基于大语言模型的问题分类方法、装置、设备及介质

本发明提供了一种基于大语言模型的问题分类方法、装置、设备及介质，方法包括：利用预训练大语言模型将问题转化为动态高维向量，捕捉上下文语义；采用密度‑质心双重驱动聚类算法实现多维度语义聚合；结合关键词共现网络与大语言模型生成人类可读类别标签；通过频次统计与关键语义权重增强生成优先级排序；最终输出机器可解析/人工可视的决策报告。本发明的有益效果在于：基于大语言模型的动态向量化与无监督聚类算法，消除人工干预需求，缩短处理万级问题耗时；通过向量空间相似性度量捕捉同义/多义语义关联，分类准确率较传统关键词匹配明显提升。