CN117539992A - 一种人机对话的输出控制方法、终端及人机对话系统 - Google Patents
一种人机对话的输出控制方法、终端及人机对话系统 Download PDFInfo
- Publication number
- CN117539992A CN117539992A CN202311506432.5A CN202311506432A CN117539992A CN 117539992 A CN117539992 A CN 117539992A CN 202311506432 A CN202311506432 A CN 202311506432A CN 117539992 A CN117539992 A CN 117539992A
- Authority
- CN
- China
- Prior art keywords
- man
- reply message
- machine conversation
- executing
- conversation
- 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 32
- 238000012545 processing Methods 0.000 claims description 15
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 abstract description 23
- 238000013473 artificial intelligence Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012549 training Methods 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请提供一种人机对话的输出控制方法、终端及人机对话系统,所述方法包括:获取用户输入的对话信息,并将对话信息推送至人机对话大模型;获取人机对话大模型在接收对话信息后,采用持续推流的形式输出的回复消息;在此基础上,通过设置判断控制逻辑,当获取的回复消息为人机对话大模型输出的第一条流数据,建立一个消息对象,并当获取的回复消息为人机对话大模型输出的最后一条流数据或者为人机对话大模型输出的第N条流数据时,将回复消息添加至消息对象,将消息对象推送至用户,并结束本轮对话;而且通过设置预设输出条件,来限制消息更新频率。本申请能够解决人机对话系统中回复时间过长的问题,以提升用户交互体验度。
Description
技术领域
本申请涉及人工智能领域,特别是涉及一种人机对话的输出控制方法、终端及人机对话系统。
背景技术
现有的人机对话系统中,对于用户输入的对话信息,会转给AI(ArtificialIntelligence,人工智能)大模型,AI大模型经过运算会给出相应的回答,但文本量很大的时候,用于处理用户输入的对话信息,给出对应的回答,需要花费大量的时间,导致人机交互时间长,用户体验度低。
因此,如何解决人机对话系统中回复时间过长的问题,以提升用户交互体验度,是本领域技术人员亟待解决的技术问题。
发明内容
为解决上述技术问题,本申请提供一种人机对话的输出控制方法,能够解决人机对话系统中回复时间过长的问题,以提升用户交互体验度。本申请还提供一种人机对话的输出控制终端及人机对话系统,具有相同的技术效果。
本申请的第一个目的为提供一种人机对话的输出控制方法。
本申请的上述申请目的一是通过以下技术方案得以实现的:
一种人机对话的输出控制方法,包括:
S11.获取用户输入的对话信息,并将所述对话信息推送至人机对话大模型;
S12.获取所述人机对话大模型在接收所述对话信息后,采用持续推流的形式输出的回复消息;
S13.判断所述回复消息是否为所述人机对话大模型输出的第一条流数据,若是,则执行S14,若否,则执行S15;
S14.建立一个消息对象,并判断所述回复消息是否为所述人机对话大模型输出的最后一条流数据,若是,则执行S19,若否,则将所述回复消息,添加至所述消息对象,然后将所述消息对象推送至用户,再返回重新执行S12;
S15.判断所述回复消息是否为所述人机对话大模型输出的最后一条流数据,若是,则执行S19,若否,则执行S16;
S16.判断所述回复消息是否为所述人机对话大模型输出的第N条流数据,若是,则执行S19,若否,则执行S17,其中,N为大于1的正整数;
