融合检索与大模型蒸馏的嵌入数据合成方法、装置及介质

本申请提供一种融合检索与大模型蒸馏的嵌入数据合成方法、装置及介质。该方法包括：对垂直领域的非结构化文档进行预处理，将非结构化文档划分为具有层级关联关系的多粒度文本块；基于多粒度文本块组合形成上下文，将垂直领域先验知识对应的扰动信息注入上下文，调用生成模型根据上下文生成检索查询，并确定与检索查询对应的目标文本块作为初始正样本；根据文本块之间的关联关系过滤假负样本文本块，形成正样本集合和负样本集合；构建对比学习训练样本，利用对比学习训练样本训练语义表征模型，以生成用于检索任务的嵌入向量。本申请能够提高检索任务构造效率及真实性、提升正样本覆盖完整性、增强对比学习训练稳定性与检索精度。