一种数据合规自查方法及装置与流程

1.本技术涉及数据分析技术，尤其涉及一种数据合规自查方法。本技术还涉及一种数据合规自查方法装置。


背景技术：

2.现代社会的运行离不开规章制度的规范，规章制度是指在社会生活中对人或者法人的行为进行规范的规定，当违反规章制度时，需要承担相应的侵权后果。因此合规审查就变得必不可少。
3.现有技术中，合规审查是基于已有的法律法规对行为进行比较确定的，但是合规审查的专业性较高，很多情况下当事人难以确认其行为的风险点；而通过人工方式进行合规审查的效率较低，成本偏高。因此需要一种高效的合规自查方式解决上述困境。


技术实现要素：

4.为解决现有技术中无法自查合规风险问题，本技术提供一种数据合规自查方法。本技术还涉及一种数据合规自查方法装置。
5.本技术提供一种数据合规自查方法，包括：建立问卷库、题目库、风险库和法律库；从文件库中选择问卷，根据所述问卷的属性特征，从所述题目库中按照预设规则选择题目，由用户进行选答；根据所述用户的选答，从所述风险库中选择风险点，并根据所述风险点从所述法律库中选择法律条款；调用预训练的ai模型，输入所述风险点和法律条款，获得风险解决方案。
6.可选的，所述选答包括：用户从所述题目的预设答案中选出答案；每个所述答案关联有一个或者多个风险点，每个所述风险点关于有一个或者多个法律条款。
7.可选的，还包括：建立输出表，该输出表根据用户的选答，将对应的风险点和法律条款显示。
8.可选的，所述风险解决方案包括：合规要求。
9.可选的，所述ai模型是卷积神经网络架构。
10.本技术还提供一种数据合规自查装置，包括：建库模块，用于建立问卷库、题目库、风险库和法律库；答题模块，用于从文件库中选择问卷，根据所述问卷的属性特征，从所述题目库中按照预设规则选择题目，由用户进行选答；关联模块，用于根据所述用户的选答，从所述风险库中选择风险点，并根据所述风险点从所述法律库中选择法律条款；计算模块，用于调用预训练的ai模型，输入所述风险点和法律条款，获得风险解决方案。
11.可选的，所述选答包括：用户从所述题目的预设答案中选出答案；每个所述答案关联有一个或者多个风险点，每个所述风险点关于有一个或者多个法律条款。
12.可选的，还包括：输出模块，所述输出模块建立输出表，该输出表根据用户的选答，将对应的风险点和法律条款显示。
13.可选的，所述风险解决方案包括：合规要求。
14.可选的，所述ai模型是卷积神经网络架构。
15.本技术相对与现有技术的优点：本技术提供一种数据合规自查方法，包括：建立问卷库、题目库、风险库和法律库；从文件库中选择问卷，根据所述问卷的属性特征，从所述题目库中按照预设规则选择题目，由用户进行选答；根据所述用户的选答，从所述风险库中选择风险点，并根据所述风险点从所述法律库中选择法律条款；调用预训练的ai模型，输入所述风险点和法律条款，获得风险解决方案。通过用户回答问题，寻找风险点和对应的法律条款，并通过ai模型计算获得解决方案，使用户可以自有的进行风险合规自检。
附图说明
16.图1是本技术中数据合规自查流程图。
17.图2是本技术中卷积神经网络模型的训练流程图。
18.图3是本技术中数据合规自查装置示意图。
具体实施方式
19.在下面的描述中阐述了很多具体细节以便于充分理解本技术。但是本技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本技术内涵的情况下做类似推广，因此本技术不受下面公开的具体实施的限制。
20.本技术提供一种数据合规自查方法，包括：建立问卷库、题目库、风险库和法律库；从文件库中选择问卷，根据所述问卷的属性特征，从所述题目库中按照预设规则选择题目，由用户进行选答；根据所述用户的选答，从所述风险库中选择风险点，并根据所述风险点从所述法律库中选择法律条款；调用预训练的ai模型，输入所述风险点和法律条款，获得风险解决方案。通过用户回答问题，寻找风险点和对应的法律条款，并通过ai模型计算获得解决方案，使用户可以自有的进行风险合规自检。
21.图1是本技术中数据合规自查流程图。
22.请参照图1所示，s101建立问卷库、题目库、风险库和法律库。