S17.将所述回复消息,添加至所述消息对象,然后判断所述回复消息是否满足预设输出条件,若是,则执行S18,若否,则返回重新执行S12;
S18.将所述消息对象推送至用户,然后返回重新执行S12;
S19.将所述回复消息,添加至所述消息对象,然后将所述消息对象推送至用户,并结束本轮对话。
优选地,所述人机对话的输出控制方法中,所述判断所述回复消息是否满足预设输出条件,包括:
判断所述回复消息与所述人机对话大模型输出的前一条流数据之间的时间间隔是否满足预设时间间隔,且所述人机对话大模型在本轮对话中输出回复消息的累积次数是否小于预设次数,若是,则认定所述回复消息满足输出条件,若否,则认定所述回复消息不满足输出条件。
优选地,所述人机对话的输出控制方法中,所述判断所述回复消息与所述人机对话大模型输出的前一条流数据之间的时间间隔是否满足预设时间间隔,且所述人机对话大模型在本轮对话中输出回复消息的累积次数是否小于预设次数,若是,则认定所述回复消息满足输出条件,包括:
S21.判断所述回复消息与所述人机对话大模型输出的前一条流数据之间的时间间隔是否属于第一预设时间区间,若是,则执行S22,若否,则执行S23;
S22.判断所述人机对话大模型在本轮对话中输出回复消息的累积次数是否小于第一预设次数,若是,则执行S29;
S23.判断所述回复消息与所述人机对话大模型输出的前一条流数据之间的时间间隔是否属于第二预设时间区间,若是,则执行S24,若否,则执行S25;
S24.判断所述人机对话大模型在本轮对话中输出回复消息的累积次数是否小于第二预设次数,若是,则执行S29;
S25.判断所述回复消息与所述人机对话大模型输出的前一条流数据之间的时间间隔是否属于第三预设时间区间,若是,则执行S26,若否,则执行S27;
S26.判断所述人机对话大模型在本轮对话中输出回复消息的累积次数是否小于第三预设次数,若是,则执行S29;
S27.判断所述回复消息与所述人机对话大模型输出的前一条流数据之间的时间间隔是否属于第四预设时间区间,若是,则执行S28;
S28.判断所述人机对话大模型在本轮对话中输出回复消息的累积次数是否小于第四预设次数,若是,则执行S29;
S29.认定所述回复消息满足输出条件。
优选地,所述人机对话的输出控制方法中,所述第一预设时间区间为(1,1.5]秒;所述第二预设时间区间为(1.5,3.5]秒;所述第三预设时间区间为(3.5,4.5]秒;所述第四预设时间区间为(4.5,∞)秒。
优选地,所述人机对话的输出控制方法中,所述第一预设次数为5次;所述第二预设次数为8次;所述第三预设次数为17次;所述第四预设次数为20次。
优选地,所述人机对话的输出控制方法中,所述N取20。
优选地,所述人机对话的输出控制方法中,所述人机对话大模型为AI大模型。
本申请的第二个目的为提供一种人机对话的输出控制终端。
本申请的上述申请目的二是通过以下技术方案得以实现的:
一种人机对话的输出控制终端,包括:控制终端,所述控制终端,用于执行指令以实现上述人机对话的输出控制方法中任一所述方法。
本申请的第三个目的为提供一种人机对话系统。
本申请的上述申请目的三是通过以下技术方案得以实现的:
一种人机对话系统,包括客户端,承载有人机对话大模型的处理终端,以及上述人机对话的输出控制终端中所述的控制终端,其中,所述客户端、所述控制终端和所述处理终端依次连接。
优选地,所述人机对话系统中,所述客户端和所述控制终端通过消息编辑接口连接。
上述技术方案,通过获取用户输入的对话信息,并将对话信息推送至人机对话大模型;获取人机对话大模型在接收对话信息后,采用持续推流的形式输出的回复消息;在此基础上,通过设置判断控制逻辑,当获取的回复消息为人机对话大模型输出的第一条流数据,建立一个消息对象,并当获取的回复消息为人机对话大模型输出的最后一条流数据或者为人机对话大模型输出的第N条流数据时,将回复消息添加至消息对象,将消息对象推送至用户,并结束本轮对话;上述技术方案相较于传统的人机对话大模型的一次全量输出的方式而言,能够有效避免人机对话大模型一次性输出所有回答而导致用户等待时间过长的问题;而且通过设置预设输出条件,来限制消息更新频率,以避免每一次推流都将消息对象推送至用户,能够进一步提升用户交互体验度。综上可知,上述技术方案能够解决人机对话系统中回复时间过长的问题,以提升用户交互体验度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例中提供的一种人机对话的输出控制方法的流程示意图;
