基于大模型概念生成的可解释文本分类方法

本发明提供一种基于大模型概念生成的可解释文本分类方法，涉及自然语言处理领域。在训练阶段，首先通过大模型为每一样本提炼并标注稳定、可解释的概念特征及其对应的维度，以构建任务感知式概念体系；然后编码每一标注样本进行预测建模，得到高可解释性的文本分类模型。在推理阶段，首先基于结合双重语义一致性与样本多样性增强的筛选策略，为新样本筛选经验样本；然后利用任务感知式概念体系与经验样本，通过大模型标注新样本的概念及其对应的维度，之后将其标注结果反馈至文本分类模型以完成最终预测。本发明提升文本分类任务的处理效率与预测准确性，增强分类模型输出的透明性、稳定性与业务可控性，满足对可解释性要求较高的应用场景需求。