CN117560337A - 内容交互方法、装置和计算机可读存储介质 - Google Patents
内容交互方法、装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN117560337A CN117560337A CN202311508667.8A CN202311508667A CN117560337A CN 117560337 A CN117560337 A CN 117560337A CN 202311508667 A CN202311508667 A CN 202311508667A CN 117560337 A CN117560337 A CN 117560337A
- Authority
- CN
- China
- Prior art keywords
- character
- role
- virtual
- target
- content
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000004927 fusion Effects 0.000 claims abstract description 137
- 238000012545 processing Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000239290 Araneae Species 0.000 description 1
- 241000282693 Cercopithecidae Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
- G06N3/0455—Auto-encoder networks; Encoder-decoder networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Machine Translation (AREA)
Abstract
本申请实施例公开了一种内容交互方法、装置和计算机可读存储介质;通过接收目标群聊中产生的需要目标虚拟角色回复的对话内容,目标群聊配置有一训练好的多角色扮演融合模型,多角色扮演融合模型用于在目标群聊中基于预设的不同虚拟角色的身份与群成员进行对话;在多角色扮演融合模型配置的多个虚拟角色的角色编码层中确定与目标虚拟角色对应的目标角色编码层;采用多角色扮演融合模型基于目标角色编码层,预测目标虚拟角色下针对对话内容产生的答复内容;通过目标虚拟角色在目标群聊中发送答复内容。以此,通过在一个多角色扮演融合模型中配置多个虚拟角色的角色编码层,实现一个模型以不同角色身份在群聊中进行内容交互,提高了内容交互效率。
Description
技术领域
本申请涉及互联网技术领域,具体涉及一种内容交互方法、装置和计算机可读存储介质。
背景技术
随着互联网技术的快速发展,人工智能(AI)技术也得到广泛的应用,例如,将AI技术应用在群聊的场景下,通过AI技术塑造群助手、群管家以及诸葛亮、孙悟空等多种角色的机器人,从而可以在群聊中协助用户进行内容交互,提升群聊活跃度以及有趣性。在现有的内容交互方法中,往往每一角色会定义一个模型,通过多个角色模型的响应实现群聊中多种角色的交互。
在对现有技术的研究和实践过程中发现,现有的内容交互方法中,多个角色模型的交互极易使得模型在群聊中响应时间较长,同时使得模型的训练成本以及部署成本较高,进而导致内容交互效率较低。
发明内容
本申请实施例提供一种内容交互方法、装置和计算机可读存储介质,可以基于一个模型实现不同角色在群聊中的内容交互,有效降低了模型的部署成本,进而提高了内容交互效率。
本申请实施例提供一种内容交互方法,包括:
接收目标群聊中产生的需要目标虚拟角色回复的对话内容,所述目标群聊配置有一训练好的多角色扮演融合模型,所述多角色扮演融合模型用于在所述目标群聊中基于预设的不同虚拟角色的身份与群成员进行对话;
在所述多角色扮演融合模型配置的多个虚拟角色对应的角色编码层中确定与所述目标虚拟角色对应的目标角色编码层;
采用所述多角色扮演融合模型基于所述目标角色编码层,预测所述目标虚拟角色下针对所述对话内容产生的答复内容;
通过所述目标虚拟角色在所述目标群聊中发送所述答复内容。
相应的,本申请实施例提供一种内容交互装置,包括:
接收单元,用于接收目标群聊中产生的需要目标虚拟角色回复的对话内容,所述目标群聊配置有一训练好的多角色扮演融合模型,所述多角色扮演融合模型用于在所述目标群聊中基于预设的不同虚拟角色的身份与群成员进行对话;
确定单元,用于在所述多角色扮演融合模型配置的多个虚拟角色对应的角色编码层中确定与所述目标虚拟角色对应的目标角色编码层;
预测单元,用于采用所述多角色扮演融合模型基于所述目标角色编码层,预测所述目标虚拟角色下针对所述对话内容产生的答复内容;
发送单元,用于通过所述目标虚拟角色在所述目标群聊中发送所述答复内容。
在一实施例中,所述预测单元,用于:
基于所述目标角色编码层确定所述目标虚拟角色对应的目标角色特征,以及所述对话内容对应的对话内容特征;
基于所述目标角色特征和所述对话内容特征,通过所述多角色扮演融合模型预测出所述目标虚拟角色下针对所述对话内容产生的答复内容。
在一实施例中,所述内容交互装置,还包括:
样本获取单元,用于获取预设的多个虚拟角色的角色属性信息,以及对话内容样本和所述对话内容样本对应的答复内容样本;
模型获取单元,用于获取所述虚拟角色对应的预设多角色扮演融合模型以及指导模型,其中,所述预设多角色扮演融合模型包括多个角色编码层,每一角色编码层对应一虚拟角色,所述指导模型用于确定每一虚拟角色下每一角色编码层的权重信息;
