智能AI
morning
GVD：文档存储库的受控版本控制和重复数据删除
摘要
arXiv:2609.17696v1 Announce Type: new Abstract: Document repositories evolve continuously. Guidelines and policies are revised, superseded, and re-uploaded, so the same content recurs in different wor...
and
version
with
rule
are
the
for
new
policies
document
2026-09-17
1 阅读
约1分钟阅读
Mohammadreza Sediqin, Shivali Dalmia, Sumukha Thoppanahalli, Abhishek Mukherji
字号:
arXiv:2609.17696v1 公告类型：新 摘要：文档存储库不断发展。准则和政策会被修订、取代和重新上传，因此相同的内容会以不同的措辞重复出现，新版本会完善或与旧版本相矛盾。这些不一致属于不断增长的集合，而不是任何单个文档，但现有的工作将版本控制、重复检测和矛盾检测视为孤立的成对任务，一旦一对被标记，就会停止。我们提出了 GVD（受控版本控制和重复数据删除），这是一个框架，它在可审核的更新策略下将跨文档版本链接与规则级冲突解决统一起来。传入文档通过双向规则对齐分配给版本系列，并将其规则与系列内存进行比较，以识别重复、矛盾、不对称细化和新知识，并使用反事实跨度探测 (CSP) 解决推理错误分类为中性的相关对。特定于关系的策略会抑制重复项，并仅升级相应的更改以供审核，并保留版本沿袭作为审计跟踪。该管道完全在本地运行，没有大型语言模型。在跨 59 个版本系列进行 140 次摄取处理的 120 个企业文档中，GVD 版本系列构建的 F1 达到 0.97，规则级别一致性的 F1 达到 0.94，CSP 将规则一致性从 0.90 提高到 0.94。
这篇文章对您有帮助吗？
订阅66必读
每日精选科技资讯，直达你的邮箱