一种基于大模型的噪声文本开放意图分类方法及系统

本发明公开了一种基于大模型的噪声文本开放意图分类方法及系统，属于自然语言处理与人工智能技术领域，主要包括：利用预训练大语言模型提取文本特征，通过无监督粒球聚类对文本特征进行聚类，在特征空间中构建类内结构表示；基于全局粒球级的OOD倾向指标和样本级的一致性指标，将训练样本划分为干净样本、分布内噪声样本、分布外噪声样本和不确定样本；构建有益噪声引导的联合损失函数，利用样本划分结果对模型进行差异化训练；构建基于粒球结构的多粒度决策边界，用于判定输入样本的类别。本发明融合多粒度结构信息、噪声模式识别机制与联合表征学习策略，有效提升模型在复杂开放环境下的识别鲁棒性与泛化能力。