特征提取单元,用于基于所述指导模型输入的权重信息,采用所述角色编码层对所对应的虚拟角色的角色属性信息进行特征提取,得到所述虚拟角色对应的角色特征;
答复预测单元,用于通过所述预设多角色扮演融合模型基于所述角色特征预测所述对话内容样本对应的答复,得到答复预测结果;
模型训练单元,用于根据所述答复预测结果和所述答复内容样本,对所述指导模型以及所述预设多角色扮演融合模型进行收敛,得到训练好的多角色扮演融合模型。
在一实施例中,所述特征提取单元,包括:
特征编码子单元,用于采用所述角色编码层对所述虚拟角色的角色属性信息进行特征编码,得到所述虚拟角色对应的角色编码特征;
权重确定子单元,用于根据所述指导模型输入的权重信息确定所述角色编码层的编码层权重;
加权融合子单元,用于基于所述编码层权重对所述角色编码特征进行加权融合,得到所述虚拟角色对应的角色特征。
在一实施例中,所述角色属性信息包括所述虚拟角色的角色背景信息、角色记忆信息以及角色对话信息。
在一实施例中,所述特征编码子单元,包括:
角色编码权重确定模块,用于采用角色编码指导模型确定所述虚拟角色的角色背景信息、角色记忆信息以及角色对话信息对应的角色编码权重;
特征编码模块,用于通过所述角色编码层对所述虚拟角色的所述角色背景信息、所述角色记忆信息以及所述角色对话信息进行特征编码,得到角色背景特征、角色记忆特征以及角色对话特征;
特征融合模块,用于基于所述角色编码权重对所述角色背景特征、所述角色记忆特征以及所述角色对话特征进行特征融合,得到所述虚拟角色对应的角色编码特征;
所述模型训练单元,用于:
根据所述答复预测结果和所述答复内容样本,对所述指导模型、所述角色编码指导模型以及所述预设多角色扮演融合模型进行收敛。
在一实施例中,所述特征编码模块,包括背景特征提取子模块,用于:
对所述角色背景信息进行分词处理,得到多个角色背景词;
通过所述角色编码层对所述角色背景词进行特征编码,得到所述角色背景词对应的角色背景词特征;
对所述角色背景词特征进行句子聚类处理,得到每一句子对应的角色背景词特征集合;
对所述角色背景词特征集合中的角色背景词特征进行特征编码,得到所述虚拟角色对应的角色背景特征。
此外,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行本申请实施例所提供的任一种内容交互方法中的步骤。
此外,本申请实施例还提供一种计算机设备,包括处理器和存储器,所述存储器存储有应用程序,所述处理器用于运行所述存储器内的应用程序实现本申请实施例提供的内容交互方法。
本申请实施例还提供一种计算机程序产品或计算机程序,所述计算机程序产品或计算机程序包括计算机指令,所述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取所述计算机指令,处理器执行所述计算机指令,使得所述计算机设备执行本申请实施例提供的内容交互方法中的步骤。
本申请实施例通过接收目标群聊中产生的需要目标虚拟角色回复的对话内容,目标群聊配置有一训练好的多角色扮演融合模型,多角色扮演融合模型用于在目标群聊中基于预设的不同虚拟角色的身份与群成员进行对话;在多角色扮演融合模型配置的多个虚拟角色对应的角色编码层中确定与目标虚拟角色对应的目标角色编码层;采用多角色扮演融合模型基于目标角色编码层,预测目标虚拟角色下针对对话内容产生的答复内容;通过目标虚拟角色在目标群聊中发送答复内容。以此,通过在一个多角色扮演融合模型中配置多个不同的虚拟角色对应的角色编码层,从而可以在接收到需要目标虚拟角色回复的对话内容时,在多角色扮演融合模型配置的多个角色编码层中确定与目标虚拟角色对应的目标角色编码层,然后,采用多角色扮演融合模型基于目标角色编码层预测出目标虚拟角色下针对对话内容产生的答复内容,并在目标群聊中以目标虚拟角色的身份发送该答复内容,从而基于一个模型实现不同角色在群聊中的内容交互,有效降低了模型的部署成本,进而提高了内容交互效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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的一些实施例,对于本领域技术人员来讲,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是本申请实施例提供的一种内容交互方法实施场景示意图;
图2是本申请实施例提供的一种内容交互方法的流程示意图;
图3是本申请实施例提供的内容交互装置的结构示意图;
图4是本申请实施例提供的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,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,本领域技术人员在没有作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。
本申请实施例提供一种内容交互方法、装置和计算机可读存储介质。其中,该内容交互装置可以集成在计算机设备中,该计算机设备可以是服务器,也可以是终端等设备。
其中,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、网络加速服务(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端、飞行器等。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
