一种基于检索增强生成技术的个性化问卷生成方法与流程
本发明属于人工智能，特别是涉及一种基于检索增强生成技术的个性化问卷生成方法。
背景技术：
1、问卷生成的传统方式高度依赖人工编写、调整与校对，存在效率低下、格式规范性差、场景适配性弱、图文匹配难度大等问题，难以满足规模化、标准化的生成需求。随着人工智能技术的发展，出现了基于大模型的问卷生成技术，但该类技术仍存在固有缺陷。首先，大模型的生成特性易产生模型幻觉，导致问卷内容偏离专业知识体系；其次，生成过程缺乏标准化格式约束，使得题型结构、题干长度与版式布局等难以符合行业规范；再次，生成内容无法与场景化专业知识库精准匹配，场景适配性较低；此外，现有技术通常将题目生成与配图分为两个独立环节，仅通过简单关键词匹配实现结合，难以保证图文语义的一致性。现有单rag问卷生成方案格式合规率仅40%~60%，图文语义匹配度仅60%~65%，仍需大量人工二次修正。
2、综上所述，现有技术普遍将文本生成、格式排版与图片匹配作为独立功能进行简单叠加，各技术环节之间缺乏相互约束、驱动与深度融合，无法构建稳定、规范、可落地的标准化问卷生成体系。由于未实现知识检索、格式约束、题目生成与自动配图等核心环节的深度融合与协同控制，所生成的问卷难以直接适用于教育测评、心理健康评估、入职测评等专业场景，仍需大量人工调整，显著增加了时间与人力成本。
3、因此，现有技术存在各环节相互独立、缺乏协同约束的根本缺陷，亟需一种能够实现检索增强、格式约束、语义改写与图文关联检索深度耦合与协同控制的个性化问卷生成方法。
技术实现思路
1、本发明的目的在于提供一种基于检索增强生成技术的个性化问卷生成方法，解决现有技术中各技术环节割裂、无协同约束、图文匹配度低、易产生模型幻觉的问题，实现知识检索、格式约束、题目生成、自动配图的深度耦合与协同控制。
2、本发明所采用的技术方案是，一种基于检索增强生成技术的个性化问卷生成方法，包括以下步骤：
3、步骤s1：构建通过格式id和语义标签进行关联与约束的标准问卷格式库、场景化专业知识库以及题目-图文关联索引库；
4、步骤s2：将输入的需求文本转化为需求向量与标准化指令；
5、步骤s3：依据所述需求向量，在所述场景化专业知识库与标准问卷格式库中，并行执行知识维度与格式维度的双维度rag联合检索，基于格式id对双维度检索的结果进行格式匹配与拼接，生成带格式约束的提示词；
6、步骤s4：将所述带格式约束的提示词输入大语言模型，施加内容与格式的双重约束，并依据预设的个性化改写规则生成问卷题目；
7、步骤s5：以步骤s4生成的题目为输入，进行题目与图片匹配，并执行图文一致性校验处理，输出带图问卷；
8、步骤s6：对步骤s5输出的带图问卷执行格式校验、内容校验、图文校验；仅当三项校验全部通过时，输出标准化的最终问卷；若任一所述校验未通过，则根据错误类型分别返回至步骤s3或步骤s5重新执行。
9、进一步地，步骤s1中：
10、所述标准问卷格式库，存储各类题型的结构特征与格式规则，并为每条格式规则配置唯一的格式id，关联对应的题型标签与适用场景标签；
11、所述场景化专业知识库，按一级场景分类和二级细分场景的层级结构，分类存储知识条目；其中，每条知识条目绑定所述标准问卷格式库中对应的格式id，并集成有场景、题型及知识点标签；
12、所述题目-图文关联索引库，基于所述标准问卷格式库的配图约束设计图片资源规范；基于所述场景化专业知识库的标签系统构建语义索引，并建立语义标签与图片id的关联。
13、进一步地，步骤s2包括：
14、对所述需求文本进行结构化预处理得到标签化的中间表征；利用文本语义编码模型，对所述标签化的中间表征进行语义编码，生成需求向量；并将所述需求向量解析映射为四类标准化指令。
15、进一步地，所述结构化预处理包括：利用分词工具对所述需求文本进行分词处理，并采用经大模型微调训练的命名实体识别模型从分词结果中抽取关键实体，从而将所述需求文本转化为标签化的中间表征；
16、所述四类标准化指令包括：用于在知识库中进行语义检索的场景检索向量、用于约束题目格式的格式约束指令、指导题目内容个性化调整的个性化改写指令，以及控制配图关联紧密度的图文匹配强度指令。
