基于大语言模型的用户意图智能分析方法及系统与流程

本发明涉及智能信息处理，具体涉及基于大语言模型的用户意图智能分析方法及系统。

背景技术：

1、随着法律法规体系的不断完善，法规检索平台已成为公众获取法律信息的重要渠道。用户通过输入自然语言查询文本，检索与其需求相关的法律法规条文。

2、目前，法规检索主要采用基于关键词匹配的检索方法。这类方法将用户输入的查询文本按词切分后，在法规数据库中进行字面匹配，根据匹配命中率返回结果。在用户输入的查询文本表述清晰、意图明确的情况下，关键词匹配方法能够在一定程度上满足检索需求。

3、然而，在实际使用中，用户在法规检索平台输入的查询文本往往具有表述模糊、要素混杂、意图不明确等特点。一方面，用户查询文本中可能存在大量模糊性表述，例如程度模糊、范围模糊或条件模糊等用词，关键词匹配方法缺乏对这种需求模糊性的量化机制，无法据此自适应调整检索策略。另一方面，用户查询文本中主体资格、行为定性和客体约束等信息要素的语义关系难以通过字面匹配方式准确识别，容易导致检索结果要么遗漏相关法规，要么返回大量无关信息，无法精准匹配用户的实际信息需求。

技术实现思路

1、本发明提供了基于大语言模型的用户意图智能分析方法及系统，用于解决现有技术中在法规检索时无法准确理解和解析用户查询文本中的信息需求，难以实现查询意图精准匹配的技术问题。

2、第一方面，本发明提供了基于大语言模型的用户意图智能分析方法，所述方法包括：

3、获取法规检索平台中用户输入的原始查询文本，并解析得到所述原始查询文本中的主体资格类型标识、行为定性标签及客体约束条件，生成确定性意图锚点；

4、计算所述原始查询文本中词元序列相对于预设模糊词表的加权覆盖密度，获得需求模糊熵，并基于所述主体资格类型标识、行为定性标签及客体约束条件在所述原始查询文本中的共现距离，计算语义紧凑度；

5、根据所述需求模糊熵与所述语义紧凑度，动态确定逻辑展开层级值，并依据所述逻辑展开层级值对所述确定性意图锚点中的行为定性标签进行层级扩展，生成扩展行为集；

6、从所述扩展行为集中提取各行为的关联法条索引号，经所述主体资格类型标识筛选及所述客体约束条件与法条构成要件要素的文本重叠率重排序，获得重排法条索引序列；

7、将所述重排法条索引序列中位于首位的法条索引号对应的法条内容，结合所述需求模糊熵，修正法条内容的展现篇幅，生成带有意图解析特征码的检索结果。

8、第二方面，本发明还提供了基于大语言模型的用户意图智能分析系统。所述系统包括：

9、意图锚点解析模块，用于获取法规检索平台中用户输入的原始查询文本，并解析得到所述原始查询文本中的主体资格类型标识、行为定性标签及客体约束条件，生成确定性意图锚点；

10、需求模糊度量化模块，用于计算所述原始查询文本中词元序列相对于预设模糊词表的加权覆盖密度，获得需求模糊熵，并基于所述主体资格类型标识、行为定性标签及客体约束条件在所述原始查询文本中的共现距离，计算语义紧凑度；

11、动态层级扩展模块，用于根据所述需求模糊熵与所述语义紧凑度，动态确定逻辑展开层级值，并依据所述逻辑展开层级值对所述确定性意图锚点中的行为定性标签进行层级扩展，生成扩展行为集；

12、法条匹配排序模块，用于从所述扩展行为集中提取各行为的关联法条索引号，经所述主体资格类型标识筛选及所述客体约束条件与法条构成要件要素的文本重叠率重排序，获得重排法条索引序列；

13、检索结果生成模块，用于将所述重排法条索引序列中位于首位的法条索引号对应的法条内容，结合所述需求模糊熵，修正法条内容的展现篇幅，生成带有意图解析特征码的检索结果。

