基于人工智能的可实时验证反馈的文本生成方法及系统与流程

本发明涉及人工智能，具体属于自然语言处理与文本生成交叉领域，尤其涉及基于人工智能的可实时验证反馈的文本生成方法及系统。

背景技术：

1、文本智能生成是自然语言处理（nlp）与人工智能（ai）领域的核心技术之一，其目标是根据给定的输入（如提示、数据、知识等）自动产生连贯、合理且符合需求的文本内容。随着深度学习，特别是基于transformer架构的大语言模型（llm）的突破性发展，文本生成技术在通用性、流畅性和多样性上取得了显著进步，当前技术主要围绕大语言模型（llm）、检索增强生成（rag）、多模态融合、反馈闭环优化等技术路径展开，产业界与学术界围绕提升生成质量、效率及应用价值，涌现出多种技术路线。

2、然而随着应用场景的复杂化、用户需求的个性化升级，现有方案仍存在共性的核心技术缺口：尚未实现深度语义理解与文本生成过程的内生耦合，缺乏对生成文本内在语义逻辑一致性、事实准确性的实时建模与验证机制，要么仅在生成后进行优化或纠错，要么仅在生成前注入知识，在生成长篇、复杂或需要多步骤推理的文本时，容易产生语义漂移、逻辑矛盾、事实错误等问题，同时在语义理解的深度、生成逻辑的动态适配性等方面也存在优化空间。

3、为解决上述问题，亟需研发一种能够基于人工智能的可实时验证反馈的文本生成方法。

技术实现思路

1、鉴于上述问题，本公开提供一种克服上述问题或者至少部分地解决上述问题的基于人工智能的可实时验证反馈的文本生成方法及系统，该技术可广泛应用于智能写作、专业文档生成、多场景自适应文本创作等细分场景，适用于需要精准语义对齐、动态需求适配、逻辑事实一致性保障及高质量文本输出的人工智能应用场景。

2、本发明的目的可以通过以下技术方案实现：

3、本发明技术方案的第一方面，提供基于人工智能的可实时验证反馈的文本生成方法，包括：

4、对用户输入进行显性需求、隐性意图及语境特征的三维语义解析，得到三维语义解析结果；

5、基于所述三维语义解析结果与文本生成通道的已生成上下文，构建并实时更新动态语义状态图；

6、基于文本生成通道和语义理解验证通道，并行执行文本生成与语义理解验证；

7、所述文本生成通道基于需求分层策略生成候选内容；

8、语义理解验证通道基于所述动态语义状态图，对候选生成内容进行逻辑一致性与事实符合性双重验证，生成综合语义风险评分及可微引导信号；

9、基于所述可微引导信号调整生成模型的概率分布，选择并输出最终文本。

10、进一步的，所述三维语义解析包括：

11、采用基于bert的语义编码模型提取用户输入中的核心关键词及明确需求指令，确定显性需求类型；

12、将显性需求关键词映射至多领域知识图谱节点，通过多跳推理及注意力机制挖掘隐性意图；

13、提取用户输入文本的场景关键词、语气特征、长度约束，构建语境特征模型；

14、构建并输出标准化的所述显性需求、所述隐性意图、所述语境特征的关联矩阵，作为三维语义解析结果。

15、进一步的，所述构建并实时更新动态语义状态图，包括：

16、基于三维语义解析结果中的核心实体、概念及关系，初始化动态语义状态图的节点与边；

17、其中，节点向量表示为，

18、边向量表示为；

19、对已生成文本进行增量式语义解析，提取新增实体、关系及事件；

20、采用图注意力网络维护动态语义状态图，并通过局部子图增量更新机制，基于消息传递公式更新节点向量；

21、所述消息传递公式表示为：。

22、进一步的，所述逻辑一致性与事实符合性双重验证，包括：

23、获取文本生成通道预测的候选词元集及其原始生成概率；

24、采用训练好的多层感知机分类器作为逻辑一致性评估器；

25、将所述动态语义状态图的目标子图聚合向量、候选内容的语义嵌入作为所述逻辑一致性评估器的输入，并输出逻辑一致性分数；

26、通过内部事实核查及轻量级外部检索，输出事实符合性分数；

27、采用加权融合算法计算综合语义风险评分：

28、；

29、基于生成概率公式，通过调整生成模型的logits层输出将所述综合语义风险评分转化为可微引导信号；所述生成概率公式表示为：

30、。

31、进一步的，所述逻辑一致性评估器的训练数据采用逻辑正样本与逻辑负样本成对构造，所述逻辑正样本为逻辑一致的句子对，所述逻辑负样本通过实体置换或属性冲突注入生成；