请参阅图1,以内容交互装置集成在计算机设备中为例,图1为本申请实施例所提供的内容交互方法的实施场景示意图,其中,该计算机设备可以为服务器,也可以为终端,该计算机设备可以接收目标群聊中产生的需要目标虚拟角色回复的对话内容,目标群聊配置有一训练好的多角色扮演融合模型,多角色扮演融合模型用于在目标群聊中基于预设的不同虚拟角色的身份与群成员进行对话;在多角色扮演融合模型配置的多个虚拟角色对应的角色编码层中确定与目标虚拟角色对应的目标角色编码层;采用多角色扮演融合模型基于目标角色编码层,预测目标虚拟角色下针对对话内容产生的答复内容;通过目标虚拟角色在目标群聊中发送答复内容。
需要说明的是,图1所示的内容交互方法的实施环境场景示意图仅仅是一个示例,本申请实施例描述的内容交互方法的实施环境场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定。本领域普通技术人员可知,随着数据处理的演变和新业务场景的出现,本申请提供的技术方案对于类似的技术问题,同样适用。
本申请实施例提供的方案具体通过如下实施例进行说明。需要说明的是,以下实施例的描述顺序不作为对实施例优选顺序的限定。
本实施例将从内容交互装置的角度进行描述,该内容交互装置具体可以集成在计算机设备中,该计算机设备可以是服务器,本申请在此不作限制。
请参阅图2,图2是本申请实施例提供的内容交互方法的流程示意图。该内容交互方法包括:
在步骤101中,接收目标群聊中产生的需要目标虚拟角色回复的对话内容。
其中,该目标群聊可以为用于多人聊天的群组,该目标群聊可以配置有一训练好的多角色扮演融合模型,该多角色扮演融合模型可以用于在目标群聊中基于预设的不同虚拟角色的身份与群成员进行对话,也就是说,该多角色扮演融合模型可以融合多个虚拟角色的特点,从而可以基于一个多角色扮演融合模型实现在目标群聊中扮演多个不同的虚拟角色的身份与群成员进行对话。该虚拟角色可以为根据实际业务需求预先定义的群聊中的角色,例如,可以包括群聊助手、诸葛亮、猪八戒、孙悟空、蜘蛛侠等虚拟角色,具体可以根据实际业务需求进行设定,从而群成员可以基于多角色扮演融合模型定义的多个虚拟角色在目标群聊中实现与不同的虚拟角色进行对话。可选的,目标群聊中存在的虚拟角色的数量可以根据实际需求进行配置,本申请实施例在此不做限定。该目标虚拟角色可以为虚拟角色中被选中进行对话的虚拟角色,该对话内容可以为目标群聊中产生的需要目标虚拟角色进行答复的内容。
可选的,在接收目标群聊中产生的需要目标虚拟角色回复的对话内容之前,可以对目标群聊中存在的虚拟角色进行配置,例如,可以在目标群聊的配置页面中配置有多个候选的虚拟角色,从而目标群聊中的群成员可以在配置页面中显示的多个候选的虚拟角色中选中想要添加到目标群聊中参与群聊对话的虚拟角色。
可选的,也可以默认设置群聊中配置的虚拟角色,从而可以在创建目标群聊时,自动在目标群聊中配置默认设置的虚拟角色。
可选的,目标群聊中的群成员可以通过在目标群聊中的内容编辑区域输入对话内容,并选择需要答复该对话内容的目标虚拟角色,从而可以在目标群聊中产生需要目标虚拟角色回复的对话内容。
其中,该内容编辑区域可以为目标群聊的会话页面中用于编辑对话内容的区域,该会话页面可以为显示目标群聊中对话信息的页面。
其中,选择需要答复该对话内容的目标虚拟角色的方式可以有多种,例如,可以在内容编辑区域中输入“@”字符来选择目标虚拟角色,也可以通过对会话页面中展示的对话信息的发送者头像进行长按操作来实现对目标虚拟角色的选中,还可以在内容编辑区域输入对话内容时输入目标虚拟角色的名称来实现对目标虚拟角色进行选中等。
在步骤102中,在多角色扮演融合模型配置的多个虚拟角色对应的角色编码层中确定与目标虚拟角色对应的目标角色编码层。
其中,该角色编码层可以为多角色扮演融合模型中的编码层,每一角色编码层可以对应一虚拟角色。例如,在多角色扮演融合模型中,第一层的角色编码层可以代表虚拟角色“孙悟空”,第二层的角色编码层可以代表虚拟角色“唐僧”,第三层的角色编码层可以代表虚拟角色“诸葛亮”,等等,直到最后一层,每一层角色编码层所代表的虚拟角色可以根据实际业务需求进行定义,本申请在此不做限定。该目标角色编码层可以为角色编码层中与目标虚拟角色对应的角色编码层。
在步骤103中,采用多角色扮演融合模型基于目标角色编码层,预测目标虚拟角色下针对对话内容产生的答复内容。
其中,该答复内容可以为目标虚拟角色下答复该对话内容的内容,即多角色扮演融合模型基于目标虚拟角色的角色特点生成的对对话内容进行答复的内容。
其中,采用多角色扮演融合模型基于目标角色编码层,预测目标虚拟角色下针对对话内容产生的答复内容的方式可以有多种,例如,可以基于目标角色编码层确定目标虚拟角色对应的目标角色特征,以及对话内容对应的对话内容特征,基于目标角色特征和对话内容特征,通过多角色扮演融合模型预测出目标虚拟角色下针对对话内容产生的答复内容。
其中,该目标角色特征可以为表征目标虚拟角色的信息,该对话内容特征可以为表征对话内容的信息。
其中,基于目标角色编码层确定目标虚拟角色对应的目标角色特征,以及对话内容对应的对话内容特征的方式可以有多种,例如,可以获取目标虚拟角色的目标角色属性信息,通过多角色扮演融合模型中目标角色编码层对目标角色属性信息以及对话内容进行特征提取,得到目标虚拟角色对应的目标角色特征,以及对话内容对应的对话内容特征。
其中,该目标角色属性信息可以为描述目标虚拟角色的角色属性的信息,该角色属性可以为描述角色的性质以及角色之间关系的信息。
