一种基于人工智能的事件合规性评价方法及系统与流程

本发明涉及事件合规性评价，尤其涉及一种基于人工智能的事件合规性评价方法及系统。

背景技术：

1、目前，在传统的事件合规性评价方法中，对事件的合规性评价往往是基于公司内部制度及过往经验进行评价，如果该事件不符合公司内部制度，则认为该事件存在合规风险，并基于历史发生该合规事件的影响程度，对该合规风险进行等级划分。

2、但是，传统的事件合规性评价方法没有考虑到公司内部制度与实际发生事件不匹配的问题，即在企业发展过程中，出现各类新事件的速度总是快于企业制度的更迭，会造成企业制度可能没有对新增事件进行规范。同时，在对风险等级进行划分时，仅考虑影响程度，划分依据非常单一，导致风险等级划分不合理，因此，目前对事件合规性评价的准确性较差，风险等级划分的准确性也较差。

技术实现思路

1、本发明提供了一种基于人工智能的事件合规性评价方法及系统，解决了对事件合规性评价的准确性较差，风险等级划分的准确性也较差的技术问题。

2、有鉴于此，本发明第一方面提供了一种基于人工智能的事件合规性评价方法，包括以下步骤：

3、获取待评价合规的事件文本，对所述待评价合规的事件文本进行分词处理，根据分词结果提取多个事件关键词，构建事件关键词库；

4、根据所述待评价合规的事件文本的事件类型在预设的合规评价规则库中匹配对应的合规评价制度文本以及所述合规评价制度文本中的合规关键词；

5、对所述待评价合规的事件文本与所述合规评价制度文本计算第一文本相似度，判断所述第一文本相似度是否大于预设的第一相似度阈值，若判断所述第一文本相似度大于所述预设的第一相似度阈值时，则执行下一步；

6、将所述合规评价制度文本的合规关键词按照预设的权重进行排序，对所述事件关键词库中的每个事件关键词与排序后的合规关键词计算第二文本相似度，判断所述第二文本相似度是否大于预设的第二相似度阈值，若判断所述第二文本相似度大于所述预设的第二相似度阈值时，则判定事件关键词与对应的合规关键词为相匹配的关键词组；

7、对每个所述相匹配的关键词组中的事件关键词与其对应匹配的合规关键词分别进行语义分析，得到语义分析结果；

8、对事件关键词与其对应匹配的合规关键词分别对应的语义分析结果进行比对，若语义对比不一致，则将相应的待评价合规的事件记为合规风险事件；

9、获取所述合规风险事件中语义对比不一致的合规关键词的权重排序位数并进行加和计算，得到权重排序总值；

10、将所述合规风险事件的合规关键词的权重排序总值以及历史发生频次输入至预先训练好的风险划分模型中，输出所述合规风险事件的风险程度；其中，所述预先训练好的风险划分模型是基于卷积神经网络，以历史合规风险事件的关键词权重排序总值与发生频次为输入，并以历史合规风险事件的风险程度为输出进行训练得到的。

11、优选地，本方法还包括：

12、对所述公司制度文本进行提取公司制度关键词，根据所述公司制度文本以及其对应的公司制度关键词构建合规评价规则库；

13、对所述公司制度文本进行分类，得到不同类型的公司制度文本，基于爬虫技术在公共网络中获取与所述公司制度文本相同类型的国家法律文本；

14、对所述国家法律文本与所述所述公司制度文本进行第三文本相似度计算，判断所述国家法律文本与所述所述公司制度文本的第三文本相似度是否小于预设的第三相似度阈值，若判断所述国家法律文本与所述所述公司制度文本的第三文本相似度不小于所述预设的第三相似度阈值时，则将所述国家法律文本进行剔除，若判断所述国家法律文本与所述所述公司制度文本的第三文本相似度小于所述预设的第三相似度阈值时，则提取所述国家法律文本的法律关键词，将所述国家法律文本以及其对应的法律关键词存至所述合规评价规则库中。

15、优选地，本方法还包括：

16、对所述预设的合规评价规则库中的所述合规评价制度文本进行分词处理，得到分词结果；

17、基于词库对所述合规评价制度文本对应的分词结果进行提取多个合规关键词；

18、对所述合规关键词进行词性分析，根据词性类型对所述合规关键词设置相应的权重，其中，所述词性类型包括限制型词语、数值型词语、名词、动词和形容词，所述词性类型的权重由大至小的排序为限制型词语、数值型词语、名词、动词和形容词。

19、优选地，本方法还包括：

20、根据所述合规风险事件的风险程度以及其对应的历史时段发生频次形成合规风险事件发生频次时序数据；其中，所述风险程度包括轻微、一般、较大和重大；

21、基于prophet时序预测算法，根据所述合规风险事件发生频次时序数据构建prophet时序预测模型，通过所述prophet时序预测模型对未来时刻的合规风险事件发生频次进行预测，得到合规风险事件发生频次预测值；

22、将所述合规风险事件发生频次预测值与预设的发生频次阈值进行比对，若所述合规风险事件发生频次预测值超过所述预设的发生频次阈值时，则提高对应的合规风险事件的事件合规评价频率。

23、第二方面，本发明还提供了一种基于人工智能的事件合规性评价系统，包括：

24、第一关键词提取模块，用于获取待评价合规的事件文本，对所述待评价合规的事件文本进行分词处理，根据分词结果提取多个事件关键词，构建事件关键词库；

25、关键词匹配模块，用于根据所述待评价合规的事件文本的事件类型在预设的合规评价规则库中匹配对应的合规评价制度文本以及所述合规评价制度文本中的合规关键词；

26、第一相似度计算模块，用于对所述待评价合规的事件文本与所述合规评价制度文本计算第一文本相似度，判断所述第一文本相似度是否大于预设的第一相似度阈值，若判断所述第一文本相似度大于所述预设的第一相似度阈值时，则执行第二相似度计算模块的工序；

