【技术实现步骤摘要】
本专利技术涉及机器学习，具体涉及一种政务行业的大模型审批方法及相关设备。
技术介绍
1、随着信息技术的快速发展，政务行业面临着日益增长的数据处理需求和对服务效率的高要求。
2、传统的政务审批流程依赖于人工操作，不仅效率低下，而且容易出错，难以适应现代社会对快速、准确服务的需求。此外，随着数据量的爆炸性增长，如何从海量数据中提取有价值的信息，提高决策的质量和速度，已成为政务行业亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术实施例提供一种政务行业的大模型审批方法及相关设备，以实现自动化审批减少出错概率，以及提高决策的质量和速度的目的。
2、为实现上述目的，本专利技术实施例提供如下技术方案：
3、本专利技术实施例第一方面公开了一种政务行业的大模型审批方法，所述方法包括：
4、获取审批文档；
5、利用预先训练的大语言模型从所述审批文档进行提取得到特征数据；
6、利用条件匹配引擎，分析所述特征数据是否与预设的审批条件匹配；
7、若是，则确定所述审批文档通过审批；
8、若否，将所述特征数据输入到实时优化的机器学习模型中进行预测，得到所述审批文档的置信度；
9、若所述置信度大于或等于置信度阈值，则确定所述审批文档通过审批；
10、若所述置信度小于置信度阈值，则生成用于提醒审核员的审核通知，并当接收到所述审核员输入的通过指令时，确定所述审批文档通过审批，当接收到所述审核
11、优选的，所述利用预先训练的大语言模型从所述审批文档进行提取得到特征数据，包括：
12、检测所述审批文档的结构类型；
13、若所述待审批文档为结构化文档，则利用基于梯度提升决策树算法从所述审批文档进行提取得到特征数据；
14、若所述待审批文档为非结构化文档，则将所述审批文档输入到预先训练的大语言模型中进行语义分析，得到所述大语言模型输出的特征数据；
15、若所述待审批文档为非结构化文档，则将所述审批文档中的非结构化部分输入到所述大语言模型中进行语义分析，得到所述大语言模型输出的第一部分特征数据；利用所述基于梯度提升决策树算法从所述审批文档中的结构化部分提取出第二部分特征数据；组合第一部分特征数据和所述第二部分特征数据，得到所述审批文档的特征数据。
16、优选的，在所述利用预先训练的大语言模型从所述审批文档进行提取得到特征数据之后，所述方法还包括：
17、对所述特征数据进行特征完整性检查；
18、若所述特征数据不完整，则生成补充信息请求，并返回执行所述获取审批文档这一步骤；所述补充信息请求用于提示审批请求人补充信息并重新输入审批文档。
19、优选的，所述大语言模型的训练过程包括：
20、构建待训练的大语言模型；
21、获取多个历史审批文档，并对各个所述历史审批文档进行数据清洗；
22、将数据清洗后的各个所述历史审批文档划分为训练集和验证集；
23、利用所述训练集对所述待训练的大语言模型进行训练，得到训练后的大语言模型；
24、利用所述验证集验证所述训练后的大语言模型的性能；
25、若验证通过，则得到训练完成的大语言模型。
26、优选的，实时优化所述机器学习模型的过程，包括：
27、利用数据采集工具，实时采集得到原始数据；所述原始数据包括：完成审批的目标审批文档、所述目标审批文档的审批结果、分析所述审批请求人输入的反馈信息得到的分析信息和用于表征审批过程操作记录的日志数据；
28、对所述原始数据进行预处理，得到目标特征数据；
29、将所述目标特征数据输入到所述机器学习模型中进行重训练，得到实时优化后的所述机器学习模型。
30、优选的，所述对所述原始数据进行预处理，得到目标特征数据，包括：
31、对各个所述原始进行数据清洗；
32、判断每一数据清洗后的所述原始数据是否合格；
33、针对每一合格的所述原始数据，利用特征提取工具提取出用于训练的特征数据；
34、针对每一不合格的所述原始数据，接收人工输入的修正指令，基于所述修正指令对不合格的所述原始数据进行修正，并利用所述特征提取工具，从修正后的所述原始数据中提取出用于训练的特征数据；
35、对所述用于训练的特征数据进行数据标准化处理，得到符合所述机器学习模型输入格式的目标特征数据。
36、优选的，所述将所述目标特征数据输入到所述机器学习模型中进行重训练，得到实时优化后的所述机器学习模型，包括：