可选的,该目标角色属性信息可以包括目标虚拟角色的角色背景信息、角色记忆信息以及角色对话信息。其中,该角色背景信息可以为描述虚拟角色的背景的信息,例如,可以包括虚拟角色的出生时间、出生地、家庭情况、成长经历等背景信息。该角色记忆信息可以为描述虚拟角色在目标群聊中产生的记忆信息,该记忆信息可以包括虚拟角色在目标群聊中参与交互的对话信息,比如,可以包括虚拟角色在目标群聊中答复其他群成员和虚拟角色的内容,以及虚拟角色在目标群聊中产生的等待其他群成员和虚拟角色答复的内容等信息。该角色对话信息可以为目标群聊中产生的对话信息,即可以包括所有虚拟角色以及群成员在目标群聊中产生的对话信息,也可以为每一虚拟角色在目标群聊中参与交互的对话信息,即可以包括每一虚拟角色与目标群聊中其他群成员以及其他虚拟角色进行对话的信息等。
其中,通过多角色扮演融合模型中目标角色编码层对目标角色属性信息进行特征提取,得到目标虚拟角色对应的目标角色特征的方式可以有多种,例如,可以通过多角色扮演融合模型中目标角色编码层分别对目标虚拟角色对应的角色背景信息、角色记忆信息以及角色对话信息进行特征提取,得到角色背景信息对应的目标角色背景特征,角色记忆信息对应的目标角色记忆特征,以及角色对话信息对应的目标角色对话特征,将角色背景信息对应的目标角色背景特征、角色记忆信息对应的目标角色记忆特征以及角色对话信息对应的目标角色对话特征进行特征融合,得到目标虚拟角色对应的目标角色特征。
其中,该目标角色背景特征可以表征目标虚拟角色的背景的信息,该目标角色记忆特征可以为表征目标虚拟角色的记忆信息的信息,该目标角色对话特征可以为表征角色对话信息的信息。
其中,将角色背景信息对应的目标角色背景特征、角色记忆信息对应的目标角色记忆特征以及角色对话信息对应的目标角色对话特征进行特征融合,得到目标虚拟角色对应的目标角色特征的方式可以有多种,例如,可以将角色背景信息对应的目标角色背景特征、角色记忆信息对应的目标角色记忆特征以及角色对话信息对应的目标角色对话特征进行拼接,得到目标虚拟角色对应的目标角色特征。也可以获取目标角色背景特征、目标角色记忆特征以及目标角色对话特征对应的融合权重,根据该融合权重对目标角色背景特征、目标角色记忆特征以及目标角色对话特征进行加权求和,得到目标虚拟角色对应的目标角色特征。
可选的,该融合权重的具体数值可以为在对多角色扮演融合模型进行训练的过程确定,也可以根据实际情况进行设定,本申请实施例在此不做限定。
在步骤104中,通过目标虚拟角色在目标群聊中发送答复内容。
其中,通过目标虚拟角色在目标群聊中发送答复内容的方式可以有多种,例如,可以在目标群聊的聊天页面中,以目标虚拟角色的身份在目标群聊中发送该对话内容对应的答复内容。以此,可以基于多角色扮演融合模型,实现在目标群聊中部署一个模型来实现多个虚拟角色在群聊中的内容交互,从而有效降低了模型部署成本,进而提升了内容交互效率。
在一实施例中,可以通过对预设多角色扮演融合模型进行模型训练,得到训练好的多角色扮演融合模型。其中,该预设多角色扮演融合模型可以为预设了模型参数的未训练好的模型,用于在目标群聊中基于预设的不同虚拟角色的身份与群成员进行对话。
其中,对预设多角色扮演融合模型进行模型训练,得到训练好的多角色扮演融合模型的方式可以有多种,例如,可以获取预设的多个虚拟角色的角色属性信息,以及对话内容样本和对话内容样本对应的答复内容样本,获取虚拟角色对应的预设多角色扮演融合模型以及指导模型,基于指导模型输入的权重信息,采用角色编码层对所对应的虚拟角色的角色属性信息进行特征提取,得到虚拟角色对应的角色特征,通过预设多角色扮演融合模型基于角色特征预测对话内容样本对应的答复,得到答复预测结果,根据答复预测结果和答复内容样本,对指导模型以及预设多角色扮演融合模型进行收敛,得到训练好的多角色扮演融合模型。
其中,该角色属性信息可以为表征虚拟角色的信息,可以为描述虚拟角色的角色属性的信息,该角色属性可以为描述虚拟角色的性质以及虚拟角色之间关系的信息。该对话内容样本可以为作为训练样本的待答复的内容,该答复内容样本可以为答复对话内容样本的内容。该预设多角色扮演融合模型可以包括多个角色编码层,每一角色编码层可以对应一虚拟角色,该指导模型可以用于确定每一虚拟角色下每一角色编码层的权重信息,可以通过在指导模型中输入虚拟角色的名称,得到该虚拟角色下每一角色编码层的权重,在模型训练过程中可以对各个层的角色编码层的权重进行动态调整,该权重信息可以为描述在对虚拟角色进行特征编码时每一角色编码层对应的权重的信息。该角色特征可以为表征虚拟角色的特征,该答复预测结果可以为描述预设多角色扮演融合模型基于角色特征预测对话内容样本对应的答复的结果,可选的,该答复预测结果可以为通过预设多角色扮演融合模型基于角色特征对对话内容样本对应的答复进行预测,得到答复内容样本的概率等。
可选的,在预设多角色扮演融合模型中,每一角色编码层可以以串联的方式进行连接,例如,假设存在四个预设的虚拟角色,分别为虚拟角色a、虚拟角色b、虚拟角色c以及虚拟角色d,对应的,假设预设多角色扮演融合模型中包括四个角色编码层,第一层的角色编码层可以代表虚拟对象a,第二层的角色编码层可以代表虚拟对象b,第三层的角色编码层可以代表虚拟对象c,第四层的角色编码层可以代表虚拟对象d,其中,第一层的角色编码层可以与第二层的角色编码层连接,第二层的角色编码层可以与第三层的角色编码层连接,第三层的角色编码层可以与第四层的角色编码层连接。
其中,基于指导模型输入的权重信息,采用角色编码层对所对应的虚拟角色的角色属性信息进行特征提取,得到虚拟角色对应的角色特征的方式可以有多种,例如,可以采用角色编码层对虚拟角色的角色属性信息进行特征编码,得到虚拟角色对应的角色编码特征,根据指导模型输入的权重信息确定角色编码层的编码层权重,基于编码层权重对角色编码特征进行加权融合,得到虚拟角色对应的角色特征。