27、第二相似度计算模块，用于将所述合规评价制度文本的合规关键词按照预设的权重进行排序，对所述事件关键词库中的每个事件关键词与排序后的合规关键词计算第二文本相似度，判断所述第二文本相似度是否大于预设的第二相似度阈值，若判断所述第二文本相似度大于所述预设的第二相似度阈值时，则判定事件关键词与对应的合规关键词为相匹配的关键词组；

28、语义分析模块，用于对每个所述相匹配的关键词组中的事件关键词与其对应匹配的合规关键词分别进行语义分析，得到语义分析结果；

29、语义对比模块，用于对事件关键词与其对应匹配的合规关键词分别对应的语义分析结果进行比对，若语义对比不一致，则将相应的待评价合规的事件记为合规风险事件；

30、权重加和模块，用于获取所述合规风险事件中语义对比不一致的合规关键词的权重排序位数并进行加和计算，得到权重排序总值；

31、风险划分模块，用于将所述合规风险事件的合规关键词的权重排序总值以及历史发生频次输入至预先训练好的风险划分模型中，输出所述合规风险事件的风险程度；其中，所述预先训练好的风险划分模型是基于卷积神经网络，以历史合规风险事件的关键词权重排序总值与发生频次为输入，并以历史合规风险事件的风险程度为输出进行训练得到的。

32、优选地，本系统还包括：

33、第二关键词提取模块，用于对所述公司制度文本进行提取公司制度关键词，根据所述公司制度文本以及其对应的公司制度关键词构建合规评价规则库；

34、文本分类模块，用于对所述公司制度文本进行分类，得到不同类型的公司制度文本，基于爬虫技术在公共网络中获取与所述公司制度文本相同类型的国家法律文本；

35、规则库构建模块，用于对所述国家法律文本与所述所述公司制度文本进行第三文本相似度计算，判断所述国家法律文本与所述所述公司制度文本的第三文本相似度是否小于预设的第三相似度阈值，若判断所述国家法律文本与所述所述公司制度文本的第三文本相似度不小于所述预设的第三相似度阈值时，则将所述国家法律文本进行剔除，若判断所述国家法律文本与所述所述公司制度文本的第三文本相似度小于所述预设的第三相似度阈值时，则提取所述国家法律文本的法律关键词，将所述国家法律文本以及其对应的法律关键词存至所述合规评价规则库中。

36、优选地，本系统还包括：

37、分词模块，用于对所述预设的合规评价规则库中的所述合规评价制度文本进行分词处理，得到分词结果；

38、第三关键词提取模块，用于基于词库对所述合规评价制度文本对应的分词结果进行提取多个合规关键词；

39、词性分析模块，用于对所述合规关键词进行词性分析，根据词性类型对所述合规关键词设置相应的权重，其中，所述词性类型包括限制型词语、数值型词语、名词、动词和形容词，所述词性类型的权重由大至小的排序为限制型词语、数值型词语、名词、动词和形容词。

40、优选地，本系统还包括：

41、频次时序构建模块，用于根据所述合规风险事件的风险程度以及其对应的历史时段发生频次形成合规风险事件发生频次时序数据；其中，所述风险程度包括轻微、一般、较大和重大；

42、时序预测模块，用于基于prophet时序预测算法，根据所述合规风险事件发生频次时序数据构建prophet时序预测模型，通过所述prophet时序预测模型对未来时刻的合规风险事件发生频次进行预测，得到合规风险事件发生频次预测值；

43、频次判断模块，用于将所述合规风险事件发生频次预测值与预设的发生频次阈值进行比对，若所述合规风险事件发生频次预测值超过所述预设的发生频次阈值时，则提高对应的合规风险事件的事件合规评价频率。

44、第三方面，本发明还提供了一种电子设备，包括：

45、至少一个处理器；以及，

46、与所述至少一个处理器通信连接的存储器；其中，

47、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述的方法。

48、第四方面，本发明还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。

49、从以上技术方案可以看出，本发明具有以下优点：

50、本发明通过对待评价合规的事件文本进行分词处理，根据分词结果提取多个事件关键词，根据待评价合规的事件文本的事件类型在预设的合规评价规则库中匹配对应的合规评价制度文本以及合规关键词，计算待评价合规的事件文本与合规评价制度文本计算第一文本相似度，若判断第一文本相似度大于所述预设的第一相似度阈值时，则将合规关键词按照预设的权重进行排序，对每个事件关键词与排序后的合规关键词计算第二文本相似度，判断第二文本相似度是否大于预设的第二相似度阈值，从而确定相匹配的关键词组，并对每个相匹配的关键词组中的事件关键词与其对应匹配的合规关键词分别进行语义分析，得到语义分析结果，对事件关键词与其对应匹配的合规关键词分别对应的语义分析结果进行比对，若语义对比不一致，则将相应的待评价合规的事件记为合规风险事件，对合规风险事件中语义对比不一致的合规关键词的权重排序位数进行加和计算，得到权重排序总值，将合规风险事件的合规关键词的权重排序总值以及历史发生频次输入至预先训练好的风险划分模型中，输出所述合规风险事件的风险程度，从而提高了事件合规性评价的准确性以及风险等级划分的准确性。