CN117390164A - 自动应答处理方法、装置、电子设备及介质 - Google Patents
自动应答处理方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN117390164A CN117390164A CN202311405896.7A CN202311405896A CN117390164A CN 117390164 A CN117390164 A CN 117390164A CN 202311405896 A CN202311405896 A CN 202311405896A CN 117390164 A CN117390164 A CN 117390164A
- Authority
- CN
- China
- Prior art keywords
- session
- event
- historical
- history
- target
- 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
- 230000004044 response Effects 0.000 title claims abstract description 224
- 238000003672 processing method Methods 0.000 title claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 56
- 239000013598 vector Substances 0.000 claims description 277
- 230000003993 interaction Effects 0.000 claims description 184
- 230000006870 function Effects 0.000 claims description 151
- 230000002452 interceptive effect Effects 0.000 claims description 41
- 238000000034 method Methods 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012790 confirmation Methods 0.000 description 57
- 230000008569 process Effects 0.000 description 18
- 230000009191 jumping Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000005055 memory storage Effects 0.000 description 5
- 238000013139 quantization Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000005065 mining Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010019345 Heat stroke Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003446 memory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect 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
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Abstract
本公开提供了一种自动应答处理方法、装置、电子设备及介质。该自动应答处理方法包括:获取会话平台上的目标触发事件;获取目标对象在所述会话平台上的匹配历史事件特征;获取所述目标对象在所述会话平台上的第一标签;基于所述匹配历史事件特征和所述第一标签,生成所述目标对象在所述会话平台上的总体特征;将所述目标触发事件和所述总体特征输入第一大语言模型,得到所述会话平台对所述目标触发事件的个性化应答;显示所述个性化应答。本公开实施例能提高自动应答处理方法的自动应答的个性化和准确性。本公开实施例可应用于应答处理、智能应答等各种领域。
Description
技术领域
本公开涉及输入法领域,特别是涉及一种自动应答处理方法、装置、电子设备及介质。
背景技术
目前的大语言模型,广泛用于机器翻译、机器问答等领域。利用大语言模型进行机器问答时,一般仅根据提问者的提问进行自动应答,不考虑提问者的人设。但实际上,不同的提问者人设不同,提出同样一个问题时预期回答的方向可能不同,且由于提问者人设不同造成期望回答的语言模式不同。现有技术的大语言模型问答系统不能理解不同对象的不同思维模式,从而不能对不同对象的提问进行适配于该对象的思维模式的理解,并作出符合其思维模式的回答。自动应答的个性化不足,应答的准确性低。
发明内容
本公开实施例提供了一种自动应答处理方法、装置、电子设备及介质,它提高了自动应答的个性化和准确性。
根据本公开的一方面,提供了一种自动应答处理方法,包括:
获取会话平台上的目标触发事件;
获取目标对象在所述会话平台上的匹配历史事件特征;
获取所述目标对象在所述会话平台上的第一标签;
基于所述匹配历史事件特征和所述第一标签,生成所述目标对象在所述会话平台上的总体特征;
将所述目标触发事件和所述总体特征输入第一大语言模型,得到所述会话平台对所述目标触发事件的个性化应答;
显示所述个性化应答。
根据本公开的一方面,提供了一种自动应答处理装置,包括:
第一获取单元,用于获取会话平台上的目标触发事件;
第二获取单元,用于获取目标对象在所述会话平台上的匹配历史事件特征;
第三获取单元,用于获取所述目标对象在所述会话平台上的第一标签;
第一生成单元,用于基于所述匹配历史事件特征和所述第一标签,生成所述目标对象在所述会话平台上的总体特征;
第一输入单元,用于将所述目标触发事件和所述总体特征输入第一大语言模型,得到所述会话平台对所述目标触发事件的个性化应答;
显示单元,用于显示所述个性化应答。
可选地,所述自动应答处理装置还包括:
第四获取单元,用于获取候选触发事件池;
所述第一获取单元具体用于:如果接收到所述目标对象在所述会话平台上的查询,或者所述候选触发事件池中的任一候选触发事件发生,将所述查询或发送的所述候选触发事件确定为所述目标触发事件。
可选地,所述第二获取单元具体用于:
将所述目标触发事件向量化为第一向量;
确定所述第一向量与历史事件向量库中各个历史事件向量的匹配度,并基于所述匹配度在所述历史事件向量库中确定匹配历史事件向量;
基于所述匹配历史事件向量,生成所述匹配历史事件特征。
可选地,所述自动应答处理装置还包括:
第五获取单元,用于针对所述目标对象在所述会话平台上的每个历史会话记录,获取所述历史会话记录的上下文信息;
第二输入单元,用于将所述历史会话记录和所述上下文信息输入第二大语言模型,得到所述历史会话记录的目标要素信息;
第二生成单元,用于基于所述目标要素信息、和所述历史会话记录的地址信息,生成所述历史会话记录对应的所述历史事件向量;
第三生成单元,用于基于每个所述历史会话记录对应的所述历史事件向量,生成所述历史事件向量库。
可选地,所述第五获取单元具体用于:
基于所述会话平台上的任两个相邻历史会话记录的间隔时间与第一阈值的比较,将所述会话平台上的所述历史会话记录分成历史会话记录段;
针对所述目标对象在所述会话平台上的每个历史会话记录,获取所述历史会话记录所属的所述历史会话记录段中所述历史会话记录以外的部分,作为所述历史会话记录的所述上下文信息。
可选地,所述所述目标要素信息包括所述历史会话记录对应的历史事件的参与者信息、事件内容信息、事件时间信息、事件地点信息、和事件原因信息;所述地址信息包括所述历史会话记录的记录起始地址和记录结束地址;
所述第二生成单元具体用于:
将所述参与者信息、所述事件内容信息、所述事件时间信息、所述事件地点信息、所述事件原因信息、所述记录起始地址、和所述记录结束地址级联,得到第一级联结果;
将所述第一级联结果向量化为所述历史事件向量。
可选地,所述第二获取单元具体用于:
将所述匹配历史事件向量反向量化,得到匹配的所述历史会话记录对应的所述第一级联结果;
从匹配的所述历史会话记录对应的所述第一级联结果中,获取匹配的所述历史会话记录的所述记录起始地址和所述记录结束地址;
基于所述记录起始地址和所述记录结束地址,查找匹配的所述历史会话记录,作为所述匹配历史事件特征。
可选地,所述自动应答处理装置还包括:
第六获取单元,用于获取当前时间之前第一时间段内所述目标对象在所述会话平台上的多个历史会话记录;
第四生成单元,用于将每个所述历史会话记录向量化为历史事件向量,并基于多个所述历史会话记录对应的所述历史事件向量生成所述历史事件向量库;
所述第二获取单元具体用于:将所述匹配历史事件向量反向量化为匹配的所述历史会话记录,作为所述匹配历史事件特征。
可选地,所述自动应答处理装置还包括:
第三输入单元,用于将所述目标对象在所述会话平台上的每个历史会话记录,输入第四大语言模型,得到所述历史会话记录的摘要;
第一级联单元,用于将所述摘要、和所述历史会话记录的地址信息级联成第二级联结果,并将所述第二级联结果向量化为所述历史事件向量;
第五生成单元,用于基于每个所述历史会话记录对应的所述历史事件向量,生成所述历史事件向量库。
可选地,所述地址信息包括记录起始地址和记录结束地址;
所述第二获取单元具体用于:
将所述匹配历史事件向量反向量化,得到匹配的所述历史会话记录对应的所述第二级联结果;
从匹配的所述历史会话记录对应的所述第二级联结果中,获取匹配的所述历史会话记录的所述记录起始地址和所述记录结束地址;
基于所述记录起始地址和所述记录结束地址,查找匹配的所述历史会话记录,作为所述匹配历史事件特征。
可选地,所述第一标签包括至少一个第一特征项的第一特征值;
所述第三获取单元具体用于:
针对所述目标对象在所述会话平台上的每个历史会话记录,获取所述历史会话记录的上下文信息;
将所述历史会话记录和所述上下文信息输入第三大语言模型,所述第三大语言模型针对每个所述第一特征项预测所述历史会话记录是否具有所述第一特征值、以及在具有所述第一特征值的情况下的所述第一特征值;
当遍历所述目标对象在所述会话平台上的每个历史会话记录后,针对每个所述第一特征项,确定具有所述第一特征值的第一历史会话记录数目、以及具有每个种类的所述第一特征值的第二历史会话记录数目;
基于所述第一历史会话记录数目和所述第二历史会话记录数目,确定所述第一标签。
可选地,所述第三获取单元具体用于:
针对每个种类的所述第一特征值,确定具有所述种类的所述第一特征值的所述第二历史会话记录数目占所述第一历史会话记录数目的第一占比;
基于所述种类的所述第一特征值的所述第二历史会话记录数目、和所述第一占比,将所述种类的所述第一特征值加入所述第一标签。
可选地,所述第三获取单元具体用于:
确定所述第二历史会话记录数目大于第二阈值;
确定所述第一占比大于第三阈值;
将所述种类的所述第一特征值加入所述第一标签。
可选地,所述第一标签包括至少一个第二特征项的第二特征值,所述第二特征项的所述第二特征值注册在所述目标对象在所述会话平台上的注册信息中;
所述自动应答处理装置还包括:
第七获取单元,用于从所述注册信息中获取所述第二特征项的所述第二特征值,以加入所述第一标签。
可选地,所述自动应答处理装置还包括:
定义单元,用于定义与会话平台的交互函数库,所述交互函数库包括多个候选交互函数;
所述第一输入单元具体用于:
将所述目标触发事件和所述总体特征输入第一大语言模型,得到目标交互函数功能描述;
基于所述目标交互函数功能描述,在多个所述候选交互函数选择目标交互函数;
对所述会话平台执行所述目标交互函数,得到所述个性化应答。
可选地,所述候选交互函数包括交互参数列表,所述交互参数列表包含多个第二交互参数;
所述自动应答处理装置还包括:
第八获取单元,用于从所述目标触发事件中获取第一交互参数;
第六生成单元,用于基于所述第一交互参数与所述目标交互函数的所述交互参数列表中的多个所述第二交互参数的比对,生成待补全交互参数输入提示信息;
第二显示单元,用于显示所述待补全交互参数输入提示信息,并接收所述目标对象输入的所述待补全交互参数。
可选地,所述第六生成单元具体用于:
从所述目标交互函数功能描述中,获取第一关键词;
获取每个所述候选交互函数对应的第二关键词;
基于所述第一关键词与每个所述候选交互函数对应的第二关键词的匹配度,在多个所述候选交互函数选择目标交互函数。
可选地,所述目标触发事件包括所述会话平台上所述目标对象的关联对象的未读动态空间信息;所述个性化应答包括所述未读动态空间信息、和对所述未读动态空间信息的多个候选评论;
所述自动应答处理装置还包括:
第一响应单元,用于响应于所述目标对象对多个所述候选评论的选择,将选择的所述候选评论作为目标评论加入所述动态空间。
可选地,所述目标触发事件包括确定当前日期是所述会话平台上所述目标对象的关联对象的生日;所述个性化应答包括生日提醒信息、和多个候选祝福语;
所述自动应答处理装置还包括:
第二响应单元,用于在显示所述个性化应答之后,所述自动应答处理方法还包括:
响应于所述目标对象对多个所述候选祝福语的选择,将选择的所述候选祝福语作为目标祝福语发送到所述关联对象。
根据本公开的一方面,提供了一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如上所述的自动应答处理方法。
根据本公开的一方面,提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的自动应答处理方法。
根据本公开的一方面,提供了一种计算机程序产品,该计算机程序产品包括计算机程序,所述计算机程序被计算机设备的处理器读取并执行,使得该计算机设备执行如上所述的自动应答处理方法。
本公开实施例中通过从目标对象在会话平台上作出的历史事件中提取匹配历史事件特征,并获得目标对象的第一标签。匹配历史事件特征和第一标签反映了目标对象的思维模式和个性化特点。输入第一大语言模型时,不仅将目标触发事件,还将匹配历史事件特征和第一标签输入第一大语言模型,从而使第一大语言模型通过匹配历史事件特征和第一标签对目标对象的思维模式和个性化特点深入理解,作出符合目标对象的思维模式和个性化特点的个性化应答,从而提高大语言模型自动应答的个性化和准确性。
