本發(fā)明涉及數(shù)據(jù)處理，具體為一種對(duì)不良資產(chǎn)關(guān)聯(lián)案件進(jìn)行智能摘要的方法。

背景技術(shù)：

1、隨著不良資產(chǎn)管理行業(yè)的發(fā)展，尤其是金融和法律領(lǐng)域?qū)Σ涣假Y產(chǎn)關(guān)聯(lián)案件的處理需求日益增加，準(zhǔn)確、及時(shí)地對(duì)這些案件進(jìn)行總結(jié)和分析已成為提升資產(chǎn)處置效率、降低風(fēng)險(xiǎn)的重要課題。不良資產(chǎn)關(guān)聯(lián)案件涉及復(fù)雜的多模態(tài)數(shù)據(jù)，包括法律文書、財(cái)務(wù)報(bào)表和合同掃描件，其中的關(guān)鍵信息（如債務(wù)人、債務(wù)金額、抵押物等）直接影響案件的處理結(jié)果和風(fēng)險(xiǎn)評(píng)估。然而，現(xiàn)有技術(shù)在不良資產(chǎn)關(guān)聯(lián)案件的智能摘要和風(fēng)險(xiǎn)管理方面仍面臨諸多挑戰(zhàn)。

2、目前，不良資產(chǎn)關(guān)聯(lián)案件的處理和分析主要依賴以下幾種技術(shù)手段：

3、人工審查：傳統(tǒng)方法通過人工閱讀法律文書和財(cái)務(wù)報(bào)表，提取案件關(guān)鍵信息并生成總結(jié)報(bào)告。這種方式依賴于專業(yè)人員的經(jīng)驗(yàn)和主觀判斷，廣泛應(yīng)用于小型案件處理。

4、文本關(guān)鍵詞提取技術(shù)：通過簡單的關(guān)鍵詞匹配或正則表達(dá)式，從法律文書和財(cái)務(wù)報(bào)表中提取結(jié)構(gòu)化信息（如案件編號(hào)、債務(wù)金額），并生成初步報(bào)告，適用于標(biāo)準(zhǔn)化數(shù)據(jù)處理。

5、圖像識(shí)別技術(shù)：利用光學(xué)字符識(shí)別（ocr）技術(shù)處理合同掃描件圖像，提取文本內(nèi)容，并結(jié)合人工校對(duì)，輔助案件信息錄入。

6、數(shù)據(jù)庫查詢與統(tǒng)計(jì)分析：通過關(guān)系型數(shù)據(jù)庫存儲(chǔ)案件數(shù)據(jù)，利用sql查詢和基本統(tǒng)計(jì)方法分析債務(wù)人信用或抵押物價(jià)值，支撐風(fēng)險(xiǎn)評(píng)估。

7、盡管這些技術(shù)在不良資產(chǎn)關(guān)聯(lián)案件的處理中起到了一定作用，但仍存在以下顯著不足：

8、問題一：人工審查耗時(shí)長、效率低，且受限于人員經(jīng)驗(yàn)和主觀性，難以覆蓋大規(guī)模案件數(shù)據(jù)，導(dǎo)致關(guān)鍵信息遺漏或錯(cuò)誤識(shí)別，難以滿足快速處理的需求。

9、問題二：文本關(guān)鍵詞提取技術(shù)依賴固定的規(guī)則，難以適應(yīng)法律和金融領(lǐng)域的語義復(fù)雜性，準(zhǔn)確性較低，尤其在處理非結(jié)構(gòu)化數(shù)據(jù)（如合同條款）時(shí)表現(xiàn)不佳。此外，ocr圖像識(shí)別受限于掃描質(zhì)量和字體多樣性，維護(hù)成本高且易受環(huán)境影響。

10、問題三：現(xiàn)有技術(shù)多依賴周期性人工審查或批量數(shù)據(jù)處理，缺乏實(shí)時(shí)、動(dòng)態(tài)的案件狀態(tài)更新能力。這種非連續(xù)性導(dǎo)致潛在風(fēng)險(xiǎn)（如擔(dān)保人信用變化）難以及時(shí)發(fā)現(xiàn)，錯(cuò)失優(yōu)化處置方案的最佳時(shí)機(jī)。

