CN120297242A 基于检索增强生成与大语言模型的标书生成方法 （深圳市青稞信息科技有限公司）

道大岭社区龙光玖钻商务中心南期A基于检索增强生成与大语言模型的标书生基于检索增强生成与大语言模型的标书生成方2S2、基于所述技术参数，从预设的行业知识库S3、将所述检索增强数据集输入预训练的大语言S5、基于所述评分权重对所述初始标书草稿进采用自然语言处理技术提取所述招标需求文档中的所述基于所述技术参数，从预设的行业知识库中检索匹配的历史标书片段及关联技术规基于余弦相似度对所述候选片段进行排序，根据排序后的候选提取所述关联技术规范的时效性指标，基于所述时效性指标中的发根据归一化后的权重系数动态调整所述历史标书片段与所述关联技术规范的融合比所述语义相似度的计算采用基于BERT的句向量将所述初始标书草稿按照各个法律条款分段映射至所述法律语义知3对识别出的冲突条款进行多级严重性标注，其中，所述冲突条款在所述目标标书中保留所述冲突条款的修订痕迹及法律依所述识别所述初始标书草稿与所述法律条款存在冲突的表述采用包含Transformer架构的根据所述评分权重对所述初始标书草稿的各个章节进行优基于所述优先级排序的排序结果，对在权重占比超过预设占比阈值根据招标评分规则的规则重点生成目标标书的目录索引，并对所述10.如权利要求1所述的基于检索增强生成与大语言模型的标书生成方法，其特征在建立用户反馈驱动的动态优化机制，实时采集用户对所述初始标通过在线学习算法将所述编辑行为数据转换为所述大语言模型的微构建用户反馈数据与所述历史标书片段的双向关联4架，但未针对标书场景设计法律语义知识图谱与多级冲突检测模块，难以准确识别领域专用术语。采用自然语言处理技术提取所述招标需求文档中的5[0008]可选地，所述通过动态权重分配算法融合所述历史标书片段与所述关联技术规根据归一化后的权重系数动态调整所述历史标书片段与所述关联技术规范的融根据所述冲突级别生成差异化修正建议，并嵌入至所述初始标书草稿的修订日[0012]可选地，所述识别所述初始标书草稿与所述法律条款存在冲突的表述采用包含Transformer架构的跨文档对齐模块根据所述评分权重对所述初始标书草稿的各个章节进行优6后续标书生成过程中动态注入所述微调参数集，形成基于用户偏好自适应的权重分配策[0016]图1为本发明一实施例提供的基于检索增强生成与大语言模型的标书生成方法的检索增强生成与大语言模型的标书生成方法可以由安装在终端设备或服务端设备的软件[0020]参照图1所示，为本发明一实施例提供的基于检索增强生成与大语言模型的标书采用自然语言处理技术提取所述招标需求文档中的78案、设备配置、验收流程等段落文本；关联技术规范是指与当前招标需求匹配的行业标准强数据集是指通过检索与排序后形成的结构化数据集合，包含历史标书片段及其关联技术使用Elasticsearch对行业知识库中的标书及技术规范建立倒排索引，索引字段执行多条件组合查询，包括：MUST条件：至少匹配一个设备型号关键词（如9按相似度降序排列候选片段，保留得分＞0.6的片段（阈值通过历史数据验证确×0.8调整最终排序。根据归一化后的权重系数动态调整所述历史标书片段与所述关联技术规范的融[0041]详细地，预训练的大语言模型是指基于Transformer架构的生成模型（如GPT_4、[0044]详细地，Sentence_BERT在语义匹配任务中表现优于传统词袋模型，能识别是衰减速率（如入=0.1表示每年衰减10%。w2y=0.6a+0.40[0051]假设某所述关联技术规范的a=0.74、β=0.9，则。分的计算公式为，并使用Sigmoid函数将归一化至为斜率参数（如k=10使评分集后续标书生成过程中动态注入所述微调参数集，形成基于用户偏好自适应的权重分配策是指能够实时更新模型参数的机器学习方法（如增量学习、持续学习无需全量数据重新vnew，pola是原模型输出的概率分布，反映预训练模型在未进行当前增量学习时的输pnew与pola尽量相似。n为注入强度（如注入强度可以根据用户反馈置信度动态调API检查关联规范的以下信息：[0081]在本发明实施例中，所述根据所述法律条款对所述初始标书草稿进行合规性校保”注意力机制能捕捉深层语义关联。[0087]详细地，所述识别所述初始标书草稿与所述法律条款存在冲突的表述采用Transformer架构的跨文档对齐模块推荐性冲突判定规则是指不符合行业惯例或推荐性条款（如未采用节能产品但法律仅建优化提升修正效率。根据所述冲突级别生成差异化修正建议，并嵌入至所述初始标书草稿的修订日[0105]在本发明实施例中，所述基于所述评分权重对所述初始根据所述评分权重对所述初始标书草稿的各个章节进行优