本发明涉及计算机科学与人工智能领域，特别涉及一种基于权责知识增强的电子政务项目审查优化双智能体协同方法。
背景技术：
1、公安系统因其警种众多、业务复杂且技术迅速发展的特性，面临着信息系统建设的重大挑战。公安机关作为社会治安的守护者，其业务范围从交通管理到刑事侦查，非常广泛。对于公安科研及信息化项目的管理部门来说，如何高效地审核海量项目申报文件并准确推荐优秀项目一直是工作中亟需解决的痛点和难点。由于跨部门跨警种，既往科研及信息化项目的档案信息、申报信息及规划信息通常存储于不同部门和机关，孤岛化和碎片化较为严重。同时，由于信息系统的复杂性以及项目信息的不完整性，也对项目评审工作人员提出了很高的专业要求。使得评审人员不仅需要具备丰富的信息化知识，还需要对公安业务有深入的理解。这一跨学科的专业要求增加了人才选拔和培训的难度。另外，目前公安信息化项目仍然以人工审核及评审为主，且无法保证审核的准确率。
2、基于知识图谱的专家系统是一种利用知识图谱来支持决策和问题解决的智能系统，这类系统通常通过知识图谱形式化了领域知识，包括实体、概念、属性和它们之间的关系，通过复杂网络计算或图神经网络等方式实现推理计算。但是，基于知识图谱的传统专家系统缺乏灵活性和知识泛化能力，无法对新领域的项目申报文件进行处理和审查推断；无法处理方案的长文本信息抽取和推理问题；很难处理非结构化文档数据，需要将信息转换为结构化形式，这一过程可能会丢失信息的某些维度；专家系统的错误容忍性较低，通常要求输入比较完备的信息。
3、随着人工智能技术的快速发展，特别是在自然语言处理(nlp)、机器学习领域和大型语言模型(llms)的应用，开发能够高效处理复杂项目文档并提供深入分析的智能化工具已经成为现实。这些模型在文本理解和生成方面展现出卓越的能力，并通过与外部数据源的集成增强了其在特定应用场景中的实用性。在这种技术背景下，知识增强技术允许大型语言模型与外部计算资源和数据源相结合，极大地扩展了它们在项目管理等特定领域的应用潜力。通过这种技术，开发者可以构建复杂的处理流程，实现对项目文档的自动解析、关键信息提取以及深度分析。利用向量表示和相似性搜索技术，这些模型能够识别不同项目方案之间的重复功能，为项目管理者提供避免重复建设和资源浪费的策略。此外，通过链式结构和代理机制，模型能够在复杂的项目管理任务中执行多步骤操作，如技术路线分析和功能模块整合建议，从而为项目管理提供全面的智能化支持。
4、综上所述，亟需结合大型语言模型的先进能力和知识增强技术发明一种电子政务项目规划审查择优技术，以提高项目管理的效率，通过智能化分析为项目决策提供科学依据，推动信息化项目管理领域的智能集约化发展。
技术实现思路
1、为解决现有技术存在的问题，本发明提供一种基于权责知识增强的电子政务项目审查优化双智能体协同方法。
2、为此，本发明采用以下技术方案：
3、一种基于权责知识增强的电子政务项目审查优化双智能体协同方法，包括以下步骤：
4、s1，从异构多源的数据中提取项目方案要素信息和单位权责要素信息：
5、设p为项目方案文本数据集合，其中每个项目方案文本pi∈p包含一系列指标要素；
6、设r为电子政务单位的权责事项文本数据集合，其中每个权责事项文本rj∈r包含单位权责的描述，体现单位应当承担的角色与职责；
7、利用生成式大语言模型m从每个所述项目方案文本pi和权责事项文本rj中提取信息元素，得到要素信息e，所述要素信息e包括项目方案的指标要素和单位权责要素分别表示为：
8、
9、
10、其中，θp和θr分别代表提取项目方案和单位权责信息时使用的提示指令；
11、s2，方案知识图谱、权责知识图谱构建及其关系识别，包括以下步骤：
12、s21，构建方案知识图谱和权责知识图谱：
13、假设一个由大语言模型处理的生成函数为g，该函数接受输入文本的信息元素并输出与之对应的知识图谱构建概率；对于项目方案文本pi的指标要素和权责事项文本rj的权责要素构建与它们对应的项目方案知识图谱kgp和单位权责知识产权图谱kgr的条件概率模型，有：
14、项目方案知识图谱kgp的概率性构建：
15、
16、单位权责知识图谱kgr的概率性构建：#
17、
18、其中，和分别表示用于生成项目方案知识图谱和权责知识图谱的提示指令；