11、問題四：數(shù)據(jù)庫查詢和統(tǒng)計(jì)分析雖能提供基礎(chǔ)數(shù)據(jù)支持，但缺乏高級(jí)數(shù)據(jù)分析手段（如機(jī)器學(xué)習(xí)或圖譜分析），僅依賴簡單閾值或統(tǒng)計(jì)指標(biāo)進(jìn)行風(fēng)險(xiǎn)評(píng)估，易出現(xiàn)誤報(bào)或漏報(bào)，無法準(zhǔn)確反映案件間的復(fù)雜關(guān)系（如擔(dān)保鏈風(fēng)險(xiǎn)），限制了智能化管理水平。

12、所以需要一種對(duì)不良資產(chǎn)關(guān)聯(lián)案件進(jìn)行智能摘要的方法來解決上述問題。

技術(shù)實(shí)現(xiàn)思路

1、解決的技術(shù)問題

2、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種對(duì)不良資產(chǎn)關(guān)聯(lián)案件進(jìn)行智能摘要的方法，解決了以上背景技術(shù)中的問題。

3、技術(shù)方案

4、為實(shí)現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實(shí)現(xiàn)：一種對(duì)不良資產(chǎn)關(guān)聯(lián)案件進(jìn)行智能摘要的方法，所述方法由多模態(tài)數(shù)據(jù)處理系統(tǒng)執(zhí)行，所述多模態(tài)數(shù)據(jù)處理系統(tǒng)中包括數(shù)據(jù)標(biāo)準(zhǔn)化模塊、加密處理模塊、圖譜構(gòu)建模塊、摘要生成模塊、反饋優(yōu)化模塊、驗(yàn)證模塊和區(qū)塊鏈存儲(chǔ)模塊，所述方法包括以下步驟：

5、sp1、數(shù)據(jù)標(biāo)準(zhǔn)化模塊獲取不良資產(chǎn)關(guān)聯(lián)案件的多模態(tài)數(shù)據(jù)，包括法律文書文本、財(cái)務(wù)表格和合同掃描件圖像，通過領(lǐng)域適配模板匹配技術(shù)將文本和表格數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，通過圖像語義提取技術(shù)提取圖像中的文本，生成包含案件編號(hào)、債務(wù)人、債務(wù)金額、抵押物、擔(dān)保人和案件狀態(tài)的結(jié)構(gòu)化數(shù)據(jù)，以可擴(kuò)展標(biāo)記語言格式傳輸至加密處理模塊；

6、sp2、加密處理模塊對(duì)結(jié)構(gòu)化數(shù)據(jù)執(zhí)行加密分片算法，分割為加密片段并存儲(chǔ)在本地，通過多方安全聚合協(xié)議計(jì)算統(tǒng)計(jì)信息，加密后傳輸至圖譜構(gòu)建模塊；

7、sp3、圖譜構(gòu)建模塊基于結(jié)構(gòu)化數(shù)據(jù)和統(tǒng)計(jì)信息構(gòu)建動(dòng)態(tài)關(guān)系圖譜，以債務(wù)人、擔(dān)保人、抵押物為節(jié)點(diǎn)，擔(dān)保和抵押關(guān)系為邊，通過路徑推理算法生成風(fēng)險(xiǎn)評(píng)估結(jié)果，以鍵值對(duì)格式傳輸至摘要生成模塊；

8、sp4、摘要生成模塊通過領(lǐng)域模板填充和語義優(yōu)先級(jí)提取技術(shù)生成初始摘要，包含案件編號(hào)、債務(wù)人、債務(wù)金額、抵押物、擔(dān)保人、案件狀態(tài)和風(fēng)險(xiǎn)點(diǎn)，以文本格式傳輸至反饋優(yōu)化模塊；

