企业合规举报与投诉函撰写系统产品系统

### 1. 立项原因
该项目旨在解决企业在面对网络舆情时，如何快速、准确地识别针对企业的不实信息，并生成符合法规要求的举报函的问题。传统的人工处理方式存在效率低、法规匹配不准确、举报函格式不规范等问题，无法满足企业对舆情快速响应的需求。

### 2. 行业场景与业务背景
随着社交媒体的普及，企业面临的网络舆情风险日益增加。不实信息、误导性言论可能对企业声誉造成严重损害。企业需要：

- 快速识别针对企业的违规信息
- 准确匹配相关法律法规
- 生成规范的举报函
- 有效应对网络舆情
该系统主要应用于企业法务部门、舆情处置团队的日常工作中，帮助他们提高处理效率和准确性。

### 1. 项目模块
- 信息录入模块 ：收集违规原文、平台信息、账号信息和企业名称
- 分析处理模块 ：验证输入、提取断言、匹配法规、生成举报函
- 对话交互模块 ：支持用户与AI讨论举报函内容、法规解读等
- 文档导出模块 ：将分析结果导出为Word文档
- 人工复核模块 ：提供人工复核页面，确保举报函质量
### 2. 主要功能描述 信息录入功能
- 支持输入企业名称及其代称（如：宁德时代,宁德,CATL）
- 收集平台名称、账号信息和违规原文内容
- 提供清空功能，方便用户重新输入 分析处理功能
- 基础检查 ：验证用户输入的完整性和相关性
- 断言提取 ：从违规原文中提取可投诉的事实性断言
- 法规匹配 ：将提取的断言与法规知识库进行匹配
- 举报函生成 ：基于提取的断言和匹配的法规生成结构化的举报函 对话交互功能
- 展示分析结果和AI回复
- 支持用户与AI进行连续对话，讨论举报函内容、法规解读等
- 提供清除对话历史功能 文档导出功能
- 将分析结果导出为Word文档
- 支持选择部分对话内容进行导出
- 生成格式化的违规举报分析报告 人工复核功能
- 提供专门的人工复核页面
- 支持人工审核和修改举报函内容

### 1. 技术栈
- 后端框架 ：Flask 2.0+
- 前端技术 ：HTML5, CSS3, JavaScript
- 核心依赖 ：
- python-docx (文档生成)
- sentence-transformers (语义匹配)
- numpy (向量计算)
- scikit-learn (相似度计算)
- jieba (中文分词)
- requests (API调用)
- 外部服务 ：通义千问大语言模型API
### 2. 架构设计
- 前端层 ：响应式Web界面，包含信息录入、分析结果展示和对话交互
- 后端层 ：Flask应用，处理HTTP请求和业务逻辑
- 核心处理层 ：
- 文本处理器（断言提取与验证）
- 语义匹配器（法规知识库匹配）
- 大模型调用模块（API交互）
- 数据层 ：
- 法规知识库（JSON格式）
- 向量索引文件（NPY格式）
- 内存缓存（结果缓存）
### 3. 实现难点与亮点
难点 ：

- 语义理解与匹配 ：准确理解用户输入的违规信息，并匹配相关法规
- 断言提取精度 ：从原始文本中提取可投诉的事实性断言，过滤情绪性表达
- 法规适用判断 ：确保举报函中引用的法规条款与违规行为准确对应
- 系统性能优化 ：处理大模型API调用延迟和语义匹配计算开销
亮点 ：

- 混合匹配算法 ：结合语义匹配和关键词匹配，提高法规匹配准确性
- 智能缓存机制 ：实现结果缓存，减少重复计算和API调用
- 结构化输出 ：生成符合规范的举报函，包含明确的违规点、法规依据和路径说明
- 多模态交互 ：支持文本输入、结果展示、对话讨论和文档导出
- 容错处理 ：当语义匹配失败时，自动回退到关键词匹配，确保系统稳定性