大语言模型文本分类中边界模糊与固有偏差的处理方法

本发明公开了一种大语言模型文本分类中边界模糊与固有偏差的处理方法，包括以下步骤：1)获取待分类的目标文本以及待选择的候选标签选项集Y；2)采用大语言模型基于所述目标文本从所述候选标签选项集中选择与所述目标文本相匹配的目标标签；2.1)使用LLMs在候选集Y中选择最有可能的标签选项进行模型自减，获得选择后的标签选项集合R；2.2)对集合R中剩余候选标签选项进行相似性差异决策筛选。本发明为大语言模型文本分类提出了一个新颖的两阶段分类框架，包括减少和比较阶段。该框架使用配对比较来解决模糊性和偏差问题，并引入自我减法算法，可以提高去偏差能力和分类准确率。