[发明专利]一种问询函生成方法、系统及其装置

说明书

本申请实施例公开了一种问询函生成方法、系统及其装置，用于针对发行方招股书中的异常审核点生成问询函，辅助人工撰写，节省人力和时间。本申请实施例方法包括：获取目标生成模型，所述目标生成模型由历史问询函和历史招股书对初始生成模型进行机器学习训练得到，所述目标生成模型中保存有用于生成目标问询函的规则字典，所述历史问询函与所述历史招股书具有对应关系，且所述历史问询函根据所述历史招股书生成，所述规则字典通过对历史问询函和历史招股书进行机器学习并结合人工经验得到；获取目标招股书的文本向量；将所述目标招股书的文本向量输入所述目标生成模型，所述目标生成模型根据所述规则字典输出所述目标招股书对应的目标问询函。

技术领域

本申请实施例涉及算法模型领域，尤其涉及一种问询函生成方法、系统及其装置。

背景技术

注册制是以信息披露为核心的证券发行方式，针对公开发行、并购重组和再发行信息披露中的真实性、完整性和准确性问题，由交易所向发行人发起问询函，发行人和保荐机构、会计师事务所、律师事务所等发行中介进行回答，从多轮问询中对信息披露的真实性、完整性和准确性进行补充，使得投资人能够充分了解发行人的投资价值和风险，降低资本市场风险，提升资本市场为实体经济服务的能力。

向发行人发送问询函是行使注册制证券发行审核权的重要方式，问询函对发行方招股书中的异常审核点发起问询，发行方对问询函进行答复，从而确保发行方的信息公开充分，保障投资人的知情权。但是撰写一份问询函需要审核人员阅读申请材料，查阅相关信息、判断招股书中披露的信息的是否具有真实性、完整性和准确性、撰写报告，从而向发行人、保荐机构、会计师事务所或者律师事务所提出问询。

但在实际工作过程中问询函的撰写需要纯人工撰写，工作量较大，耗费人力。

发明内容

本申请实施例提供了一种问询函生成方法、系统及其装置，用于针对发行方招股书中的异常审核点生成问询函，辅助人工撰写，节省人力和时间成本。

本申请实施例提供的一种问询函生成方法包括：

获取目标生成模型，所述目标生成模型由历史问询函和历史招股书对初始生成模型进行机器学习训练得到，所述目标生成模型中保存有用于生成目标问询函的规则字典，所述历史问询函与所述历史招股书具有对应关系，且所述历史问询函根据所述历史招股书生成，所述规则字典通过对历史问询函和历史招股书进行机器学习并结合人工经验得到；

获取目标招股书的文本向量；

将所述目标招股书的文本向量输入所述目标生成模型，所述目标生成模型根据所述规则字典输出所述目标招股书对应的目标问询函。

可选的，在所述获取目标生成模型之前，所述方法还包括：

获取所述历史问询函和所述历史招股书，并运用文本向量算法获取所述历史问询函和所述历史招股书的文本向量；

将所述历史问询函和所述历史招股书的文本向量作为训练样本输入所述初始预测模型，使用所述训练样本对所述初始生成模型进行机器学习训练得到所述目标生成模型，所述目标生成模型中保存有所述规则字典。

可选的，所述规则字典通过对历史问询函和历史招股书进行机器学习并结合人工经验得到包括：

运用分类算法将所述历史问询函分解为问询背景段落和问询问题段落，并识别所述问询问题段落中包含的细分问题，其中，一个审核要点对应至少一个所述问询背景段落和至少一个所述问询问题段落，同一所述审核要点对应的所述问询背景段落和所述问询问题段落具有关联关系；

确定所述细分问题对应的审核要点，其中，一个所述审核要点对应至少一个所述细分问题，并形成表示所述审核要点和所述细分问题的对应关系的第一目录；

获取所述细分问题中包含的关键词，将所述关键词作为所述细分问题的问询方向；