CN117093691A - 基于大语言模型的系统帮助方法、装置、设备及存储介质 - Google Patents
基于大语言模型的系统帮助方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117093691A CN117093691A CN202311055767.XA CN202311055767A CN117093691A CN 117093691 A CN117093691 A CN 117093691A CN 202311055767 A CN202311055767 A CN 202311055767A CN 117093691 A CN117093691 A CN 117093691A
- Authority
- CN
- China
- Prior art keywords
- help
- language model
- system help
- intelligent assistant
- service
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012549 training Methods 0.000 claims abstract description 55
- 230000002159 abnormal effect Effects 0.000 claims description 53
- 230000005856 abnormality Effects 0.000 claims description 36
- 238000012795 verification Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000004806 packaging method and process Methods 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 abstract description 4
- 238000003058 natural language processing Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
- G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种基于大语言模型的系统帮助方法、装置、设备及存储介质,涉及深度学习、自然语言处理等技术领域。该基于大语言模型的系统帮助方法包括:根据业务系统中的用户操作数据确定是否存在系统帮助需求;在存在系统帮助需求的情况下,生成系统帮助问题,并调用系统帮助大语言模型根据所述系统帮助问题确定系统帮助回答;其中,所述系统帮助大语言模型预先采用业务系统的使用帮助文本构建第一训练集,并采用所述第一训练集对大语言模型进行微调训练得到。通过上述技术方案能够提高业务系统的使用效率。
Description
技术领域
本公开涉及人工智能技术领域,具体为深度学习、自然语言处理等技术领域。具体涉及一种基于大语言模型的系统帮助方法、装置、设备及存储介质。
背景技术
随着计算机技术的快速发展,业务系统已经广泛应用于工作、生活的各个领域,可采用计算机技术为业务场景构建业务系统,例如可为企业搭建容器应用平台。
在当前的业务系统设计中,业务系统通过配置对应的使用文档或者技术文档供用户使用。用户可进入帮助文档的页面主动查看,或者点击业务系统中页面的某些入口,来触发出现对应的使用帮助文档。然而,业务系统的使用仍然操作繁琐、效率低下。
发明内容
本公开提供了一种基于大语言模型的系统帮助方法、装置、设备及存储介质。
根据本公开的一方面,提供了一种基于大语言模型的系统帮助方法,包括:
根据业务系统中的用户操作数据确定是否存在系统帮助需求;
在存在系统帮助需求的情况下,生成系统帮助问题,并调用系统帮助大语言模型根据所述系统帮助问题确定系统帮助回答;
其中,所述系统帮助大语言模型预先采用业务系统的使用帮助文本构建第一训练集,并采用所述第一训练集对大语言模型进行微调训练得到。根据本公开的一方面,提供了一种基于大语言模型的系统帮助装置,包括:
帮助需求确定模块,用于根据业务系统中的用户操作数据确定是否存在系统帮助需求;
系统帮助模块,用于在存在系统帮助需求的情况下,生成系统帮助问题,并调用系统帮助大语言模型根据所述系统帮助问题确定系统帮助回答;
其中,所述系统帮助大语言模型预先采用业务系统的使用帮助文本构建第一训练集,并采用所述第一训练集对大语言模型进行微调训练得到。根据本公开的另一方面,提供了一种电子设备,该电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开任意实施例所提供的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行本公开任意实施例所提供的方法。