本公开的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本公开而了解。本公开的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本公开技术方案的进一步理解,并且构成说明书的一部分,与本公开的实施例一起用于解释本公开的技术方案,并不构成对本公开技术方案的限制。
图1是根据本公开的实施例的自动应答处理方法应用的系统的体系架构图;
图2A至图2B是根据本公开的实施例的自动应答处理方法应用于提问的场景的界面对比示意图;
图3是根据本公开的一个实施例的自动应答处理方法的总体流程图;
图4是根据本公开的一个实施例的自动应答处理方法的一个示意图;
图5是图3中步骤310的一个具体流程图;
图6是候选触发事件池的一个结构示意图;
图7是根据本公开的实施例的自动应答处理方法应用于动态空间提醒场景的界面示意图;
图8是根据本公开的实施例的自动应答处理方法应用于生日提醒场景的界面示意图;
图9A至图9C是根据本公开的实施例的自动应答处理方法应用于多种不同场景的界面示意图;
图10是图3中步骤320的一个具体流程图;
图11是生成历史事件向量库的一个具体流程图;
图12是图11中步骤1110的一个具体流程图;
图13是图11中步骤1130的一个具体流程图;
图14是图10中步骤1030的一个具体流程图;
图15是生成历史事件向量库的另一个具体流程图;
图16是图10中步骤1030的一个具体流程图;
图17是生成历史事件向量库的另一个具体流程图;
图18是图10中步骤1030的一个具体流程图;
图19是图3中步骤330的一个具体流程图;
图20是更新图像特征的一个示意图;
图21是图19中步骤1940的一个具体流程图;
图22是图21中步骤2120的一个具体流程图;
图23是加入第一标签的一个具体流程图;
图24是图3中步骤350的一个具体流程图;
图25是生成个性化应答的一个示意图;
图26是图24中步骤2430的一个具体流程图;
图27是在图24步骤2430之后接收待补全交互参数的一个具体流程图;
图28是根据本公开的一个实施例的自动应答处理装置的框图;
图29示出了根据本公开的一个实施例实施图3所示的自动应答处理方法的终端结构图;
图30示出了根据本公开的一个实施例实施图3所示的自动应答处理方法的服务器结构图。
具体实施方式
为了使本公开的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本公开进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本公开,并不用于限定本公开。
对本公开实施例进行进一步详细说明之前,对本公开实施例中涉及的名词和术语进行说明,本公开实施例中涉及的名词和术语适用于如下的解释:
大语言模型(Large Language Model,LLM):使用大量数据训练的人工智能模型,它能理解和生成人类语言。这种模型可用于机器翻译、文本生成、问答系统等。但其大规模的模型和训练数据也带来了计算资源需求、模型可解释性和偏见等挑战。大语言模型的学习知识可以通过预训练或者通过把知识放到作为输入的方式。
提示词(prompt):是输入给大语言模型的上下文或初始文本,用于引导大模型生成特定的输出。提示词长度的计算单位是词素(token),大语言模型对能输入的提示词的大小上限有限制。
词素(token):是文本的基本单位,可以是一个字、一个词或一个句子,模型通过学习词素之间的关系来理解语言。
对象画像:是一种描述和表示对象特征、兴趣、行为、需求等多方面信息的数据模型。对象画像通常包括对象的基本信息(如家乡、公司、工作、教育程度、行业等)、兴趣爱好、性格等。通过对对象数据的收集、分析和挖掘,可以构建出较为详细的对象画像。请注意,当本申请实施例需要获取对象数据以进行收集、分析和挖掘时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取用于使本申请实施例能够获取对象数据,以进行收集、分析和挖掘,得到对象画像。
目前的大语言模型,广泛用于机器翻译、机器问答等领域。利用大语言模型进行机器问答时,一般仅根据提问者的提问进行自动应答,不考虑提问者的人设。但实际上,不同的提问者人设不同,提出同样一个问题时预期回答的方向可能不同,且由于提问者人设不同造成期望回答的语言模式不同。相关技术的大语言模型问答系统不能理解不同对象的不同思维模式,从而不能对不同对象的提问进行适配于该对象的思维模式的理解,并作出符合其思维模式的回答。自动应答的个性化不足,应答的准确性低。请注意,在本申请实施例中,当获取对象输入的问题或其它触发时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再对象输入的问题或其它触发。
基于此,本公开实施例提供一种自动应答处理方法、相关装置及介质,该自动应答处理方法能够提高自动应答的个性化和准确性。
本公开实施例应用的系统体系构架及场景说明
图1是根据本公开的实施例的自动应答处理方法所应用的系统架构图。它包括自动应答处理服务器110、互联网120、终端130等。
自动应答处理服务器110是获取目标触发事件,并根据目标触发事件生成自动化应答的设备。相对于终端130来说,自动应答处理服务器110在稳定性、安全性、性能等方面都要求很高。服务器110可以是网络平台中的一台高性能计算机、多台高性能计算机的集群、一台高性能计算机中划出的一部分(例如虚拟机)、多台高性能计算机中划出的一部分(例如虚拟机)的组合等。自动应答处理服务器210也可以以有线或无线的方式与互联网120进行通信,交换数据。
终端130是用来显示个性化应答的设备。它包括触摸屏终端、桌面电脑、膝上型电脑、PDA(个人数字助理)、手机、车载终端、家庭影院终端、专用终端等多种形式。另外,它可以是单台设备,也可以是多台设备组成的集合。例如,多台设备通过局域网连接,公用一台显示设备进行协同工作,共同构成一个终端。终端130也可以以有线或无线的方式与互联网120进行通信,交换数据。
本公开实施例可以应用在任何使用自动应答的场景,例如图2A和图2B所示的基于提问自动应答的场景。
如图2A所示,图2A是根据相关技术中的自动应答处理方法生成的会话记录。目标对象对会话助手进行提问,会话助手基于相关技术中的自动应答处理方法对目标对象的提问进行自动应答,生成对应的应答。根据图2A所示的会话记录,能够看到会话助手进行的自动应答较为生硬、刻板,无法做到符合目标对象的思维模式的需求,个性化和准确性都较低。请注意,在本申请实施例中,当获取对象输入的问题时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再对象输入的问题,以进行自动应答。
如图2B所示,图2B为基于本公开实施例的自动应答处理方法生成的会话记录。图2B显示的会话记录中,目标对象对会话助手提问的问题相同,但会话助手作出的自动应答却截然不同,根据图2B所示的会话记录,能够看到会话助手进行的自动应答较为人性化,文本内容更加丰富,个性化程度和准确度明显得到提升。
本公开实施例能够作出符合目标对象的思维模式和个性化特点的个性化应答,从而提高大语言模型自动应答的个性化和准确性。
应理解,以上内容仅示出了对本公开部分应用场景的说明,本公开能够应用的业务场景,可以包括,但不限于上述举出的具体实施例。
本公开实施例的总体说明
需要强调,本公开实施例能够适用于多种应用场景,例如提问、生日提醒、未读消息提醒等。相关技术的自动应答处理方法存在个性化程度和准确性较低的问题,根据本公开的一些实施例,提供了一种自动应答处理方法、相关装置及介质,能够作出符合目标对象的思维模式和个性化特点的个性化应答,从而提高自动应答的个性化和准确性。
自动应答处理方法是获取目标触发事件,并对目标触发事件进行处理,以对目标对象做出个性化应答的方法。该自动应答处理方法作出的个性化应答符合目标对象的思维模式和个性化特点,提高了自动应答的个性化和准确性。请注意,在本申请实施例中,当获取目标触发事件时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取目标触发事件。
本公开实施例的自动应答处理方法不仅可以在自动应答处理服务器110进行,而且可以在终端130进行。
如图3所示,根据本公开一个实施例的自动应答处理方法包括:
步骤310、获取会话平台上的目标触发事件;
步骤320、获取目标对象在会话平台上的匹配历史事件特征;
步骤330、获取目标对象在会话平台上的第一标签;
步骤340、基于匹配历史事件特征和第一标签,生成目标对象在会话平台上的总体特征;
步骤350、将目标触发事件和总体特征输入第一大语言模型,得到会话平台对目标触发事件的个性化应答;
步骤360、显示个性化应答。
下面对步骤310至步骤350进行详细描述。
在步骤310中,获取会话平台上的目标触发事件。会话平台可为应用软件或网站等,目标对象可与其他对象在会话平台上进行交流。目标触发事件为预先设置的事件,当满足预先设置的触发条件,生成目标触发事件。目标触发事件可根据目标对象的提问生成,也可响应于满足时间等条件生成。请注意,在本申请实施例中,当获取目标触发事件时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取目标触发事件。
在步骤320中,获取目标对象在会话平台上的匹配历史事件特征。当目标触发事件生成后,根据目标触发事件,获取目标对象在会话平台上与目标触发事件对应的匹配历史事件特征。
会话平台为目标触发事件生成的平台,匹配历史事件特征可以为目标对象在会话平台上的历史会话记录或者对历史会话记录进行总结得到的事件特征。请注意,在本申请实施例中,当获取目标对象在会话平台上与目标触发事件对应的匹配历史事件特征时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取目标对象在会话平台上与目标触发事件对应的匹配历史事件特征。
在步骤330中,获取目标对象在会话平台上的第一标签。当目标触发事件生成后,根据目标触发事件,获取目标对象在会话平台上显示的第一标签。请注意,在本申请实施例中,当获取目标对象在会话平台上显示的第一标签时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取目标对象在会话平台上显示的第一标签。
对象画像是一种描述和表示对象特征、兴趣、行为、需求等多方面信息的数据模型。模型中的每项数据是第一标签。第一标签通常包括对象的基本信息、兴趣爱好、性格等。对象的基本信息,如家乡、公司、教育程度、行业等可以基于目标对象在会话平台填写的资料生成,或者,对象的基本信息依据对象终端的传感器的信号生成。兴趣爱好、性格可以依据大语言模型对目标对象在会话平台上的历史会话记录进行总结分析生成。另外,对象的基本信息同样可以根据大语言模型对目标对象在会话平台上的历史会话记录进行总结分析生成。
步骤320对于匹配历史特征的获取和步骤330对于第一标签的获取可以同时执行,也可以先执行步骤320再执行步骤330,也可以先执行步骤330再执行步骤320。
在步骤340中,基于匹配历史事件特征和第一标签,生成目标对象在会话平台上的总体特征。匹配历史事件特征和第一标签都与目标对象相对应,基于匹配历史事件特征匹配历史事件特征和第一标签,确定目标对象在对话平台上的总体特征。具体地,可以将匹配历史事件特征和第一标签进行拼接,得到总体特征。请注意,在本申请实施例中,当获得总体特征时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获得总体特征。
在步骤350中,将目标触发事件和总体特征输入第一大语言模型,得到会话平台对目标触发事件的个性化应答。将目标触发事件作为第一大语言模型的主输入,总体特征作为第一大语言模型的辅输入,从而得到会话平台对目标触发事件到的个性化应答。请注意,在本申请实施例中,当目标触发事件作为第一大语言模型的主输入,总体特征作为第一大语言模型的辅输入时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获得上述输入。
目标触发事件和总体特征为第一大语言模型的两个提示词,能够引导第一大语言模型生成特定的输出,即个性化应答。
目标触发事件为会话平台需要进行应答的触发事件,因此将目标触发事件作为第一大语言模型的主输入,而总体特征基于匹配历史事件特征和第一标签生成,其与目标对象具有个性化联系,因此,将总体特征作为第一大语言模型的辅输入,对目标触发事件进行处理,能够使得到的个性化应答符合目标对象的个性化需求,从而提供自动应答的个性化和准确性。
在步骤360中,显示个性化应答。个性化应答生成后,对个性化应答进行显示,以使目标对象在会话平台上确定个性化应答。
由于本公开实施例的自动应答处理方法可以在服务器进行,也可以在终端进行,因此,当该自动应答处理方法在服务器进行时,服务器将步骤350得到的个性化应答发送给会话平台所处的终端,以使该终端将个性化应答显示在会话平台的界面。当自动应答处理方法在终端进行时,终端能够直接将步骤350得到的个性化应答显示在会话平台的界面。
参照图4,当目标对象在会话平台进行查询或者触发事件被触发时,获取对应的目标触发事件,基于目标触发事件,分别获取目标对象在会话平台上的匹配历史事件特征和第一标签,之后,对匹配历史事件特征和第一标签进行拼接,得到总体特征,并将目标触发事件和总体特征输入第一大语言模型,得到会话平台对目标触发事件的个性化应答。将个性化应答进行显示,以使目标对象得到自动应答。另外,本公开实施例的自动应答处理方法为实时进行处理的。
上述步骤310至步骤360的实施例通过从目标对象在会话平台上作出的历史事件中提取匹配历史事件特征,并获得目标对象的第一标签。匹配历史事件特征和第一标签反映了目标对象的思维模式和个性化特点。输入第一大语言模型时,不仅将目标触发事件,还将匹配历史事件特征和第一标签输入第一大语言模型,从而使第一大语言模型通过匹配历史事件特征和第一标签对目标对象的思维模式和个性化特点深入理解,作出符合目标对象的思维模式和个性化特点的个性化应答,从而提高大语言模型自动应答的个性化和准确性。
以上是对步骤310至步骤360的总体描述,下面对步骤310至步骤360的具体实施过程进行详细描述。
步骤310的详细描述
在步骤310中,获取会话平台上的目标触发事件。请注意,在本申请实施例中,当获取会话平台上的目标触发事件时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取会话平台上的目标触发事件。
一实施例中,参照图5,在步骤310之前,本公开实施例提供的自动应答处理方法还包括:
步骤510、获取候选触发事件池;
与步骤510相对应,步骤310包括:
步骤520、如果接收到目标对象在会话平台上的查询,或者候选触发事件池中的任一候选触发事件发生,将查询或发送的候选触发事件确定为目标触发事件。请注意,在本申请实施例中,当接收目标对象在会话平台上的查询,或者获取任一候选触发事件时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再接收目标对象在会话平台上的查询,或者获取候选触发事件。
下面对步骤510和步骤520进行详细描述。
在步骤510中,获取候选触发事件池。候选触发事件池为预先设置的,目标对象可根据自身需求,在会话平台上将多个事件作为候选触发事件,并放入候选触发事件池。
参照图6,候选触发事件池中包括多个不同的候选触发事件,具体地,候选触发事件池可以包括生日提醒、未读消息提醒、空间动态提醒、添加日程、删除日程等多个候选触发事件。
在步骤520中,如果接收到目标对象在会话平台上的查询,或者候选触发事件池中的任一候选触发事件发生,将查询或发送的候选触发事件确定为目标触发事件。响应于目标对象在会话平台上的查询,或者候选触发事件池中的任一候选触发事件发生,将查询或发送的候选触发事件作为目标触发事件。请注意,在本申请实施例中,当接收目标对象在会话平台上的查询,或者获取任一候选触发事件时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再接收目标对象在会话平台上的查询,或者获取候选触发事件。
目标对象在会话平台上的查询可以为目标对象在会话平台上输入的问题,可以通过文本形式或语音形式进行显示。而候选触发事件池中的任一候选触发事件发生具体可以为目标对象在会话平台上输入的关键词与候选触发事件相对应,或者,满足候选触发事件的触发条件。例如,当候选触发事件设置为天气提醒时,目标对象将天气提醒对应的触发条件设置为每天早上七点,那么当时间到达早上七点时,满足触发条件,将天气提醒作为目标触发事件。
上述步骤510和步骤520的实施例设置有候选触发事件池,并根据目标对象在会话平台上的查询,或者候选触发事件池中的任一候选触发事件,将查询或发送的候选触发事件确定为目标触发事件。本公开实施例能够及时响应查询或者候选触发事件发生的触发,并生成目标触发事件,提高了自动应答的即时性。对象可以根据需要调整触发事先池,提高自动应答处理灵活性。
在一实施例中,目标触发事件包括会话平台上目标对象的关联对象的未读动态空间信息,与目标触发事件相对应,个性化应答包括未读动态空间信息、和对未读动态空间信息的多个候选评论。参照图7,在步骤360之后,本公开实施例提供的自动应答处理方法还包括:
步骤710、响应于目标对象对多个候选评论的选择,将选择的候选评论作为目标评论加入动态空间。
当本公开实施例提供的目标触发事件包括会话平台上目标对象的关联对象的未读动态空间信息时,与未读动态空间信息相对应,个性化应答包括未读空间信息、和对未读动态空间信息的多个候选评论。参照图9A,响应于满足未读动态空间信息的触发条件,即当前时间为BB:BB,获取会话平台上目标对象(对象H)的关联对象的未读动态空间信息,并根据步骤310至步骤360对目标触发事件进行自动应答处理,生成个性化应答,个性化应答的界面如图9A所示,在图9A所示的界面中,显示有未读动态空间信息以及针对未读动态空间信息的多个候选评论。每个候选评论设置有对应的“评论”按钮,点击“评论”按钮,即表示选择对应的候选评论,响应于目标对象对候选评论的选择,将选择的候选评论作为目标评论加入动态空间。本公开实施例得到的候选评论更加符合目标对象的人设,满足个性化需求,提高了自动应答的准确性。
关联对象与目标对象相关联,在会话平台关联对象通常以目标对象的好友呈现。候选评论的选择可以选择单个,也可以选择多个,本公开实施例不对候选评论的选择个数进行限制。
在另一实施例中,目标触发事件包括确定当前日期是会话平台上目标对象的关联对象的生日,与目标触发事件相对应,个性化应答包括生日提醒信息、和多个候选祝福语。参照图8,在步骤360之后,本公开实施例提供的自动应答处理方法还包括:
步骤810、响应于目标对象对多个候选祝福语的选择,将选择的候选祝福语作为目标祝福语发送到关联对象。
当确定当前日期是会话平台上目标对象的关联对象的生日时,生成目标触发事件,并根据步骤310至步骤360对目标触发事件进行自动应答处理,生成个性化应答,个性化应答包括生日提醒信息、和多个候选祝福语。
另外,目标触发事件还可以包括确定当前日期距离会话平台上目标对象的关联对象的生日为预设阈值。与目标触发事件相对应,个性化应答包括生日提醒信息、和多个候选祝福语。那么在步骤360之后,可以响应于目标对象对多个候选祝福语的选择,在关联对象的生日当天将选择的候选祝福语作为目标祝福语发送到关联对象。
参照图9B,响应于生日提醒的触发条件,即当前日期距离会话平台上目标对象的关联对象的生日为预设阈值以及当前时间为“CC:CC”,生成目标触发事件,并根据步骤310至步骤360对目标触发事件进行自动应答处理,生成个性化应答,个性化应答的界面如图9B所示。在图9B所示的界面中,显示有生日提醒信息、和多个候选祝福语,每个候选祝福语设置有对应的“发送”按钮,点击“发送”按钮,即表示选择对应的候选祝福语。响应于目标对象对候选祝福语的选择,将选择的候选祝福语作为目标祝福语发送到关联对象。本公开实施例得到的候选祝福语更加符合目标对象的人设,满足个性化需求,提高了自动应答的准确性。
关联对象与目标对象相关联,在会话平台关联对象通常以目标对象的好友呈现。候选祝福语的选择可以选择单个,也可以选择多个,本公开实施例不对候选祝福语的选择个数进行限制。
在另一实施例中,目标触发事件包括天气提醒,天气提醒可以为当天天气提醒,也可以为第二天的天气提醒,个性化应答包括天气提醒信息,参照图9A,图9A所示的界面的对应的目标触发事件为第二天的天气提醒,当满足天气提醒的条件,即当前时间为“BB:BB”,将生成目标触发事件,并根据步骤310至步骤360对目标触发事件进行自动应答处理,生成个性化应答,生成的个性化应答如图9A所示。图9A所示的个性化应答包括明天的天气信息,以及于天气信息对应的温馨提示,如带伞、防中暑等。
在另一实施例中,目标触发事件包括目标对象的查询,如图9C所示,目标对象在会话平台的查询文本中包括与候选触发池对应的关键词,即“关注”。响应于关键词的触发,将该关键词作为目标触发事件,并生成对应的个性化应答,个性化应答包括群会话未读消息提醒以及对群会话未读消息的总结。图9C所示的个性化应答包括具有群会话未读消息的群会话名称以及与讨论群会话名称对应的群会话未读消息总结。群会话未读消息总结包括群会话讨论的话题、与话题相关的回答等。本公开实施例得到的候选评论更加符合目标对象的兴趣,满足目标对象的个性化需求,提高了自动应答的准确性。
在另一实施例中,参照图2B,响应于目标对象在会话平台的查询,生成目标触发事件,并根据目标对象在会话平台的查询内容进行个性化应答,会话助手对目标对象的应答更加符合目标对象的兴趣,满足目标对象的个性化需求,提高了自动应答的准确性。
步骤320的详细描述
在步骤320中,获取目标对象在会话平台上的匹配历史事件特征。请注意,在本申请实施例中,当获取目标对象在会话平台上与目标触发事件对应的匹配历史事件特征时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取目标对象在会话平台上与目标触发事件对应的匹配历史事件特征。
在一实施例,参照图10,步骤320包括:
步骤1010、将目标触发事件向量化为第一向量;
步骤1020、确定第一向量与历史事件向量库中各个历史事件向量的匹配度,并基于匹配度在历史事件向量库中确定匹配历史事件向量;
步骤1030、基于匹配历史事件向量,生成匹配历史事件特征。
下面对步骤1010至步骤1030进行详细描述。
在步骤1010中、将目标触发事件向量化为第一向量。获取到目标触发事件之后,对目标触发事件进行向量化,得到第一向量。请注意,在本申请实施例中,当对目标触发事件进行向量化时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获得目标触发事件。
第一向量与目标触发事件相对应,不同的目标触发事件对应不同的第一向量。
在步骤1020中,确定第一向量与历史事件向量库中各个历史事件向量的匹配度,并基于匹配度在历史事件向量库中确定匹配历史事件向量。基于第一向量,在历史事件向量库中进行查找匹配,获取第一向量与历史事件向量库中各个历史事件向量的匹配度,基于匹配度在历史事件向量库中确定匹配历史事件向量。请注意,在本申请实施例中,当确定第一向量与历史事件向量库中各个历史事件向量的匹配度时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获得第一向量和历史事件向量库中的各个历史事件向量。
在确定第一向量与历史事件向量库中各个历史事件向量的匹配度,将各个匹配度由高到低进行排序,并将匹配度最高的历史事件向量作为匹配历史事件向量。
历史事件向量库中存储由多个历史事件向量。历史事件向量库为向量数据库,是一种专门用于存储和处理向量数据的数据库。它能高效地处理这些高维度的向量数据,即历史事件向量,并提供快速的向量搜索、相似度计算等功能。
在步骤1030中,基于匹配历史事件向量,生成匹配历史事件特征。根据匹配历史事件向量,确定与目标触发事件相匹配的历史事件特征。请注意,在本申请实施例中,当生成匹配历史事件特征时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获得匹配历史事件向量,以生成匹配历史事件特征。
匹配历史事件向量为一个向量数据,而匹配历史事件特征为与匹配历史事件向量相对应的目标对象在会话平台上的历史会话记录或者对历史会话记录进行总结得到的事件特征。
参照图4,在获取目标触发事件之后,对目标触发事件进行向量化,得到第一向量,之后基于第一向量,确定历史事件向量库中各个历史事件向量与第一向量的匹配度,从而确定匹配历史事件向量,由此得到匹配历史事件特征。匹配历史事件向量库根据历史会话记录离线生成,而个性化应答为实时处理的,因此,匹配历史事件向量库可根据个性化应答的需求进行更新。另外,匹配历史事件向量库也可以存储有基于所有历史会话记录生成的历史事件向量。
上述步骤1010至步骤1040的实施例设置有历史事件向量库。首先,将目标触发事件向量化为第一向量,之后基于第一向量,确定历史事件向量库中各个历史事件向量与第一向量的匹配度,从而确定匹配历史事件向量,基于匹配历史事件向量,生成匹配历史事件特征。本公开实施例根据匹配度在历史事件向量库中确定匹配历史事件向量,使得到的匹配历史事件特征能够与目标触发事件相匹配,从而提高匹配历史事件特征的个性化程度,进而提高了自动应答的个性化程度和准确度。
以上是对步骤1010至步骤1040的总体描述,下面对步骤1020和步骤1030的具体实施过程进行详细描述。
在一实施例中,参照图11,步骤1020中的历史事件向量库的生成步骤包括:
步骤1110、针对目标对象在会话平台上的每个历史会话记录,获取历史会话记录的上下文信息;
步骤1120、将历史会话记录和上下文信息输入第二大语言模型,得到历史会话记录的目标要素信息;
步骤1130、基于目标要素信息、和历史会话记录的地址信息,生成历史会话记录对应的历史事件向量;
步骤1140、基于每个历史会话记录对应的历史事件向量,生成历史事件向量库。
下面对步骤1110至步骤1140进行详细描述。
在步骤1110中,针对目标对象在会话平台上的每个历史会话记录,获取历史会话记录的上下文信息。上下文信息是指与会话记录语义关联的上文和下文的信息,通常是指一条会话记录上面若干条上文会话记录和下面若干条下文会话记录。历史会话记录通常为一小段,其记录的信息并不完整,因此需要针对目标对象在会话平台上的每个历史会话记录,获取历史会话记录的上下文信息。获取上下文信息的具体标准和方法在后文中详述。请注意,在本申请实施例中,当获取历史会话记录的上下文信息时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取历史会话记录的上下文信息。
在步骤1120中,将历史会话记录和上下文信息输入第二大语言模型,得到历史会话记录的目标要素信息。确定历史会话记录和对应的上下文信息后,将历史会话记录和上下文信息输入第二大语言模型,以使第二大语言模型对历史会话记录和上下文信息进行分析,得到历史会话记录的目标要素信息。
目标要素信息为对历史会话记录和上下文信息进行的归纳总结得到的有关要素(如后文中参与者、事件内容、事件时间、事件地点、和事件原因)的信息。
将历史会话记录和上下文信息进行拼接,作为第二大语言模型的提示词输入至第二大语言模型。请注意,在本申请实施例中,当历史会话记录和上下文信息作为第二大语言模型的提示词时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获得历史会话记录和上下文信息。
在步骤1130中,基于目标要素信息、和历史会话记录的地址信息,生成历史会话记录对应的历史事件向量。历史事件向量是用向量形式表示的历史事件。在一个实施例中,对目标要素信息、历史会话记录的地址信息分别进行向量化,并将得到的向量进行拼接,生成历史会话记录对应的历史事件向量。请注意,在本申请实施例中,当生成历史事件向量时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获得目标要素信息、和历史会话记录的地址信息,以生成历史会话记录对应的历史事件向量。
在历史事件向量中,目标要素信息对应的向量部分便于与目标触发事件对应的第一向量进行匹配,从而根据匹配度确定与目标触发事件对应的匹配事件向量。历史会话记录的地址信息对应的向量部分便于基于匹配历史事件向量确定历史会话记录的地址信息,进而确定与目标触发事件对应的历史会话记录,即匹配历史事件特征。
在步骤1140中,基于每个历史会话记录对应的历史事件向量,生成历史事件向量库。建立历史事件向量库,历史事件向量库中包括每个历史会话记录对应的历史事件向量。请注意,在本申请实施例中,当建立历史事件向量库时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获得历史事件向量。
本公开实施例通过分级记忆的方式将目标要素信息、和历史会话记录的地址信息存储至历史事件向量库中,将第二大语言模型的记忆分为不同的层次,以捕捉不同维度上的信息。记忆即是让大语言模型记住会话的上下文的能力,但是由于大语言模型能够接收的词素有限,不可能将所有历史对话都传给它,因此通过分级记忆的方式大模型更好地理解和处理长距离依赖关系。即,先获得目标要素信息,再根据目标要素信息获得整个上下文。这样,历史事件向量库中能存储更多的历史会话记录。
