深度学习驱动的业务异常行为预测方法

本申请涉及深度学习领域，具体公开了一种深度学习驱动的业务异常行为预测方法，其首先对原始查询进行自适应分析，量化其意图倾向，并据此执行意图驱动的异构查询扩展。这使得后续的稀疏与稠密双通道召回能够同时高效地覆盖精确匹配和语义关联的文档，从根本上克服了单路径检索的片面性。在此基础上，进一步引入基于交叉编码器的重排模块。该模块通过对查询与各候选文档进行深度交互和细粒度相关性打分，实现对候选列表的精准重排序，确保将最关键、最相关的上下文信息筛选并置于首位。通过这样的方式，本方案为最终的生成式大语言模型提供了高质量、高信噪比的输入，从而确保其生成的业务异常分析结果兼具高准确性与高可靠性。