根据本公开的又一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据本公开任意实施例所提供的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例提供的一种基于大语言模型的系统帮助方法的流程图;
图2a是根据本公开实施例提供的另一种基于大语言模型的系统帮助方法的流程图;
图2b是根据本公开实施例提供的一种系统帮助的原理示意图;
图2c是根据本公开实施例提供的一种系统帮助的界面示意图;
图2d是根据本公开实施例提供的另一种系统帮助的原理示意图;
图2e是根据本公开实施例提供的又一种系统帮助的原理示意图;
图3a是根据本公开实施例提供的又一种基于大语言模型的系统帮助方法的流程图;
图3b是根据本公开实施例提供的又一种系统帮助的原理示意图;
图3c是根据本公开实施例提供的一种系统帮助的处理示意图;
图4是根据本公开实施例提供的一种基于大语言模型的系统帮助装置的结构示意图;
图5是用来实现本公开实施例的基于大语言模型的系统帮助方法的电子设备的框图。
具体实施方式
图1是根据本公开实施例提供的一种基于大语言模型的系统帮助方法的流程图。该方法适用于采用大语言模型为业务系统提供使用帮助的情况。该方法可以由基于大语言模型的系统帮助装置来执行,该装置可以采用软件和/或硬件的方式实现,并可集成于电子设备中。如图1所示,本实施例的基于大语言模型的系统帮助方法可以包括:
S101,根据业务系统中的用户操作数据确定是否存在系统帮助需求;
S102,在存在系统帮助需求的情况下,生成系统帮助问题,并调用系统帮助大语言模型根据所述系统帮助问题确定系统帮助回答;
其中,系统帮助大语言模型预先采用业务系统的使用帮助文本构建第一训练集,并采用所述第一训练集对大语言模型进行微调训练得到。
本公开实施例中,可获取基于人工智能技术预先训练得到的大语言模型,并采用业务系统的使用文档或技术文档作为语料对大语言模型进行微调训练得到业务系统帮助大语言模型。大语言模型为知识增强大语言模型,可从海量数据和大规模知识中融合学习得到,具备知识增强、检索增强和对话增强的技术特色,可基于深度学习平台和知识增强技术构建;大语言模型的样本数据量、模型参数均可在海量级别,具有良好的文本生成能力。本公开实施例对大语言模型的选取不做具体限定。
在模型训练过程中,可将业务系统的使用帮助文本划分成如下类型:接口类,用于描述业务系统中接口的改造;表单逻辑类,用于描述业务系统中表单输入的正则限制;业务系统的使用帮助类,比如创建方式、删除方式、编辑方式;业务系统的能力扩展类,用于描述业务系统是否支持某些能力。
并且,可采用相关语料构建第一训练集:针对业务系统的后端服务中的接口,每一种异常返回值均有唯一的错误码标识,并提供异常错误码的原因和排查方案,作为接口相关的训练语料;表单逻辑类对应业务系统中数据对象的图形化操作,将数据对象的详细介绍,包括每一个属性的语义说明和格式限制,作为表单相关的训练语料;针对使用帮助类,主要将业务系统中各页面功能模块的介绍和操作说明作为训练语料;针对能力扩展类,可对业务系统的值班记录和用户反馈进行清洗和标注,整理成可用的数据集。除训练数据集外,还需要准备测试数据集。
系统帮助大语言模型的确定过程可如下:对数据进行清洗(过滤低质量数据)、去重(去掉相似数据),并按照大语言模型的要求将数据切分为指定长度的数据集。基于模型权重,使用分布式预训练技术加载数据,并进行分布式微调训练,并生成微调训练权重。微调训练完成后,基于测试数据集进行模型效果验证,验证模型已经学会基础知识。通过采用业务系统的使用帮助文本构建第一训练集,并采用第一训练集对大语言模型进行微调训练得到系统帮助大语言模型,便于后续在业务系统的使用过程中提供系统帮助,从而提高业务系统的使用效率;而且,通过对原有大语言模型进行微调得到系统帮助大语言模型,还能够提高系统帮助大语言模型的生成效率。
在业务系统的使用过程中,获取业务系统中的用户操作数据,并对用户操作数据进行响应得到系统响应信息,可根据用户操作数据或系统响应信息自动地判断用户是否存在系统帮助需求,在存在系统帮助需求的情况下,生成系统帮助问题,并调用业务系统的系统帮助大语言模型对系统帮助问题进行回答得到系统帮助回答。在不存在系统帮助需求的情况下,无需调用系统帮助大语言模型。
通过自动化判断是否存在系统帮助需求,并在存在系统帮助需求的情况下,生成系统帮助问题,且调用业务系统的系统帮助大语言模型进行回答,能够提高业务系统的帮助便捷性与帮助效率。相关技术中帮助文档独立与业务系统之外,用户需要跳出业务系统才能查看帮助文档,需要用户主动触发寻找,而且在业务系统存在异常比如报错或者前端提示异常时,用户往往因缺乏经验从而无法自行解决问题。因此,本公开实施例通过系统帮助大语言模型解决了用户的帮助问题,提升用户使用业务系统平台的准确性,提升了工作效率。
本公开实施例提供的技术方案,通过采用业务系统的使用帮助作为语料构建系统帮助大语言模型,在业务系统的使用过程中自动化地判断是否存在系统帮助需求,并在存在系统帮助需求的情况下,生成系统帮助问题,且调用业务系统的系统帮助大语言模型进行回答,能够提高业务系统的帮助便捷性与帮助效率,从而提高业务系统的处理效率。
