基于关键实体词分组的时间过滤方法、系统及计算机程序

本发明公开了一种基于关键实体词分组的时间过滤方法、系统及计算机程序。针对现有RAG及智能体架构中检索结果语义分散、时效性判别静态割裂导致大模型输入信噪比低的问题，本发明提出在检索与推理间构建信息筛选与结构化中间件，通过抽取并归并检索结果中的关键实体词，构建实体层级树森林以识别类属关系；根据用户查询筛选有效关键实体词，并为其动态分配格式为YYYYMMDD‑‑YYYYMMDD的时效性时间窗口；利用层级树实现继承式信息抽取与语境感知的时效性判别；最终采用多视角交叉验证机制整合结果。本发明实现了检索结果的细粒度语义解构与动态时效过滤，显著提升了输入大语言模型上下文的质量与解答可靠性。