23.所述问卷库存储有多个问卷模板，各个所述问卷模板具有不同的属性特征，并通过标题区别。具体的，所述问卷模板由不同的问卷模块组成，用户可以根据实际需要将多个所述问卷模板拆分成多个问卷模块，并将需要的问卷模块重新组成问卷模板。
24.所述问卷模块是指一个种类题目的集合，这下种类可以包括，例如：行为题目，用于获取用户面临一个问题时会采取的行为；结果题目，用获取用户在面临一件事情时的结果倾向。本领域技术人员应答清楚，根据实际情况，所述种类可以进行多种方式的划分，以及进行不同的命名。
25.所述题目库可以是多种多样的，其具体包含有多个问题，可以针对某一领域进行详细制定，但是其依据应当是国家公布并生效的法律法规，这些法律法规是进行合规审核的依据，也是判断风险点的依据。
26.所述风险库是根据所述法律法规生成的，包括违反的每一条法律法规产生的风险，以及行为是否具有可能违反所述法律法规的风险。
27.所述法律库就是上述法律法规。
28.请参照图1所示，s102从文件库中选择问卷，根据所述问卷的属性特征，从所述题目库中按照预设规则选择题目，由用户进行选答。
29.所述属性特征可以是指问卷的目的，也可以是用户具体行为，其关键在于，通过所述属性特征从所述题目库中获取问题。
30.具体的，用户将根据自己的目的或者行为选择问卷，如果所述问卷已经具有模板，则可以直接获取，若没有则可以通过选择问卷模块组成新的问卷模板，所述新的问卷模板将存储到所述问卷库中。
31.用户选择问卷后，根据所述问卷的模板的问卷模块，分别筛选题目库中的题目，将归属于所述问卷模块的题目与所述问卷模块关联，并通过随机的方式选择预设数量的题目显示在每个问卷模块中。
32.具体的，每个所述问卷题目是具一个或者多个选项的，针对每个选择用户可以选择、不选择。用户完成每个题目的选择，其中每个题目的每个选项，都关联有相应的风险点，并进一步关联到法律法规。
33.请参照图1所示，s103根据所述用户的选答，从所述风险库中选择风险点，并根据所述风险点从所述法律库中选择法律条款。
34.所述用户在完成所述题目的选答后，即可根据所述选答的选项，以及根据所述选项关联的风险点和法律法规，进行合规审核，包括违反或者可能违反的法律法规。
35.请参照图1所示，s104调用预训练的ai模型，输入所述风险点和法律条款，获得风险解决方案。
36.所述预训练ai模型是预先训练好的，用户通过输入风险点和所述风险点对应的法律法规，进行计算得出风险解决方案的模型。优选的，所述ai模型是卷积神经网络模型。
37.图2是本技术中卷积神经网络模型的训练流程图。
38.请参照图2所示，s101获取风险点和法律法规进行卷积层计算。
39.所述卷积神经网络包括编码层（卷积层）和解码层，所述编码成在获取到所述风险点和法律法规后，将其进行三个卷积层的计算。
40.第一卷积层：获取所述风险点的第一特征点，这些第一特征点可以说风险点描述中的关键词。然后获取法律法规的第二特征点，所述第二特征点也是关键词。将所述第一特征点和第二特征点进行匹配，或者第一公共特征点，删除非公共特征点。所述公共特征点就是相同或者相似的特征点。然后根据所述第一公共特征点对所述风险点和法律法规进行修剪，及将不包含该公共特征点的法律法规和风险点删除，形成一级风险点和一级法律法规。
41.第二卷积层，获取所述一级风险点和一级法律法规的第三特征点和第四特征点，并进行匹配获得第二公共特征点。根据所述第二公共特征点对所述一级风险点和一级法律法规进行修剪，获得二级风险点和二级法律法规。
42.第三卷积层，获取所述二级风险点和二级法律法规的第五特征点和第六特征点，并进行匹配获得第三公共特征点。根据所述第三公共特征点对所述二级风险点和二级法律法规进行修剪，获得三级风险点和三级法律法规。
43.s202获得风险解决方案。
44.最后，通过解码层解析所述三级风险点和三级法律法规，获取三级风险点和三级法律法规的第七特征点以及第八特征点，并根据所述第七特征点和第八特征点进行检索特征点编码，生成合规检索点，通过合规检索点从方案库中检索风险解决方案。
45.本技术中，所述方案库是通过人工编辑生成的，及针对每个合规检索点进行解决方案的编辑，存储到所述方案库中以供检索。
46.本技术还提供一种数据合规自查装置，包括：建库模块301，答题模块302，关联模块303，计算模块304。
47.图3是本技术中数据合规自查装置示意图。