图2为本申请实施例中提供的一种人机对话的输出控制终端的结构示意图;
图3为本申请实施例中提供的一种人机对话系统的结构示意图。
具体实施方式
为了使本领域的技术人员更好地理解本申请中的技术方案,下面将对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请所提供的实施例中,应该理解到,所揭露的方法和系统,可以通过其它的方式实现。以下所描述的系统实施例仅仅是示意性的,例如,模块的划分,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,如:多个模块或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或模块的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
应当理解,本申请中如若使用了“系统”、“装置”、“单元”和/或“模块”,仅是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换该词语。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多该特征。在本申请的描述中,“多个”、“若干个”的含义是两个或两个以上,除非另有明确具体的限定。
本申请中如若使用了流程图,则该流程图是用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
还需要说明的是,在本文中,诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括上述要素的物品或者设备中还存在另外的相同要素。
本申请实施例采用递进的方式撰写。
如图1所示,本申请实施例提供一种人机对话的输出控制方法,包括:
S11.获取用户输入的对话信息,并将对话信息推送至人机对话大模型;
在S11中,具体地,可以从人机对话系统中,获取用户输入的对话信息;对话信息的输入形式可以是文字,例如,其可以是用户输入的查询、提问、闲聊等各类对话文本,本申请对其具体输入形式不作限制;人机对话大模型,可以采用现有的AI大模型,例如,大语言模型(Large Language Model,LLM)等,本申请对此不作限制;AI大模型相比传统AI模型,能够解决AI模型过于碎片化和多样化的问题,极大提高模型的泛用性,此外,AI大模型具备自监督学习功能,能够降低训练研发成本,提升模型精度。在本步骤中,获取用户输入的对话信息后,即可将对话信息输入至人机对话大模型。
S12.获取人机对话大模型在接收对话信息后,采用持续推流的形式输出的回复消息;
在S12中,具体地,通过对人机对话大模型的响应方式进行配置,可以使人机对话大模型采用持续推流的形式输出回复内容,即人机对话大模型在接收对话信息后,会顺序性的输出一条一条的流数据,直到本次推流结束;在本步骤中,可以获取人机对话大模型在接收对话信息后,采用持续推流的形式输出的回复消息,其中,回复消息具体指代人机对话大模型在接收对话信息后输出一条单独的流数据,而非人机对话大模型在接收对话信息后输出多条单独的流数据。进一步,通过后续判断控制逻辑,来实现回复消息即流数据的控制输出。
S13.判断回复消息是否为人机对话大模型输出的第一条流数据,若是,则执行S14,若否,则执行S15;
在S13中,具体地,对于获取的回复消息,即获取的人机对话大模型输出的一条单独的流数据,判断其是否为人机对话大模型在本轮对话中输出的第一条流数据;
S14.建立一个消息对象,并判断回复消息是否为人机对话大模型输出的最后一条流数据,若是,则执行S19,若否,则将回复消息,添加至消息对象,然后将消息对象推送至用户,再返回重新执行S12;
在S14中,具体地,当回复消息为人机对话大模型在本轮对话中输出的第一条流数据时,建立一个消息对象,其中,消息对象中可添加回复消息,消息对象还可以基于自身已添加的回复消息在人机交互界面中显示更新,以将人机对话大模型生成的流数据进行输出。在本步骤中,还需要判断回复消息是否为人机对话大模型在本轮对话中输出的最后一条流数据,若是,则可认定人机对话大模型的本次推流结束,执行S19,即将回复消息,添加至消息对象,然后将消息对象推送至用户,并结束本轮对话;若否,则可认定人机对话大模型的本次推流还没有结束,将回复消息,添加至消息对象,然后将消息对象推送至用户,再返回重新执行S12,即获取人机对话大模型输出的下一条单独的流数据。
