抗模型幻觉的文档生成方法及系统与流程
本发明涉及文档生成,特别涉及抗模型幻觉的文档生成方法及系统。
背景技术:
1、在现有的自动化文档生成流程中,通常采用大语言模型生成非结构化文本(如markdown格式),再通过基础的文档转换器(例如标准版pandoc或常规的markdown-to-word开源库)将其转换为符合企业办公标准的ooxml格式(.docx文件)。为使模型学习特定的排版样式,现有技术常采用少样本提示的方法,让大语言模型模仿给定的参考模板。
2、然而,该技术在处理从非结构化文本向复杂企业级结构化文档转换时,存在致命技术缺陷:大语言模型产生的“排版幻觉”会导致底层抽象语法树构建失败及样式丢失。具体表现为,当模型试图模仿复杂的参考模板时,极易凭空捏造非标准的扩展标记(如{.underline}),或者为了在纯文本中强行对齐列宽,在标记符号内部插入制表符或空格(如将加粗符 `` 拆分为 ``)。现有的文档转换器仅能执行机械的语法翻译,无法理解并修复这类由幻觉引发的结构性畸变。当这些被污染的文本输入转换引擎后,底层的抽象语法树解析器无法识别畸变节点,导致标记符号作为乱码泄漏至最终文档,同时目标文档的底层样式(如标题层级、动态目录域代码等)映射发生断裂。
技术实现思路
1、本发明所要解决的技术问题是:提供抗模型幻觉的文档生成方法及系统,能够实现文档生成过程中的样式模板自动适配,并避免大语言模型排版幻觉导致的结构性畸变,保障文档生成质量。
2、为了解决上述技术问题,本发明采用的技术方案为:
3、一种抗模型幻觉的文档生成方法,包括:
4、接收用户输入的初始数据,提取所述初始数据的文本特征向量,基于所述文本特征向量从预设结构化模板库中获取所述初始数据的目标样式模板;
5、基于所述初始数据、所述目标样式模板和预设排版隔离规则,调用大语言模型生成第一非结构化文本,对所述第一非结构化文本进行抗模型幻觉清洗处理,得到第二非结构化文本;
6、基于所述第二非结构化文本和所述目标样式模板生成初始文档,基于所述初始文档和预设目录生成规则生成最终文档。
7、为了解决上述技术问题,本发明采用的另一种技术方案为:
8、一种抗模型幻觉的文档生成系统,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序实现上述的一种抗模型幻觉的文档生成方法的各个步骤。
9、本发明的有益效果在于:通过提取初始数据的文本特征向量并基于该特征向量从预设结构化模板库中获取目标样式模板,实现样式模板与数据内容的自动适配;基于初始数据、目标样式模板和预设排版隔离规则,调用大语言模型生成第一非结构化文本,并对第一非结构化文本进行抗模型幻觉清洗处理,得到第二非结构化文本,有效抑制大语言模型的排版幻觉,避免非标准扩展标记和标记符号畸变的产生;基于第二非结构化文本和目标样式模板生成初始文档,并结合预设目录生成规则生成最终文档,能够自动构建出层级清晰、结构规整的文档,保障目录域文档结构的一致性,提升文档生成质量。
1.一种抗模型幻觉的文档生成方法,其特征在于,包括:
2.根据权利要求1所述的一种抗模型幻觉的文档生成方法,其特征在于,提取所述初始数据的文本特征向量,基于所述文本特征向量从预设结构化模板库中获取所述初始数据的目标样式模板,包括:
3.根据权利要求2所述的一种抗模型幻觉的文档生成方法,其特征在于,选择最高余弦相似度对应的样式模板作为所述初始数据的目标样式模板,之前包括:
4.根据权利要求1所述的一种抗模型幻觉的文档生成方法,其特征在于,基于所述初始数据、所述目标样式模板和预设排版隔离规则,调用大语言模型生成第一非结构化文本,包括:
5.根据权利要求4所述的一种抗模型幻觉的文档生成方法,其特征在于,将所述目标样式模板解析为文本字符串,包括:
6.根据权利要求1所述的一种抗模型幻觉的文档生成方法,其特征在于,对所述第一非结构化文本进行抗模型幻觉清洗处理,得到第二非结构化文本,包括:
7.根据权利要求1所述的一种抗模型幻觉的文档生成方法,其特征在于,基于所述第二非结构化文本和所述目标样式模板生成初始文档,包括:
8.根据权利要求7所述的一种抗模型幻觉的文档生成方法,其特征在于,基于所述初始文档和预设目录生成规则生成最终文档,包括:
9.根据权利要求8所述的一种抗模型幻觉的文档生成方法,其特征在于,基于所述抽象语法树和预设目录生成规则生成目录域代码,包括:
10.一种抗模型幻觉的文档生成系统,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9任一项所述的一种抗模型幻觉的文档生成方法的各个步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com