具体实施方式

为了使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施例对本发明作进一步的详细说明。

如图1所示，一种环境影响评价报告生成方法，包括：S1：获取并存储项目信息；S2：基于所述项目信息调用相应的所述环评报告模板，并提取所述环评报告模板的敏感关键字段信息；S3：基于所述敏感关键字段信息抓取所述项目信息中包含的待提取内容；S4：基于所述待提取内容和所述环评报告模板生成环评报告。其中，提取所述环评报告模板的敏感关键字段信息包括：遍历所述环评报告模板包含的共性内容，并通过提取所述环评报告模板包含的非共性内容生成所述敏感关键字段信息。具体的，共性内容和/或非共性内容的判定可通过数据处理单元的深度学习单元实现，深度学习单元前期可通过预构建的样本进行模型训练，从而实现共性内容和/或非共性内容的预测，其中，预构建的样本为操作员的人工操作记录，通过根据样本进行多次训练直至回归模型收敛，数据处理单元即可完成共性内容和/或非共性内容的预测。

本发明通过获取项目信息及调用环评报告模板，提取环评报告模板的敏感关键字段信息，并基于所述敏感关键字段信息抓取所述项目信息中包含的待提取内容，从而基于敏感关键字段信息和环评报告模板自动生成环评报告，极大地提升了环境影响评价报告生成的效率，避免了现有环境影响评价报告的生成方法存在的编写耗时长和效率低的问题。

进一步的，所述S3包括：提取所述项目信息中包含的全部与所述敏感关键字段信息相关的内容信息；利用公式P(类别|特征)=逐一计算多个所述内容信息与所述敏感关键字段信息关联的置信度；抓取所述项目信息包含的待提取内容，其中，所述待提取内容为所述项目信息包含的所述置信度最高的所述内容信息。其中，P(类别|特征)为后验概率，即在特征事件发生之后，发生类别事件的概率，P(类别)为先验概率，即特征事件发生之后，发生类别事件的概率，类别包括相关管理文件中管理名录里面的163项类别， P(特征|类别)/P(特征)为调整因子，也称为可能性函数，使得到预测的置信度更接近真实概率值。

为便于理解环境影响评价报告生成方法的工作原理，以加油加气站建设项目为例：首先，加油加气站的环评报告模板中的项目环境影响报告表模板按照项目由来、编制依据、项目概况、项目建设规模及内容、本项目主要设备、主要原辅材料及能源消耗、项目投资概况、项目主要污染物产生及预计排放情况、环境影响分析等章节建立在报告模板库单元中。

在用户收到加油加气站的委托后，用户基于python爬虫工具抓取加油加气站的基本信息到数据库单元中或由用户人工录入加油加气站的基本信息到数据库单元中，其中，基本信息包括：项目名称、建设单位、法人代表、联系人、通讯地址、联系电话、邮政编码、建设单位、建设性质、行业类型及代码、占地面积、绿化面积、总投资、环保投资、环保投资占总投资比例等基础信息。并录入建设单位的相关材料，例如原辅材料清单、敏感点、环境质量现状、达标排放数据监测等资料，以及将在现场采集的相关数据存入数据库中，从而构成所述项目信息。

其次，按照章节抓取待提取内容更新项目环境影响报告表模板的“项目由来”，在该模板中，“项目由来”的共性部分都已创建，非共性内容是项目名称、建设单位、行业分类，基于以上非共性内容生成所述敏感关键字段信息，提取所述项目信息中包含的全部与所述敏感关键字段信息相关的内容信息；利用公式P(类别|特征)= 逐一计算多个所述内容信息与所述敏感关键字段信息关联的置信度；抓取所述项目信息包含的待提取内容，其中，所述待提取内容为所述项目信息包含的所述置信度最高的所述内容信息。基于所述待提取内容更新所述项目环境影响报告表模板的“项目由来”部分。按照章节排序重复上述步骤，更新全部章节的模板内容并生成所述环评报告的项目环境影响报告表。重复上述生成所述项目环境影响报告表的全部步骤，生成项目环境影响报告书和项目环境影响登记表，即生成了所述环评报告。

相应的，如图2所示，本发明提供，一种环境影响评价报告生成系统，包括：数据库单元，用于获取并存储项目信息；报告模板库单元，用于存储环评报告模板；数据处理单元，能够基于所述项目信息调用相应的所述环评报告模板，提取所述环评报告模板的敏感关键字段信息，并基于所述敏感关键字段信息抓取所述项目信息中包含的待提取内容后，基于所述待提取内容和所述环评报告模板生成环评报告。其中，所述数据处理单元分别与所述数据库单元、报告模板库单元建立通信连接。其中，数据处理单元在接收到所述项目信息后，可通过指令sqlStr=Select * from student where left(sName,1)=‘%类型%‘遍历报告模板库单元的环评报告模板与所述项目信息的匹配度，并调用匹配度最高的所述环评报告模板。具体的，数据处理单元包括深度学习单元，共性内容和/或非共性内容的判定可通过数据处理单元的深度学习单元实现，深度学习单元前期可通过预构建的样本进行模型训练，从而实现共性内容和/或非共性内容的预测，其中，预构建的样本为操作员的人工操作记录，通过根据样本进行多次训练直至回归模型收敛，数据处理单元即可完成共性内容和/或非共性内容的预测。

进一步的，所述报告模板库单元包括：报告书模板库单元，用于存储项目环境影响报告书模板；报告表模板库单元，用于存储项目环境影响报告表模板；登记表模板库单元，用于存储项目环境影响登记表模板。相应的，所述环评报告模板包括所述项目环境影响报告书模板、所述项目环境影响报告表模板和所述项目环境影响登记表模板。

进一步的，所述数据处理单元提取所述敏感关键字段信息包括：遍历所述环评报告模板包含的共性内容，并通过提取所述环评报告模板包含的非共性内容生成所述敏感关键字段信息。

更进一步的，所述数据处理单元基于所述敏感关键字段信息抓取所述项目信息中包含的所述待提取内容包括：提取所述项目信息中包含的全部与所述敏感关键字段信息相关的内容信息；利用公式P(类别|特征)= 逐一计算多个所述内容信息与所述敏感关键字段信息关联的置信度；抓取所述项目信息包含的待提取内容，其中，所述待提取内容为所述项目信息包含的所述置信度最高的所述内容信息。

以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制，本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说，在不脱离本发明的精神和范围内，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。