本技術(shù)涉及智慧金融，具體而言，涉及一種金融信息查詢方法、裝置、存儲(chǔ)介質(zhì)及計(jì)算機(jī)程序產(chǎn)品。

背景技術(shù)：

1、隨著銀行業(yè)務(wù)日益復(fù)雜化，員工需熟悉大量的規(guī)章制度、業(yè)務(wù)操作指引及外部監(jiān)管政策。信息分散且更新頻繁，給銀行及其員工帶來了巨大挑戰(zhàn)，相關(guān)技術(shù)難以有效整合和快速檢索相關(guān)的金融信息，導(dǎo)致員工需要花費(fèi)大量時(shí)間查找和學(xué)習(xí)，無法快速準(zhǔn)確的查詢到想要獲取的金融信息，影響了工作效率和準(zhǔn)確性。

2、針對(duì)上述的問題，目前尚未提出有效的解決方案。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例提供了一種金融信息查詢方法、裝置、存儲(chǔ)介質(zhì)及計(jì)算機(jī)程序產(chǎn)品，以至少解決由于銀行業(yè)務(wù)的日益復(fù)雜化，造成的銀行員工難以有效整合和快速查詢相關(guān)的金融信息的技術(shù)問題。

2、根據(jù)本技術(shù)實(shí)施例的一個(gè)方面，提供了一種金融信息查詢方法，包括：獲取查詢?nèi)蝿?wù)文本，其中，查詢?nèi)蝿?wù)文本用于表征用戶計(jì)劃查詢的金融問題；確定查詢?nèi)蝿?wù)文本與金融知識(shí)庫(kù)中各個(gè)知識(shí)向量的摘要信息之間的第一相似度，并依據(jù)第一相似度，在金融知識(shí)庫(kù)中的知識(shí)向量中確定候選知識(shí)向量，其中，每個(gè)知識(shí)向量對(duì)應(yīng)一條金融信息，摘要信息用于表征知識(shí)向量對(duì)應(yīng)的金融信息的語義主題；確定查詢?nèi)蝿?wù)文本與候選知識(shí)向量之間的第二相似度，并依據(jù)第二相似度，在候選知識(shí)向量中確定目標(biāo)知識(shí)向量；依據(jù)目標(biāo)知識(shí)向量對(duì)應(yīng)的金融信息，確定與查詢?nèi)蝿?wù)文本對(duì)應(yīng)的查詢結(jié)果，其中，查詢結(jié)果用于回答查詢?nèi)蝿?wù)文本對(duì)應(yīng)的金融問題。

3、可選地，金融知識(shí)庫(kù)的構(gòu)建過程包括如下步驟：按照預(yù)設(shè)采集周期，獲取信息源中的信息原始文本，其中，信息原始文本包括以下至少之一：金融政策咨詢、金融產(chǎn)品介紹；對(duì)信息原始文本進(jìn)行分塊處理，得到多個(gè)初始文本塊；采用語義分析模型，判斷初始文本塊所表達(dá)的語義信息是否完整，并在初始文本塊所表達(dá)的語義信息完整的情況下，將初始文本塊確定為目標(biāo)文本塊；在初始文本塊所表達(dá)的語義信息不完整的情況下，確定與初始文本塊的語義相似度超過預(yù)設(shè)相似度閾值的其他初始文本塊，并依據(jù)其他初始文本塊，對(duì)語義信息不完整的初始文本塊進(jìn)行語義補(bǔ)全，得到目標(biāo)文本塊；采用語義分析模型，將目標(biāo)文本塊映射至預(yù)設(shè)的向量空間中，得到知識(shí)向量，并確定知識(shí)向量對(duì)應(yīng)的摘要信息。

4、可選地，對(duì)信息原始文本進(jìn)行分塊處理，得到多個(gè)初始文本塊包括：采用正則表達(dá)式，識(shí)別信息原始文本中的分割符，并依據(jù)分割符，將信息原始文本劃分為多個(gè)語句片段，其中，分割符包括：標(biāo)點(diǎn)符號(hào)、換行符；采用滑動(dòng)窗口，從語句片段的起始處開始逐步向后滑動(dòng)，并在每次滑動(dòng)后，依據(jù)滑動(dòng)窗口內(nèi)的語句內(nèi)容，判斷是否在滑動(dòng)窗口所在位置對(duì)語句片段進(jìn)行切分；?在滑動(dòng)窗口到達(dá)語句片段的末尾處后，得到語句片段對(duì)應(yīng)的初始文本塊，其中，在滑動(dòng)窗口進(jìn)行滑動(dòng)的過程中，每一次滑動(dòng)后的滑動(dòng)窗口的框選區(qū)域與滑動(dòng)前的滑動(dòng)窗口的框選區(qū)域之間存在部分重疊。

