一种基于大模型技术的政策标签化方法及系统

本发明公开了一种基于大模型技术的政策标签化方法及系统，涉及人工智能技术领域，该方法的实现包括：从政府网站和政策数据库采集政策文本，并进行清洗、分词、实体识别；基于Transformer架构训练政策语义理解模型，并通过对比学习优化长尾语义识别能力；政策知识图谱构建：存储政策实体、标签及其关联关系，支持动态更新和语义推理；利用大模型生成候选标签，结合知识图谱进行语义匹配和优先级排序；提供标签审核、修正及反馈功能，通过Active Learning优化模型。本发明解决传统政策文本标签化过程中效率低、准确性差、依赖人工干预等问题，能够提高效率与准确性，增强语义理解能力，并支持动态扩展。