其中,该角色编码特征可以为采用角色编码层对虚拟角色的角色属性信息进行特征编码得到的特征,该编码层权重可以为每一角色编码层对应的权重。例如,假设存在四个预设的虚拟角色,分别为虚拟角色a、虚拟角色b、虚拟角色c以及虚拟角色d,对应的,假设预设多角色扮演融合模型中包括四个角色编码层,第一层的角色编码层可以代表虚拟对象a,第二层的角色编码层可以代表虚拟对象b,第三层的角色编码层可以代表虚拟对象c,第四层的角色编码层可以代表虚拟对象d,其中,第一层的角色编码层可以与第二层的角色编码层连接,第二层的角色编码层可以与第三层的角色编码层连接,第三层的角色编码层可以与第四层的角色编码层连接。则对于虚拟角色a,该角色编码特征可以为第一层的角色编码层对虚拟角色a的角色属性信息进行特征编码得到的特征,该编码层权重可以为第一层的角色编码层对应的权重。对于虚拟角色b,该角色编码特征可以包括第一层的角色编码层对虚拟角色b的角色属性信息进行特征编码得到的特征,以及第二层的角色编码层对虚拟角色b的角色属性信息进行特征编码得到的特征,该编码层权重可以包括第一层的角色编码层对应的权重以及第二层的角色编码层对应的权重。对于虚拟角色c,该角色编码特征可以包括第一层的角色编码层对虚拟角色c的角色属性信息进行特征编码得到的特征,第二层的角色编码层对虚拟角色c的角色属性信息进行特征编码得到的特征,以及第三层的角色编码层对虚拟角色c的角色属性信息进行特征编码得到的特征,该编码层权重可以包括第一层的角色编码层对应的权重、第二层的角色编码层对应的权重以及第三层的角色编码层对应的权重。对于虚拟角色d,该角色编码特征可以包括第一层的角色编码层对虚拟角色d的角色属性信息进行特征编码得到的特征,第二层的角色编码层对虚拟角色d的角色属性信息进行特征编码得到的特征,第三层的角色编码层对虚拟角色d的角色属性信息进行特征编码得到的特征,以及第四层的角色编码层对虚拟角色d的角色属性信息进行特征编码得到的特征,该编码层权重可以包括第一层的角色编码层对应的权重、第二层的角色编码层对应的权重、第三层的角色编码层对应的权重以及第四层的角色编码层对应的权重。
其中,基于编码层权重对角色编码特征进行加权融合,得到虚拟角色对应的角色特征的方式可以有多种,例如,可以根据每一角色编码层对应的编码层权重对角色编码特征进行加权,得到加权后的编码特征,将每一虚拟角色对应的加权后的编码特征进行相加,得到虚拟角色对应的角色特征。比如,对于虚拟角色b,该角色编码特征可以包括第一层的角色编码层对虚拟角色b的角色属性信息进行特征编码得到的特征,以及第二层的角色编码层对虚拟角色b的角色属性信息进行特征编码得到的特征,虚拟角色b对应的编码层权重可以包括第一层的角色编码层对应的权重1以及第二层的角色编码层对应的权重2,从而可以根据第一层的角色编码层对应的权重1对第一层的角色编码层对应的角色编码特征进行加权,得到加权后的编码特征e,根据第二层的角色编码层对应的权重2对第二层的角色编码层对应的角色编码特征进行加权,得到加权后的编码特征f,将虚拟角色对应的加权后的编码特征e和f进行相加,得到虚拟角色b对应的角色特征。
可选的,该角色属性信息可以包括虚拟角色的角色背景信息、角色记忆信息以及角色对话信息。其中,该角色背景信息可以为描述虚拟角色的背景的信息,例如,可以包括虚拟角色的出生时间、出生地、家庭情况、成长经历等背景信息。该角色记忆信息可以为描述虚拟角色在目标群聊中产生的记忆信息,该记忆信息可以包括虚拟角色在目标群聊中参与交互的对话信息,比如,可以包括虚拟角色在目标群聊中答复其他群成员和虚拟角色的内容,以及虚拟角色在目标群聊中产生的等待其他群成员和虚拟角色答复的内容等信息。该角色对话信息可以为目标群聊中产生的对话信息,即可以包括所有虚拟角色以及群成员在目标群聊中产生的对话信息,也可以为每一虚拟角色在目标群聊中参与交互的对话信息,即可以包括每一虚拟角色与目标群聊中其他群成员以及其他虚拟角色进行对话的信息等。
其中,采用角色编码层对虚拟角色的角色属性信息进行特征编码,得到虚拟角色对应的角色编码特征的方式可以有多种,例如,可以采用角色编码指导模型确定虚拟角色的角色背景信息、角色记忆信息以及角色对话信息对应的角色编码权重,通过角色编码层对虚拟角色的角色背景信息、角色记忆信息以及角色对话信息进行特征编码,得到角色背景特征、角色记忆特征以及角色对话特征,基于角色编码权重对角色背景特征、角色记忆特征以及角色对话特征进行特征融合,得到虚拟角色对应的角色编码特征。
其中,该角色编码指导模型可以为用于确定每一虚拟角色下每一角色属性信息的角色编码权重,可以在模型训练过程中对虚拟角色的每一角色属性信息的角色编码权重进行动态调整,该角色编码权重可以为在对虚拟角色进行特征编码时每一角色属性信息对应的权重。该角色背景特征可以表征虚拟角色的背景的信息,该角色记忆特征可以为表征虚拟角色的记忆信息的信息,该角色对话特征可以为表征角色对话信息的信息。
对应的,根据答复预测结果和答复内容样本,对指导模型以及预设多角色扮演融合模型进行收敛的方式,还可以根据答复预测结果和答复内容样本,对指导模型、角色编码指导模型以及预设多角色扮演融合模型进行收敛。以此,可以在针对预设多角色扮演融合模型的模型训练过程中,通过计算模型训练对应的损失函数来对指导模型、角色编码指导模型以及预设多角色扮演融合模型进行模型参数的更新,从而可以实现对编码层权重、角色编码权重以及预设多角色扮演融合模型的模型参数进行更新,并在损失函数达到收敛时,确定每一虚拟角色对应的角色编码权重以及每一虚拟角色下每一角色编码层对应的编码层权重,以及得到训练好的多角色扮演融合模型。