参照图4,本公开实施例在离线部分将历史会话记录和其对应的上下文信息输入第二大语言模型,得到历史会话记录的目标要素信息,并基于目标要素信息、和历史会话记录的地址信息,生成历史会话记录对应的历史事件向量,将生成的历史事件向量添加至历史事件向量库中,以便于根据目标触发事件获取匹配历史事件特征。
上述步骤1110至步骤1140的实施例设置有第二大语言模型。本公开实施例通过第二大语言模型对历史会话记录和其对应的上下文信息进行处理,生成历史会话记录的目标要素信息,并通过分级记忆的方式将目标要素信息、和历史会话记录的地址信息存储至历史事件向量库中,从而使历史事件向量库中能存储更多的历史会话记录,便于对目标触发事件进行个性化应答,提高了自动应答的个性化程度和准确度。
以上是对步骤1110至步骤1140的总体描述,下面对步骤1110至步骤1140的具体实施过程进行详细描述。
在步骤1110中,针对目标对象在会话平台上的每个历史会话记录,获取历史会话记录的上下文信息。请注意,在本申请实施例中,当获取历史会话记录的上下文信息时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取历史会话记录的上下文信息。
在一实施例中,参照图12,步骤1110包括:
步骤1210、基于会话平台上的任两个相邻历史会话记录的间隔时间与第一阈值的比较,将会话平台上的历史会话记录分成历史会话记录段;
步骤1220、针对目标对象在会话平台上的每个历史会话记录,获取历史会话记录所属的历史会话记录段中历史会话记录以外的部分,作为历史会话记录的上下文信息。
下面对步骤1210至步骤1220进行详细描述。
在步骤1210中,基于会话平台上的任两个相邻历史会话记录的间隔时间与第一阈值的比较,将会话平台上的历史会话记录分成历史会话记录段。目标对象与关联对象、或会话助手进行同一话题的交流是通常集中于同一时间段连续交流。在这段连续交流的时间内,每条历史会话记录与前一条历史会话记录和后一条历史会话记录的间隔应该都不算太长。一旦发生间隔较长的情况,很可能是在交流另一个话题。因此,将会话平台上的任两个相邻历史会话记录的间隔时间与第一阈值进行比较,从而将会话平台上的历史会话记录分成多个历史会话记录段,每个历史会话记录段很可能围绕一个话题。获取上下文信息时,只需要获取同一历史会话记录段内的其它会话记录。请注意,在本申请实施例中,在历史会话记录划分为历史会话记录段的过程中,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获得会话平台上的历史会话记录。
在步骤1220中,针对目标对象在会话平台上的每个历史会话记录,获取历史会话记录所属的历史会话记录段中历史会话记录以外的部分,作为历史会话记录的上下文信息。例如,历史会话记录段有A、B、C、D、E五条历史会话记录。针对历史会话记录B,获取历史会话记录A、C、D、E作为上下文信息。请注意,在本申请实施例中,当获取历史会话记录所属的历史会话记录段中历史会话记录以外的部分时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取历史会话记录所属的历史会话记录段中历史会话记录以外的部分。
上述步骤1210至步骤1220的实施例根据每两条连续的历史会话记录之间的时间间隔与第一阈值的比较,来确定历史会话记录的上下文信息,整个方案简单易行且准确率高,提高了自动应答的效率。
在另一实施例中,本公开实施例基于语义相关性将会话平台上的历史会话记录分成历史会话记录段。具体地,针对目标对象在会话平台上的每个历史会话记录,将该历史会话记录输入语义模型,得到该历史会话记录的语义向量。接着,将该历史会话记录前面多条会话记录也依次输入语义模型,得到相应的语义向量,将该历史会话记录后面多条会话记录也依次输入语义模型,也得到相应的语义向量。将该历史会话记录的语义向量与前面第1、2、3……n条会话记录的语义向量依次求距离,一旦距离大于预定的第二阈值,则认为前面的该会话记录属于另一个话题,将其和其后的会话记录归为另一个历史会话记录段。同理,将该历史会话记录的语义向量与后面第1、2、3……n条会话记录的语义向量依次求距离,一旦距离大于预定的第二阈值,则认为后面的该会话记录属于另一个话题,将其和其后的会话记录归为另一个历史会话记录段。通过这种方式,也可以划分历史会话记录段,从而确定上下文信息。
该实施例的优点是提高了自动应答的准确性。
在一实施例中,目标要素信息包括历史会话记录对应的历史事件的参与者信息、事件内容信息、事件时间信息、事件地点信息、和事件原因信息;地址信息包括历史会话记录的记录起始地址和记录结束地址;参照图13,步骤1130包括:
步骤1310、将参与者信息、事件内容信息、事件时间信息、事件地点信息、事件原因信息、记录起始地址、和记录结束地址级联,得到第一级联结果;
步骤1320、将第一级联结果向量化为历史事件向量。
下面对步骤1310至步骤1320进行详细描述。
参与者信息是指关于历史事件的参与者的信息。例如,对于对象A向对象B进行生日祝贺这样一个事件,参与者信息是对象A和对象B。事件内容信息是关于历史事件包含的内容的信息。例如,对于对象A向对象B进行生日祝贺这样一个事件,事件内容信息是生日祝贺。事件时间信息是关于历史事件发生时间的信息。例如,对象A向对象B进行生日祝贺的会话记录是2017年8月17日10:23,则事件时间信息是2017年8月17日10:23。事件地点信息是关于历史事件发生地点的信息。例如,对象A向对象B进行生日祝贺的会话记录的发送时定位是北京市,则事件地点信息是北京市。事件原因信息是关于历史事件发生的原因的信息。对于对象A向对象B进行生日祝贺这样一个事件,事件原因信息是对象B过生日。
在该实施例中,上述参与者信息、事件内容信息、事件时间信息、事件地点信息、事件原因信息只是目标要素信息,并不是真实的历史事件的历史会话记录。历史会话记录一般存储在执行本公开实施例的自动应答处理方法的客户端或服务器的内存存储区或外部存贮设备中。事件的历史会话记录往往存储在内存存储区或外部存贮设备一段连续的存储地址中。因此,为了恢复事件的真实历史会话记录,要记录该历史会话记录存储在内存存储区或外部存贮设备中的首地址和尾地址。根据首地址和尾地址即能恢复事件的历史会话记录。该历史会话记录存储在内存存储区或外部存贮设备的首地址称为记录起始地址,该历史会话记录存储在内存存储区或外部存贮设备的尾地址称为记录结束地址。
在步骤1310中,将参与者信息、事件内容信息、事件时间信息、事件地点信息、事件原因信息、记录起始地址、和记录结束地址级联,得到第一级联结果。将目标要素信息中的多个要素信息与记录起始地址、和记录结束地址级联,从而得到第一级联结果。请注意,在本申请实施例中,在对参与者信息、事件内容信息、事件时间信息、事件地点信息、事件原因信息、记录起始地址、和记录结束地址进行级联的过程中,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取参与者信息、事件内容信息、事件时间信息、事件地点信息、事件原因信息、记录起始地址、和记录结束地址。
第一级联结果为对参与者信息、事件内容信息、事件时间信息、事件地点信息、事件原因信息、记录起始地址、和记录结束地址进行级联得到的结果。例如,对于对象A在2017年8月17日10:23向对象B发送生日祝贺的会话记录,且会话记录为的发送时定位是北京市的历史事件,那么参与者信息为对象A和对象B,事件内容信息为生日祝贺,事件时间信息为2017年8月17日10:23,时间地点信息为北京市,事件原因信息是对象B过生日。另外,该会话记录的记录起始地址为CCCC,记录结束地址为FFFF,那么第一级联结果可以表示为“对象A和对象B、生日祝贺、2017年8月17日10:23、北京市、对象B过生日、CCCC以及FFFF”。
目标要素信息包括参与者信息、事件内容信息、事件时间信息、事件地点信息、事件原因信息,本公开实施例通过第二大语言模型对历史会话记录和上下文信息进行总结归纳,确定历史会话记录对应的历史事件的参与者信息、事件内容信息、事件时间信息、事件地点信息、事件原因信息,从而便于查找目标触发事件对应的匹配历史事件特征。
在步骤1320中,将第一级联结果向量化为历史事件向量。将第一级联结果转化为向量,得到历史事件向量。历史事件向量是指历史事件表示成的向量。请注意,在本申请实施例中,在第一级联结果向量化的过程中,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取第一级联结果。
例如,第一级联结果为“对象A和对象B、生日祝贺、2017年8月17日10:23、北京市、对象B过生日、CCCC以及FFFF”。“对象A和对象B”转换成向量为“1¥%R”。“生日祝贺”转换成向量为“75#)”。“2017年8月17日10:23”转换成向量为“7*R3”。“北京市”转换成向量为“74&%”。“对象B过生日”转换成向量为“*5TY”。“CCCC”转换成向量为“7BP&”。“FFFF”转换成向量为“#@A2”。因此,“对象A和对象B、生日祝贺、2017年8月17日10:23、北京市、对象B过生日、CCCC以及FFFF”转换成的历史事件向量为“1¥%R75#)7*R374&%*5TY7BP&#@A2”。
上述步骤1310和步骤1320的实施例对历史事件向量的生成进行了描述。从目标要素信息总结出历史事件向量,而不是根据整个历史向量总结历史事件向量,能够提高分级记忆的效果,从而提高了触发事件和匹配历史事件特征的相关程度,提高自动应答的个性化程度和准确度。
在步骤1030中,基于匹配历史事件向量,生成匹配历史事件特征。请注意,在本申请实施例中,当生成匹配历史事件特征时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获得匹配历史事件向量,以生成匹配历史事件特征。
在一实施例中,参照图14,步骤1030包括:
步骤1410、将匹配历史事件向量反向量化,得到匹配的历史会话记录对应的第一级联结果;
步骤1420、从匹配的历史会话记录对应的第一级联结果中,获取匹配的历史会话记录的记录起始地址和记录结束地址;
步骤1430、基于记录起始地址和记录结束地址,查找匹配的历史会话记录,作为匹配历史事件特征。
下面对步骤1410至步骤1430进行详细描述。
在步骤1410中,将匹配历史事件向量反向量化,得到匹配的历史会话记录对应的第一级联结果。匹配历史事件向量是指与目标触发事件的第一向量匹配的历史事件的向量。反向量化是向量化的反操作,即将向量转换回事件。请注意,在本申请实施例中,在对匹配历史事件向量进行反向量化的过程中,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获得匹配历史事件向量。
匹配历史事件向量为向量数据,无法基于向量数据直接确定匹配历史事件特征,因此,首先需要对匹配历史事件向量进行反向量化处理,将向量化数据转化为自然语言,以确定其对应的第一级联结果。例如,将“1¥%R75#)
7*R374&%*5TY7BP&#@A2”转换为“对象A和对象B、生日祝贺、2017年8月17日10:23、北京市、对象B过生日、CCCC以及FFFF”。
在步骤1420中,从匹配的历史会话记录对应的第一级联结果中,获取匹配的历史会话记录的记录起始地址和记录结束地址。基于第一级联结果,确定历史会话记录的地址信息,即历史会话记录的记录起始地址和记录结束地址。请注意,在本申请实施例中,当获取匹配的历史会话记录的记录起始地址和记录结束地址时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取匹配的历史会话记录的记录起始地址和记录结束地址。
例如,当第一级联结果为“对象A和对象B、生日祝贺、2017年8月17日10:23、北京市、对象B过生日、CCCC以及FFFF”,匹配的历史会话记录的记录起始地址是“CCCC”,记录结束地址是“FFFF”。
在步骤1430中,基于记录起始地址和记录结束地址,查找匹配的历史会话记录,作为匹配历史事件特征。例如,记录起始地址是“CCCC”,记录结束地址是“FFFF”,存储地址“CCCC”和“FFFF”之间存储的部分即匹配历史事件特征。
历史会话记录对应的匹配历史事件特征可以为1个,也可以为多个,匹配历史事件特征的具体数量根据第一向量与历史事件向量库中的各个历史事件向量的匹配度决定。在一实施例中,本公开实施例设置有匹配度阈值,且本公开实施例将匹配度大于或等于匹配度阈值的历史事件向量作为匹配历史事件向量,那么当匹配度大于或等于匹配度阈值的历史事件向量为多个时,匹配历史事件特征也对应生成多个。
上述步骤1410至步骤1430的实施例对匹配历史事件向量反向量化处理,从而确定历史会话记录的记录起始地址和记录结束地址,并基于记录起始地址和记录结束地址,查找匹配的历史会话记录,作为匹配历史事件特征。本公开实施例通过反向量化对匹配事件向量进行处理,能够根据需要对历史会话记录进行准确调用,从而确定匹配历史特征,提高自动应答的个性化程度和准确度。
在另一实施例中,参照图15,历史事件向量库的生成步骤包括:
步骤1510、获取当前时间之前第一时间段内目标对象在会话平台上的多个历史会话记录;
步骤1520、将每个历史会话记录向量化为历史事件向量,并基于多个历史会话记录对应的历史事件向量生成历史事件向量库;
与步骤1510至步骤1520相对应,参照图16,步骤1030包括:
步骤1610、将匹配历史事件向量反向量化为匹配的历史会话记录,作为匹配历史事件特征。
下面对步骤1510、步骤1520和步骤1610进行详细描述。
在步骤1510中,获取当前时间之前第一时间段内目标对象在会话平台上的多个历史会话记录。针对当前时间,确定当前时间之前的第一时间段,并确定目标对象在该时间段内在会话平台上的多个历史会话记录。请注意,在本申请实施例中,当获取历史会话记录所属的历史会话记录段中历史会话记录以外的部分时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取历史会话记录所属的历史会话记录段中历史会话记录以外的部分。
第一时间段可根据历史事件向量库的更新周期进行设置,具体地,第一时间段通常等于历史事件向量库的更新周期,也可以将更新周期划分为多个第一时间段。在一实施例中,假设历史事件向量库的更新周期为24小时,那么第一时间段可以设置为4小时、6小时、12小时、24小时等。
在步骤1520中,将每个历史会话记录向量化为历史事件向量,并基于多个历史会话记录对应的历史事件向量生成历史事件向量库。请注意,在本申请实施例中,当历史会话记录向量化为历史事件向量时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取历史会话记录。
