一种基于深度学习的文本一致性判断方法及系统

本发明公开了一种基于深度学习的文本一致性判断方法及系统，所述方法包括：S1、数据预处理：从数据库中提取包含安全域、控制点、结果记录及标签的结构化数据，通过去重和分词处理进行数据清洗与格式转换；S2、文本编码：采用基于RoBERTa架构的预训练模型对输入文本进行向量化表征；S3、分类预测：构建基于深度神经网络的文本分类模型，接收文本编码模块输出的特征向量，通过全连接层输出四分类概率分布；S4、后处理：对模型预测结果进行置信度校验，当最高类别概率大于0.99阈值时直接输出结果，否则触发人工复核流程。通过深度语义建模、轻量化部署和自动化监控三大技术创新，解决了传统文本一致性判断中精度低、效率差、成本高的痛点。