Multi-Intent Semantic Analysis
多意图语义分析
分析采购问题中的对象、场景、约束、比较维度与决策阶段，形成可研究的问题集合。
S5 AI BRAND DECISION INTELLIGENCE ENGINE
S5品牌决策智能引擎
面向品牌竞争密集、产品信息复杂、信源竞争激烈的GEO场景，研究用户意图、竞争证据、品牌知识与推荐理由之间的关系。
S1S2S5S3S4SEMANTIC · EVIDENCE · BRAND
01 / S5 ARCHITECTURE
五层语义决策架构
从用户意图出发，贯通信源评价、证据分析、品牌知识与推荐理由，为品牌策略提供清晰的分析路径。
Competitive Evidence Intelligence
竞争性信源评价
比较目标品牌与竞争品牌在证据相关性、完整性、时效性和来源覆盖上的差距。
Evidence Relevance Analysis
证据相关性分析
判断具体资料是否真正支持用户问题，区分“被发现”“提供证据”与“促成推荐”。
Brand Entity Knowledge Alignment
品牌实体知识对齐
将品牌、产品、技术、资质、应用条件和案例建立可追溯的结构化关系。
Recommendation Reason Consistency
推荐理由一致性诊断
对比AI表述、采购意图与企业可核验优势，识别场景局限、事实偏差和证据缺口。
02 / ALGORITHM MODULES
五大语义算法模块
检索意图扩展、语义检索匹配、竞争证据重排、品牌实体关联与推荐理由分析，协同支撑品牌决策。
检索意图扩展
从一个核心采购问题扩展对象、场景、条件、比较与风险等关联意图。
评价方向：多意图覆盖能力语义检索匹配
使用Embedding与混合检索思路评估企业信息和目标需求的语义匹配。
评价方向：检索相关性竞争证据重排
按问题相关性、证据完整度、时效和可核验性评价候选信源。
评价方向：nDCG@10品牌实体关联
识别品牌别名、产品、技术、资质和应用场景之间的事实关系。
评价方向：实体关联精度推荐理由分析
分类AI推荐理由并追溯支持证据，检查理由与品牌真实优势是否一致。
评价方向：证据归因F103 / HUMAN-IN-THE-LOOP
算法性能 × 市场运营 × 品牌专家决策
算法性能
用明确任务、样本、指标和版本评估分析组件，不把单次观察包装成固定规则。
市场运营
判断用户需求、竞争关系、渠道条件和商业价值，避免技术指标脱离真实市场。
品牌专家决策
结合行业知识与企业边界解释结果，决定优先问题、证据建设和执行策略。
04 / ALGORITHM PERFORMANCE
算法性能指标
意图识别
Macro-F1 · 目标
实体关联
Precision · 目标
知识节点容量
容量 · 目标
事实校验
Precision · 目标
理由分类
Macro-F1 · 目标
05 / APPLICATION
面向复杂品牌竞争
高复杂度产品
参数、工况、标准和适用边界较多，需要让证据准确对应采购问题。
专业服务决策
资质、团队、服务条件和案例必须可核验，避免品牌表述与事实脱节。
竞争密集行业
多个品牌都具备内容基础时，重点分析证据差距和推荐理由差异。
让技术分析连接真实业务决策
从目标问题、公开证据和当前AI回答开始，建立可记录、可复盘的GEO优化方案。