在一种可选实施方式中,所述系统帮助大语言模型模型通过如下方式进行更新:采用业务系统在历史使用过程中的历史客服会话构建第二训练集;采用所述第二训练集对系统帮助大语言模型模型进行更新。
在本公开实施例中,业务系统还提供人工客服为用户解答系统使用疑问,历史客服会话包括用户发起的问题语句和人工客服回复的回答语句。具体的,可从业务系统的值班记录中获取历史客服会话,采用历史客服会话构建第二训练集,使用指令微调方法,基于预训练权重对系统帮助大语言模型进行指令微调训练生成指令微调权重,并使用会话测试集进行模型效果验证,验证模型已经学会人工客服的对话模式。通过采用历史客服会话对系统帮助大语言模型进一步微调训练,使模型学习人工客服的对话模式,能够进一步提高模型的帮助效率。
图2a是根据本公开实施例提供的另一种基于大语言模型的系统帮助方法的流程图。参见图2a,本实施例的基于大语言模型的系统帮助方法可以包括:
S201,根据业务系统中的用户操作数据确定是否存在系统帮助需求;
S202,在存在系统帮助需求的情况下,调用业务系统中预置的智能助手生成系统帮助问题;
S203,通过智能助手向系统帮助大语言模型发送所述系统帮助问题,使系统帮助大语言模型根据所述系统帮助问题确定系统帮助回答;
其中,所述系统帮助大语言模型预先采用业务系统的使用帮助文本构建第一训练集,并采用所述第一训练集对大语言模型进行微调训练得到;
S204,通过所述智能助手获取所述系统帮助回答。
参考图2b,在业务系统的前端页面中可嵌入智能助手,通过智能助手调用系统帮助大语言模型。具体的,业务系统的前端页面在存在系统帮助需求的情况下,调用智能助手生成系统帮助问题,并向系统帮助大语言模型发送系统帮助问题,即智能助手将系统帮助问题包装成prompt(提示),,prompt是自然语言输入的字符串,类似于命令或指令。
智能助手向系统帮助大语言模型发送包装生成的prompt,系统帮助大语言模型执行指令得到系统帮助回答,将系统帮助回答反馈给智能助手,智能助手获取系统帮助回答,并可在前端页面展示。通过在业务系统的前端页面嵌入智能助手,作为调用系统帮助大语言模型的调用工具,能够进一步提高业务系统的智能帮助的便捷性。参考图2c,在业务系统的前端页面中可通过系统帮助会话窗口21展示系统帮助问题和系统帮助回答,供用户使用。
在一种可选实施方式中,所述根据业务系统中的用户操作数据确定是否存在系统帮助需求,包括:根据业务系统中的用户操作数据确定系统运行是否异常,在系统运行异常的情况下,确定存在系统帮助需求;所述调用业务系统中预置的智能助手生成系统帮助问题,包括:向业务系统中预置的智能助手发送系统异常信息,使智能助手根据所述系统异常信息生成所述系统帮助问题。
在本公开实施例中,获取业务系统中的用户操作数据,并对用户操作数据进行响应得到系统响应信息,可根据用户操作数据或系统响应信息自动地判断系统运行是否异常,例如是否存在接口调用报错、是否存在表单校验异常等,在系统运行异常的情况下,确定存在系统帮助需求,得到系统异常信息,向智能助手发送系统异常信息。
智能助手根据系统异常信息生成系统帮助问题,将系统帮助问题包装成prompt,向系统帮助大语言模型发送prompt,系统帮助大语言模型确定帮助回答,并通过帮助助手反馈帮助回答。例如,智能助手可将系统帮助问题作为用户语句、系统帮助回答作为系统帮助大语言模型的语句,以会话形式展示在智能助手的会话框中。通过自动判断系统运行是否异常,在系统运行异常的情况下,向智能助手发送系统异常信息,智能助手根据系统异常信息生成系统帮助问题,并调用系统帮助大语言模型确定系统帮助回答,为解除系统异常提供依据,能够提高业务系统的稳定性。
在一种可选实施方式中,所述向业务系统中预置的智能助手发送系统异常信息,使智能助手根据所述系统异常信息生成所述系统帮助问题,包括:在业务系统存在接口调用异常的情况下,向业务系统中预置的智能助手发送接口异常信息;所述接口异常信息包括如下至少一项:接口名称、接口类型、报错码或报错描述信息;通过智能助手对所述接口异常信息进行包装得到系统帮助问题。
参考图2d,针对接口异常的情况,业务系统的前端页面中的axios响应于用户对前端页面中接口的访问操作生成接口访问请求,并向业务系统的后端服务发送接口访问请求,接收后端服务对接口访问请求的处理结果;在处理结果为接口异常的情况下,确定业务系统存在接口调用异常,向智能助手转发接口异常信息,智能助手拦截接口异常信息包装成prompt发送给系统帮助大语言模型,系统帮助大语言模型根据prompt反馈接口帮助信息即反馈接口异常的解决方案,作为系统帮助回答返给用户。其中,axios为前端处理网络请求的javascript库。
其中,接口异常信息可包括:异常接口的名称、接口类型、报错码、报错描述信息,例如接口的字段不对、接口的创建已存在等。在接口调用异常的情况下,通过智能助手自动化调用系统帮助大语言模型确定接口异常的解决方案,能够提高接口调用的准确性与效率,从而提高业务系统的使用效率。
在一种可选实施方式中,所述向业务系统中预置的智能助手发送系统异常信息,使智能助手根据所述系统异常信息生成所述系统帮助问题,包括:在业务系统存在表单校验异常的情况下,向业务系统中预置的智能助手发送表单异常信息;所述表单异常信息包括如下至少一项:异常表单所属的页面或异常表单的标识;通过智能助手对所述表单异常信息进行包装得到系统帮助问题。
