基于动态混合检索与LLM重排序的检索增强方法

本发明提出一种基于动态混合检索与LLM重排序的检索增强方法，属于人工智能技术领域。构建领域查询特征集，训练简单线性回归模型，根据用户查询，动态预测关键字检索和向量检索的权重；通过分位数校准，计算权重校准因子，调整预测权重；采用截断归一化方法，剔除关键字检索和向量检索的异常得分，生成统一量纲的得分分布；通过凸组合融合归一化后的两者得分，排序得到TopK个最相关文档,调用DeepSeek模型对查询和候选文档进行相关性评分，并与混合得分加权融合重新排序得到TopN个最相关文档。本发明有效解决了RAG混合检索中固定权重的局限性、查询多样性适配不足等问题，显著提升了复杂查询场景下的检索精度和稳定性。