在步骤1610中,将匹配历史事件向量反向量化为匹配的历史会话记录,作为匹配历史事件特征。请注意,在本申请实施例中,当匹配历史事件向量反向量化为匹配的历史会话记录时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取匹配历史事件向量。
该实施例与之前基于目标要素信息和地址信息生成历史会话记录的历史事件向量的实施例不同,该实施例是将整个的历史会话记录直接向量化为历史事件向量。这样,在还原历史会话记录时,不用先得到目标要素信息和地址信息,再根据地址信息得到详细的历史会话记录,而是能够直接得到历史会话记录本身。因此,省去了根据地址信息查找的过程,提高了自动应答处理的效率。由于它存储历史会话记录本身,不是目标要素信息,因此需要多耗费一些存储空间,且降低查找效率,但由于它存储的仅仅是当前时间第一时间段之内(例如一天之内)的历史会话记录,因此又节约了存储空间,也能实现比较高的查找效率。另外,由于它存储的是当前时间之前第一时间段内的历史会话记录,其时间相对来说都是比较近的,能够获得较近期的数据,从而提高自动应答处理的准确性。
上述步骤1510、步骤1520和步骤1610的实施例通过滑动记忆的方式将历史事件向量存储在历史事件向量库中,能够减少获取目标对象在会话平台上的匹配历史事件特征的时间,进而减少了自动应答处理的时间,提高了自动应答的处理效率。
在另一实施例中,参照图17,历史事件向量库的生成步骤包括:
步骤1710、将目标对象在会话平台上的每个历史会话记录,输入第四大语言模型,得到历史会话记录的摘要;
步骤1620、将摘要、和历史会话记录的地址信息级联成第二级联结果,并将第二级联结果向量化为历史事件向量;
步骤1730、基于每个历史会话记录对应的历史事件向量,生成历史事件向量库。
下面对步骤1710至步骤1730进行详细描述。
在步骤1710中,将目标对象在会话平台上的每个历史会话记录,输入第四大语言模型,得到历史会话记录的摘要。将目标对象在会话平台上的每个历史会话记录作为第四大语言模型的提示词输入至第四大语言模型,得到历史会话记录的摘要。请注意,在本申请实施例中,当目标对象在会话平台上的每个历史会话记录作为第四大语言模型的提示词时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取目标对象在会话平台上的每个历史会话记录。
历史会话记录的摘要为对历史会话记录进行总结得到的内容,其包括历史会话记录中与历史事件相关的信息,例如,历史会话记录依次记载“B,你什么时候生日?”“10月27,怎么了?”“你生日那天我们和C一起去XXX给你庆祝生日吧”,将该历史会话记录输入第四大语言模型,得到历史会话记录的摘要具体为“目标对象在10月27日要和对象B、对象C去XXX为对象B庆祝生日”。
在步骤1720中,将摘要、和历史会话记录的地址信息级联成第二级联结果,并将第二级联结果向量化为历史事件向量。将摘要和历史会话记录的地址信息进行级联,得到第二级联结果,之后对第二级联结果进行向量化,得到历史事件向量。请注意,在本申请实施例中,当对摘要、和历史会话记录的地址信息级联进行级联时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取摘要、和历史会话记录的地址信息。
第二级联结果为对历史会话记录的摘要、记录起始地址、和记录结束地址进行级联得到的结果。例如,对于历史会话记录的摘要为“目标对象在10月27日要和对象B、对象C去XXX为对象B庆祝生日”、记录起始地址为CCCC、记录结束地址为FFFF,第二级联结果可以表示为“目标对象在10月27日要和对象B、对象C去XXX为对象B庆祝生日、CCCC以及FFFF”。
历史事件向量为第二级联结果的向量化结果。例如,对“目标对象在10月27日要和对象B、对象C去XXX为对象B庆祝生日、CCCC以及FFFF”得到历史事件向量“1F&5¥#33REWPY785QT2346”。
步骤1720也可以先将摘要、历史会话记录的地址信息进行向量化,并将得到的与摘要对应的向量、与地址信息对应的向量进行级联,得到历史事件向量。
在步骤1730中,基于每个历史会话记录对应的历史事件向量,生成历史事件向量库。建立历史事件向量库,并将每个历史会话记录对应的历史事件向量添加至历史事件向量库中。请注意,在本申请实施例中,当建立历史事件向量库时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取每个历史会话记录对应的历史事件向量,以生成历史事件向量库。
历史事件向量库可以按照周期进行更新,也可以存储有当前所有历史会话记录对应的摘要、地址信息。
历史事件向量中的摘要用于与目标触发事件对应的第一向量进行比较,从而确定匹配历史事件向量,而地址信息用于在确定匹配历史事件向量后,确定目标触发事件对应的历史会话记录。
摘要是通过第四大语言模型对历史会话记录进行归纳总结的结果,其所占内存远小于历史会话记录本身,因此,步骤1730中的历史事件向量库可以存储有所有历史会话记录对应的历史事件向量。
上述步骤1710至步骤1730的实施例通过第四大语言模型对历史会话记录进行处理,得到摘要,并将摘要和历史会话记录的地址信息对应的向量作为历史事件向量。本公开实施例通过摘要记忆的方式将历史事件向量存储在历史事件向量库中,从而使历史事件向量库中能存储更多的历史会话记录,便于寻找到与目标触发事件更加匹配的匹配历史事件特征,从而对目标触发事件进行个性化应答,提高了自动应答的个性化程度和准确度。
在一实施例中,地址信息包括记录起始地址和记录结束地址,参照图18,步骤1030包括:
步骤1810、将匹配历史事件向量反向量化,得到匹配的历史会话记录对应的第二级联结果;
步骤1820、从匹配的历史会话记录对应的第二级联结果中,获取匹配的历史会话记录的记录起始地址和记录结束地址;
步骤1830、基于记录起始地址和记录结束地址,查找匹配的历史会话记录,作为匹配历史事件特征。
下面对步骤1810至步骤1830进行详细描述。
在步骤1810中,将匹配历史事件向量反向量化,得到匹配的历史会话记录对应的第二级联结果。历史事件向量库中存储的历史事件向量为向量数据,无法基于向量数据直接确定匹配历史事件特征,因此需要对匹配历史事件向量进行反向量化,将向量化数据转化为自然语言,以确定其对应的第二级联结果。请注意,在本申请实施例中,当对匹配历史事件向量反向量化时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取匹配历史事件向量。
在步骤1820中,从匹配的历史会话记录对应的第二级联结果中,获取匹配的历史会话记录的记录起始地址和记录结束地址。在确定第二级联结果后,根据第二级联结果,获取匹配的历史会话记录的地址信息,即记录起始地址和记录结束地址。请注意,在本申请实施例中,当获取匹配的历史会话记录的记录起始地址和记录结束地址时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取匹配的历史会话记录的记录起始地址和记录结束地址。
第二级联结果为对摘要、记录起始地址、和记录结束地址进行级联得到的结果,因此根据第二级联结果,能够确定匹配的历史会话记录的记录起始地址和记录结束地址。例如,当第二级联结果为“目标对象在10月27日要和对象B、对象C去XXX为对象B庆祝生日、CCCC以及FFFF”时,可以确定记录起始地址为CCCC,记录结束地址为FFFF。
在步骤1830中,基于记录起始地址和记录结束地址,查找匹配的历史会话记录,作为匹配历史事件特征。基于记录起始地址和记录结束地址,在历史会话记录中进行查找,确定目标触发事件对应的匹配历史事件特征。请注意,在本申请实施例中,当基于记录起始地址和记录结束地址查找匹配的历史会话记录时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取记录起始地址和记录结束地址。
历史会话记录无论是存储在存储器中,还是存储在其他存储介质中,每条历史会话记录都设置有一一对应的地址信息,根据历史会话记录的记录起始地址和记录结束地址,能够查找得到匹配的历史会话记录。例如,假设历史会话记录存储在存储器中,且记录起始地址为CCCC,历史结束地址为FFFF,查找存储器的对应地址,并获取记录起始地址与历史结束地址内所有的会话记录,从而确定匹配的历史会话记录,进而确定匹配历史事件特征。
上述步骤1810至步骤1830的实施例对匹配历史事件向量反向量化,从而确定匹配的历史会话记录的记录起始地址和记录结束地址,进而查找匹配的历史会话记录,作为匹配历史事件特征。本公开实施例通过反向量化对匹配事件向量进行处理,能够根据需要对历史会话记录进行准确调用,从而确定匹配历史事件特征,提高自动应答的个性化程度和准确度。
步骤330的详细描述
在步骤330中,获取目标对象在会话平台上的第一标签。
在一实施例中,第一标签包括至少一个第一特征项的第一特征值,参照图19,步骤330包括:
步骤1910、针对目标对象在会话平台上的每个历史会话记录,获取历史会话记录的上下文信息;
步骤1920、将历史会话记录和上下文信息输入第三大语言模型,第三大语言模型针对每个第一特征项预测历史会话记录是否具有第一特征值、以及在具有第一特征值的情况下的第一特征值;
步骤1930、当遍历目标对象在会话平台上的每个历史会话记录后,针对每个第一特征项,确定具有第一特征值的第一历史会话记录数目、以及具有每个种类的第一特征值的第二历史会话记录数目;
步骤1940、基于第一历史会话记录数目和第二历史会话记录数目,确定第一标签。
下面对步骤1910至步骤1940进行详细描述。
在步骤1910中,针对目标对象在会话平台上的每个历史会话记录,获取历史会话记录的上下文信息。历史会话记录通常为一小段,其记录的信息并不完整,因此需要针对目标对象在会话平台上的每个历史会话记录,获取历史会话记录的上下文信息。请注意,在本申请实施例中,当获取历史会话记录的上下文信息时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取历史会话记录的上下文信息。
上下文信息是指与会话记录语义关联的上文和下文的信息,通常是指一条会话记录上面若干条上文会话记录和下面若干条下文会话记录。因此,多个不同的历史会话记录对应的上下文信息可能相同。
历史会话记录的上下文信息具体可以根据步骤1210和步骤1220进行获取,具体地,基于会话平台上的任两个相邻历史会话记录的间隔时间与第一阈值的比较,将会话平台上的历史会话记录分成历史会话记录段;针对目标对象在会话平台上的每个历史会话记录,获取历史会话记录所属的历史会话记录段中历史会话记录以外的部分,作为历史会话记录的上下文信息。历史会话记录的上下文信息也可以根据历史会话记录的语义相关程度进行获取。
对象画像是会话平台为了将对象分类以便更好地为对象推送内容而总结出的对象的特征的集合。该集合中的某个单独的特征叫做第一标签。该特征的名称叫做特征项。该特征的具体内容叫做特征值。例如,对于兴趣爱好这样一个第一标签,特征项为“兴趣爱好”,特征值可以为“运动”。第一标签包括至少一个第一特征项,而第一特征项对应至少一个第一特征值。
在步骤1920中,将历史会话记录和上下文信息输入第三大语言模型,第三大语言模型针对每个第一特征项预测历史会话记录是否具有第一特征值、以及在具有第一特征值的情况下的第一特征值。将历史会话记录和上下文信息作为第三大语言模型的提示词输入至第三大语言模型,第三大语言模型具体可以针对每个第一特征项预测预测历史会话记录是否具有第一特征值,并在具有第一特征值的情况下记录第一特征值。例如,第三大语言模型根据兴趣爱好、性格等多个第一特征项,预测历史会话记录是否具有第一画像特征下的第一特征值,当预测历史会话记录具有任一第一特征值时,记录该第一特征值。请注意,在本申请实施例中,当历史会话记录和上下文信息作为第三大语言模型的提示词时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取历史会话记录和上下文信息。
在步骤1930中,当遍历目标对象在会话平台上的每个历史会话记录后,针对每个第一特征项,确定具有第一特征值的第一历史会话记录数目、以及具有每个种类的第一特征值的第二历史会话记录数目。对目标对象在会话平台上的所有历史会话记录进行遍历,遍历完成后,针对每个第一特征项,确定具有第一特征值的第一历史会话记录数目、以及具有每个种类的第一特征值的第二历史会话记录数目。请注意,在本申请实施例中,当遍历目标对象在会话平台上的每个历史会话记录时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取目标对象在会话平台上的每个历史会话记录。
具体地,针对兴趣爱好这一第一特征项,确定具有任一运动、阅读、唱歌等第一特征值的第一历史会话记录数目,以及兴趣爱好为运动的第二历史会话记录数目、兴趣爱好为阅读的第二历史会话记录数目、兴趣爱好为唱歌的第二历史会话记录数目等。
在步骤1940中,基于第一历史会话记录数目和第二历史会话记录数目,确定第一标签。比较第一历史会话记录数目和第二历史会话记录数目的数值,确定第一标签。例如,假设第一画像特征值为运动,其对应的第一特征项为兴趣爱好,将兴趣爱好下的历史会话记录的数目作为第一历史会话记录数目,将具有运动的历史会话记录数目作为第二历史会话记录数目,基于第一历史会话记录数目和第二历史会话记录数目,判断将运动这一第一画像特征值作为第一标签。请注意,在本申请实施例中,当基于第一历史会话记录数目和第二历史会话记录数目确定第一标签时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取第一历史会话记录数目和第二历史会话记录数目。
第一标签需要进行更新,其更新周期可以根据应答处理需求进行设置,应答处理需求越高,第一标签更新需要越频繁,更新周期也就越短。
参照图4,第一标签存储在第一标签库中,并进行离线处理和更新。将历史会话记录和对应的上下文信息通过第三大语言模型,确定第一标签并进行更新。第一标签的具体更新过程如图20所示,首先针对目标对象在会话平台上的每个历史会话记录,获取历史会话记录的上下文信息,将历史会话记录和上下文信息输入第三大语言模型,根据第三大预言模型的输出结果判断历史会话记录是否具有第一特征值,若否,则丢弃第三大预言模型的输出结果,若有,则根据第三大预言模型的输出结果记录第一特征值,在遍历目标对象在会话平台上的每个历史会话记录后,针对每个第一特征项,确定具有第一特征值的第一历史会话记录数目、以及具有每个种类的第一特征值的第二历史会话记录数目。并,基于第一历史会话记录数目和第二历史会话记录数目,确定第一标签。