参考图2e,针对表单校验异常的情况下,在用户触发对表单中数据对象的校验情况下,例如用户填写表格,提交表单等情况下,前端页面进行表单校验得到表单校验结果;在表单校验异常的情况下,例如镜像地址、容器名称的输入格式不对,确定存在表单校验异常,向智能助手发送表单异常信息。智能助手拦截表单校验异常信息包装成prompt发送给系统帮助大语言模型,系统帮助大语言模型根据prompt反馈异常数据对象的正确填写方式,作为系统帮助回答返给用户。
其中,表单异常信息可包括:异常表单所属的页面或异常表单的标识,以便于准确定位异常表单中的异常数据对象;表单异常信息还可包括异常描述,例如异常数据对象报的什么错。在表单校验异常的情况下,通过智能助手自动化调用系统帮助大语言模型确定异常数据对象的正确填写方式,能够提高表单处理的准确性与效率,从而提高业务系统的使用效率。
本公开实施例提供的技术方案,通过在业务系统的前端页面中引入智能助手,在存在系统帮助需求的情况下,调用智能助手生成系统帮助问题,并通过智能助手调用系统帮助大语言模型确定系统帮助回答,通过在业务系统的前端页面嵌入智能助手,作为调用系统帮助大语言模型的调用工具,能够进一步提高业务系统的智能帮助的便捷性。而且,还针对接口调用异常、表单校验异常、系统帮助会话窗口等提供具体帮助方式,能够提高业务系统的使用效率。
在一种可选实施方式中,所述根据业务系统中的用户操作数据确定是否存在系统帮助需求,包括:响应于对业务系统中系统帮助控件的触控操作,确定存在系统帮助需求;所述调用业务系统中预置的智能助手生成系统帮助问题,包括:调用业务系统中预置的智能助手展示系统帮助会话窗口,并获取用户在系统帮助会话窗口中输入的问题语句,作为所述系统帮助问题。
在本公开实施例中,业务系统的前端页面中还可设置系统帮助控件,用于触发智能帮助功能。示例性的,响应于用户对业务系统中系统帮助控件的触控操作,确定存在系统帮助需求,调用业务系统中预置的智能助手展示系统帮助会话窗口,并获取用户在系统帮助会话窗口中输入的问题语句,作为系统帮助问题。智能助手将问题语句包装成prompt发送给系统帮助大语言模型,系统帮助大语言模型根据prompt反馈回答语句,作为系统帮助回答。通过业务系统的前端页面中提供系统帮助控件,用户可点击系统帮助控件触发展示帮助会话窗口,支持用户主动发起会话沟通,系统帮助大语言模型根据业务系统的帮助知识进行回复,进一步提高了业务系统的使用灵活性。
图3a是根据本公开实施例提供的又一种基于大语言模型的系统帮助方法的流程图。参考图3a,本实施例的基于大语言模型的系统帮助方法可以包括:
S 301,在鼠标在业务系统中任一操作入口的悬停时长大于预设时长的情况下,确定该操作入口是否存在帮助属性;
S302,若该操作入口存在帮助属性,则确定存在对该操作入口的系统帮助需求;
S303,在存在系统帮助需求的情况下,调用业务系统中预置的智能助手生成系统帮助问题;
S304,通过智能助手向系统帮助大语言模型发送所述系统帮助问题,使系统帮助大语言模型根据所述系统帮助问题确定系统帮助回答;
其中,所述系统帮助大语言模型预先采用业务系统的使用帮助文本构建第一训练集,并采用所述第一训练集对大语言模型进行微调训练得到;
S305,通过所述智能助手获取所述系统帮助回答。
针对系统的使用帮助、能力扩展等复杂场景,比如复杂表单,当用户鼠标悬浮在操作入口时,主动寻找对应操作的帮助知识,主动提示用户。参考图3b,针对复杂操作场景,业务系统的前端页面检测到满足触发条件的情况下,例如鼠标在任一操作入口的悬停时长大于时长阈值,确定该操作入口是否具有帮助属性,其中帮助属性可通过为表格元素添加帮助标志得到。在该操作入口具有帮助属性的情况下,确定存在系统帮助需求,向智能助手上报该操作入口所属页面和该操作入口的标识。
参考图3b,智能助手根据该操作入口所属页面和该操作入口件的标识包装成prompt发送给系统帮助大语言模型,系统帮助大语言模型根据prompt反馈对该操作入口的使用说明,作为系统帮助回答返给用户。例如,在该操作入口为业务系统中创建入口、删除入口、编辑入口的情况下,系统帮助回答可为创建方式、删除方式或编辑方式;在该操作入口为业务系统的某功能控件的情况下,系统帮助回答可为该功能的描述与使用方式。
通过预先为业务系统中复杂场景的操作入口设置帮助属性,若鼠标在对应操作入口上的悬停时大于时长阈值,则确定用户对该操作入口存在帮助需求,自动化调用系统帮助大语言模型确定对应操作的帮助知识,主动提示用户,能够进一步降低业务系统的使用成本,提高使用效率。
在一种可选实施方式中,所述调用业务系统中预置的智能助手生成系统帮助问题,包括:在该操作入口存在至少两个候选项的情况下,调用业务系统中预置的智能助手生成对所述至少两个候选项的选择问询语句,作为系统帮助问题。
在该操作入口存在至少两个候选项的情况下,智能助手可生成对各候选项的选择问询语句作为系统帮助问题。例如,在采用该操作入口可创建V1版本或创建V2版本的情况下,系统帮助问题可为如何选择V1与V2,使得系统帮助大语言模型确定各候选项的选择方式,作为系统帮助回答,为该操作入口的使用提供依据。
