大语言模型驱动的开源情报分析系统及方法

本申请涉及开源情报分析技术领域，其具体地公开了一种大语言模型驱动的开源情报分析系统及方法，通过采集公开信息数据，汇聚多源异构的原始数据，经数据清洗与预处理，消除语义歧义与噪声。依托权威数据库、专利文献等可信源，构建结构化的领域知识图谱，作为事实基准。预处理后数据输入基于大语言模型的信息编码器，生成初步情报断言。随后，抽取初步情报断言与关联知识图谱，基于语义查询式自注意力聚合机制对其一致性和事实性进行动态核查，确定初步情报断言的置信度。这样，能够对情报断言的置信度进行有效分析和判断，进而有助于对低置信度断言触发多路径修正策略，形成"生成‑验证‑迭代优化"的闭环流程，显著降低幻觉渗透风险。