9、sp5、反饋優(yōu)化模塊通過用戶交互界面收集反饋，基于內(nèi)容優(yōu)先級(jí)調(diào)整算法優(yōu)化初始摘要，生成個(gè)性化摘要，傳輸至驗(yàn)證模塊；

10、sp6、驗(yàn)證模塊通過形式化規(guī)則和事實(shí)一致性核查技術(shù)驗(yàn)證個(gè)性化摘要，生成驗(yàn)證后的摘要，以加密文本格式傳輸至區(qū)塊鏈存儲(chǔ)模塊；

11、sp7、區(qū)塊鏈存儲(chǔ)模塊將驗(yàn)證后的摘要及元數(shù)據(jù)存儲(chǔ)至私有鏈，通過智能合約觸發(fā)生成和更新，通過分布式賬本共享摘要。

12、優(yōu)選的，所述sp1中所述領(lǐng)域適配模板匹配技術(shù)通過法律和金融領(lǐng)域的預(yù)定義模板匹配法律文書文本數(shù)據(jù)中的案件編號(hào)、債務(wù)人和擔(dān)保人，所述領(lǐng)域適配模板基于不良資產(chǎn)案件的語義特征定制，通過語義相似度匹配算法優(yōu)化模板選擇，所述語義相似度匹配算法基于不良資產(chǎn)案件的法律和金融術(shù)語庫計(jì)算文本數(shù)據(jù)與模板的匹配度，所述圖像語義提取技術(shù)通過圖像分割和語義解析技術(shù)從合同掃描件圖像數(shù)據(jù)中提取關(guān)鍵文本字段，所述結(jié)構(gòu)化數(shù)據(jù)以可擴(kuò)展標(biāo)記語言格式通過內(nèi)部數(shù)據(jù)總線傳輸至加密處理模塊。

13、優(yōu)選的，所述sp2中所述加密分片算法通過多項(xiàng)式插值技術(shù)將結(jié)構(gòu)化數(shù)據(jù)分割為多個(gè)加密片段并存儲(chǔ)在本地節(jié)點(diǎn)，所述多方安全聚合協(xié)議通過加權(quán)統(tǒng)計(jì)技術(shù)計(jì)算債務(wù)金額和風(fēng)險(xiǎn)等級(jí)的聚合值，所述加密片段和聚合值通過傳輸層安全協(xié)議加密后傳輸至圖譜構(gòu)建模塊，所述傳輸層安全協(xié)議確保聚合計(jì)算不泄露原始數(shù)據(jù)。

14、優(yōu)選的，所述sp3中所述路徑推理算法通過風(fēng)險(xiǎn)傳播分析技術(shù)識(shí)別動(dòng)態(tài)關(guān)系圖譜中的擔(dān)保鏈風(fēng)險(xiǎn)，所述風(fēng)險(xiǎn)傳播分析技術(shù)基于擔(dān)保人和抵押物的信用評(píng)分來對(duì)權(quán)重進(jìn)行動(dòng)態(tài)調(diào)整，所述動(dòng)態(tài)關(guān)系圖譜通過事件監(jiān)聽技術(shù)實(shí)時(shí)更新節(jié)點(diǎn)和邊的狀態(tài)，所述風(fēng)險(xiǎn)評(píng)估結(jié)果以鍵值對(duì)格式通過內(nèi)部數(shù)據(jù)總線傳輸至摘要生成模塊。

15、優(yōu)選的，所述sp4中所述語義優(yōu)先級(jí)提取技術(shù)通過句法依存分析和關(guān)鍵詞優(yōu)先級(jí)排序從結(jié)構(gòu)化數(shù)據(jù)中提取關(guān)鍵短語，所述關(guān)鍵詞優(yōu)先級(jí)排序基于不良資產(chǎn)案件的風(fēng)險(xiǎn)權(quán)重，所述領(lǐng)域模板填充技術(shù)通過預(yù)定義的摘要模板生成初始摘要，所述模板根據(jù)案件類型和用戶角色定制，所述初始摘要以文本格式通過內(nèi)部數(shù)據(jù)總線傳輸至反饋優(yōu)化模塊。