5、可選地，語義分析模型的訓(xùn)練步驟包括：獲取微調(diào)訓(xùn)練數(shù)據(jù)集，其中，微調(diào)訓(xùn)練數(shù)據(jù)集中包含多個(gè)涉及金融領(lǐng)域的知識(shí)信息、以及各個(gè)知識(shí)信息對(duì)應(yīng)的類別標(biāo)簽；獲取預(yù)訓(xùn)練模型，并在預(yù)訓(xùn)練模型中添加一個(gè)低秩旁路，其中，低秩旁路的輸入維度和輸入維度與預(yù)訓(xùn)練模型原有的輸入維度和輸出維度一致，低秩旁路用于降低預(yù)訓(xùn)練模型在進(jìn)行適應(yīng)金融場(chǎng)景中任務(wù)的訓(xùn)練過程中的參數(shù)調(diào)整量；依據(jù)微調(diào)訓(xùn)練數(shù)據(jù)集，對(duì)添加低秩旁路后的預(yù)訓(xùn)練模型進(jìn)行訓(xùn)練，得到語義分析模型，其中，訓(xùn)練過程用于對(duì)低秩旁路中的矩陣參數(shù)進(jìn)行調(diào)整，而預(yù)訓(xùn)練模型在添加低秩旁路之前的原有模型參數(shù)保持不變。

6、可選地，確定查詢?nèi)蝿?wù)文本與候選知識(shí)向量之間的第二相似度包括：對(duì)查詢?nèi)蝿?wù)文本進(jìn)行分詞處理，并確定分詞后得到的各個(gè)詞語對(duì)應(yīng)的詞性；依據(jù)各個(gè)詞語對(duì)應(yīng)的詞性，對(duì)查詢?nèi)蝿?wù)文本進(jìn)行句法分析，得到查詢?nèi)蝿?wù)文本對(duì)應(yīng)的語義結(jié)構(gòu)信息，其中，語義結(jié)構(gòu)信息用于表征查詢?nèi)蝿?wù)文本中各詞語之間的上下文關(guān)聯(lián)關(guān)系；采用語義分析模型，依據(jù)語義結(jié)構(gòu)信息，確定查詢?nèi)蝿?wù)文本中的關(guān)鍵詞，并將關(guān)鍵詞映射至預(yù)設(shè)的向量空間中，得到查詢?nèi)蝿?wù)文本對(duì)應(yīng)的任務(wù)語義向量；計(jì)算任務(wù)語義向量與金融知識(shí)庫(kù)中各個(gè)知識(shí)向量之間的余弦相似度，并將余弦相似度確定為第二相似度。

7、可選地，將關(guān)鍵詞映射至預(yù)設(shè)的向量空間中，得到查詢?nèi)蝿?wù)文本對(duì)應(yīng)的任務(wù)語義向量包括：判斷關(guān)鍵詞是否為多義詞，并在關(guān)鍵詞為多義詞的情況下，依據(jù)關(guān)鍵詞在查詢?nèi)蝿?wù)文本中對(duì)應(yīng)的上下文信息，確定關(guān)鍵詞的含義，以保證各個(gè)關(guān)鍵詞的含義清楚唯一；確定各個(gè)關(guān)鍵詞對(duì)應(yīng)的同義詞或近義詞，并將同義詞或近義詞作為擴(kuò)展關(guān)鍵詞；依據(jù)關(guān)鍵詞和擴(kuò)展關(guān)鍵詞，對(duì)查詢?nèi)蝿?wù)文本進(jìn)行向量化，得到任務(wù)語義向量。