可选的,为了使得虚拟角色被有效的编码,可以通过提出一种门控机制,在对每个虚拟角色的多个部分角色属性信息的进行特征编码时,可以进行选择性抽取,其中,角色编码特征可以表示为
Role-embedding=gate(a*memory+b*background+c*message)
其中,Role-embedding可以表示为角色编码特征,gate可以表示门控值,可以通过为每一部分的角色属性信息设置一个不同的门控值,从而可以通过不同的门控值可以抽取不同的角色属性信息的编码特征,a、b、c可以表示每一个部分的角色属性信息作为角色编码特征的角色编码权重。memory可以表示为虚拟角色的角色记忆信息,background可以表示为角色背景信息,message可以表示为角色对话信息。
其中,通过角色编码层对虚拟角色的角色背景信息进行特征编码,得到角色背景特征的方式可以有多种,例如,由于角色背景信息的数据量较大,在对角色背景信息进行特征编码时,可以采用层次编码(Hierarchical)的方法对角色背景信息进行特征编码,具体的,可以对角色背景信息进行分词处理,得到多个角色背景词,通过角色编码层对角色背景词进行特征编码,得到角色背景词对应的角色背景词特征,对角色背景词特征进行句子聚类处理,得到每一句子对应的角色背景词特征集合,对角色背景词特征集合中的角色背景词特征进行特征编码,得到虚拟角色对应的角色背景特征。
其中,角色背景词可以为对角色背景信息进行分词处理得到词,该角色背景词特征可以为表征角色背景词的信息,该角色背景词特征集合可以为以句子维度聚合的多个角色背景词的集合,即该角色背景词特征集合可以为角色背景信息的一句子中每一角色背景词对应的角色背景词特征组成的整体。
可选的,在角色背景信息的数据量较大时,还可以以段落或者篇章等更大的维度对角色背景词特征集合进行特征提取,从而减少角色背景信息对应的角色背景特征的长度,避免出现背景特征长度较大而无法进行正常编码的情况,实现对角色背景信息的有效特征编码。
可选的,该指导模型以及该角色编码指导模型可以采用全连接神经网络(Multi-Layer Perception,简称MLP)结构作为模型的基础结构,该预设多角色扮演融合模型可以采用生成式预训练Transformer模型(Generative Pre-Trained Transformer,简称GPT)等文本处理模型作为基础模型结构。
在群聊场景中,可以配置有多个预先定义的虚拟角色,例如,可能会有四十多个虚拟角色。在现有的模型部署中,往往会对每一虚拟角色都定义一个角色模型,从而导致出现模型训练和部署成本很高的问题,同时,会使得角色模型的更新速度较慢,模型部署难度加大,同时极易出现多个角色模型在群聊中的响应时长过长的情况,大大降低用户的群聊体验,为此,本申请实施例提供的内容交互方法,通过只部署一个模型来实现对多个虚拟角色的配置,从而基于该模型充当所有虚拟角色在群聊中回复用户的问题。而在实现过程中存在有很大的挑战,首先这个模型的大小不能太大,其次,这个模型必须融合所有虚拟角色的特点,并且不能和其他的虚拟角色有特点的交叠,为此,本申请实施例通过在一个多角色扮演融合模型中配置多个不同的虚拟角色对应的角色编码层,从而可以在接收到需要目标虚拟角色回复的对话内容时,在多角色扮演融合模型配置的多个角色编码层中确定与目标虚拟角色对应的目标角色编码层,然后,采用多角色扮演融合模型基于目标角色编码层预测出目标虚拟角色下针对对话内容产生的答复内容,并在目标群聊中以目标虚拟角色的身份发送该答复内容,从而基于一个模型实现不同角色在群聊中的内容交互,有效降低了模型的部署成本,进而提高了内容交互效率。
由以上可知,本申请实施例通过接收目标群聊中产生的需要目标虚拟角色回复的对话内容,目标群聊配置有一训练好的多角色扮演融合模型,多角色扮演融合模型用于在目标群聊中基于预设的不同虚拟角色的身份与群成员进行对话;在多角色扮演融合模型配置的多个虚拟角色对应的角色编码层中确定与目标虚拟角色对应的目标角色编码层;采用多角色扮演融合模型基于目标角色编码层,预测目标虚拟角色下针对对话内容产生的答复内容;通过目标虚拟角色在目标群聊中发送答复内容。以此,通过在一个多角色扮演融合模型中配置多个不同的虚拟角色对应的角色编码层,从而可以在接收到需要目标虚拟角色回复的对话内容时,在多角色扮演融合模型配置的多个角色编码层中确定与目标虚拟角色对应的目标角色编码层,然后,采用多角色扮演融合模型基于目标角色编码层预测出目标虚拟角色下针对对话内容产生的答复内容,并在目标群聊中以目标虚拟角色的身份发送该答复内容,从而基于一个模型实现不同角色在群聊中的内容交互,有效降低了模型的部署成本,进而提高了内容交互效率。
为了更好地实施以上方法,本发明实施例还提供一种内容交互装置,该内容交互装置可以集成在计算机设备中,该计算机设备可以为服务器。
例如,如图3所示,为本申请实施例提供的内容交互装置的结构示意图,该内容交互装置可以包括接收单元201、确定单元202、预测单元203和发送单元204,如下:
接收单元201,用于接收目标群聊中产生的需要目标虚拟角色回复的对话内容,目标群聊配置有一训练好的多角色扮演融合模型,多角色扮演融合模型用于在目标群聊中基于预设的不同虚拟角色的身份与群成员进行对话;
确定单元202,用于在多角色扮演融合模型配置的多个虚拟角色对应的角色编码层中确定与目标虚拟角色对应的目标角色编码层;
预测单元203,用于采用多角色扮演融合模型基于目标角色编码层,预测目标虚拟角色下针对对话内容产生的答复内容;
发送单元204,用于通过目标虚拟角色在目标群聊中发送答复内容。