S15.判断回复消息是否为人机对话大模型输出的最后一条流数据,若是,则执行S19,若否,则执行S16;
在S15中,具体地,当回复消息不是人机对话大模型在本轮对话中输出的第一条流数据时,继续判断回复消息是否为人机对话大模型在本轮对话中输出的最后一条流数,若是,则可认定人机对话大模型的本次推流结束,执行S19,即将回复消息,添加至消息对象,然后将消息对象推送至用户,并结束本轮对话;若否,则执行S16。
S16.判断回复消息是否为人机对话大模型输出的第N条流数据,若是,则执行S19,若否,则执行S17,其中,N为大于1的正整数;
在S16中,具体地,当文本量很大的时候,人机对话大模型采用持续推流的形式输出回复内容,其仍可能会输出大量的流数据,此时若输出全量的流数据,用户仍可能会等待较长时间;在本步骤中,当回复消息不是人机对话大模型在本轮对话中输出的最后一条流数据时,继续判断回复消息是否为人机对话大模型在本轮对话中输出的第N条流数据,若是,则执行S19,即将回复消息,添加至消息对象,然后将消息对象推送至用户,并结束本轮对话,即控制输出至用户的回复消息(即人机对话大模型的推流数据)的条数不超过N条,以此有效避免用户接收这些流数据的等待时间过长的问题;若否,则执行S17。其中,N为大于1的正整数,N的取值可以基于实际应用需求进行设置,本申请对此不作限制。在具体实施例中,基于现有的人机对话大模型的处理能力,N可以取20,以此尽可能实现人机对话大模型的推流完整性及用户等待时间之间的平衡。
S17.将回复消息,添加至消息对象,然后判断回复消息是否满足预设输出条件,若是,则执行S18,若否,则返回重新执行S12;
在S17中,具体地,人机对话大模型采用持续推流的形式输出回复内容,若对于每条回复内容,都对用户进行一次输出,频繁的消息更新频率可能会给用户带来不良的交互体验;在本步骤中,当回复消息不是人机对话大模型在本轮对话中输出的第N条流数据时,将回复消息,添加至消息对象,然后判断回复消息是否满足预设输出条件;若是,则执行S18,即将消息对象推送至用户,然后返回重新执行S12;若否,则不进行消息对象推送,直接返回重新执行S12,以获取人机对话大模型输出的下一条单独的流数据。在本步骤中,通过设置预设输出条件,可以限制消息更新频率,以避免每一次推流都将消息对象推送至用户,能够进一步提升用户交互体验度。
在一些实施例中,判断回复消息是否满足预设输出条件的步骤的其中一种实现方式,包括:判断回复消息与人机对话大模型输出的前一条流数据之间的时间间隔是否满足预设时间间隔,且人机对话大模型在本轮对话中输出回复消息的累积次数是否小于预设次数,若是,则认定回复消息满足输出条件,若否,则认定回复消息不满足输出条件。其中,预设时间间隔和预设次数,可以基于实际应用需求进行设置,本申请对此不作限制。具体地,可以通过设置定时器来记录回复消息与人机对话大模型输出的前一条流数据之间的时间间隔,可以通过设置计数器来记录人机对话大模型在本轮对话中输出回复消息的累积次数,上述实施步骤,基于预设时间间隔和预设次数,能够有效地限制消息更新频率,保证用户的交互体验度。
S18.将消息对象推送至用户,然后返回重新执行S12;
在S18中,具体地,当回复消息满足预设输出条件时,即可基于消息对象中已添加的回复消息,在人机交互界面中显示更新,以实现人机对话大模型的推流更新,然后返回重新执行S12,以获取人机对话大模型输出的下一条单独的流数据。
S19.将回复消息,添加至消息对象,然后将消息对象推送至用户,并结束本轮对话。
在S19中,具体地,当获取的回复消息为人机对话大模型在本轮对话中输出的最后一条流数据或者为人机对话大模型在本轮对话中输出的第N条流数据时,将回复消息添加至消息对象,将消息对象推送至用户,即可基于消息对象中已添加的回复消息,在人机交互界面中显示更新,最后结束本轮对话。
现有的人机对话系统中,对于用户输入的对话信息,会转给AI大模型,AI大模型经过运算会给出相应的回答,但文本量很大的时候,用于处理用户输入的对话信息,给出对应的回答,需要花费大量的时间,导致人机交互时间长,用户体验度低。