本公开实施例提供的技术方案,针对业务系统中复杂场景的操作入口,根据鼠标的悬停时长、该操作入口的帮助属性,自动化调用系统帮助大语言模型确定对应操作的帮助知识,主动提示用户,能够进一步降低业务系统的使用成本,提高使用效率。
参考图3c,在本公开实施例中可根据业务系统中数据对象的说明、接口文档、业务系统的使用文档、历史客服会话等构建训练的数据集,并采用数据集对大语言模型进行微调得到系统帮助大语言模型。需要说明的是,还可获取用户对系统帮助大语言模型使用过程中系统帮助回答的反馈信息,并对反馈信息进行清洗、标注,进一步丰富模型的数据集。
在业务平台的使用过程中,如果接口调用异常、表单校验异常、用户触发复杂的操作入口,可自动化确定存在系统帮助需求,调用系统帮助大语言模型确定系统回答,使用户得到对应的帮助,即系统自动化提供帮助;用户也可主动触发业务系统中的系统帮助控件,展示智能助手的系统帮助会话窗口,获取用在系统帮助会话窗口中输入的问题语句,调用模型确定回答语句,即用户可主动寻求帮助。并且,还可采用系统帮助问题和系统帮助回答进一步丰富模型的数据集。
图4是根据本公开实施例提供的一种基于大语言模型的系统帮助装置的结构示意图。本实施例适用于采用大语言模型为业务系统提供使用帮助的情况。该装置可以采用软件和/或硬件的方式实现。如图4所示,本实施例的基于大语言模型的系统帮助装置400可以包括:
帮助需求确定模块410,用于根据业务系统中的用户操作数据确定是否存在系统帮助需求;
系统帮助模块420,用于在存在系统帮助需求的情况下,生成系统帮助问题,并调用系统帮助大语言模型根据所述系统帮助问题确定系统帮助回答;
其中,所述系统帮助大语言模型预先采用业务系统的使用帮助文本构建第一训练集,并采用所述第一训练集对大语言模型进行微调训练得到。
在一种可选实施方式中,所述系统帮助模块420包括:
问题生成单元,用于在存在系统帮助需求的情况下,调用业务系统中预置的智能助手生成系统帮助问题;
模型回答单元,用于通过智能助手向系统帮助大语言模型发送所述系统帮助问题,使系统帮助大语言模型根据所述系统帮助问题确定系统帮助回答;
回答获取单元,用于通过所述智能助手获取所述系统帮助回答。
在一种可选实施方式中,所述帮助需求确定模块410具体用于:
根据业务系统中的用户操作数据确定系统运行是否异常,在系统运行异常的情况下,确定存在系统帮助需求;
所述问题生成单元具体用于:
向业务系统中预置的智能助手发送系统异常信息,使智能助手根据所述系统异常信息生成所述系统帮助问题。
在一种可选实施方式中,所述问题生成单元包括:
接口异常子单元,用于在业务系统存在接口调用异常的情况下,向业务系统中预置的智能助手发送接口异常信息;所述接口异常信息包括如下至少一项:接口名称、接口类型、报错码或报错描述信息;
问题生成子单元,用于通过智能助手对所述接口异常信息进行包装得到系统帮助问题。
在一种可选实施方式中,所述问题生成单元包括:
表单异常子单元,用于在业务系统存在表单校验异常的情况下,向业务系统中预置的智能助手发送表单异常信息;所述表单异常信息包括如下至少一项:异常表单所属的页面或异常表单的标识;
问题生成子单元,用于通过智能助手对所述表单异常信息进行包装得到系统帮助问题。
在一种可选实施方式中,所述帮助需求确定模块410具体用于:
在鼠标在业务系统中任一操作入口的悬停时长大于预设时长的情况下,确定该操作入口是否存在帮助属性;
若该操作入口存在帮助属性,则确定存在对该操作入口的系统帮助需求。
在一种可选实施方式中,所述问题生成单元具体用于:
在该操作入口存在至少两个候选项的情况下,调用业务系统中预置的智能助手生成对所述至少两个候选项的选择问询语句,作为系统帮助问题。
在一种可选实施方式中,所述帮助需求确定模块410具体用于:
响应于对业务系统中系统帮助控件的触控操作,确定存在系统帮助需求;
所述问题生成单元具体用于:
调用业务系统中预置的智能助手展示系统帮助会话窗口,并获取用户在系统帮助会话窗口中输入的问题语句,作为所述系统帮助问题。
在一种可选实施方式中,所述系统帮助大语言模型模型通过如下方式进行更新:
采用业务系统在历史使用过程中的历史客服会话构建第二训练集;
采用所述第二训练集对系统帮助大语言模型模型进行更新。
本公开实施例的技术方案,通过采用业务系统的帮助语料对大语言模型进行微调得到系统帮助大语言模型,解决了用户的帮助问题,提升用户使用业务平台的准确性,提升了业务系统的使用效率。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5是用来实现本公开实施例的基于大语言模型的系统帮助方法的电子设备的框图。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,电子设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储电子设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
