...
【技术保护点】
1.一种基于大语言模型的金融案件信息挖掘系统，其特征在于，包括：
2.如权利要求1所述的一种基于大语言模型的金融案件信息挖掘系统，其特征在于，所述系统还包括：
3.如权利要求1所述的一种基于大语言模型的金融案件信息挖掘系统，其特征在于，所述系统还包括：
4.如权利要求2所述的一种基于大语言模型的金融案件信息挖掘系统，其特征在于，所述人机回环模块，包括：
5.如权利要求2所述的一种基于大语言模型的金融案件信息挖掘系统，其特征在于，所述系统还包括本地个性化词库，所述本地个性化词库用于存储采集的个性化知识数据，所述个性化知识数据为预定范围内的金融关联数据；
6.如权利要求3所述的一种基于大语言模型的金融案件信息挖掘系统，其特征在于，所述人机回环模块，包括：
7.如权利要求3所述的一种基于大语言模型的金融案件信息挖掘系统，其特征在于，所述系统还包括本地个性化词库，所述本地个性化词库用于存储采集的个性化知识数据，所述个性化知识数据为预定范围内的金融关联数据；所述人机回环模块，连接所述本地个性化词库，包括：
9.如权利要求8所述的一种基于大语言模型的金融案件信息挖掘系统，其特征在于，所述个性化知识数据包括从经过法院审理已判决的金融案件中抽取的金融关联数据；
10.一种基于大语言模型的金融案件信息挖掘方法，其特征在于，使用如权利要求1-9任意一项所述的一种基于大语言模型的金融案件信息挖掘系统，包括：
...【技术特征摘要】
1.一种基于大语言模型的金融案件信息挖掘系统，其特征在于，包括：
2.如权利要求1所述的一种基于大语言模型的金融案件信息挖掘系统，其特征在于，所述系统还包括：
3.如权利要求1所述的一种基于大语言模型的金融案件信息挖掘系统，其特征在于，所述系统还包括：
4.如权利要求2所述的一种基于大语言模型的金融案件信息挖掘系统，其特征在于，所述人机回环模块，包括：
5.如权利要求2所述的一种基于大语言模型的金融案件信息挖掘系统，其特征在于，所述系统还包括本地个性化词库，所述本地个性化词库用于存储采集的个性化知识数据，所述个性化知识数据为预定范围内的金融关联数据；
6.如权利要求3所述的一种基于大语言模型的金融案件信息挖掘系统，其特征在于，所述人机回...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。