一种面向垂直领域的问答对生成及微调数据集构建方法

本发明公开了一种面向垂直领域的问答对生成及微调数据集构建方法，包括：从官方专利数据库公开的专利文献中下载目标垂直领域的专利数据集合；选取专利文本，逐一提取出技术观点生成“回答”，并为之匹配对应的“问题”，进而生成问答对；对每个问答对进行标注；对每个问答对进行审核，未通过审核的问答对标记为无效数据；通过审核的问答对录入问答对数据集合；对问答对进行数据清洗；构建高质量微调数据集。本发明以专利文本为数据入口，通过赋予唯一溯源码及“人工提取+AI生成+人工审核”的人机协作机制，兼顾了可靠性和成本效率，确保数据可溯源性，显著降低模型幻觉风险，以实现垂直领域智能研发的技术落地。