48.请参照图3所示，建库模块301，用于建立问卷库、题目库、风险库和法律库。
49.所述问卷库存储有多个问卷模板，各个所述问卷模板具有不同的属性特征，并通过标题区别。具体的，所述问卷模板由不同的问卷模块组成，用户可以根据实际需要将多个所述问卷模板拆分成多个问卷模块，并将需要的问卷模块重新组成问卷模板。
50.所述问卷模块是指一个种类题目的集合，这下种类可以包括，例如：行为题目，用于获取用户面临一个问题时会采取的行为；结果题目，用获取用户在面临一件事情时的结果倾向。本领域技术人员应答清楚，根据实际情况，所述种类可以进行多种方式的划分，以及进行不同的命名。
51.所述题目库可以是多种多样的，其具体包含有多个问题，可以针对某一领域进行详细制定，但是其依据应当是国家公布并生效的法律法规，这些法律法规是进行合规审核的依据，也是判断风险点的依据。
52.所述风险库是根据所述法律法规生成的，包括违反的每一条法律法规产生的风险，以及行为是否具有可能违反所述法律法规的风险。
53.所述法律库就是上述法律法规。
54.请参照图3所示，答题模块302，用于从文件库中选择问卷，根据所述问卷的属性特征，从所述题目库中按照预设规则选择题目，由用户进行选答。
55.所述属性特征可以是指问卷的目的，也可以是用户具体行为，其关键在于，通过所述属性特征从所述题目库中获取问题。
56.具体的，用户将根据自己的目的或者行为选择问卷，如果所述问卷已经具有模板，则可以直接获取，若没有则可以通过选择问卷模块组成新的问卷模板，所述新的问卷模板将存储到所述问卷库中。
57.用户选择问卷后，根据所述问卷的模板的问卷模块，分别筛选题目库中的题目，将归属于所述问卷模块的题目与所述问卷模块关联，并通过随机的方式选择预设数量的题目显示在每个问卷模块中。
58.具体的，每个所述问卷题目是具一个或者多个选项的，针对每个选择用户可以选择、不选择。用户完成每个题目的选择，其中每个题目的每个选项，都关联有相应的风险点，并进一步关联到法律法规。
59.请参照图3所示，关联模块303，用于根据所述用户的选答，从所述风险库中选择风险点，并根据所述风险点从所述法律库中选择法律条款。
60.所述用户在完成所述题目的选答后，即可根据所述选答的选项，以及根据所述选项关联的风险点和法律法规，进行合规审核，包括违反或者可能违反的法律法规。
61.请参照图3所示，计算模块304，用于调用预训练的ai模型，输入所述风险点和法律条款，获得风险解决方案。
62.所述预训练ai模型是预先训练好的，用户通过输入风险点和所述风险点对应的法律法规，进行计算得出风险解决方案的模型。优选的，所述ai模型是卷积神经网络模型。
63.请参照图2所示，s101获取风险点和法律法规进行卷积层计算。
64.所述卷积神经网络包括编码层（卷积层）和解码层，所述编码成在获取到所述风险点和法律法规后，将其进行三个卷积层的计算。
65.第一卷积层：获取所述风险点的第一特征点，这些第一特征点可以说风险点描述中的关键词。然后获取法律法规的第二特征点，所述第二特征点也是关键词。将所述第一特征点和第二特征点进行匹配，或者第一公共特征点，删除非公共特征点。所述公共特征点就是相同或者相似的特征点。然后根据所述第一公共特征点对所述风险点和法律法规进行修剪，及将不包含该公共特征点的法律法规和风险点删除，形成一级风险点和一级法律法规。
66.第二卷积层，获取所述一级风险点和一级法律法规的第三特征点和第四特征点，并进行匹配获得第二公共特征点。根据所述第二公共特征点对所述一级风险点和一级法律法规进行修剪，获得二级风险点和二级法律法规。
67.第三卷积层，获取所述二级风险点和二级法律法规的第五特征点和第六特征点，并进行匹配获得第三公共特征点。根据所述第三公共特征点对所述二级风险点和二级法律法规进行修剪，获得三级风险点和三级法律法规。
68.s202获得风险解决方案。
69.最后，通过解码层解析所述三级风险点和三级法律法规，获取三级风险点和三级法律法规的第七特征点以及第八特征点，并根据所述第七特征点和第八特征点进行检索特征点编码，生成合规检索点，通过合规检索点从方案库中检索风险解决方案。
70.本技术中，所述方案库是通过人工编辑生成的，及针对每个合规检索点进行解决方案的编辑，存储到所述方案库中以供检索。