一种基于动态噪声过滤与多模态特征融合的大模型数据分析增强方法及系统

本发明涉及人工智能与数据处理技术领域，具体为一种基于动态噪声过滤与多模态特征融合的大模型数据分析增强方法及系统，包括以下步骤：获取用户历史行为数据，并进行数据清洗与特征提取；构建用户行为特征向量，并划分训练集与测试集；基于训练集训练机器学习模型，优化模型参数；利用测试集验证模型性能，输出预测结果；有益效果为：通过动态噪声感知模块对用户上传的参考文件进行质量评估，采用自适应阈值清洗机制消除冗余与冲突信息；设计多粒度特征对齐网络，利用文档结构解析与语义嵌入技术，实现参考文件与输入任务间的深度关联映射。