电子设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许电子设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图像处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如基于大语言模型的系统帮助方法。例如,在一些实施例中,基于大语言模型的系统帮助方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的基于大语言模型的系统帮助方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行基于大语言模型的系统帮助方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图像用户界面或者网络浏览器的用户计算机,用户可以通过该图像用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing),指的是通过网络接入弹性可扩展的共享物理或虚拟资源池,资源可以包括服务器、操作系统、网络、软件、应用和存储设备等,并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术,可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (21)
1.一种基于大语言模型的系统帮助方法,包括:
根据业务系统中的用户操作数据确定是否存在系统帮助需求;
在存在系统帮助需求的情况下,生成系统帮助问题,并调用系统帮助大语言模型根据所述系统帮助问题确定系统帮助回答;
其中,所述系统帮助大语言模型预先采用业务系统的使用帮助文本构建第一训练集,并采用所述第一训练集对大语言模型进行微调训练得到。
2.根据权利要求1所述的方法,其中,所述在存在系统帮助需求的情况下,生成系统帮助问题,并调用系统帮助大语言模型根据所述系统帮助问题确定系统帮助回答,包括:
在存在系统帮助需求的情况下,调用业务系统中预置的智能助手生成系统帮助问题;
通过智能助手向系统帮助大语言模型发送所述系统帮助问题,使系统帮助大语言模型根据所述系统帮助问题确定系统帮助回答;
通过所述智能助手获取所述系统帮助回答。
3.根据权利要求2所述的方法,其中,所述根据业务系统中的用户操作数据确定是否存在系统帮助需求,包括:
根据业务系统中的用户操作数据确定系统运行是否异常,在系统运行异常的情况下,确定存在系统帮助需求;
所述调用业务系统中预置的智能助手生成系统帮助问题,包括:
向业务系统中预置的智能助手发送系统异常信息,使智能助手根据所述系统异常信息生成所述系统帮助问题。
4.根据权利要求3所述的方法,其中,所述向业务系统中预置的智能助手发送系统异常信息,使智能助手根据所述系统异常信息生成所述系统帮助问题,包括:
在业务系统存在接口调用异常的情况下,向业务系统中预置的智能助手发送接口异常信息;所述接口异常信息包括如下至少一项:接口名称、接口类型、报错码或报错描述信息;
通过智能助手对所述接口异常信息进行包装得到系统帮助问题。
5.根据权利要求3所述的方法,其中,所述向业务系统中预置的智能助手发送系统异常信息,使智能助手根据所述系统异常信息生成所述系统帮助问题,包括:
在业务系统存在表单校验异常的情况下,向业务系统中预置的智能助手发送表单异常信息;所述表单异常信息包括如下至少一项:异常表单所属的页面或异常表单的标识;
通过智能助手对所述表单异常信息进行包装得到系统帮助问题。
6.根据权利要求2所述的方法,其中,所述根据业务系统中的用户操作数据确定是否存在系统帮助需求,包括:
在鼠标在业务系统中任一操作入口的悬停时长大于预设时长的情况下,确定该操作入口是否存在帮助属性;
若该操作入口存在帮助属性,则确定存在对该操作入口的系统帮助需求。
7.根据权利要求6所述的方法,其中,所述调用业务系统中预置的智能助手生成系统帮助问题,包括:
在该操作入口存在至少两个候选项的情况下,调用业务系统中预置的智能助手生成对所述至少两个候选项的选择问询语句,作为系统帮助问题。
8.根据权利要求2所述的方法,其中,所述根据业务系统中的用户操作数据确定是否存在系统帮助需求,包括:
响应于对业务系统中系统帮助控件的触控操作,确定存在系统帮助需求;
所述调用业务系统中预置的智能助手生成系统帮助问题,包括:
调用业务系统中预置的智能助手展示系统帮助会话窗口,并获取用户在系统帮助会话窗口中输入的问题语句,作为所述系统帮助问题。
9.根据权利要求1所述的方法,其中,所述系统帮助大语言模型模型通过如下方式进行更新:
采用业务系统在历史使用过程中的历史客服会话构建第二训练集;
采用所述第二训练集对系统帮助大语言模型模型进行更新。
10.一种基于大语言模型的系统帮助装置,包括:
帮助需求确定模块,用于根据业务系统中的用户操作数据确定是否存在系统帮助需求;
系统帮助模块,用于在存在系统帮助需求的情况下,生成系统帮助问题,并调用系统帮助大语言模型根据所述系统帮助问题确定系统帮助回答;
其中,所述系统帮助大语言模型预先采用业务系统的使用帮助文本构建第一训练集,并采用所述第一训练集对大语言模型进行微调训练得到。
11.根据权利要求10所述的装置,其中,所述系统帮助模块包括:
问题生成单元,用于在存在系统帮助需求的情况下,调用业务系统中预置的智能助手生成系统帮助问题;
模型回答单元,用于通过智能助手向系统帮助大语言模型发送所述系统帮助问题,使系统帮助大语言模型根据所述系统帮助问题确定系统帮助回答;
回答获取单元,用于通过所述智能助手获取所述系统帮助回答。
12.根据权利要求11所述的装置,其中,所述帮助需求确定模块具体用于:
根据业务系统中的用户操作数据确定系统运行是否异常,在系统运行异常的情况下,确定存在系统帮助需求;
所述问题生成单元具体用于:
向业务系统中预置的智能助手发送系统异常信息,使智能助手根据所述系统异常信息生成所述系统帮助问题。
13.根据权利要求12所述的装置,其中,所述问题生成单元包括:
接口异常子单元,用于在业务系统存在接口调用异常的情况下,向业务系统中预置的智能助手发送接口异常信息;所述接口异常信息包括如下至少一项:接口名称、接口类型、报错码或报错描述信息;
问题生成子单元,用于通过智能助手对所述接口异常信息进行包装得到系统帮助问题。
14.根据权利要求12所述的装置,其中,所述问题生成单元包括:
表单异常子单元,用于在业务系统存在表单校验异常的情况下,向业务系统中预置的智能助手发送表单异常信息;所述表单异常信息包括如下至少一项:异常表单所属的页面或异常表单的标识;
问题生成子单元,用于通过智能助手对所述表单异常信息进行包装得到系统帮助问题。
15.根据权利要求11所述的装置,其中,所述帮助需求确定模块具体用于:
在鼠标在业务系统中任一操作入口的悬停时长大于预设时长的情况下,确定该操作入口是否存在帮助属性;
若该操作入口存在帮助属性,则确定存在对该操作入口的系统帮助需求。
16.根据权利要求15所述的装置,其中,所述问题生成单元具体用于:
在该操作入口存在至少两个候选项的情况下,调用业务系统中预置的智能助手生成对所述至少两个候选项的选择问询语句,作为系统帮助问题。
17.根据权利要求11所述的装置,其中,所述帮助需求确定模块具体用于:
响应于对业务系统中系统帮助控件的触控操作,确定存在系统帮助需求;
所述问题生成单元具体用于:
调用业务系统中预置的智能助手展示系统帮助会话窗口,并获取用户在系统帮助会话窗口中输入的问题语句,作为所述系统帮助问题。
18.根据权利要求10所述的装置,其中,所述系统帮助大语言模型模型通过如下方式进行更新:
采用业务系统在历史使用过程中的历史客服会话构建第二训练集;
采用所述第二训练集对系统帮助大语言模型模型进行更新。
19.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据权利要求1-9中任一项所述的方法。
21.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311055767.XA CN117093691A (zh) | 2023-08-21 | 2023-08-21 | 基于大语言模型的系统帮助方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311055767.XA CN117093691A (zh) | 2023-08-21 | 2023-08-21 | 基于大语言模型的系统帮助方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117093691A true CN117093691A (zh) | 2023-11-21 |
Family
ID=88769352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311055767.XA Pending CN117093691A (zh) | 2023-08-21 | 2023-08-21 | 基于大语言模型的系统帮助方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117093691A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070172035A1 (en) * | 2006-01-20 | 2007-07-26 | International Business Machines Corporation | Method and system for requesting help |
CN103019556A (zh) * | 2012-11-21 | 2013-04-03 | 用友软件股份有限公司 | 快捷帮助信息显示系统和快捷帮助信息显示方法 |
CN109977207A (zh) * | 2019-03-21 | 2019-07-05 | 网易(杭州)网络有限公司 | 对话生成方法、对话生成装置、电子设备及存储介质 |
CN111882425A (zh) * | 2020-07-21 | 2020-11-03 | 中国工商银行股份有限公司 | 业务数据处理方法、装置和服务器 |
