基于机器学习的大模型可解释RAG生成方法

本发明公开了基于机器学习的大模型可解释RAG生成方法，包括：基于用户输入问题在知识库中执行语义检索，获取相关候选文档片段；利用改进的层级相关性传播算法构建分层双向传播网络，分别计算生成内容与文档片段的前向与反向相关性权重矩阵；融合前向与反向相关性权重矩阵，获得双向相关性融合矩阵；采用飞蛾火焰优化算法，以生成内容准确性与溯源透明度为目标动态优化融合矩阵，确定最终相关性阈值参数集合；基于最终优化的融合矩阵生成映射标注结果，并输出最终生成内容及溯源解释报告。本发明实现了生成内容来源的精准、透明解释，显著增强了大模型生成结果的可信度与可解释性。