14、本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：

15、第一，本发明通过预训练的大语言模型对用户输入的原始查询文本进行词元级标签解析，提取主体资格类型标识、行为定性标签及客体约束条件，将非结构化的自然语言查询转换为结构化的确定性意图锚点。相比于现有技术仅依赖关键词字面匹配的方式，本发明能够识别查询文本中隐含的主体信息、行为描述和客体限制等深层语义要素，解决了传统方法无法准确理解用户查询文本中信息需求的问题。

16、第二，本发明通过计算原始查询文本中词元序列相对于预设模糊词表的加权覆盖密度获得需求模糊熵，并基于意图锚点中三类标签的共现距离计算语义紧凑度，实现了对查询需求的模糊程度和表达紧凑程度的量化描述。根据需求模糊熵与语义紧凑度的比较结果动态确定逻辑展开层级值，并据此对行为定性标签进行上位词链扩展。当用户表达模糊时自动扩大检索范围，当表达明确时收缩检索范围，实现了模糊查询的宽泛覆盖与明确查询的精准匹配之间的动态平衡。

17、第三，本发明在法条匹配阶段采用主体资格类型标识进行子串匹配筛选，并基于客体约束条件的词元与法条构成要件要素字段的文本重叠率进行重排序，同时结合需求模糊熵修正首位法条内容的展现篇幅。相比于传统方法仅依赖单一关键词匹配和统一展现全文的方式，本发明从主体匹配和客体匹配两个维度进行综合筛选，并根据需求模糊度自适应调整信息密度，使检索结果在信息量与精准性之间达到合理平衡。

18、综上所述，本发明通过大语言模型驱动的意图解析、模糊度自适应的检索策略以及多维度法条匹配排序，解决了现有技术中在法规检索时无法准确理解和解析用户查询文本中的信息需求、难以实现查询意图精准匹配的技术问题。

1.基于大语言模型的用户意图智能分析方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于大语言模型的用户意图智能分析方法，其特征在于，获取法规检索平台中用户输入的原始查询文本，并解析得到所述原始查询文本中的主体资格类型标识、行为定性标签及客体约束条件，生成确定性意图锚点，包括：

3.根据权利要求2所述的基于大语言模型的用户意图智能分析方法，其特征在于，所述大语言模型的预训练步骤包括：

4.根据权利要求2所述的基于大语言模型的用户意图智能分析方法，其特征在于，将所述主体资格类型标识的文本片段、所述行为定性标签的文本片段、所述客体约束条件的文本片段，与各自对应的起始字符位置及结束字符位置，以及各统计参数关联存储，生成所述确定性意图锚点，包括：

5.根据权利要求1所述的基于大语言模型的用户意图智能分析方法，其特征在于，计算所述原始查询文本中词元序列相对于预设模糊词表的加权覆盖密度，获得需求模糊熵，并基于所述主体资格类型标识、行为定性标签及客体约束条件在所述原始查询文本中的共现距离，计算语义紧凑度，包括：

6.根据权利要求1所述的基于大语言模型的用户意图智能分析方法，其特征在于，根据所述需求模糊熵与所述语义紧凑度，动态确定逻辑展开层级值，包括：

7.根据权利要求1所述的基于大语言模型的用户意图智能分析方法，其特征在于，依据所述逻辑展开层级值对所述确定性意图锚点中的行为定性标签进行层级扩展，生成扩展行为集，包括：

8.根据权利要求1所述的基于大语言模型的用户意图智能分析方法，其特征在于，从所述扩展行为集中提取各行为的关联法条索引号，经所述主体资格类型标识筛选及所述客体约束条件与法条构成要件要素的文本重叠率重排序，获得重排法条索引序列，包括：

9.根据权利要求1所述的基于大语言模型的用户意图智能分析方法，其特征在于，将所述重排法条索引序列中位于首位的法条索引号对应的法条内容，结合所述需求模糊熵，修正法条内容的展现篇幅，生成带有意图解析特征码的检索结果，包括：

10.基于大语言模型的用户意图智能分析系统，其特征在于，用于实施权利要求1-9任一项所述的基于大语言模型的用户意图智能分析方法，所述系统包括：