上述步骤1910至步骤1940的实施例通过第三大语言模型对历史会话进行处理,将历史会话记录和上下文信息输入第三大语言模型,第三大语言模型针对每个第一特征项预测历史会话记录是否具有第一特征值、以及在具有第一特征值的情况下的第一特征值,在遍历目标对象在会话平台上的每个历史会话记录后,针对每个第一特征项,确定具有第一特征值的第一历史会话记录数目、以及具有每个种类的第一特征值的第二历史会话记录数目,以确定第一标签。本公开实施例通过第三大语言模型对第一标签进行更新,从而使获得的第一标签与目标对象在会话平台上的形象更加贴合,使得到的个性化应答更加符合目标对象的思维模式和个性化特点,提高了自动应答的个性化和准确性。
以上是对步骤1910至步骤1940的总体描述,下面对步骤步骤1940的具体实施过程进行详细描述。
在步骤1940中,基于第一历史会话记录数目和第二历史会话记录数目,确定第一标签。
在一实施例中,参照图21,步骤1940包括:
步骤2110、针对每个种类的第一特征值,确定具有种类的第一特征值的第二历史会话记录数目占第一历史会话记录数目的第一占比;
步骤2120、基于种类的第一特征值的第二历史会话记录数目、和第一占比,将种类的第一特征值加入第一标签。
下面对步骤2110至步骤2120进行详细描述。
在步骤2110中,针对每个种类的第一特征值,确定具有种类的第一特征值的第二历史会话记录数目占第一历史会话记录数目的第一占比。针对每个种类的第一特征值,确定具有种类的第一特征值的第二历史会话记录数目占该第一特征值对应的第一历史会话记录数目的第一占比。请注意,在本申请实施例中,当确定具有种类的第一特征值的第二历史会话记录数目占第一历史会话记录数目的第一占比时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取具有种类的第一特征值的第二历史会话记录数目和第一历史会话记录数目。
具体地,当第一画像特征为兴趣爱好时,其中一个种类为运动。首先确定兴趣爱好为运动的第二历史会话记录数目,之后确定所有具有兴趣爱好下的第一特征值的第一历史会话记录数目,然后计算第二历史会话记录数目占第一历史会话记录数目的第一占比。
在步骤2120中,基于种类的第一特征值的第二历史会话记录数目、和第一占比,将种类的第一特征值加入第一标签。比较种类的第一特征值的第二历史会话记录数目、和第一占比,并根据比较结果将种类的第一特征值加入第一标签。请注意,在本申请实施例中,在将种类的第一特征值加入第一标签的过程中,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取种类的第一特征值的第二历史会话记录数目、和第一占比。
上述步骤2110至步骤2120的实施例通过比较第二历史会话记录数目、和第一占比,判断是否将种类的第一特征值加入第一标签。本公开实施例对第一标签的更新过程进行定义,从而使得第一标签与目标对象在会话平台上的形象更加贴合,使得到的个性化应答更加符合目标对象的思维模式和个性化特点,提高了自动应答的个性化和准确性。
以上是对步骤2110和步骤2120的总体描述,下面对步骤2120的具体实施过程进行详细描述。
在步骤2120中,基于种类的第一特征值的第二历史会话记录数目、和第一占比,将种类的第一特征值加入第一标签。
在一实施例中,参照图22,步骤2120包括:
步骤2210、确定第二历史会话记录数目大于第二阈值;
步骤2220、确定第一占比大于第三阈值;
步骤2230、将种类的第一特征值加入第一标签。
下面对步骤2210至步骤2230进行详细描述。
在步骤2210中,确定第二历史会话记录数目大于第二阈值。第二阈值可以根据需求设置,第二阈值越高,得到的第一标签也就与目标对象更贴合。请注意,在本申请实施例中,当确定第二历史会话记录数目大于第二阈值时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取第二历史会话记录数目。
假设第二阈值为T,那么之后第二会话记录数目大于T才能继续执行步骤2220。
在步骤2220中,确定第一占比大于第三阈值。第三阈值可以根据需求设置,第三阈值越高,得到的第一标签也就与目标对象更贴合。请注意,在本申请实施例中,当确定第一占比大于第三阈值时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取第一占比。
步骤2210与步骤2220都为第一特征值作为第一标签的前置条件,因此,步骤2210与步骤2220的先后顺序不受限制,可以先执行步骤2210再执行步骤2220,也可以先执行步骤2220再执行步骤2210。
在步骤2230中,将种类的第一特征值加入第一标签。将第二历史会话记录数目大于第二阈值且第一占比大于第三阈值的第一特征值加入第一标签。请注意,在本申请实施例中,当将种类的第一特征值加入第一标签时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取种类的第一特征值。
假第二阈值为T,第三阈值为50%,那么只有第二历史会话记录数目大于T、且第一占比大于50%的第一特征值才能加入第一标签。
参照图20,在确定第一历史会话记录数目和第二历史会话记录数目,计算具有种类的第一特征值的第二历史会话记录数目占第一历史会话记录数目的第一占比。之后,判断是否第一占比大于第三阈值、第二历史会话记录数目大于第二阈值,若否,则对该种类的第一特征值不作处理,若是,则将该种类的第一特征值加入第一标签。
上述步骤2210至步骤2230的实施例设置有第二阈值和第三阈值,并基于第二阈值和第三阈值判断是否将第一特征值加入第一标签。本公开实施例通过第二阈值和第三阈值的设置对第一标签进行限制,使步骤330得到的第一标签与目标对象在会话平台上的形象更加贴合,那么个性化应答更加符合目标对象的思维模式和个性化特点,提高了自动应答的个性化和准确性。
在一实施例中,第一标签包括至少一个第二特征项的第二特征值,第二特征项的第二特征值注册在目标对象在会话平台上的注册信息中,参照图23,在步骤2120之后,本公开实施例提供的应答处理方法还包括:
步骤2310、从注册信息中获取第二特征项的第二特征值,以加入第一标签。请注意,在本申请实施例中,当获取第二特征项的第二特征值时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取第二特征项的第二特征值。
第二特征项的第二特征值为目标对象向在会话平台上填写的注册信息,即基本信息,如教育程度、行业、家乡等,因此,对于第二特征项的第二特征值需要从注册信息中获取,获取之后将第二特征项的第二特征值加入第一标签。
第二特征项的第二特征值还可以通过终端的传感器获取,例如位置信息可以通过手机的位置传感器获取。
另外,目标对象填写的注册信息可能有误,因此,在应答处理的过程中,第二特征项的第二特征值可以通过第三大语言模型对历史会话记录进行处理,从而判断第二特征项的第二特征值是否正确。
步骤350的详细描述
在步骤350中,将目标触发事件和总体特征输入第一大语言模型,得到会话平台对目标触发事件的个性化应答。
在一实施例中,参照图24,在步骤310之前,本公开实施例提供的自动应答处理方法还包括:
步骤2410、定义与会话平台的交互函数库,交互函数库包括多个候选交互函数;
与步骤2410相对应,步骤350包括:
步骤2420、将目标触发事件和总体特征输入第一大语言模型,得到目标交互函数功能描述;
步骤2430、基于目标交互函数功能描述,在多个候选交互函数选择目标交互函数;
步骤2440、对会话平台执行目标交互函数,得到个性化应答。
下面对步骤2410至步骤2440进行详细描述。
在步骤2410中,定义与会话平台的交互函数库,交互函数库包括多个候选交互函数。通过对交互函数的调用,可以对会话平台执行与交互函数对应的操作,从而生成个性化应答。因此,首先需要定义与会话平台的交互函数库,交互函数库包括多个候选交互函数,各个候选交互函数与目标触发事件相对应,例如当目标触发事件为群会话未读消息提醒时,对应的候选交互函数为get_unread_group_chat_message。
在步骤2420中,将目标触发事件和总体特征输入第一大语言模型,得到目标交互函数功能描述。将目标触发事件和总体特征输入第一大语言模型,第一大语言模型输出的结果为目标交互函数功能描述,即目标交互函数的需要实现的功能。请注意,在本申请实施例中,当目标触发事件和总体特征输入第一大语言模型时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取目标触发事件和总体特征。
具体地,目标对象在会话平台查询“有哪些群会话信息我有遗漏”,第一大语言模型通过对目标触发事件和总体特征处理,识别到目标对象的意图,生成目标交互函数功能描述“未读群会话信息”。
在步骤2430中,基于目标交互函数功能描述,在多个候选交互函数选择目标交互函数。根据目标交互函数功能描述,在交互函数库中的多个候选交互函数选择目标交互函数。请注意,在本申请实施例中,当基于目标交互函数功能描述在多个候选交互函数选择目标交互函数时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取目标交互函数功能描述和多个候选交互函数。
具体地,在确定目标交互函数功能描述为“未读群会话信息”后,在多个候选交互函数选择目标交互函数“get_unread_group_chat_message”,即获取未读的群会话消息。
在步骤2440中,对会话平台执行目标交互函数,得到个性化应答。在会话平台处执行目标交互函数,得到个性化应答。请注意,在本申请实施例中,当对会话平台执行目标交互函数时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取目标交互函数。
具体地,目标触发事件为“有什么需要我关注的吗”,在会话平台执行与目标触发事件对应的目标交互函数“get_unread_group_chat_message”,生成个性化应答,个性化应答显示了为对群会话消息进行总结的结果。
本公开实施例通过函数调用(Function Calling)的方式获取个性化应答,函数调用允许目标对象通过函数调用的方式来与第一大语言模型进行交互,从而提供一种更直观、更灵活的方式来向第一大语言模型提出特定的请求。具体来说就是目标对象可以声明一系列交互函数,定义好函数的名称、描述以及对应的参数信息,然后向第一大语言模型发出请求,接受第一大语言模型返回数据并解析对应的函数和参数信息,根据解析结果执行交互函数。
参照图25,在应用系统层内置注册候选触发事件池,并定义与候选触发事件池对应的交互函数库,目标对象询问到应用系统层,触发调用函数请求到第一大语言模型,应用系统层解析从第一大语言模型返回的结果,即目标交互函数功能描述,从而在多个候选交互函数选择目标交互函数,对会话平台执行目标交互函数,得到个性化应答。
上述步骤2410至步骤2440的实施例通过函数调用的方式对目标触发事件和总体特征进行处理,并生成个性化应答,从而能够根据目标触发事件、总体特征执行对应的交互函数,使得到的消息符合目标对象的需求,提高了自动应答的准确性和个性化。
以上是对步骤2410至步骤2440的总体描述,下面对步骤2410至步骤2439的具体实施过程进行详细描述。
在步骤2430中,基于目标交互函数功能描述,在多个候选交互函数选择目标交互函数。
在一实施例中,参照图26,步骤2430包括:
步骤2610、从目标交互函数功能描述中,获取第一关键词;
步骤2620、获取每个候选交互函数对应的第二关键词;
步骤2630、基于第一关键词与每个候选交互函数对应的第二关键词的匹配度,在多个候选交互函数选择目标交互函数。
下面对步骤2610至步骤2630进行详细描述。
在步骤2610中,从目标交互函数功能描述中,获取第一关键词。基于目标交互函数功能描述,获取第一关键词。第一关键词的数量不受限制,且第一关键词根据目标交互函数功能描述确定。请注意,在本申请实施例中,当获取第一关键词时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取第一关键词。
在确定目标交互函数功能描述为“未读群会话信息”后,对目标交互函数功能描述进行分析,从而确定第一关键词“未读、群会话、消息”。
在步骤2620中,获取每个候选交互函数对应的第二关键词。对交互函数库中的候选交互函数进行解析,得到与每个候选交互函数对应的第二关键词。请注意,在本申请实施例中,当获取每个候选交互函数对应的第二关键词时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取每个候选交互函数对应的第二关键词。
例如,对于候选交互函数“get_unread_group_chat_message”,确定第二关键词为获取“get”、未读“unread”、群“group”、会话“chat”以及信息“message”。
在步骤2630中,基于第一关键词与每个候选交互函数对应的第二关键词的匹配度,在多个候选交互函数选择目标交互函数。将第一关键词与每个候选交互函数对应的第二关键词进行匹配,当匹配度最高且大于预设阈值的第二关键词作为目标交互函数。请注意,在本申请实施例中,在多个候选交互函数选择目标交互函数过程中,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取第一关键词与每个候选交互函数对应的第二关键词的匹配度、以及多个候选交互函数。
例如,将第一关键词“未读、群会话、消息”与第二关键词“获取、未读、群、会话以及信息”,从而确定第一关键词与第二关键词的匹配程度为100%,因此将“get_unread_group_chat_message”作为“未读群会话信息”的目标交互函数。
第二关键词的获取和匹配度的查找可以同时进行,也可以获取到所有候选交互函数对应的第二关键词,在进行匹配度查找,以确定目标交互函数。
上述步骤2610至步骤2630的实施例根据匹配度查找目标交互函数,能够提高目标交互函数与目标触发事件的匹配度,从而使得到的消息符合目标对象的需求,提高了自动应答的准确性和个性化。
在一实施例中,候选交互函数包括交互参数列表,交互参数列表包含多个第二交互参数,参照图27,在步骤2430之后,本公开实施例提供的自动应答处理方法还包括:
步骤2710、从目标触发事件中获取第一交互参数;
步骤2720、基于第一交互参数与目标交互函数的交互参数列表中的多个第二交互参数的比对,生成待补全交互参数输入提示信息;
步骤2730、显示待补全交互参数输入提示信息,并接收目标对象输入的待补全交互参数。
下面对步骤2710至步骤2730进行详细描述。
在步骤2710中,从目标触发事件中获取第一交互参数。候选交互函数设置有交互参数列表,交互参数列表包含多个第二交互参数,候选交互函数需要交互参数列表中所有第二交互参数才能够进行执行。因此,需要确定目标触发事件的第一交互参数,请注意,在本申请实施例中,当从目标触发事件中获取第一交互参数时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再从目标触发事件中获取第一交互参数。