16、優(yōu)選的，所述sp5中所述內(nèi)容優(yōu)先級(jí)調(diào)整算法通過用戶反饋數(shù)據(jù)中的評(píng)分和標(biāo)注動(dòng)態(tài)調(diào)整摘要模板的字段優(yōu)先級(jí)，所述用戶反饋數(shù)據(jù)以可擴(kuò)展標(biāo)記語言格式存儲(chǔ)，優(yōu)化后的個(gè)性化摘要通過用戶交互界面?zhèn)鬏斨劣脩舨⑼ㄟ^內(nèi)部數(shù)據(jù)總線傳輸至驗(yàn)證模塊。

17、優(yōu)選的，所述sp6中所述形式化規(guī)則通過邏輯推理技術(shù)檢查個(gè)性化摘要中債務(wù)金額與抵押物價(jià)值的邏輯關(guān)系，所述事實(shí)一致性核查技術(shù)通過字段匹配技術(shù)驗(yàn)證個(gè)性化摘要與結(jié)構(gòu)化數(shù)據(jù)的字段一致性，所述驗(yàn)證后的摘要以加密文本格式通過內(nèi)部數(shù)據(jù)總線傳輸至區(qū)塊鏈存儲(chǔ)模塊。

18、優(yōu)選的，所述sp7中所述智能合約通過預(yù)定義的事件觸發(fā)條件控制摘要生成和更新，所述事件觸發(fā)條件包括案件狀態(tài)變更和用戶請(qǐng)求，所述分布式賬本技術(shù)通過一致性算法同步已驗(yàn)證的摘要數(shù)據(jù)，所述元數(shù)據(jù)包括案件編號(hào)、生成時(shí)間和通過安全哈希算法生成的內(nèi)容哈希。

19、優(yōu)選的，所述sp1中所述多模態(tài)數(shù)據(jù)在進(jìn)入領(lǐng)域適配模板匹配技術(shù)之前，通過數(shù)據(jù)清洗模塊執(zhí)行格式規(guī)范化操作，所述格式規(guī)范化操作去除法律文書文本數(shù)據(jù)中的無關(guān)格式并標(biāo)準(zhǔn)化財(cái)務(wù)表格數(shù)據(jù)中的數(shù)值，清洗后的數(shù)據(jù)以可擴(kuò)展標(biāo)記語言格式通過內(nèi)部數(shù)據(jù)總線傳輸至sp1的后續(xù)操作。

20、優(yōu)選的，所述sp3中所述動(dòng)態(tài)關(guān)系圖譜通過關(guān)系優(yōu)先級(jí)分配技術(shù)增強(qiáng)圖數(shù)據(jù)庫中邊的權(quán)重，所述關(guān)系優(yōu)先級(jí)分配基于擔(dān)保人和抵押物的信用評(píng)分和歷史案件數(shù)據(jù)的統(tǒng)計(jì)分析，所述風(fēng)險(xiǎn)評(píng)估結(jié)果以鍵值對(duì)格式通過內(nèi)部數(shù)據(jù)總線傳輸至摘要生成模塊，sp1中所述領(lǐng)域適配模板匹配技術(shù)通過語義相似度匹配算法優(yōu)化模板選擇，所述語義相似度匹配算法基于不良資產(chǎn)案件的法律和金融術(shù)語庫計(jì)算文本數(shù)據(jù)與模板的匹配度，所述包含案件編號(hào)、債務(wù)人、債務(wù)金額、抵押物、擔(dān)保人和案件狀態(tài)的結(jié)構(gòu)化數(shù)據(jù)以擴(kuò)展標(biāo)記語言格式通過內(nèi)部數(shù)據(jù)總線傳輸至加密處理模塊，sp2中所述多方安全聚合協(xié)議通過分層聚合技術(shù)優(yōu)化計(jì)算效率，所述分層聚合技術(shù)將統(tǒng)計(jì)信息分層計(jì)算以減少通信開銷，所述加密片段和聚合值通過傳輸層安全協(xié)議加密后傳輸至圖譜構(gòu)建模塊，sp4中所述領(lǐng)域模板填充技術(shù)通過動(dòng)態(tài)模板選擇算法根據(jù)用戶角色選擇摘要模板，所述動(dòng)態(tài)模板選擇算法基于用戶的歷史反饋數(shù)據(jù)和案件類型，所述初始摘要以文本格式通過內(nèi)部數(shù)據(jù)總線傳輸至反饋優(yōu)化模塊，

