金融机构为确保经营合规,会设置合规部门进行业务审核与风险预警。合规人员通过查阅现有法规,对比公司业务文档,识别文档中存在的合规风险,并给出关联法规和建议修改措施。当前合规审核工作存在着:金融法规数量多、更新快、人工查找费时费力;通用检索系统返回的结果准确度不高;法律平台收录案例少等问题。本论文以构建面向金融领域的检索系统为主要研究内容,提供法规查询、案例检索的功能,辅助合规审核。本论文主要工作包括以下三个方面:(1)金融法规与处罚公告数据预处理在数据预处理阶段,进行金融领域的数据采集、清洗及结构化。原始数据包括金融法规条文、处罚公告信息,数据来源为专业法规库、法律平台、监管部门官网等,通过数据清洗与结构化等步骤,生成的结果为金融法规库、处罚案例库、金融监管数据集,用于检索系统的数据存储以及文本匹配模型的训练及测试。(2)应用于金融法规查询的文本匹配模型为提升检索系统查询准确率,本论文使用传统无监督方法与深度文本匹配模型相结合的方式,以实现检索系统初步召回与重排序功能。通过研究现有文本匹配方法,包括基于向量空间、基于卷积神经网络与循环神经网络的模型,在此基础上提出基于Transformer Encoder与交互注意力机制的文本匹配模型,并应用于检索系统重排序阶段。实验结果表明,在金融监管数据集上,基于Transformer Encoder的文本匹配模型评测性能与处理速度均有提升。(3)搭建面向金融法规与案例的检索系统本论文使用Flask搭建检索系统。系统包括前端界面、后端处理与数据存储等模块,前端界面接收查询语句与展示检索结果,后端处理包括初步召回与重排序,数据存储包括法规条文与处罚案例等。论文工作在于构建了金融领域的处罚案例库与金融监管数据集,提出新的文本匹配模型用于金融法规查询,以提升检索结果准确率。