具体地,假设目标触发事件为“未读消息”,那么第一交互参数为“未读、消息”。对于候选交互函数“get_unread_group_chat_message”,其对应的交互参数列表中的多个交互参数为获取(get)、未读(unread)、群“group”、会话“chat”以及信息“message”。
在步骤2720中,基于第一交互参数与目标交互函数的交互参数列表中的多个第二交互参数的比对,生成待补全交互参数输入提示信息。第一交互参数与目标交互函数的交互参数列表中的多个第二交互参数的比对,假设第一交互参数不同于第二交互参数,那么不满足目标交互函数的执行条件,因此,需要基于比对结果,生成待补全交互参数输入提示信息。请注意,在本申请实施例中,在生成待补全交互参数输入提示信息的过程中,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取第一交互参数与目标交互函数的交互参数列表中的多个第二交互参数。
具体地,将第一交互参数为“未读、消息”与第二交互参数“获取、未读、群、会话以及信息”,第一交互参数与多个第二交互参数不完全匹配,从而生成待补全参数输入提示信息,即提示对参数“获取、群、会话”进行补全。
在步骤2730中,显示待补全交互参数输入提示信息,并接收目标对象输入的待补全交互参数。在目标对象的终端显示待补全交互参数输入提示信息,以使目标对象根据待补全交互参数输入提示信息进行参数补全,并接收目标对象输入的待补全交互参数。请注意,在本申请实施例中,在接收目标对象输入的待补全交互参数中,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意。在明确获得对象的单独许可或者单独同意之后,再获取目标对象输入的待补全交互参数。
例如,在目标对象的终端显示对参数“获取、群、会话”进行补全的提示信息,若目标输入的待补全参数为“获取、群、会话”时,可将“get_unread_group_chat_message”作为目标交互函数。
步骤2710至步骤2730需要反复执行,直至第一交互参数以及待补全交互参数与目标交互函数的交互参数列表中的多个第二交互参数相同为止。
参照图25,应用系统层对目标交互函数功能进行解析,并与目标触发事件中的参数进行比较,生成待补全交互参数输入提示信息。在目标对象的终端显示待补全交互参数输入提示信息,以使目标的对象输入自然语言补全完依赖的所有参数列表透传到第一大语言模型,第一大语言模型返回最终匹配生成的目标交互函数到应用系统层,最终执行目标交互函数,生成个性化应答,应用系统层将最终执行的个性化应答反馈到目标对象。
上述步骤2710至步骤2730的实施例提醒目标对象进行参数补全,从而能够在会话平台执行与目标对象需求相符的目标交互参数,使得个性化应答能够满足目标对象的需求,提高自动应答的准确性。
本公开实施例的装置和设备描述
在本申请的各个具体实施方式中,当涉及到需要根据对象属性信息或属性信息集合等与对象特性相关的数据进行相关处理时,都会先获得对象的许可或者同意,而且,对这些数据的收集、使用和处理等,都会遵守相关的相关法律法规和标准。此外,当本申请实施例需要获取对象属性信息时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意,在明确获得对象的单独许可或者单独同意之后,再获取用于使本申请实施例能够正常运行的必要的对象相关数据。
参照图28,图28为本公开实施例提供的自动应答处理装置2800的结构示意图,该自动应答处理装置2800包括:
第一获取单元2810,用于获取会话平台上的目标触发事件;
第二获取单元2820,用于获取目标对象在会话平台上的匹配历史事件特征;
第三获取单元2830,用于获取目标对象在会话平台上的第一标签;
第一生成单元2840,用于基于匹配历史事件特征和第一标签,生成目标对象在会话平台上的总体特征;
第一输入单元2850,用于将目标触发事件和总体特征输入第一大语言模型,得到会话平台对目标触发事件的个性化应答;
第一显示单元2860,用于显示个性化应答。
可选地,自动应答处理装置2800还包括:
第四获取单元,用于获取候选触发事件池;
第一获取单元2810具体用于:如果接收到目标对象在会话平台上的查询,或者候选触发事件池中的任一候选触发事件发生,将查询或发送的候选触发事件确定为目标触发事件。
可选地,第二获取单元2820具体用于:
将目标触发事件向量化为第一向量;
确定第一向量与历史事件向量库中各个历史事件向量的匹配度,并基于匹配度在历史事件向量库中确定匹配历史事件向量;
基于匹配历史事件向量,生成匹配历史事件特征。
可选地,自动应答处理装置2800还包括:
第五获取单元,用于针对目标对象在会话平台上的每个历史会话记录,获取历史会话记录的上下文信息;
第二输入单元,用于将历史会话记录和上下文信息输入第二大语言模型,得到历史会话记录的目标要素信息;
第二生成单元,用于基于目标要素信息、和历史会话记录的地址信息,生成历史会话记录对应的历史事件向量;
第三生成单元,用于基于每个历史会话记录对应的历史事件向量,生成历史事件向量库。
可选地,第五获取单元具体用于:
基于会话平台上的任两个相邻历史会话记录的间隔时间与第一阈值的比较,将会话平台上的历史会话记录分成历史会话记录段;
针对目标对象在会话平台上的每个历史会话记录,获取历史会话记录所属的历史会话记录段中历史会话记录以外的部分,作为历史会话记录的上下文信息。
可选地,目标要素信息包括历史会话记录对应的历史事件的参与者信息、事件内容信息、事件时间信息、事件地点信息、和事件原因信息;地址信息包括历史会话记录的记录起始地址和记录结束地址;
第二生成单元具体用于:
将参与者信息、事件内容信息、事件时间信息、事件地点信息、事件原因信息、记录起始地址、和记录结束地址级联,得到第一级联结果;
将第一级联结果向量化为历史事件向量。
可选地,第二获取单元2820具体用于:
将匹配历史事件向量反向量化,得到匹配的历史会话记录对应的第一级联结果;
从匹配的历史会话记录对应的第一级联结果中,获取匹配的历史会话记录的记录起始地址和记录结束地址;
基于记录起始地址和记录结束地址,查找匹配的历史会话记录,作为匹配历史事件特征。
可选地,自动应答处理装置2800还包括:
第七获取单元,用于获取当前时间之前第一时间段内目标对象在会话平台上的多个历史会话记录;
第四生成单元,用于将每个历史会话记录向量化为历史事件向量,并基于多个历史会话记录对应的历史事件向量生成历史事件向量库;
第二获取单元2820具体用于:将匹配历史事件向量反向量化为匹配的历史会话记录,作为匹配历史事件特征。
可选地,自动应答处理装置2800还包括:
第三输入单元,用于将目标对象在会话平台上的每个历史会话记录,输入第四大语言模型,得到历史会话记录的摘要;
第一级联单元,用于将摘要、和历史会话记录的地址信息级联成第二级联结果,并将第二级联结果向量化为历史事件向量;
第五生成单元,用于基于每个历史会话记录对应的历史事件向量,生成历史事件向量库。
可选地,地址信息包括记录起始地址和记录结束地址;
第二获取单元2820具体用于:
将匹配历史事件向量反向量化,得到匹配的历史会话记录对应的第二级联结果;
从匹配的历史会话记录对应的第二级联结果中,获取匹配的历史会话记录的记录起始地址和记录结束地址;
基于记录起始地址和记录结束地址,查找匹配的历史会话记录,作为匹配历史事件特征。
可选地,第一标签包括至少一个第一特征项的第一特征值;
第三获取单元2830具体用于:
针对目标对象在会话平台上的每个历史会话记录,获取历史会话记录的上下文信息;
将历史会话记录和上下文信息输入第三大语言模型,第三大语言模型针对每个第一特征项预测历史会话记录是否具有第一特征值、以及在具有第一特征值的情况下的第一特征值;
当遍历目标对象在会话平台上的每个历史会话记录后,针对每个第一特征项,确定具有第一特征值的第一历史会话记录数目、以及具有每个种类的第一特征值的第二历史会话记录数目;
基于第一历史会话记录数目和第二历史会话记录数目,确定第一标签。
可选地,第三获取单元2830具体用于:
针对每个种类的第一特征值,确定具有种类的第一特征值的第二历史会话记录数目占第一历史会话记录数目的第一占比;
基于种类的第一特征值的第二历史会话记录数目、和第一占比,将种类的第一特征值加入第一标签。
可选地,第三获取单元2830具体用于:
确定第二历史会话记录数目大于第二阈值;
确定第一占比大于第三阈值;
将种类的第一特征值加入第一标签。
可选地,第一标签包括至少一个第二特征项的第二特征值,第二特征项的第二特征值注册在目标对象在会话平台上的注册信息中;
自动应答处理装置2800还包括:
第七获取单元,用于从注册信息中获取第二特征项的第二特征值,以加入第一标签。
可选地,自动应答处理装置2800还包括:
定义单元,用于定义与会话平台的交互函数库,交互函数库包括多个候选交互函数;
第一输入单元2850具体用于:
将目标触发事件和总体特征输入第一大语言模型,得到目标交互函数功能描述;
基于目标交互函数功能描述,在多个候选交互函数选择目标交互函数;
对会话平台执行目标交互函数,得到个性化应答。
可选地,候选交互函数包括交互参数列表,交互参数列表包含多个第二交互参数;
自动应答处理装置2800还包括:
第八获取单元,用于从目标触发事件中获取第一交互参数;
第六生成单元,用于基于第一交互参数与目标交互函数的交互参数列表中的多个第二交互参数的比对,生成待补全交互参数输入提示信息;
第二显示单元,用于显示待补全交互参数输入提示信息,并接收目标对象输入的待补全交互参数。
可选地,第六生成单元具体用于:
从目标交互函数功能描述中,获取第一关键词;
获取每个候选交互函数对应的第二关键词;
基于第一关键词与每个候选交互函数对应的第二关键词的匹配度,在多个候选交互函数选择目标交互函数。
可选地,目标触发事件包括会话平台上目标对象的关联对象的未读动态空间信息;个性化应答包括未读动态空间信息、和对未读动态空间信息的多个候选评论;
自动应答处理装置2800还包括:
第一响应单元,用于响应于目标对象对多个候选评论的选择,将选择的候选评论作为目标评论加入动态空间。
可选地,目标触发事件包括确定当前日期是会话平台上目标对象的关联对象的生日;个性化应答包括生日提醒信息、和多个候选祝福语;
自动应答处理装置2800还包括:
第二响应单元,用于在显示个性化应答之后,自动应答处理方法还包括:
响应于目标对象对多个候选祝福语的选择,将选择的候选祝福语作为目标祝福语发送到关联对象。
参照图29,图29为实现本公开实施例的自动应答处理方法的终端140的部分的结构框图,该终端包括:射频(Radio Frequency,简称RF)电路2910、存储器2915、输入单元2930、显示单元2940、传感器2950、音频电路2960、无线保真(wireless fidelity,简称WiFi)模块2970、处理器2980、以及电源2990等部件。本领域技术人员可以理解,图29中示出的终端140结构并不构成对手机或电脑的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
RF电路2910可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,给处理器2980处理;另外,将设计上行的数据发送给基站。
存储器2915可用于存储软件程序以及模块,处理器2980通过运行存储在存储器2915的软件程序以及模块,从而执行终端的各种功能应用以及数据处理。
输入单元2930可用于接收输入的数字或字符信息,以及产生与终端的设置以及功能控制有关的键信号输入。具体地,输入单元2930可包括触控面板2931以及其他输入装置2932。
显示单元2940可用于显示输入的信息或提供的信息以及终端的各种菜单。显示单元2940可包括显示面板2941。
音频电路2960、扬声器2961,传声器2962可提供音频接口。
在本实施例中,该终端140所包括的处理器2980可以执行前面实施例的自动应答处理方法。
本公开实施例的终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端、飞行器等。本发明实施例可应用于各种场景,包括但不限于输入法、智能输入产品、人机交互处理等。
图30为实施本公开实施例的自动应答处理方法的服务器110的部分的结构框图。服务器110可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(Central Processing Units,简称CPU)3302(例如,一个或一个以上处理器)和存储器3032,一个或一个以上存储应用程序3042或数据3044的存储介质3030(例如一个或一个以上海量存储装置)。其中,存储器3032和存储介质3030可以是短暂存储或持久存储。存储在存储介质3030的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器3000中的一系列指令操作。更进一步地,中央处理器3022可以设置为与存储介质3030通信,在服务器3000上执行存储介质3030中的一系列指令操作。
服务器3000还可以包括一个或一个以上电源3026,一个或一个以上有线或无线网络接口3050,一个或一个以上输入输出接口3058,和/或,一个或一个以上操作系统3041,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
服务器3000中的处理器可以用于执行本公开实施例的自动应答处理方法。
本公开实施例还提供一种计算机可读存储介质,计算机可读存储介质用于存储程序代码,程序代码用于执行前述各个实施例的自动应答处理方法。
本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机程序。计算机设备的处理器读取该计算机程序并执行,使得该计算机设备执行实现上述的自动应答处理方法。
本公开的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“包含”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或装置不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或装置固有的其它步骤或单元。
应当理解,在本公开中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