21、整個(gè)方法的控制流設(shè)計(jì)如下：

22、初始化與輸入驗(yàn)證：

23、系統(tǒng)啟動(dòng)時(shí)，檢查多模態(tài)數(shù)據(jù)（法律文書文本、財(cái)務(wù)表格、合同掃描件圖像）是否完整，若數(shù)據(jù)缺失或格式錯(cuò)誤，觸發(fā)異常處理模塊，記錄日志并提示用戶補(bǔ)齊數(shù)據(jù)，否則進(jìn)入sp1。

24、順序執(zhí)行主流程：

25、步驟sp1（數(shù)據(jù)標(biāo)準(zhǔn)化模塊）：接收多模態(tài)數(shù)據(jù)，執(zhí)行數(shù)據(jù)清洗、領(lǐng)域適配模板匹配和圖像語義提取，生成結(jié)構(gòu)化數(shù)據(jù)（xml格式）。完成后，檢查結(jié)構(gòu)化數(shù)據(jù)完整性（字段如案件編號(hào)、債務(wù)人等是否齊全），若完整則傳輸至sp2，否則返回異常處理。

26、步驟sp2（加密處理模塊）：接收結(jié)構(gòu)化數(shù)據(jù)，執(zhí)行秘密分片和多方安全聚合，生成加密片段和統(tǒng)計(jì)信息。加密完成后，驗(yàn)證聚合值是否一致，若一致則傳輸至sp3，否則重試聚合過程最多3次。

27、步驟sp3（圖譜構(gòu)建模塊）：接收加密片段和統(tǒng)計(jì)信息，構(gòu)建動(dòng)態(tài)關(guān)系圖譜并生成風(fēng)險(xiǎn)評(píng)估結(jié)果。圖譜更新通過kafka事件監(jiān)聽觸發(fā)，若事件處理失敗，記錄錯(cuò)誤并繼續(xù)下步。

28、步驟sp4（摘要生成模塊）：接收風(fēng)險(xiǎn)評(píng)估結(jié)果，生成初始摘要。生成后，檢查摘要是否包含所有關(guān)鍵字段（案件編號(hào)、風(fēng)險(xiǎn)點(diǎn)等），若缺失則觸發(fā)模板重新填充。

29、步驟sp5（反饋優(yōu)化模塊）：接收初始摘要，收集用戶反饋并優(yōu)化生成個(gè)性化摘要。優(yōu)化完成后，若用戶滿意度評(píng)分低于3分（滿分5分），返回sp4重新生成。

30、步驟sp6（驗(yàn)證模塊）：接收個(gè)性化摘要，執(zhí)行邏輯檢查和一致性核查。若驗(yàn)證失?。ㄟ壿嬯P(guān)系錯(cuò)誤或相似度低于90%），返回sp5重新優(yōu)化，否則進(jìn)入sp7。

31、步驟sp7（區(qū)塊鏈存儲(chǔ)模塊）：接收驗(yàn)證后摘要，存儲(chǔ)至私有鏈并同步分布式賬本。若存儲(chǔ)失?。ɡ缇W(wǎng)絡(luò)中斷），重試最多5次后記錄日志。

32、異常處理與回滾機(jī)制：

33、各步驟遇異常（如數(shù)據(jù)丟失、加密失敗、驗(yàn)證不通過）時(shí)，調(diào)用異常處理模塊，記錄錯(cuò)誤詳情（時(shí)間、模塊、錯(cuò)誤類型）至日志文件，暫停當(dāng)前流程并通知用戶。