上述实施例,通过获取用户输入的对话信息,并将对话信息推送至人机对话大模型;获取人机对话大模型在接收对话信息后,采用持续推流的形式输出的回复消息;在此基础上,通过设置判断控制逻辑,当获取的回复消息为人机对话大模型输出的第一条流数据,建立一个消息对象,并当获取的回复消息为人机对话大模型输出的最后一条流数据或者为人机对话大模型输出的第N条流数据时,将回复消息添加至消息对象,将消息对象推送至用户,并结束本轮对话;上述技术方案相较于传统的人机对话大模型的一次全量输出的方式而言,能够有效避免人机对话大模型一次性输出所有回答而导致用户等待时间过长的问题;而且通过设置预设输出条件,来限制消息更新频率,以避免每一次推流都将消息对象推送至用户,能够进一步提升用户交互体验度。综上可知,上述实施例能够解决人机对话系统中回复时间过长的问题,以提升用户交互体验度。
在本申请的其他实施例中,判断回复消息与人机对话大模型输出的前一条流数据之间的时间间隔是否满足预设时间间隔,且人机对话大模型在本轮对话中输出回复消息的累积次数是否小于预设次数,若是,则认定回复消息满足输出条件的步骤的其中一种实现方式,包括:
S21.判断回复消息与人机对话大模型输出的前一条流数据之间的时间间隔是否属于第一预设时间区间,若是,则执行S22,若否,则执行S23;
S22.判断人机对话大模型在本轮对话中输出回复消息的累积次数是否小于第一预设次数,若是,则执行S29;
S23.判断回复消息与人机对话大模型输出的前一条流数据之间的时间间隔是否属于第二预设时间区间,若是,则执行S24,若否,则执行S25;
S24.判断人机对话大模型在本轮对话中输出回复消息的累积次数是否小于第二预设次数,若是,则执行S29;
S25.判断回复消息与人机对话大模型输出的前一条流数据之间的时间间隔是否属于第三预设时间区间,若是,则执行S26,若否,则执行S27;
S26.判断人机对话大模型在本轮对话中输出回复消息的累积次数是否小于第三预设次数,若是,则执行S29;
S27.判断回复消息与人机对话大模型输出的前一条流数据之间的时间间隔是否属于第四预设时间区间,若是,则执行S28;
S28.判断人机对话大模型在本轮对话中输出回复消息的累积次数是否小于第四预设次数,若是,则执行S29;
S29.认定回复消息满足输出条件。
在本实施例中,为了在人机对话大模型快、中、慢等不同推流时间情况下,都能保持较好的交互体验,设置了S21-S29中的输出控制逻辑。其中,第一预设时间区间、第二预设时间区间、第三预设时间区间及第四预设实际区间,第一预设次数、第二预设次数、第三预设次数及第四预设次数,可以基于实际应用需求进行设置,本申请对此不作限制。在具体实施例中,基于现有的人机对话大模型的处理能力,第一预设时间区间可以设为(1,1.5]秒;第二预设时间区间可以设为(1.5,3.5]秒;第三预设时间区间可以设为(3.5,4.5]秒;第四预设时间区间可以设为(4.5,∞)秒;第一预设次数可以设为5次;第二预设次数可以设为8次;第三预设次数可以设为17次;第四预设次数可以设为20次,以保持用户能够接受的较好的更新频率。
如图2所示,在本申请的另一实施例中,还提供一种人机对话的输出控制终端,包括:控制终端10,控制终端10,用于执行指令以实现上述人机对话的输出控制方法中任一方法。其中,控制终端10可以采用能够执行本申请的各种功能和数据处理的处理器、云服务器等,本申请对此不作限制。
如图3所示,在本申请的另一实施例中,还提供一种人机对话系统,包括客户端20,承载有人机对话大模型的处理终端21,以及上述人机对话的输出控制终端中所述的控制终端22,其中,客户端20、控制终端22和处理终端21依次连接。
具体地,客户端20可以是用户使用的智能手机、平板等设备,通过客户端20,用户可以输入对话信息;控制终端22可以采用处理器、云服务器等设备,其可以从客户端20获取用户输入的对话信息,并将对话信息推送处理终端21中承载的人机对话大模型,处理终端21可以采用能够执行人机对话大模型的各种功能和数据处理的处理器等设备;控制终端22还可以从处理终端21中获取人机对话大模型在接收对话信息后,采用持续推流的形式输出的回复消息,并执行指令以实现上述人机对话的输出控制方法中任一方法。
在本申请的其他实施例中,客户端20和控制终端22可以通过消息编辑接口连接。消息编辑接口具体可以是开放的API(Application Programming Interface,应用程序接口)接口,基于消息编辑接口,可以根据设定规则编辑及更新已发送的消息内容。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种人机对话的输出控制方法,其特征在于,包括:
S11.获取用户输入的对话信息,并将所述对话信息推送至人机对话大模型;
S12.获取所述人机对话大模型在接收所述对话信息后,采用持续推流的形式输出的回复消息;
S13.判断所述回复消息是否为所述人机对话大模型输出的第一条流数据,若是,则执行S14,若否,则执行S15;
S14.建立一个消息对象,并判断所述回复消息是否为所述人机对话大模型输出的最后一条流数据,若是,则执行S19,若否,则将所述回复消息,添加至所述消息对象,然后将所述消息对象推送至用户,再返回重新执行S12;
S15.判断所述回复消息是否为所述人机对话大模型输出的最后一条流数据,若是,则执行S19,若否,则执行S16;
S16.判断所述回复消息是否为所述人机对话大模型输出的第N条流数据,若是,则执行S19,若否,则执行S17,其中,N为大于1的正整数;
S17.将所述回复消息,添加至所述消息对象,然后判断所述回复消息是否满足预设输出条件,若是,则执行S18,若否,则返回重新执行S12;
S18.将所述消息对象推送至用户,然后返回重新执行S12;
S19.将所述回复消息,添加至所述消息对象,然后将所述消息对象推送至用户,并结束本轮对话。
2.如权利要求1所述的方法,其特征在于,所述判断所述回复消息是否满足预设输出条件,包括:
判断所述回复消息与所述人机对话大模型输出的前一条流数据之间的时间间隔是否满足预设时间间隔,且所述人机对话大模型在本轮对话中输出回复消息的累积次数是否小于预设次数,若是,则认定所述回复消息满足输出条件,若否,则认定所述回复消息不满足输出条件。
3.如权利要求2所述的方法,其特征在于,所述判断所述回复消息与所述人机对话大模型输出的前一条流数据之间的时间间隔是否满足预设时间间隔,且所述人机对话大模型在本轮对话中输出回复消息的累积次数是否小于预设次数,若是,则认定所述回复消息满足输出条件,包括:
S21.判断所述回复消息与所述人机对话大模型输出的前一条流数据之间的时间间隔是否属于第一预设时间区间,若是,则执行S22,若否,则执行S23;
S22.判断所述人机对话大模型在本轮对话中输出回复消息的累积次数是否小于第一预设次数,若是,则执行S29;
S23.判断所述回复消息与所述人机对话大模型输出的前一条流数据之间的时间间隔是否属于第二预设时间区间,若是,则执行S24,若否,则执行S25;
S24.判断所述人机对话大模型在本轮对话中输出回复消息的累积次数是否小于第二预设次数,若是,则执行S29;
S25.判断所述回复消息与所述人机对话大模型输出的前一条流数据之间的时间间隔是否属于第三预设时间区间,若是,则执行S26,若否,则执行S27;
S26.判断所述人机对话大模型在本轮对话中输出回复消息的累积次数是否小于第三预设次数,若是,则执行S29;
S27.判断所述回复消息与所述人机对话大模型输出的前一条流数据之间的时间间隔是否属于第四预设时间区间,若是,则执行S28;
S28.判断所述人机对话大模型在本轮对话中输出回复消息的累积次数是否小于第四预设次数,若是,则执行S29;
S29.认定所述回复消息满足输出条件。
4.如权利要求3所述的方法,其特征在于,
所述第一预设时间区间为(1,1.5]秒;
所述第二预设时间区间为(1.5,3.5]秒;
所述第三预设时间区间为(3.5,4.5]秒;
所述第四预设时间区间为(4.5,∞)秒。
5.如权利要求4所述的方法,其特征在于,
所述第一预设次数为5次;
所述第二预设次数为8次;
所述第三预设次数为17次;
所述第四预设次数为20次。
6.如权利要求1-5中任一所述的方法,其特征在于,所述N取20。
7.如权利要求1-5中任一所述的方法,其特征在于,所述人机对话大模型为AI大模型。
8.一种人机对话的输出控制终端,其特征在于,包括:控制终端,所述控制终端,用于执行指令以实现如权利要求1至7中任一项所述的方法。
9.一种人机对话系统,其特征在于,包括客户端,承载有人机对话大模型的处理终端,以及如权利要求8中所述的控制终端,其中,所述客户端、所述控制终端和所述处理终端依次连接。
