[發明專利]一種公文模板推薦方法及系統

在審

• 申請號: 202111105392.4
• 申請日: 2021-09-22
• 公開（公告）號: CN113836884A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 周劍明;林俊德;陳立峰;林誠漢
• 申請（專利權）人: 福建新大陸軟件工程有限公司
• 主分類號: G06F40/186
• 分類號: G06F40/186;G06F40/289;G06F16/9535;G06N3/04;G06N3/08
• 代理公司: 福州市鼓樓區京華專利事務所(普通合伙) 35212
• 代理人: 林燕

1.一種公文模板推薦方法，其特征在于：包括如下步驟：

步驟S10、獲取公文歷史數據，并對所述公文歷史數據進行預處理；

步驟S20、創建一公文模板抽取模型，利用所述公文模板抽取模型從公文歷史數據中抽取若干個公文模板；

步驟S30、創建并訓練一用于匹配所述公文模板與公文標題的公文模板匹配模型；

步驟S40、獲取用戶輸入的新公文標題，基于所述新公文標題以及公文模板匹配模型匹配對應的公文模板，完成公文模板推薦。

2.如權利要求1所述的一種公文模板推薦方法，其特征在于：所述步驟S10具體為：

從公文數據庫中獲取公文歷史數據，并對所述公文歷史數據進行包括數據清洗和數據標準化的預處理；

所述公文歷史數據至少包括公文ID、部門ID、公文標題、正文、發送者、接收者、接收時間以及處理時間；

所述數據清洗具體為對所述公文歷史數據進行有效性校驗、剔除非法字符以及公文去重；

所述數據標準化具體為對所述公文歷史數據進行公文編碼、公文格式以及公文類型的統一。

3.如權利要求1所述的一種公文模板推薦方法，其特征在于：所述步驟S20具體為：

基于神經網絡創建一公文模板抽取模型，利用預處理后的所述公文歷史數據，對所述公文模板抽取模型進行包括預訓練和微調的范式訓練；

利用訓練后的所述公文模板抽取模型從公文歷史數據中抽取若干個公文模板，并將各所述公文模板存儲至模板數據庫。

4.如權利要求1所述的一種公文模板推薦方法，其特征在于：所述步驟S30具體為：

基于神經網絡創建一用于匹配所述公文模板與公文標題的公文模板匹配模型，從所述公文歷史數據中提取若干個公文標題組成公文標題訓練集，利用所述公文標題訓練集對公文模板匹配模型進行包括預訓練和微調的范式訓練。

5.如權利要求1所述的一種公文模板推薦方法，其特征在于：所述步驟S40具體為：

獲取用戶輸入的新公文標題，利用BM25算法匹配所述新公文標題以及公文歷史數據中的公文標題，進行篩選出相似度最高的N個公文標題，將各相似度最高的所述公文標題分別輸入公文模板匹配模型匹配對應的公文模板，完成公文模板推薦。

6.一種公文模板推薦系統，其特征在于：包括如下模塊：

公文歷史數據預處理模塊，用于獲取公文歷史數據，并對所述公文歷史數據進行預處理；

公文模板生成模塊，用于創建一公文模板抽取模型，利用所述公文模板抽取模型從公文歷史數據中抽取若干個公文模板；

公文模板匹配模型創建模塊，用于創建并訓練一用于匹配所述公文模板與公文標題的公文模板匹配模型；

公文模板推薦模塊，用于獲取用戶輸入的新公文標題，基于所述新公文標題以及公文模板匹配模型匹配對應的公文模板，完成公文模板推薦。

7.如權利要求6所述的一種公文模板推薦系統，其特征在于：所述公文歷史數據預處理模塊具體為：

從公文數據庫中獲取公文歷史數據，并對所述公文歷史數據進行包括數據清洗和數據標準化的預處理；

所述公文歷史數據至少包括公文ID、部門ID、公文標題、正文、發送者、接收者、接收時間以及處理時間；

所述數據清洗具體為對所述公文歷史數據進行有效性校驗、剔除非法字符以及公文去重；

所述數據標準化具體為對所述公文歷史數據進行公文編碼、公文格式以及公文類型的統一。

8.如權利要求6所述的一種公文模板推薦系統，其特征在于：所述公文模板生成模塊具體為：

基于神經網絡創建一公文模板抽取模型，利用預處理后的所述公文歷史數據，對所述公文模板抽取模型進行包括預訓練和微調的范式訓練；

利用訓練后的所述公文模板抽取模型從公文歷史數據中抽取若干個公文模板，并將各所述公文模板存儲至模板數據庫。