一种基于大模型与对比学习的文本可读性分类方法及系统

本发明公开了一种基于大模型与对比学习的文本可读性分类方法及系统，涉及自然语言处理领域。具体步骤包括：将原始文本输入BERT编码器生成文本向量；同时采用多个独立的BERT编码器直接生成不同等级的对比文本向量；通过余弦相似度计算原始文本向量与对比文本向量，生成分类矩阵，并基于对比学习优化模型参数。与传统方法相比，本发明不仅能够利用深度学习模型强大的特征提取能力，还通过对比学习策略，有效区分不同难度等级的医学文本能够有效捕捉医学文本的复杂特征，显著提升该领域可读性分类的准确性和可解释性，为个性化医疗健康服务提供有力支持。