在一实施例中,预测单元203,用于:
基于目标角色编码层确定目标虚拟角色对应的目标角色特征,以及对话内容对应的对话内容特征;
基于目标角色特征和对话内容特征,通过多角色扮演融合模型预测出目标虚拟角色下针对对话内容产生的答复内容。
在一实施例中,内容交互装置,还包括:
样本获取单元,用于获取预设的多个虚拟角色的角色属性信息,以及对话内容样本和对话内容样本对应的答复内容样本;
模型获取单元,用于获取虚拟角色对应的预设多角色扮演融合模型以及指导模型,其中,预设多角色扮演融合模型包括多个角色编码层,每一角色编码层对应一虚拟角色,指导模型用于确定每一虚拟角色下每一角色编码层的权重信息;
特征提取单元,用于基于指导模型输入的权重信息,采用角色编码层对所对应的虚拟角色的角色属性信息进行特征提取,得到虚拟角色对应的角色特征;
答复预测单元,用于通过预设多角色扮演融合模型基于角色特征预测对话内容样本对应的答复,得到答复预测结果;
模型训练单元,用于根据答复预测结果和答复内容样本,对指导模型以及预设多角色扮演融合模型进行收敛,得到训练好的多角色扮演融合模型。
在一实施例中,特征提取单元,包括:
特征编码子单元,用于采用角色编码层对虚拟角色的角色属性信息进行特征编码,得到虚拟角色对应的角色编码特征;
权重确定子单元,用于根据指导模型输入的权重信息确定角色编码层的编码层权重;
加权融合子单元,用于基于编码层权重对角色编码特征进行加权融合,得到虚拟角色对应的角色特征。
在一实施例中,角色属性信息包括虚拟角色的角色背景信息、角色记忆信息以及角色对话信息。
在一实施例中,特征编码子单元,包括:
角色编码权重确定模块,用于采用角色编码指导模型确定虚拟角色的角色背景信息、角色记忆信息以及角色对话信息对应的角色编码权重;
特征编码模块,用于通过角色编码层对虚拟角色的角色背景信息、角色记忆信息以及角色对话信息进行特征编码,得到角色背景特征、角色记忆特征以及角色对话特征;
特征融合模块,用于基于角色编码权重对角色背景特征、角色记忆特征以及角色对话特征进行特征融合,得到虚拟角色对应的角色编码特征;
模型训练单元,用于:
根据答复预测结果和答复内容样本,对指导模型、角色编码指导模型以及预设多角色扮演融合模型进行收敛。
在一实施例中,特征编码模块,包括背景特征提取子模块,用于:
对角色背景信息进行分词处理,得到多个角色背景词;
通过角色编码层对角色背景词进行特征编码,得到角色背景词对应的角色背景词特征;
对角色背景词特征进行句子聚类处理,得到每一句子对应的角色背景词特征集合;
对角色背景词特征集合中的角色背景词特征进行特征编码,得到虚拟角色对应的角色背景特征。
具体实施时,以上各个单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
由以上可知,本申请实施例通过接收单元201接收目标群聊中产生的需要目标虚拟角色回复的对话内容,目标群聊配置有一训练好的多角色扮演融合模型,多角色扮演融合模型用于在目标群聊中基于预设的不同虚拟角色的身份与群成员进行对话;确定单元202在多角色扮演融合模型配置的多个虚拟角色对应的角色编码层中确定与目标虚拟角色对应的目标角色编码层;预测单元203采用多角色扮演融合模型基于目标角色编码层,预测目标虚拟角色下针对对话内容产生的答复内容;发送单元204通过目标虚拟角色在目标群聊中发送答复内容。以此,通过在一个多角色扮演融合模型中配置多个不同的虚拟角色对应的角色编码层,从而可以在接收到需要目标虚拟角色回复的对话内容时,在多角色扮演融合模型配置的多个角色编码层中确定与目标虚拟角色对应的目标角色编码层,然后,采用多角色扮演融合模型基于目标角色编码层预测出目标虚拟角色下针对对话内容产生的答复内容,并在目标群聊中以目标虚拟角色的身份发送该答复内容,从而基于一个模型实现不同角色在群聊中的内容交互,有效降低了模型的部署成本,进而提高了内容交互效率。
本申请实施例还提供一种计算机设备,如图4所示,其示出了本申请实施例所涉及的计算机设备的结构示意图,该计算机设备可以是服务器,具体来讲:
该计算机设备可以包括一个或者一个以上处理核心的处理器301、一个或一个以上计算机可读存储介质的存储器302、电源303和输入单元304等部件。本领域技术人员可以理解,图4中示出的计算机设备结构并不构成对计算机设备的限定,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。其中:
处理器301是该计算机设备的控制中心,利用各种接口和线路连接整个计算机设备的各个部分,通过运行或执行存储在存储器302内的软件程序和/或模块,以及调用存储在存储器302内的数据,执行计算机设备的各种功能和处理数据。可选的,处理器301可包括一个或多个处理核心;优选的,处理器301可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器301中。
存储器302可用于存储软件程序以及模块,处理器301通过运行存储在存储器302的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器302可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器302可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器302还可以包括存储器控制器,以提供处理器301对存储器302的访问。