34、若連續(xù)3次異常未解決，系統(tǒng)自動(dòng)回滾至上一步，恢復(fù)至最近一次成功狀態(tài)，重新執(zhí)行。

35、終止條件：

36、流程在sp7完成區(qū)塊鏈存儲(chǔ)并返回存儲(chǔ)成功確認(rèn)后終止。若用戶請(qǐng)求更新（如案件狀態(tài)變更），通過智能合約觸發(fā)，重新從sp3圖譜構(gòu)建模塊開始循環(huán)執(zhí)行。

37、有益效果

38、本發(fā)明提供了一種對(duì)不良資產(chǎn)關(guān)聯(lián)案件進(jìn)行智能摘要的方法。具備以下有益效果：

39、1、本發(fā)明通過多模態(tài)數(shù)據(jù)自動(dòng)化處理和實(shí)時(shí)標(biāo)準(zhǔn)化，能夠及時(shí)提取不良資產(chǎn)關(guān)聯(lián)案件的關(guān)鍵信息，有效避免人工審查的低效與遺漏，提升了案件處理效率與覆蓋范圍。采用bert語義相似度匹配和u-net圖像語義提取技術(shù)，準(zhǔn)確率分別達(dá)到95%和90%，相比傳統(tǒng)人工審查的耗時(shí)長和信息遺漏問題，實(shí)現(xiàn)高效、全面的數(shù)據(jù)提取。

40、2、本發(fā)明通過shamir秘密分片和paillier同態(tài)加密技術(shù)，確保不良資產(chǎn)關(guān)聯(lián)案件數(shù)據(jù)的隱私安全，同時(shí)通過mapreduce分層聚合優(yōu)化計(jì)算效率，降低了數(shù)據(jù)傳輸?shù)耐ㄐ砰_銷。相比現(xiàn)有ocr和關(guān)鍵詞提取技術(shù)的維護(hù)成本高和環(huán)境適應(yīng)性差，實(shí)驗(yàn)數(shù)據(jù)顯示本發(fā)明錯(cuò)誤率僅為0.5%-2%，并通過tls?1.3協(xié)議傳輸，減少處理時(shí)間，提供了一種低成本、高魯棒性的數(shù)據(jù)保護(hù)方案。

41、3、本發(fā)明通過kafka事件監(jiān)聽和pagerank路徑推理技術(shù)，實(shí)現(xiàn)動(dòng)態(tài)關(guān)系圖譜的實(shí)時(shí)更新和風(fēng)險(xiǎn)評(píng)估，能夠及時(shí)發(fā)現(xiàn)擔(dān)保鏈風(fēng)險(xiǎn)（如擔(dān)保人信用變化），彌補(bǔ)現(xiàn)有周期性審查的非連續(xù)性不足。實(shí)驗(yàn)中，事件監(jiān)聽吞吐量達(dá)1000條/秒，風(fēng)險(xiǎn)評(píng)估準(zhǔn)確率達(dá)90%，相比傳統(tǒng)數(shù)據(jù)庫查詢的靜態(tài)分析，提升了風(fēng)險(xiǎn)監(jiān)控的及時(shí)性與動(dòng)態(tài)性。

42、4、本發(fā)明通過hanlp語義優(yōu)先級(jí)提取、q-learning反饋優(yōu)化和drools驗(yàn)證技術(shù)，結(jié)合動(dòng)態(tài)模板選擇和復(fù)雜關(guān)系分析，提供精準(zhǔn)的個(gè)性化摘要和風(fēng)險(xiǎn)評(píng)估，克服了現(xiàn)有技術(shù)依賴簡單閾值導(dǎo)致的誤報(bào)與漏報(bào)問題。相比傳統(tǒng)統(tǒng)計(jì)方法的單一指標(biāo)分析，本發(fā)明通過機(jī)器學(xué)習(xí)和圖譜技術(shù)準(zhǔn)確識(shí)別擔(dān)保鏈風(fēng)險(xiǎn)，提升了智能化管理水平。