一种基于大语言模型的持续关系抽取方法及系统

本发明涉及自然语言处理领域，提供基于大语言模型的持续关系抽取方法：用大语言模型推理新任务数据，通过动态阈值划分简单与困难样本集；对困难样本两轮交互调用外部LLM生成错误及正确分析。以k‑means结合类别平衡因子从历史数据采样，构建含简单、困难记忆数据的库，用最近最少使用策略更新。设计含任务描述与预测指令的简单指令训练模型；针对困难样本，经文本嵌入‑关系树匹配检索正例，关键词加权匹配算负例相似度，结合正、负示例分析提示与基础指令整合为对比指令。初始训练异步分配任务并定制参数，记忆回放依指数衰减函数微调，监控跨代际遗忘指数，超阈值触发增强训练，借差异化处理与对比指令，以错误案例纠偏，缓解灾难性遗忘。