37、将所述目标特征数据输入到所述机器学习模型中进行重训练；
38、评估重训练后的所述机器学习模型的性能是否提高；
39、若是，则得到实时优化后的所述机器学习模型；
40、若否，修改所述机器学习模型的模型参数，返回执行所述将所述目标特征数据输入到所述机器学习模型中进行重训练这一步骤，直到得到实时优化后的所述机器学习模型。
41、本专利技术实施例第二方面公开了一种政务行业的大模型审批装置，所述装置包括：
42、获取单元，用于获取审批文档；
43、提取单元，用于利用预先训练的大语言模型从所述审批文档进行提取得到特征数据；
44、审批单元，用于利用条件匹配引擎，分析所述特征数据是否与预设的审批条件匹配；若是，则确定所述审批文档通过审批；若否，将所述特征数据输入到实时优化的机器学习模型中进行预测，得到所述审批文档的置信度；若所述置信度大于或等于置信度阈值，则确定所述审批文档通过审批；若所述置信度小于置信度阈值，则生成用于提醒审核员的审核通知，并当接收到所述审核员输入的通过指令时，确定所述审批文档通过审批，当接收到所述审核员输入的拒绝指令时，确定所述审批文档不通过审批。
45、本专利技术实施例第三方面公开了一种存储介质，用于存储计算机程序，所述计算机程序被执行时，具体用于实现本专利技术实施例第一方面任一所述的政务行业的大模型审批方法。
46、本专利技术实施例第四方面公开了一种电子设备，包括：存储器和处理器；
47、所述存储器用于存储计算机程序；
48、所述处理器用于执行所述计算机程序，具体用于实现本专利技术实施例第一方面任一所述的政务行业的大模型审批方法。
49、基于上述本专利技术实施例提供的一种政务行业的大模型审批方法及相关设备，获取审批文档；利用预先训练的大语言模型从所述审批文档进行提取得到特征数据；利用条件匹配引擎，分析所述特征数据是否与预设的审批条件匹配；若是，则确定所述审批文档通过审批；若否，将所述特征数据输入到实时优化的机器学习模型中进行预测，得到所述审批文档的置信度；若所述置信度大于或等于置信度阈值，则确定所述审批文档通过审本文档来自技高网...
【技术保护点】
1.一种政务行业的大模型审批方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述利用预先训练的大语言模型从所述审批文档进行提取得到特征数据，包括：
3.根据权利要求1所述的方法，其特征在于，在所述利用预先训练的大语言模型从所述审批文档进行提取得到特征数据之后，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述大语言模型的训练过程包括：
5.根据权利要求1所述的方法，其特征在于，实时优化所述机器学习模型的过程，包括：
6.根据权利要求5所述的方法，其特征在于，所述对所述原始数据进行预处理，得到目标特征数据，包括：
7.根据权利要求5所述的方法，其特征在于，所述将所述目标特征数据输入到所述机器学习模型中进行重训练，得到实时优化后的所述机器学习模型，包括：
8.一种政务行业的大模型审批装置，其特征在于，所述装置包括：
9.一种存储介质，其特征在于，用于存储计算机程序，所述计算机程序被执行时，具体用于实现如权利要求1至7任意一项所述的政务行业的大模型审
10.一种电子设备，其特征在于，包括：存储器和处理器；
...【技术特征摘要】
1.一种政务行业的大模型审批方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述利用预先训练的大语言模型从所述审批文档进行提取得到特征数据，包括：
3.根据权利要求1所述的方法，其特征在于，在所述利用预先训练的大语言模型从所述审批文档进行提取得到特征数据之后，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述大语言模型的训练过程包括：
5.根据权利要求1所述的方法，其特征在于，实时优化所述机器学习模型的过程，包括：
6.根据权利要...
【专利技术属性】
技术研发人员：邹宇腾，李廷，
申请(专利权)人：浪潮云信息技术股份公司，
类型：发明
国别省市：
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。