17、进一步地，步骤s3中：
18、所述知识维度的检索包括，计算所述需求向量与场景化专业知识库中各知识条目的语义相似度，基于所述相似度召回相关的标准题目及核心知识点，并提取召回知识条目预绑定的格式id；
19、所述格式维度的检索包括，基于所述需求向量解析出的场景标签、题型标签，在所述标准问卷格式库中筛选出候选格式规则子集。
20、进一步地，步骤s3中，所述进行格式匹配与拼接包括：将所述知识维度检索中提取的格式id，与所述格式维度检索中得到的候选格式规则子集进行匹配，确定最终的格式规则；将所述最终的格式规则、从所述知识维度检索召回的知识点以及原始用户需求，按预定义的结构化模板拼接。
21、进一步地，步骤s4中：
22、所述内容约束为：生成的问卷内容需基于步骤s3的双维度联合检索召回的知识点；
23、所述格式约束为：生成的题目需基于步骤s3的双维度联合检索返回的格式规则；
24、所述个性化改写规则为：在满足所述内容约束与格式约束的前提下，基于目标人群、难度等级、应用场景及逻辑合理性中的至少一个方面，对题目进行调整。
25、进一步地，步骤s5中，所述题目与图片匹配包括：
26、对步骤s4生成的题目，提取核心关键词，利用文本语义编码模型对题目文本进行向量化，生成题干语义向量；根据所述题目所关联的题型标签、场景标签及所述核心关键词，在所述题目-图文关联索引库中执行多维度语义检索，匹配得到图片id；依据所述标准问卷格式库中题目类型所预定义的规范，将匹配图片嵌入题目对应区域。
27、进一步地，步骤s5中，所述执行图文一致性校验包括：
28、计算所述题干语义向量与匹配图片对应的、通过多模态预训练表征模型得到的标签语义向量之间的相似度；将所述相似度与基于预定因素动态确定的相似度阈值进行比较；当所述相似度低于所述阈值时，触发重检索机制，在所述题目-图文关联索引库中重新匹配图片，所述重检索机制最多重复执行3次；若重检索3次后，计算所得相似度低于所述阈值，则以所述核心关键词作为提示词输入文生图模型，生成语义与风格同题干匹配且尺寸符合格式要求的新图片，并嵌入题目指定区域。
29、进一步地，步骤s6中：
30、所述格式校验包括：将所述带图问卷的全部属性与所述标准问卷格式库中对应的规范进行逐项规则匹配；
31、所述内容校验包括：采用语义匹配算法，将生成的每一道题目的内容与步骤s3中双维度rag联合检索所召回的原知识点进行语义匹配度比对；
32、所述图文校验包括：通过图片元数据分析，校验图片的嵌入位置、尺寸及边距是否符合所述标准问卷格式库的配图区域规范；并通过图片提示词提取技术，提取已嵌入图片的核心语义提示词，并与对应题干的语义向量进行匹配度计算，确认其语义匹配度是否满足步骤s5中预设的阈值要求。
33、本发明的有益效果是：
34、1.本发明通过构建深度耦合的三库结构及多环节协同控制的技术体系，实现了检索增强、格式约束、题目生成与自动配图四大技术环节的深度融合与相互驱动，形成了完整、稳定、可落地的标准化问卷生成方案，有效解决了现有技术中各环节割裂、缺乏约束的问题。
35、2.本发明利用双维度rag联合检索，从源头将专业知识与标准格式约束同步嵌入生成过程，结合生成阶段的强约束机制，有效抑制了模型幻觉，确保了问卷内容基于可靠知识库，并保障了题型、题干、版式等符合行业规范，显著提升了内容的准确性与格式的标准化水平。
36、3.本发明通过基于语义向量的图文联动匹配与一致性校验，实现了题目生成与配图的语义级协同，解决了图文割裂与简单关键词匹配的弊端，保证了图文的高一致性。同时，依托场景化知识库与个性化改写规则，能够针对不同场景、人群与难度需求生成定制化问卷，多场景测评区分度由55%提升至90%以上，场景适配效果显著提升。
37、4.本发明在实际应用中，可大幅降低传统人工编写、半自动 ai 生成模式的人工操作工作量，人力成本降低90%以上，输出问卷无需大规模人工二次修正。标准化的输出也提升了后续数据统计与分析效率，而图文一致的题目则改善了用户填写体验与数据有效性。