一种基于向量检索与文本分层的上下文感知提示方法

本发明公开了通用化文本分层处理，对输入的任意领域原始文本，通过TextRank关键词权重与BERT语义关注度双维度筛选，提取权重Top20％的片段作为核心层；通过余弦相似度阈值≥0.7筛选与核心层相似的非核心片段作为关联层；将与核心层相似度＜0.5的片段标记为冗余层，分层向量库构建，采用Sentence‑BERT通用模型，分别对核心层、关联层片段生成768维语义向量，构建两个独立的通用向量库；冗余层片段单独存储且不构建检索向量；本发明通过该方法可使该上下文感知提示方法实现了上下文匹配精准度高、任务适配性好、长文本关键信息获取、无固定领域局限性，实现无需绑定特定领域、可适配多任务场景的通用型提示生成。