19、s22，识别知识图谱中方案实体与权责实体之间的关联关系：
20、利用概率模型识别和计算知识图谱中方案实体与权责实体之间的关联概率，设rel为方案实体与权责实体之间的关联关系集合，则它的概率性表达为：
21、p(rel|kgp，kgr，θf)＝f(kgp，kgr|θf)，
22、其中，θf是这个概率模型的参数，它能够表征在给定项目方案知识图谱kgp和单位权责知识图谱kgr的条件下，方案实体与权责实体之间关联关系的概率分布；
23、s3，对新方案的知识图谱检索增强生成进行审查：
24、对于一个新的项目方案文本pnew，利用大语言模型提取其指标要素
25、
26、其中θe表示在提取指标要素时模型的参数配置；
27、然后，基于所述指标要素以及所述项目方案知识图谱kgp和单位权责知识图谱kgr设计知识图谱检索增强生成的过程，以利用θsg参数配置的大语言模型m，同时考虑新方案的指标要素和知识图谱中的信息：
28、
29、其中，strategy代表基于新项目方案的指标要素和知识图谱kgp、kgr生成的检索策略；θsg为大模型的提示词；
30、随后，利用召回的信息recall输入大语言模型，执行比对和审查过程，生成审查和比对结果result的概率模型，表示为：
31、
32、其中，θresult代表相应的审查所用的提示指令；
33、s4，构建基于生成式语言模型的电子政务项目优化智能体：
34、以复核后的结果和改进建议作为优化智能体的输入inputopt，生成对既有方案知识库的检索策略optstrategy，然后召回满足优化期望的既有方案要素，并在此基础上生成参考优化方案optproposal，有：
35、p(optstrategy|inputopt，θopts)＝mopts(inputopt|θopts)；
36、通过optstrategy召回相关的既往项目指标要素集合recallopt，将inputopt，recallopt输入大语言模型，生成对项目的优化意见，形式化表达如下式所示：
37、
38、其中，θoptp是相应的方案优化方向关键词或文本规则，optproposal是生成参考优化方案的提示指令。
39、步骤s1中所述项目方案文本pi包含的指标要素包括功能指标、性能指标和外观指标。
40、步骤s22中f为专门用于识别关联关系的概率模型。
41、步骤s4中所述复核后的结果和改进建议包括人工复核的前述审查结果以及项目业务目标和改进意见。
42、本发明的方法能够结合人工复核意见和新的业务目标，通过生成式语言模型来流程化地细化和优化既有方案，达到更高的项目目标满足度。与现有技术相比，本发明具有以下有益效果：
43、1.本发明采用了双智能体(即审查智能体和优化智能体)协同工作的架构设计，优化了工作流程，使得电子政务项目方案能够在审查后得到即时的、进一步的优化建议，这对于提高方案的质量和实施效果具有重大意义。
44、2.本发明在电子政务项目审查和优化过程中创新性地采用知识图谱检索增强生成方法，通过将已有的项目方案的知识图谱和相关单位的权责知识图谱结合生成式语言模型，在实现新申报方案的要素抽取的同时，通过检索策略比对新旧方案的要素级别以及方案与申报单位法定职责和业务职能的合规性，大大提高了电子政务项目的审查效率和精度。
45、3.通过基于生成式语言模型的审查智能体来自动构建项目方案和申报单位权责的知识图谱，并结合知识图谱实现新申报方案的要素抽取和合规性审核。同时，优化后的智能体能够自动生成检索策略并召回符合优化期望的既有方案要素，生成参考优化方案。这一流程的自动化和智能化大幅度提升了电子政务项目方案审查、优化的效率和质量。
1.基于权责知识增强的电子政务项目审查优化双智能体协同方法，其特征在于包括以下步骤：
2.根据权利要求1所述的基于权责知识增强的电子政务项目审查优化双智能体协同方法，其特征在于：s1中所述项目方案文本pi包含的指标要素包括功能指标、性能指标和外观指标。
3.根据权利要求1所述的基于权责知识增强的电子政务项目审查优化双智能体协同方法，其特征在于：s22中f为专门用于识别关联关系的概率模型。
4.根据权利要求1所述的基于权责知识增强的电子政务项目审查优化双智能体协同方法，其特征在于：步骤s4中所述复核后的结果和改进建议包括人工复核的前述审查结果以及项目业务目标和改进意见。
