一种大语言模型生成数据增强的隐式篇章关系识别方法

本发明提供一种大语言模型生成数据增强的隐式篇章关系识别方法，基于大语言模型的数据生成模块利用预定义的提示引导大语言模型在原始实例的基础上分别生成多样性增强的实例和上下文增强的实例，基于预训练模型的编码模块用于编码实例中各论元的初始语义矩阵表示，多级交互模块基于双向注意力机制建模原始实例与数据增强实例之间的交互，分别得到原始实例的最终语义向量表示、多样性增强后实例的最终语义向量表示和上下文增强后实例的最终语义向量表示，动态分类模块分别以三种最终语义向量表示作为输入进行分类，并选择可信度最高的分类结果作为最终预测结果。本发明能够解决现有技术实用性不强、理解不够准确的问题。