[发明专利]一种公文模板推荐方法及系统

权利要求书

1.一种公文模板推荐方法，其特征在于：包括如下步骤：

步骤S10、获取公文历史数据，并对所述公文历史数据进行预处理；

步骤S20、创建一公文模板抽取模型，利用所述公文模板抽取模型从公文历史数据中抽取若干个公文模板；

步骤S30、创建并训练一用于匹配所述公文模板与公文标题的公文模板匹配模型；

步骤S40、获取用户输入的新公文标题，基于所述新公文标题以及公文模板匹配模型匹配对应的公文模板，完成公文模板推荐。

2.如权利要求1所述的一种公文模板推荐方法，其特征在于：所述步骤S10具体为：

从公文数据库中获取公文历史数据，并对所述公文历史数据进行包括数据清洗和数据标准化的预处理；

所述公文历史数据至少包括公文ID、部门ID、公文标题、正文、发送者、接收者、接收时间以及处理时间；

所述数据清洗具体为对所述公文历史数据进行有效性校验、剔除非法字符以及公文去重；

所述数据标准化具体为对所述公文历史数据进行公文编码、公文格式以及公文类型的统一。

3.如权利要求1所述的一种公文模板推荐方法，其特征在于：所述步骤S20具体为：

基于神经网络创建一公文模板抽取模型，利用预处理后的所述公文历史数据，对所述公文模板抽取模型进行包括预训练和微调的范式训练；

利用训练后的所述公文模板抽取模型从公文历史数据中抽取若干个公文模板，并将各所述公文模板存储至模板数据库。

4.如权利要求1所述的一种公文模板推荐方法，其特征在于：所述步骤S30具体为：

基于神经网络创建一用于匹配所述公文模板与公文标题的公文模板匹配模型，从所述公文历史数据中提取若干个公文标题组成公文标题训练集，利用所述公文标题训练集对公文模板匹配模型进行包括预训练和微调的范式训练。

5.如权利要求1所述的一种公文模板推荐方法，其特征在于：所述步骤S40具体为：

获取用户输入的新公文标题，利用BM25算法匹配所述新公文标题以及公文历史数据中的公文标题，进行筛选出相似度最高的N个公文标题，将各相似度最高的所述公文标题分别输入公文模板匹配模型匹配对应的公文模板，完成公文模板推荐。

6.一种公文模板推荐系统，其特征在于：包括如下模块：

公文历史数据预处理模块，用于获取公文历史数据，并对所述公文历史数据进行预处理；

公文模板生成模块，用于创建一公文模板抽取模型，利用所述公文模板抽取模型从公文历史数据中抽取若干个公文模板；

公文模板匹配模型创建模块，用于创建并训练一用于匹配所述公文模板与公文标题的公文模板匹配模型；

公文模板推荐模块，用于获取用户输入的新公文标题，基于所述新公文标题以及公文模板匹配模型匹配对应的公文模板，完成公文模板推荐。

7.如权利要求6所述的一种公文模板推荐系统，其特征在于：所述公文历史数据预处理模块具体为：

从公文数据库中获取公文历史数据，并对所述公文历史数据进行包括数据清洗和数据标准化的预处理；

所述公文历史数据至少包括公文ID、部门ID、公文标题、正文、发送者、接收者、接收时间以及处理时间；

所述数据清洗具体为对所述公文历史数据进行有效性校验、剔除非法字符以及公文去重；

所述数据标准化具体为对所述公文历史数据进行公文编码、公文格式以及公文类型的统一。

8.如权利要求6所述的一种公文模板推荐系统，其特征在于：所述公文模板生成模块具体为：

基于神经网络创建一公文模板抽取模型，利用预处理后的所述公文历史数据，对所述公文模板抽取模型进行包括预训练和微调的范式训练；

利用训练后的所述公文模板抽取模型从公文历史数据中抽取若干个公文模板，并将各所述公文模板存储至模板数据库。