32、所述事实符合性的验证评估采用的训练数据包括：事实正样本与事实负样本；所述事实正样本与事实知识库一致的陈述，事实负样本通过实体替换或数据篡改生成。

33、进一步的，所述需求分层策略，包括：

34、基于三维语义解析结果，将需求划分为核心层、适配层及约束层，形成分层需求结构；

35、基于分层需求结构，从生成策略库中匹配对应的核心层强化策略、适配层融合策略及约束层适配策略；

36、将匹配后的分层生成策略转化为初始提示词，输入预训练大语言模型；

37、当接收到的实时验证反馈信号指示候选内容综合评分低于阈值时，触发生成策略的动态调整。

38、进一步的，还包括动态场景适配，具体包括：

39、通过计算用户输入的语境特征与场景特征库中预定义场景的相似度，自动识别目标场景；

40、基于识别到的目标场景，调用场景-策略映射表中的专属生成策略，对文本生成通道进行策略调整；

41、基于识别到的目标场景，切换对应的专属验证标准，对语义理解验证通道的验证评估标准进行调整。

42、进一步的，还包括反馈迭代，具体包括：

43、收集用户对最终输出文本的反馈数据，包括满意度评分、错误标注及场景效果数据；

44、基于反馈数据，更新用户偏好数据库、场景特征库、事实知识库及多领域知识图谱；

45、定期基于更新后的数据，对模型与算法进行微调。

46、本发明技术方案的第二方面，提供了基于人工智能的可实时验证反馈的文本生成系统，包括：

47、数据支撑层，用于存储并提供通用语料、领域知识图谱、场景特征、用户偏好及事实知识；

48、三维语义解析模块，用于对用户输入进行显性需求、隐性意图及语境特征的三维语义解析，输出三维语义解析结果；

49、动态语义状态图构建模块，用于基于所述三维语义解析结果及已生成文本内容，构建并实时更新动态语义状态图；

50、实时验证评估模块，用于基于所述动态语义状态图，对文本生成通道输出的候选生成内容进行逻辑一致性与事实符合性双重验证，生成综合语义风险评分及可微引导信号；

51、柔性生成策略模块，用于基于所述三维语义解析结果进行需求分层，制定生成策略并构建初始提示词；

52、预训练大语言模型，用于基于所述初始提示词生成候选内容，并根据所述实时验证评估模块反馈的可微引导信号调整其输出概率分布；

53、动态场景适配模块，用于自动识别目标场景，并动态调整所述柔性生成策略模块的生成策略与所述实时验证评估模块的验证标准。

54、本发明技术方案的第三方面，提供一种计算机可读存储介质，其上存储有指令，当由一个或多个处理器执行所述指令时，使得所述处理器执行如第一方面中所述的基于人工智能的可实时验证反馈的文本生成方法。

55、通过本技术提出的技术方案能够带来如下有益效果：

56、1、逻辑一致性与事实准确性从根源上提升：本发明构建“生成-理解-验证”一体化闭环架构，通过动态语义状态图实现生成过程中的实时语义建模，将错误防范从“生成后纠错”转变为“生成前预防”。经测试，在生成长度超过500词的论述性文本时，内在逻辑错误率较多候选筛选方案降低40%-60%，事实性错误率降低50%以上，有效避免语义漂移、逻辑矛盾、事实幻觉等问题。

57、2、语义理解精准度与全面性大幅提升：本发明以“显性需求-隐性意图-语境特征”三维语义解析结果作为动态语义状态图的前置输入，实现从表层关键词到深层意图的多维度语义捕捉，需求理解契合度较传统外部知识引导方案提升40%以上，为动态语义建模与生成策略制定提供了精准、全面的语义基础。

58、3、复杂需求适配能力显著增强：本发明将需求分层策略融入文本生成通道的初始提示词构建，实现“核心层-适配层-约束层”的差异化生成策略匹配，生成文本的需求覆盖度达95%以上，无需人工干预即可满足跨维度、多约束的复合需求，显著降低复杂场景下的使用门槛。

59、4、场景适配的灵活性与效率双提升：本发明通过场景特征自动识别与双通道策略/标准的动态映射，实现18类主流场景的即时适配，场景迁移适配效率较传统领域语料微调方案提升60%以上，且支持跨场景复合需求的自动适配，无需额外开发即可延伸至新的应用场景。

60、5、技术落地实用性与可复现性突出：本发明明确了动态语义状态图的数学表达、gnn消息传递公式、增量更新规则，详细说明了验证评估模块的训练数据构造方法与可微接口实现方式，补充了多场景完整实施例，确保本领域技术人员无需付出创造性劳动即可复现；采用轻量化模型架构（基于llama-7b微调），生成响应速度较传统大模型+生成后处理方案提升25%，兼顾生成质量与效率。

61、6、可扩展性与可解释性优异：本发明的动态语义状态图结构便于接入更丰富的知识源，各模块均为模块化设计，可根据应用需求单独优化或替换；动态语义状态图本身提供了生成文本的结构化语义摘要，可视化的图谱能够部分揭示模型生成特定内容的“内部依据”，为理解模型决策过程、调试生成错误提供了有价值的工具。

62、上述说明仅是本公开技术方案的概述，为了能够更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为了让本公开的上述和其它目的、特征和优点能够更明显易懂，以下特举本公开的具体实施方式。