一种面向文档章节生成的质量状态评估与局部重生成方法

本发明涉及专业文档智能生成，尤其是涉及一种面向文档章节生成的质量状态评估与局部重生成方法。

背景技术：

1、随着大语言模型与检索增强生成技术在专业文档编制场景中的大规模应用，基于模板节点、项目上下文和知识检索结果自动生成专业方案文档章节内容，已经成为提高编制效率的重要技术手段。然而，专业方案文档具有模板约束性强、参数要素密集、知识引用关系复杂的特点，ai生成结果易出现参数缺失、知识覆盖不足、模板结构偏离、待补充内容冗余等质量异常。

2、现有技术中，cn110968997b公开了一种强可控型文档生成方法，该方案通过构建word模板库与配套模板描述文件，预先定义数据录入项的输入约束与填充位置，自动生成带校验组件的数据录入界面，在数据导入环节完成格式合规性校验，实现了固定模板文档的参数化可控生成。虽然该技术有效地解决了模板化文档的数据录入准确性问题，从生成源头实现了对参数格式与填充位置的强约束，但其侧重于生成前的录入环节数据校验与格式管控，对于大模型生成章节的内容质量评估与自动化修复缺乏针对性的解决方案，无法识别知识覆盖不足、模板结构缺失、内容完整性欠缺等生成类质量问题，难以应对ai生成内容出现缺陷后的高效修复需求。

3、为提升ai生成文档的质量可靠性，现有技术cn121188187b公开了一种基于生成式人工智能的智能文档生成系统及方法，该通过逻辑结构与视觉布局双通道解析模板得到高保真结构基线，结合内容准确性与结构一致性双重校验生成结构化反馈信息，驱动生成模块迭代修正，赋予了ai系统自我检查与自我修正的能力。虽然该技术引入了闭环校验机制，在一定程度上提升了生成文档的质量稳定性，但其质量校验维度较为单一，仅覆盖内容事实准确性与版式结构一致性，未针对专业方案文档建立参数完整度、知识内容覆盖度、待补充内容占比、章节完整性等多维度量化评估体系；且缺陷识别粒度较粗，无法对参数缺失、知识覆盖不足、模板结构缺失等不同类型缺陷进行分类判定与精准定位，也未建立内容单元与模板、参数和知识之间的多维度依赖关系模型，在发现质量问题后仍以整段或整章重生成的方式进行修正，难以精准限定局部修复范围，易导致已合格内容被重复改写，额外增加生成计算成本，可能引入新的内容偏差。

4、综上所述，现有技术在专业方案文档智能生成领域，主要存在质量评估维度单一且缺乏结构化量化标准、缺陷类型与位置难以精准分类定位、多维度依赖关系缺失导致局部修复边界模糊、缺少科学的局部重生成范围定界方法、局部修复闭环控制机制不完善等问题，难以在保障全文内容一致性的前提下，实现高质量、低成本的章节内容质量优化。

技术实现思路

1、本发明的主要目的在于提供一种面向文档章节生成的质量状态评估与局部重生成方法，解决专业方案文档章节智能生成场景下生成质量无法结构化量化评估、缺陷难以精准分类定位的问题。将主观质量判断转化为可复现、可计算的结构化评估结果，利用阈值差值法自动分类缺陷类型和结构化反向映射精准定位缺陷位置。

2、为解决上述技术问题，本发明所采用的技术方案是：一种面向文档章节生成的质量状态评估与局部重生成方法，包括以下步骤：

3、s1、对获取到的章节内容进行结构化解析，得到章节内容单元集合和多维度依赖关系图；

4、s2、基于章节内容单元集合的多维度特征进行计算，得到章节质量状态；

5、s3、当章节质量状态存在异常时，确定缺陷种子集合；

6、s4、根据缺陷种子集合在所述多维度依赖关系图上进行缺陷影响值传播计算，以确定局部重生成范围；

7、s5、基于局部重生成范围，在未纳入局部重生成范围的章节内容的保留约束下执行局部重生成，以获得更新后的章节内容。

8、优选的，多维度依赖关系图包括：章节内容单元集合组成的顶点集、父子层级依赖边集、同级内容单元之间的前后顺序依赖边集、参数引用依赖边集、知识证据依赖边集以及模板节点映射边集。

9、优选的，步骤s2中，多维度特征包括参数完整度、模板结构匹配度、知识内容覆盖度、待补充内容占比和章节完整性。

10、优选的，步骤s2中，章节质量状态通过加权综合评分法计算得到，计算公式为：

11、；

12、其中，代表章节质量状态评分，取值范围为0至1，表示参数完整度，表示模板结构匹配度，表示知识内容覆盖度，表示待补充内容占比，表示章节完整性，、、、和分别为五维质量特征的权重系数，且满足。

13、优选的，步骤s3中，确定缺陷种子集合包括：

14、计算各质量特征与对应标准阈值的差值向量，其中，，，，，；

15、对差值向量进行归一化处理，依据归一化差值向量中最大正值所对应的维度类型确定缺陷类型；

16、基于归一化差值幅度确定缺陷严重度，当时判定为严重缺陷，当时判定为中等缺陷，当时判定为轻微缺陷；

17、利用多维度依赖关系图进行结构化反向映射，将缺陷位置对应的内容单元标记为缺陷种子集合。

18、优选的，步骤s4中，缺陷影响值传播计算包括：

19、以缺陷种子集合中的内容单元为种子节点，在多维度依赖关系图上执行广度优先搜索，遍历深度由缺陷严重度决定，严重缺陷的遍历深度为3层，中等缺陷的遍历深度为2层，轻微缺陷的遍历深度为1层；

20、依据依赖关系边的类型和传播权重进行路径筛选，参数引用边的传播权重为0.8，知识引用边的传播权重为0.6，模板顺序边的传播权重为0.4，仅遍历传播权重大于0.5的依赖关系边；

21、将遍历到达的内容单元纳入局部重生成范围集合，并记录各内容单元到达缺陷种子节点的路径传播权重累积值作为重生成优先级系数；

22、对局部重生成范围集合进行边界闭合性校验，当存在语义截断时将截断处相邻的内容单元纳入范围集合；

23、当局部重生成范围集合中的内容单元数量超过章节内容单元总数的40%时，按照重生成优先级系数从低到高剔除内容单元，直至占比降至40%以下。

24、优选的，步骤s5中，在多维度依赖关系图上进行缺陷影响传播计算以确定局部重生成范围的具体方法为：

25、以缺陷位置内容单元为种子节点，在多维度依赖关系图中沿依赖关系边执行广度优先搜索，遍历深度由缺陷严重度决定；

26、依据依赖关系边的类型和传播权重进行路径筛选，仅遍历传播权重大于预设值的依赖关系边；

27、将遍历到达的所有内容单元纳入局部重生成范围集合；

28、对局部重生成范围集合进行边界闭合性校验，若存在语义截断，将截断处相邻的内容单元纳入范围集合；

29、设定局部重生成范围上限约束，当范围集合中的内容单元数量超过章节内容单元总数的预设百分比时，触发范围收缩机制。

30、优选的，步骤s5中，局部重生成包括：

31、构建局部重生成提示词，所述提示词包含上下文保留部分、缺陷修复指令部分和输出格式约束部分；

32、将局部重生成提示词输入大语言模型，生成新的内容单元；

33、将新生成的内容单元替换局部重生成范围集合中的原始内容单元，形成更新后的章节内容单元集合；

34、执行一致性校验，所述一致性校验包括检测替换边界处的语义连贯性、检测替换后章节质量特征是否满足标准阈值、检测替换后多维度依赖关系图是否保持连通性；

35、一致性校验通过时输出更新后的章节内容，一致性校验未通过时触发迭代修复机制，重新执行局部重生成，直至校验通过或达到预设最大迭代次数。

36、优选的，缺陷类型包括参数缺失型、模板结构偏离型、知识覆盖不足型、待补充内容冗余型和章节完整性欠缺型。

37、优选的，参数完整度的计算公式为，其中为已成功填充的生成参数数量，为模板节点定义的全部生成参数数量；

38、模板结构匹配度的计算公式为，其中为内容单元与对应模板节点的结构匹配函数，为内容单元总数；

39、知识内容覆盖度的计算公式为，其中为已引用覆盖的知识点数量，为知识检索结果返回的全部知识点数量；

40、待补充内容占比的计算公式为，其中为标记为待补充的文本总长度，为章节初始内容的全部文本长度；

41、章节完整性的计算公式为，其中为章节实际包含的段落类型数量，为模板节点规定的必需段落类型数量，为章节与前后章节之间的逻辑断层文本长度。

42、有益效果：

43、1、本发明将主观质量判断转化为可复现、可计算的结构化评估结果，通过参数完整度、模板结构匹配度、知识内容覆盖度、待补充内容占比和章节完整性五维质量特征的综合评分机制，使得质量评估从经验判断转变为数学计算，确保了评估结果的客观性和一致性。

44、2、本发明的多维度依赖关系图包含章节内容单元集合组成的顶点集、父子层级依赖边集、同级内容单元之间的前后顺序依赖边集、参数引用依赖边集、知识证据依赖边集以及模板节点映射边集，通过六类依赖关系边的显式建模，为局部重生成范围的科学定界提供了结构化数据基础。

45、3、本发明采用归一化差值向量确定主导缺陷类型，将缺陷类型划分为参数缺失型、模板结构偏离型、知识覆盖不足型、待补充内容冗余型和章节完整性欠缺型，并基于多维度依赖关系图执行结构化反向映射，将缺陷定位精度从章节级别提升至内容单元级别，实现了缺陷类型与缺陷位置的精准分类定位。

46、4、本发明在局部重生成过程中保留未纳入局部重生成范围的章节内容作为上下文约束，执行内容替换后检测替换边界处的语义连贯性、替换后章节质量特征是否满足标准阈值以及替换后多维度依赖关系图是否保持连通性，当一致性校验未通过时触发迭代修复机制，构建了从缺陷识别到修复验证的完整闭环控制，保障了全文内容一致性。