10.如权利要求9中所述的人机对话系统,其特征在于,所述客户端和所述控制终端通过消息编辑接口连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311506432.5A CN117539992A (zh) | 2023-11-13 | 2023-11-13 | 一种人机对话的输出控制方法、终端及人机对话系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311506432.5A CN117539992A (zh) | 2023-11-13 | 2023-11-13 | 一种人机对话的输出控制方法、终端及人机对话系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117539992A true CN117539992A (zh) | 2024-02-09 |
Family
ID=89789254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311506432.5A Pending CN117539992A (zh) | 2023-11-13 | 2023-11-13 | 一种人机对话的输出控制方法、终端及人机对话系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117539992A (zh) |
-
2023
- 2023-11-13 CN CN202311506432.5A patent/CN117539992A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10489112B1 (en) | Method for user training of information dialogue system | |
CN110164435A (zh) | 语音识别方法、装置、设备及计算机可读存储介质 | |
CN112199477B (zh) | 对话管理方案和对话管理语料的构建方法 | |
CN116521841B (zh) | 用于生成回复信息的方法、装置、设备及介质 | |
CN112735407A (zh) | 一种对话处理方法及装置 | |
CN112560510A (zh) | 翻译模型训练方法、装置、设备及存储介质 | |
CN116821684A (zh) | 大语言模型的训练方法、装置、设备和介质 | |
CN115455166A (zh) | 一种智能对话系统异常检测的方法、装置、介质及设备 | |
CN110209768A (zh) | 自动问答的问题处理方法和装置 | |
CN112151034B (zh) | 设备的语音控制方法、装置、电子设备及存储介质 | |
CN116975635A (zh) | 参数预测模型的训练方法、参数预测方法和装置 | |
CN117252161A (zh) | 一种特定领域的模型训练和文本生成方法 | |
CN117539992A (zh) | 一种人机对话的输出控制方法、终端及人机对话系统 | |
CN116955557A (zh) | 应用于大语言模型的提示词确定方法、装置、设备及介质 | |
EP4322066A1 (en) | Method and apparatus for generating training data | |
CN116049215A (zh) | 选项查询方法、装置、电子设备及介质 | |
CN112487170B (zh) | 面向场景配置的人机交互对话机器人系统 | |
CN114187903A (zh) | 语音交互的方法、装置、系统、电子设备及存储介质 | |
CN110647314B (zh) | 技能生成方法、装置及电子设备 | |
CN104966513B (zh) | 语言命令处理方法和装置 | |
CN112084768A (zh) | 一种多轮交互方法、装置及存储介质 | |
CN111951788A (zh) | 一种语言模型的优化方法、装置、电子设备及存储介质 | |
CN111639167A (zh) | 一种任务对话方法及装置 | |
CN112966077B (zh) | 对话状态的确定方法、装置、设备及存储介质 | |
CN110334183B (zh) | 使用任意文本词库的方法及装置 |
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 |