CN116127046A (zh) * | 2023-03-03 | 2023-05-16 | 北京百度网讯科技有限公司 | 生成式大语言模型训练方法、基于模型的人机语音交互方法 |
-
2023
- 2023-08-21 CN CN202311055767.XA patent/CN117093691A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070172035A1 (en) * | 2006-01-20 | 2007-07-26 | International Business Machines Corporation | Method and system for requesting help |
CN103019556A (zh) * | 2012-11-21 | 2013-04-03 | 用友软件股份有限公司 | 快捷帮助信息显示系统和快捷帮助信息显示方法 |
CN109977207A (zh) * | 2019-03-21 | 2019-07-05 | 网易(杭州)网络有限公司 | 对话生成方法、对话生成装置、电子设备及存储介质 |
CN111882425A (zh) * | 2020-07-21 | 2020-11-03 | 中国工商银行股份有限公司 | 业务数据处理方法、装置和服务器 |
CN116127046A (zh) * | 2023-03-03 | 2023-05-16 | 北京百度网讯科技有限公司 | 生成式大语言模型训练方法、基于模型的人机语音交互方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190087490A1 (en) | Text classification method and apparatus | |
US11050685B2 (en) | Method for determining candidate input, input prompting method and electronic device | |
CN112286485B (zh) | 通过语音控制应用的方法、装置、电子设备与存储介质 | |
CN114445047B (zh) | 工作流生成方法、装置、电子设备及存储介质 | |
CN116521841B (zh) | 用于生成回复信息的方法、装置、设备及介质 | |
CN115481227A (zh) | 人机交互对话方法、装置以及设备 | |
CN115099239A (zh) | 一种资源识别方法、装置、设备以及存储介质 | |
EP4075263A1 (en) | Dependency graph generation method and apparatus, device, storage medium, and program product | |
US20230306048A1 (en) | Multi-round dialogue processing method and apparatus, electronic device and storage medium | |
CN116049370A (zh) | 信息查询方法和信息生成模型的训练方法、装置 | |
CN114970666B (zh) | 一种口语处理方法、装置、电子设备及存储介质 | |
CN110321129A (zh) | 基于开发工具的业务执行方法、装置和计算机设备 | |
CN113360590B (zh) | 兴趣点信息的更新方法、装置、电子设备及存储介质 | |
CN117093691A (zh) | 基于大语言模型的系统帮助方法、装置、设备及存储介质 | |
CN117015781A (zh) | 从图形用户界面生成自然语言界面 | |
CN113408632A (zh) | 提高图像分类准确性的方法、装置、电子设备及存储介质 | |
CN113554062A (zh) | 多分类模型的训练方法、设备和存储介质 | |
CN113590782A (zh) | 推理模型的训练方法、推理方法及装置 | |
CN113344405B (zh) | 基于知识图谱生成信息的方法、装置、设备、介质和产品 | |
CN113836291B (zh) | 数据处理方法、装置、设备和存储介质 | |
EP4071690A2 (en) | Method and apparatus for task information management, device and storage medium | |
CN114492456B (zh) | 文本生成方法、模型的训练方法、装置、电子设备及介质 | |
CN112560462B (zh) | 事件抽取服务的生成方法、装置、服务器以及介质 | |
CN117556061B (zh) | 文本输出方法及装置、电子设备和存储介质 | |
CN112966077B (zh) | 对话状态的确定方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |