一种利用大语言模型辅助行政执法案件文书录入的方法与流程

本发明涉及一种计算分析方法，具体涉及一种利用大语言模型辅助行政执法案件文书录入的方法，属于人工智能。

背景技术：

1、在传统的行政执法案件处理过程中，文书的录入和生成通常是一项繁琐而耗时的任务，需要执法人员手动输入案件相关信息，并且需要对相关法律法规进行繁琐的查询，以确保文书的准确性和合法性。然而，这种传统方法存在以下几个问题：

2、信息录入效率低下：执法人员需要花费大量时间和精力手动录入案件相关信息，容易出现录入错误或遗漏。

3、法律法规查询繁琐：需要执法人员不断地查询相关法律法规，以确定适用的法条和条款，这增加了工作负担并可能导致错误。

4、文书生成不一致不同执法人员在文书生成过程中可能存在主观判断和个人风格的差异，导致生成的文书风格不一致，甚至可能存在法律逻辑上的错误。

5、近年来，自然语言处理技术得到了快速发展，特别是大型语言模型的出现为智能化文书生成提供了新的可能性。这些大型语言模型具有强大的自然语言理解和生成能力，能够根据输入的文本自动理解语义并生成符合语境的文本。

6、针对上述问题，提出一种利用大语言模型辅助行政执法案件文书录入的方法，能够充分利用大型语言模型的自然语言理解和生成能力，实现行政执法文书的智能化生成，提高执法效率和准确性，减轻执法人员的工作负担。

技术实现思路

1、本发明提供了一种利用大语言模型辅助行政执法案件文书录入的方法，旨在解决传统行政执法案件处理过程中文书录入和生成效率低下、法律法规查询繁琐、文书生成不一致等问题，从而提高执法效率和准确性，减轻执法人员的工作负担。

2、为了实现上述目的，本发明的技术方案如下，一种利用大语言模型辅助行政执法案件文书录入的方法，所述方法包括以下步骤：

3、步骤1：执法人员录入相关案件描述，大型语言模型根据案件描述判断其属于哪一类违法行为；

4、步骤2：大型语言模型基于案件描述判断其属于某类违法行为的哪一种违法行为；

5、步骤3：大型语言模型基于案件描述判断违法主体以及关键特征，并识别人名、车牌号、船舶名称、人员身份证号等关键信息；

6、步骤4：后台系统通过关键特征进行数据检索获取违法主体的相关信息；

7、步骤5：结合执法人员检索出的执法单位信息；

8、步骤6：根据违法行为找到相应法律法规涉及法条、违行为典型案例描述等信息；

9、步骤7：参照模板，基于案件描述、违法行为种类、相关法律法规涉及法条、违法主体信息、执法单位信息，生成相应的行政执法案件文书内容，包括案由、违法事实等；

10、步骤8：将内容整合为完整的执法文书，例如简易处罚决定书等。

11、本发明旨在解决传统行政执法文书录入与生成方法效率低下、准确性不高、工作负担重的问题。通过利用大型语言模型智能识别案件描述并自动生成文书内容，本发明提高了录入与生成效率，提升了文书的准确性与合规性，同时减轻了执法人员的工作负担。相比传统方法，本发明全面考虑违法案件描述各类信息特征，具有明显的技术优势，为行政执法工作带来了显著的改进与便利。

12、本发明的应用领域主要涵盖行政执法领域，包括但不限于交通管理、环境保护、市场监管、食品药品监管等各类行政执法案件。同时，本发明还可适用于其他领域，如司法、商业、知识产权保护等领域，以提高文书录入与生成的效率和准确性。该方法适用于需要大量文书录入与生成的领域，能够为相关工作提供智能化、高效化的解决方案，极大地提升工作效率，减少人为错误，为相关部门和企业带来明显的经济和社会效益。

13、本发明提供的一种利用大语言模型辅助行政执法案件文书录入的方法，具有以下技术优势：

14、1)智能化识别与生成：本发明利用大型语言模型智能识别案件描述，并自动生成行政执法文书内容，实现了智能化的文书录入与生成，避免了繁琐的手动操作，极大提高了工作效率。

15、2)全面性与准确性提升：大型语言模型能够全面理解案件描述，考虑非文本信息的相互关联，从而准确判断案件特征，并生成符合实际情况的文书内容，提升了文书的全面性与准确性。

16、3)自动化流程降低工作负担：本发明的自动化文书录入与生成流程，降低了执法人员的手动操作，减轻了工作负担，使其能够更专注于案件调查和处理工作，提高了工作效率。

17、4)灵活性与适用性强：本发明适用于各类行政执法领域，且可扩展至其他领域，如司法、商业等。其灵活的应用范围使其适用性强，能够满足不同领域的文书录入与生成需求。

18、5)提升文书一致性与规范性：本发明采用预设的文书模板或规则，自动生成标准化的执法文书格式，保证了文书风格的一致性和规范性，提升了执法单位的形象和信誉。

19、综上所述，本发明在行政执法文书录入与生成领域具有显著的技术优势，能够提高工作效率、准确性和一致性，降低工作负担，为行政执法工作带来了重大的改进与便利。

技术特征：

1.一种利用大语言模型辅助行政执法案件文书录入的方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种利用大语言模型辅助行政执法案件文书录入的方法，其特征在于，其中大语言模型使用商用大语言模型的在线接口，或者使用私有化部署chatglm、qwen(通义千问)、yi等开源大语言模型的restful等形式api，两类接口均为通过提交提示词以及安全认证参数，获得相应字符串的返回结果。

3.根据权利要求1所述的一种利用大语言模型辅助行政执法案件文书录入的方法，其特征在于，步骤1：大型语言模型基于案件描述判断其属于某类违法行为的哪一种违法行为，其中主要提示词为：“

4.根据权利要求1所述的一种利用大语言模型辅助行政执法案件文书录入的方法，其特征在于，步骤2：大型语言模型基于案件描述判断其属于某类违法行为的哪一种违法行为，其中主要提示词为：“

5.根据权利要求1所述的一种利用大语言模型辅助行政执法案件文书录入的方法，其特征在于，步骤3：大型语言模型基于案件描述判断违法主体以及关键特征，并识别人名、车牌号、船舶名称、人员身份证号等关键信息，首先通过违法行为分类，判断需要获取违法主体的关键特征种类，其中主要提示词为：“

6.根据权利要求1所述的一种利用大语言模型辅助行政执法案件文书录入的方法，其特征在于，步骤7：参照模板，基于案件描述、违法行为种类、相关法律法规涉及法条、违法主体信息、执法单位信息，生成相应的行政执法案件文书内容，包括案由、违法事实，其中主要提示词为：“

技术总结本发明涉及一种利用大语言模型辅助行政执法案件文书录入的方法，包括以下步骤：步骤1：执法人员录入相关案件描述，大型语言模型根据案件描述判断其属于哪一类违法行为；步骤2：大型语言模型基于案件描述判断其属于某类违法行为的哪一种违法行为；步骤3：大型语言模型基于案件描述判断违法主体以及关键特征，步骤4：后台系统通过关键特征进行数据检索获取违法主体的相关信息；步骤5：结合执法人员检索出的执法单位信息；步骤6：根据违法行为找到相应法律法规涉及法条、违行为典型案例描述等信息；步骤7：参照模板，基于案件描述、违法行为种类等，生成相应的行政执法案件文书内容；步骤8：将内容整合为完整的执法文书。技术研发人员：沈照君受保护的技术使用者：江苏南大先腾信息产业股份有限公司技术研发日：技术公布日：2024/8/1