8、可選地，依據(jù)目標(biāo)知識(shí)向量對(duì)應(yīng)的金融信息，確定與查詢?nèi)蝿?wù)文本對(duì)應(yīng)的查詢結(jié)果包括：確定查詢?nèi)蝿?wù)文本對(duì)應(yīng)的任務(wù)意圖，其中，任務(wù)意圖包括以下至少之一：政策解讀、操作指導(dǎo)、市場(chǎng)分析；獲取任務(wù)意圖對(duì)應(yīng)的輸入提示模板，并依據(jù)查詢?nèi)蝿?wù)文本和目標(biāo)知識(shí)向量對(duì)應(yīng)的金融信息，對(duì)輸入提示模板進(jìn)行調(diào)整，得到模型輸入文本，其中，輸入提示模板用于引導(dǎo)大語言模型明確查詢?nèi)蝿?wù)文本對(duì)應(yīng)的所需完成的任務(wù)、以及指示大語言模型對(duì)查詢?nèi)蝿?wù)文本進(jìn)行分析時(shí)所依據(jù)的知識(shí)數(shù)據(jù)；采用大語言模型，依據(jù)模型輸入文本，生成與查詢?nèi)蝿?wù)文本對(duì)應(yīng)的查詢結(jié)果。

9、根據(jù)本技術(shù)實(shí)施例的另一個(gè)方面，還提供了一種金融信息查詢裝置，包括：任務(wù)獲取模塊，用于獲取查詢?nèi)蝿?wù)文本，其中，任務(wù)文本用于表征用戶計(jì)劃查詢的金融問題；第一匹配模塊，用于確定查詢?nèi)蝿?wù)文本與金融知識(shí)庫(kù)中各個(gè)知識(shí)向量的摘要信息之間的第一相似度，并依據(jù)第一相似度，在金融知識(shí)庫(kù)中的知識(shí)向量中確定候選知識(shí)向量，其中，每個(gè)知識(shí)向量對(duì)應(yīng)一條金融信息，摘要信息用于表征知識(shí)向量對(duì)應(yīng)的金融信息的語義主題；第二匹配模塊，用于確定查詢?nèi)蝿?wù)文本與候選知識(shí)向量之間的第二相似度，并依據(jù)第二相似度，在候選知識(shí)向量中確定目標(biāo)知識(shí)向量；回答生成模塊，用于依據(jù)目標(biāo)知識(shí)向量對(duì)應(yīng)的金融信息，確定與查詢?nèi)蝿?wù)文本對(duì)應(yīng)的查詢結(jié)果，其中，查詢結(jié)果用于回答查詢?nèi)蝿?wù)文本對(duì)應(yīng)的金融問題。

10、根據(jù)本技術(shù)實(shí)施例的再一方面，還提供了一種非易失性存儲(chǔ)介質(zhì)，非易失性存儲(chǔ)介質(zhì)包括存儲(chǔ)的計(jì)算機(jī)程序，其中，非易失性存儲(chǔ)介質(zhì)所在設(shè)備通過運(yùn)行計(jì)算機(jī)程序執(zhí)行金融信息查詢方法。

11、根據(jù)本技術(shù)實(shí)施例的再一方面，還提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)金融信息查詢方法的步驟。

12、在本技術(shù)實(shí)施例中，采用獲取查詢?nèi)蝿?wù)文本，其中，任務(wù)文本用于表征用戶計(jì)劃查詢的金融問題；確定查詢?nèi)蝿?wù)文本與金融知識(shí)庫(kù)中各個(gè)知識(shí)向量的摘要信息之間的第一相似度，并依據(jù)第一相似度，在金融知識(shí)庫(kù)中的知識(shí)向量中確定候選知識(shí)向量，其中，每個(gè)知識(shí)向量對(duì)應(yīng)一條金融信息，摘要信息用于表征知識(shí)向量對(duì)應(yīng)的金融信息的語義主題；確定查詢?nèi)蝿?wù)文本與候選知識(shí)向量之間的第二相似度，并依據(jù)第二相似度，在候選知識(shí)向量中確定目標(biāo)知識(shí)向量；依據(jù)目標(biāo)知識(shí)向量對(duì)應(yīng)的金融信息，確定與查詢?nèi)蝿?wù)文本對(duì)應(yīng)的查詢結(jié)果，其中，查詢結(jié)果用于回答查詢?nèi)蝿?wù)文本對(duì)應(yīng)的金融問題的方式，通過金融知識(shí)向量數(shù)據(jù)庫(kù)和搜索增強(qiáng)技術(shù)，達(dá)到了實(shí)現(xiàn)金融業(yè)務(wù)信息的高效檢索查詢的目的，進(jìn)而解決了由于銀行業(yè)務(wù)的日益復(fù)雜化，造成的銀行員工難以有效整合和快速查詢相關(guān)的金融信息技術(shù)問題。