CN120297908A 基于大语言模型的人事档案信息提取智能审核方法及系统 （山东高第数据服务有限公司）

基于大语言模型的人事档案信息提取智能及基于大语言模型的人事档案信息提取智能审2S1：基于大语言模型的多模态解析器对非结构S2：将所述时间线序列与属性特征集进行跨模态对S3：基于所述时空一致性图谱构建风险传导链S5：将所述风险传导概率矩阵与三维可信度向量输2.根据权利要求1所述的基于大语言模型的人事档案信息提取智能审核方法，其特征所述视觉分支包括卷积注意力模块：视觉分支对扫描文档的图像进行特所述文本分支包括基于Transformer的预训练语言模型，文本分支解析电子文档中的视觉和文本特征分别提取后利用多头注意力机制融合到同一特征空3.根据权利要求1所述的基于大语言模型的人事档案信息提取智能审核方法，其特征34.根据权利要求3所述的基于大语言模型的人事档案信息提取智能审核方法，其特征跨源矛盾分析：对数据源间的信息整体匹配程度进行分析，若整体5.根据权利要求1所述的基于大语言模型的人事档案信息提取智能审核方法，其特征46.根据权利要求5所述的基于大语言模型的人事档案信息提取智能审核方法，其特征时间线序列断裂点识别：计算时间序列中相邻数据属性突变区检测：计算时间序列中各时间点属性特征跨源矛盾簇识别：统计时空一致性图谱中各个节点的矛盾边数量，7.根据权利要求1所述的基于大语言模型的人事档案信息提取智能审核方法，其特征8.根据权利要求1所述的基于大语言模型的人事档案信息提取智能审核方法，其特征评估属性变更趋势，引入平滑因子并采用平滑处理方式调整异常属性设定审核报告生成约束条件，对满足审核报告生成约束条件的生59.根据权利要求8所述的基于大语言模型的人事档案信息提取智能审核方法，其特征所述约束条件基于风险传导概率以及关联可多模态解析模块：用于提取非结构化人事档案中的时风险传导分析模块：用于基于时空一致性图谱构建风险传导链，并矛盾消解与审核模块：用于依据风险传导概率矩阵和三维67所述视觉分支包括卷积注意力模块：视觉分支对扫描文档的图像进行特征提取，所述文本分支包括基于Transformer的预训练语言模型，文本分支解析电子文档89[0021]下面结合附图和具体实施例对本发明进行详细描述。同;表示与前一阶段的重叠比例；向量（来自预训练矩阵EaeneR"⃞d,m为部门总数cos()表示余弦相似度计算，vau=[r校排名归一化值，EmujorER"表示专业类别嵌入（p为预设专业类型数EaegreeER"表示学位等级嵌入(q为学位等级数;后向LSTM，依赖于未来信息T,Th-1,..,Tt；并从属性特征集中获取职位层级向量vosition与学历背景向量vuu，构建电子文档特征和手写体职位属性，生成扫描特征组,表示遍历所有可能的三元组，Ai,j,k代表三个数据源之间的对齐权重，归一化分母确保所有注意力分数的总和为1，是跨模态相似度其中，点积运算用于衡量三个数据源之间的[0027]计算跨模态—致性分数跨文档矛盾：若跨模态—致性分数超出设定阈值其中，TS设定为l消解和解释性分析：C=(type,source1,sourcez,confidence),其中,type取值范confidence=o(wc·[sasign;At;cos())，其中，为可训练权重参数，时间线序列断裂点：Nime-ireuk={tlAtgup>Tgop}，其中，Atgop为相邻时间属性突变区：Nutr-jump={圳I--1ll2>Tatr}，其中，为时间点t的为时间点t-1的属性向量，为属性特征向量的欧几里得距tr=0.5时序传导：若一个时间线序列断裂点的下游存在属性突变区，则生成传导边：Etime-atr={(Nime-break,Nattr-jump)，Etime-attr是时间断裂点到属性突变区的传导边集合；tr={(N时间断裂传导权重uwtime其中，a=0.7,B=0.3为经验系数，countinked-attr表示当前时间断裂点关联的属性突ss=7-count(econnicr)+i·avg(satign)，其其取值范围在(0,1)之间，R-j表示节点i到j之间风险传导概率。冲突后，S3进一步判断该属性变化是否在时间上表现出突变趋势此外，S3还使用countAtgap为相邻时间段的间隔，Tiotal=max(tena)-min(tstarr)为整个时间线的总跨输入属性特征集：vosition,vuu；计算规则其中，u为时间点tcie计算：计算规则其中，densityconnsct为矛盾。cime>0.7Λcattr>0.6ΛR⃞j<0.4，对满足条件的矛盾节点，执行以v'=v-1+a(-⃞-1)，a为平滑因[0043