应了解,在本公开实施例的描述中,多个(或多项)的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。
在本公开所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)执行本公开各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
还应了解,本公开实施例提供的各种实施方式可以任意进行组合,以实现不同的技术效果。
以上是对本公开的实施方式的具体说明,但本公开并不局限于上述实施方式,熟悉本领域的技术人员在不违背本公开精神的条件下还可作出种种等同的变形或替换,这些等同的变形或替换均包括在本公开权利要求所限定的范围内。
Claims (20)
1.一种自动应答处理方法,其特征在于,包括:
获取会话平台上的目标触发事件;
获取目标对象在所述会话平台上的匹配历史事件特征;
获取所述目标对象在所述会话平台上的第一标签;
基于所述匹配历史事件特征和所述第一标签,生成所述目标对象在所述会话平台上的总体特征;
将所述目标触发事件和所述总体特征输入第一大语言模型,得到所述会话平台对所述目标触发事件的个性化应答;
显示所述个性化应答。
2.根据权利要求1所述的自动应答处理方法,其特征在于,在获取会话平台上的目标触发事件之前,所述自动应答处理方法还包括:获取候选触发事件池;
所述获取会话平台上的目标触发事件,包括:如果接收到所述目标对象在所述会话平台上的查询,或者所述候选触发事件池中的任一候选触发事件发生,将所述查询或发送的所述候选触发事件确定为所述目标触发事件。
3.根据权利要求1所述的自动应答处理方法,其特征在于,所述获取目标对象在所述会话平台上的匹配历史事件特征,包括:
将所述目标触发事件向量化为第一向量;
确定所述第一向量与历史事件向量库中各个历史事件向量的匹配度,并基于所述匹配度在所述历史事件向量库中确定匹配历史事件向量;
基于所述匹配历史事件向量,生成所述匹配历史事件特征。
4.根据权利要求3所述的自动应答处理方法,其特征在于,所述历史事件向量库通过以下方式生成:
针对所述目标对象在所述会话平台上的每个历史会话记录,获取所述历史会话记录的上下文信息;
将所述历史会话记录和所述上下文信息输入第二大语言模型,得到所述历史会话记录的目标要素信息;
基于所述目标要素信息、和所述历史会话记录的地址信息,生成所述历史会话记录对应的所述历史事件向量;
基于每个所述历史会话记录对应的所述历史事件向量,生成所述历史事件向量库。
5.根据权利要求4所述的自动应答处理方法,其特征在于,所述针对所述目标对象在所述会话平台上的每个历史会话记录,获取所述历史会话记录的上下文信息,包括:
基于所述会话平台上的任两个相邻历史会话记录的间隔时间与第一阈值的比较,将所述会话平台上的所述历史会话记录分成历史会话记录段;
针对所述目标对象在所述会话平台上的每个历史会话记录,获取所述历史会话记录所属的所述历史会话记录段中所述历史会话记录以外的部分,作为所述历史会话记录的所述上下文信息。
6.根据权利要求4所述的自动应答处理方法,其特征在于,所述目标要素信息包括所述历史会话记录对应的历史事件的参与者信息、事件内容信息、事件时间信息、事件地点信息、和事件原因信息;所述地址信息包括所述历史会话记录的记录起始地址和记录结束地址;
所述基于所述目标要素信息、和所述历史会话记录的地址信息,生成所述历史会话记录对应的所述历史事件向量,包括:
将所述参与者信息、所述事件内容信息、所述事件时间信息、所述事件地点信息、所述事件原因信息、所述记录起始地址、和所述记录结束地址级联,得到第一级联结果;
将所述第一级联结果向量化为所述历史事件向量。
7.根据权利要求6所述的自动应答处理方法,其特征在于,所述基于所述匹配历史事件向量,生成所述匹配历史事件特征,包括:
将所述匹配历史事件向量反向量化,得到匹配的所述历史会话记录对应的所述第一级联结果;
从匹配的所述历史会话记录对应的所述第一级联结果中,获取匹配的所述历史会话记录的所述记录起始地址和所述记录结束地址;
基于所述记录起始地址和所述记录结束地址,查找匹配的所述历史会话记录,作为所述匹配历史事件特征。
8.根据权利要求3所述的自动应答处理方法,其特征在于,所述历史事件向量库通过以下方式生成:
获取当前时间之前第一时间段内所述目标对象在所述会话平台上的多个历史会话记录;
将每个所述历史会话记录向量化为历史事件向量,并基于多个所述历史会话记录对应的所述历史事件向量生成所述历史事件向量库;
所述基于所述匹配历史事件向量,生成所述匹配历史事件特征,包括:将所述匹配历史事件向量反向量化为匹配的所述历史会话记录,作为所述匹配历史事件特征。
9.根据权利要求3所述的自动应答处理方法,其特征在于,所述历史事件向量库通过以下方式生成:
将所述目标对象在所述会话平台上的每个历史会话记录,输入第四大语言模型,得到所述历史会话记录的摘要;
将所述摘要、和所述历史会话记录的地址信息级联成第二级联结果,并将所述第二级联结果向量化为所述历史事件向量;
基于每个所述历史会话记录对应的所述历史事件向量,生成所述历史事件向量库。
10.根据权利要求9所述的自动应答处理方法,其特征在于,所述地址信息包括记录起始地址和记录结束地址;
所述基于所述匹配历史事件向量,生成所述匹配历史事件特征,包括:
将所述匹配历史事件向量反向量化,得到匹配的所述历史会话记录对应的所述第二级联结果;
从匹配的所述历史会话记录对应的所述第二级联结果中,获取匹配的所述历史会话记录的所述记录起始地址和所述记录结束地址;
基于所述记录起始地址和所述记录结束地址,查找匹配的所述历史会话记录,作为所述匹配历史事件特征。
11.根据权利要求1所述的自动应答处理方法,其特征在于,所述第一标签包括至少一个第一特征项的第一特征值;
所述获取所述目标对象在所述会话平台上的第一标签,包括:
针对所述目标对象在所述会话平台上的每个历史会话记录,获取所述历史会话记录的上下文信息;
将所述历史会话记录和所述上下文信息输入第三大语言模型,所述第三大语言模型针对每个所述第一特征项预测所述历史会话记录是否具有所述第一特征值、以及在具有所述第一特征值的情况下的所述第一特征值;
当遍历所述目标对象在所述会话平台上的每个历史会话记录后,针对每个所述第一特征项,确定具有所述第一特征值的第一历史会话记录数目、以及具有每个种类的所述第一特征值的第二历史会话记录数目;
基于所述第一历史会话记录数目和所述第二历史会话记录数目,确定所述第一标签。
12.根据权利要求11所述的自动应答处理方法,其特征在于,所述基于所述第一历史会话记录数目和所述第二历史会话记录数目,确定所述第一标签,包括:
针对每个种类的所述第一特征值,确定具有所述种类的所述第一特征值的所述第二历史会话记录数目占所述第一历史会话记录数目的第一占比;
基于所述种类的所述第一特征值的所述第二历史会话记录数目、和所述第一占比,将所述种类的所述第一特征值加入所述第一标签。
13.根据权利要求12所述的自动应答处理方法,其特征在于,所述基于所述种类的所述第一特征值的所述第二历史会话记录数目、和所述第一占比,将所述种类的所述第一特征值加入所述第一标签,包括:
确定所述第二历史会话记录数目大于第二阈值;
确定所述第一占比大于第三阈值;
将所述种类的所述第一特征值加入所述第一标签。
14.根据权利要求12所述的自动应答处理方法,其特征在于,所述第一标签包括至少一个第二特征项的第二特征值,所述第二特征项的所述第二特征值注册在所述目标对象在所述会话平台上的注册信息中;
在基于所述种类的所述第一特征值的所述第二历史会话记录数目、和所述第一占比,将所述种类的所述第一特征值加入所述第一标签之后,所述自动应答处理方法还包括:
从所述注册信息中获取所述第二特征项的所述第二特征值,以加入所述第一标签。
15.根据权利要求1所述的自动应答处理方法,其特征在于,在获取会话平台上的目标触发事件之前,所述自动应答处理方法还包括:定义与会话平台的交互函数库,所述交互函数库包括多个候选交互函数;
所述将所述目标触发事件和所述总体特征输入第一大语言模型,得到所述会话平台对所述目标触发事件的个性化应答,包括:
将所述目标触发事件和所述总体特征输入第一大语言模型,得到目标交互函数功能描述;
基于所述目标交互函数功能描述,在多个所述候选交互函数选择目标交互函数;
对所述会话平台执行所述目标交互函数,得到所述个性化应答。
16.根据权利要求15所述的自动应答处理方法,其特征在于,所述候选交互函数包括交互参数列表,所述交互参数列表包含多个第二交互参数;
在基于所述目标交互函数功能描述,在多个所述候选交互函数选择目标交互函数之后,所述自动应答处理方法还包括:
从所述目标触发事件中获取第一交互参数;
基于所述第一交互参数与所述目标交互函数的所述交互参数列表中的多个所述第二交互参数的比对,生成待补全交互参数输入提示信息;
显示所述待补全交互参数输入提示信息,并接收所述目标对象输入的所述待补全交互参数。
17.一种自动应答处理装置,其特征在于,包括:
第一获取单元,用于获取会话平台上的目标触发事件;
第二获取单元,用于获取目标对象在所述会话平台上的匹配历史事件特征;
第三获取单元,用于获取所述目标对象在所述会话平台上的第一标签;
第一生成单元,用于基于所述匹配历史事件特征和所述第一标签,生成所述目标对象在所述会话平台上的总体特征;
第一输入单元,用于将所述目标触发事件和所述总体特征输入第一大语言模型,得到所述会话平台对所述目标触发事件的个性化应答;
第一显示单元,用于显示所述个性化应答。
18.一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至16任意一项所述的自动应答处理方法。
19.一种计算机可读存储介质,所述存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至16任意一项所述的自动应答处理方法。
20.一种计算机程序产品,该计算机程序产品包括计算机程序,所述计算机程序被计算机设备的处理器读取并执行,使得该计算机设备执行权利要求1至16任意一项所述的自动应答处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311405896.7A CN117390164A (zh) | 2023-10-26 | 2023-10-26 | 自动应答处理方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311405896.7A CN117390164A (zh) | 2023-10-26 | 2023-10-26 | 自动应答处理方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117390164A true CN117390164A (zh) | 2024-01-12 |
Family
ID=89471655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311405896.7A Pending CN117390164A (zh) | 2023-10-26 | 2023-10-26 | 自动应答处理方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117390164A (zh) |
-
2023
- 2023-10-26 CN CN202311405896.7A patent/CN117390164A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111444428B (zh) | 基于人工智能的信息推荐方法、装置、电子设备及存储介质 | |
US20200301954A1 (en) | Reply information obtaining method and apparatus | |
CN107846350B (zh) | 一种语境感知网络聊天的方法、计算机可读介质和系统 | |
CN109308357B (zh) | 一种用于获得答案信息的方法、装置和设备 | |
CN106407178A (zh) | 一种会话摘要生成方法及装置 | |
CN112948534A (zh) | 一种智能人机对话的交互方法、系统和电子设备 | |
CN108268450B (zh) | 用于生成信息的方法和装置 | |
CN112507139B (zh) | 基于知识图谱的问答方法、系统、设备及存储介质 | |
CN114757176A (zh) | 一种获取目标意图识别模型的方法以及意图识别方法 | |
Windiatmoko et al. | Developing facebook chatbot based on deep learning using rasa framework for university enquiries | |
Windiatmoko et al. | Developing FB chatbot based on deep learning using RASA framework for university enquiries | |
CN114974253A (zh) | 一种基于人物画像的自然语言解释方法、装置及存储介质 | |
CN111506717B (zh) | 问题答复方法、装置、设备及存储介质 | |
CN112052316A (zh) | 模型评估方法、装置、存储介质及电子设备 | |
CN117370512A (zh) | 回复对话的方法、装置、设备及存储介质 | |
CN116775815B (zh) | 对话数据的处理方法、装置、电子设备及存储介质 | |
CN116701604A (zh) | 问答语料库的构建方法和装置、问答方法、设备及介质 | |
CN117390164A (zh) | 自动应答处理方法、装置、电子设备及介质 | |
CN114970559A (zh) | 智能应答方法及装置 | |
CN112818084B (zh) | 信息交互方法、相关装置、设备及计算机可读介质 | |
CN113641897A (zh) | 基于会话文本的推荐方法和装置、电子设备和存储介质 | |
CN112966076A (zh) | 智能问答问题的生成方法、装置、计算机设备及存储介质 | |
CN111046151A (zh) | 一种消息处理方法及装置 | |
CN117395303A (zh) | 推送处理方法、相关装置和介质 | |
CN115292471B (zh) | 针对儿童的知识类产品服务推送方法及相关装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |