本申请提供了基于大模型的监督问题整改智能分析方法、系统和介质。该方法包括:获取历史监督数据并进行分类,分类后插入类标签并获得类标签数据集,获取当前监督数据并进行特征提取,将当前特征数据输入类标签数据集中进行匹配识别,并处理获得目标历史监督数据,根据目标历史监督数据处理获得整改策略预测模型,将当前特征数据输入整改策略预测模型中进行处理,获得推荐整改策略数据并推送至客户端,并根据监督主体历史监督数据进行监督主体评估,根据不同监督问题对公司运营影响度的评估筛选出目标监督问题并进行标记;从而实现监督问题整改的智能化分析,提升监督效能和公司管理水平。
背景技术
随着企业规模的扩大和业务的复杂化,监督与内部控制成为确保企业合规运营、提升管理效率的重要环节。然而,传统的监督问题整改方式往往依赖于人工汇总、分析与跟踪,需要耗费大量人力,效率低下,而且不同层级公司的监督整改力度不均衡,难以做到“类案同判”,导致整改力度低的单位易出现问题整改不到位的情况,而且对于同一个监督主体是否存在历史监督问题缺少智能提醒,不利于对监督主体进行处理时的考量。
针对上述问题,目前亟待有效的技术解决方案。
实现思路