计算机设备还包括给各个部件供电的电源303,优选的,电源303可以通过电源管理系统与处理器301逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源303还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该计算机设备还可包括输入单元304,该输入单元304可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,计算机设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,计算机设备中的处理器301会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器302中,并由处理器301来运行存储在存储器302中的应用程序,从而实现各种功能,如下:
接收目标群聊中产生的需要目标虚拟角色回复的对话内容,目标群聊配置有一训练好的多角色扮演融合模型,多角色扮演融合模型用于在目标群聊中基于预设的不同虚拟角色的身份与群成员进行对话;在多角色扮演融合模型配置的多个虚拟角色对应的角色编码层中确定与目标虚拟角色对应的目标角色编码层;采用多角色扮演融合模型基于目标角色编码层,预测目标虚拟角色下针对对话内容产生的答复内容;通过目标虚拟角色在目标群聊中发送答复内容。
以上各个操作的具体实施可参见前面的实施例,在此不作赘述。应当说明的是,本申请实施例提供的计算机设备与上文实施例中的适用于内容交互方法属于同一构思,其具体实现过程详见以上方法实施例,此处不再赘述。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种计算机可读存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本申请实施例所提供的任一种内容交互方法中的步骤。例如,该指令可以执行如下步骤:
接收目标群聊中产生的需要目标虚拟角色回复的对话内容,目标群聊配置有一训练好的多角色扮演融合模型,多角色扮演融合模型用于在目标群聊中基于预设的不同虚拟角色的身份与群成员进行对话;在多角色扮演融合模型配置的多个虚拟角色对应的角色编码层中确定与目标虚拟角色对应的目标角色编码层;采用多角色扮演融合模型基于目标角色编码层,预测目标虚拟角色下针对对话内容产生的答复内容;通过目标虚拟角色在目标群聊中发送答复内容。
其中,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该计算机可读存储介质中所存储的指令,可以执行本申请实施例所提供的任一种内容交互方法中的步骤,因此,可以实现本申请实施例所提供的任一种内容交互方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
其中,根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述实施例提供的各种可选实现方式中提供的方法。
以上对本申请实施例所提供的一种内容交互方法、装置和计算机可读存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种内容交互方法,其特征在于,包括:
接收目标群聊中产生的需要目标虚拟角色回复的对话内容,所述目标群聊配置有一训练好的多角色扮演融合模型,所述多角色扮演融合模型用于在所述目标群聊中基于预设的不同虚拟角色的身份与群成员进行对话;
在所述多角色扮演融合模型配置的多个虚拟角色对应的角色编码层中确定与所述目标虚拟角色对应的目标角色编码层;
采用所述多角色扮演融合模型基于所述目标角色编码层,预测所述目标虚拟角色针对所述对话内容的答复内容;
通过所述目标虚拟角色在所述目标群聊中发送所述答复内容。
2.如权利要求1所述的内容交互方法,其特征在于,所述采用所述多角色扮演融合模型基于所述目标角色编码层,预测所述目标虚拟角色下针对所述对话内容产生的答复内容,包括:
基于所述目标角色编码层确定所述目标虚拟角色对应的目标角色特征,以及所述对话内容对应的对话内容特征;
基于所述目标角色特征和所述对话内容特征,通过所述多角色扮演融合模型预测出所述目标虚拟角色下针对所述对话内容产生的答复内容。
3.如权利要求1至2中任一项所述的内容交互方法,其特征在于,所述方法,还包括:
获取预设的多个虚拟角色的角色属性信息,以及对话内容样本和所述对话内容样本对应的答复内容样本;
获取所述虚拟角色对应的预设多角色扮演融合模型以及指导模型,其中,所述预设多角色扮演融合模型包括多个角色编码层,每一角色编码层对应一虚拟角色,所述指导模型用于确定每一虚拟角色下每一角色编码层的权重信息;
基于所述指导模型输入的权重信息,采用所述角色编码层对所对应的虚拟角色的角色属性信息进行特征提取,得到所述虚拟角色对应的角色特征;
通过所述预设多角色扮演融合模型基于所述角色特征预测所述对话内容样本对应的答复,得到答复预测结果;
根据所述答复预测结果和所述答复内容样本,对所述指导模型以及所述预设多角色扮演融合模型进行收敛,得到训练好的多角色扮演融合模型。
4.如权利要求3所述的内容交互方法,其特征在于,所述基于所述指导模型输入的权重信息,采用所述角色编码层对所对应的虚拟角色的角色属性信息进行特征提取,得到所述虚拟角色对应的角色特征,包括:
采用所述角色编码层对所述虚拟角色的角色属性信息进行特征编码,得到所述虚拟角色对应的角色编码特征;
根据所述指导模型输入的权重信息确定所述角色编码层的编码层权重;
基于所述编码层权重对所述角色编码特征进行加权融合,得到所述虚拟角色对应的角色特征。
5.如权利要求4所述的内容交互方法,其特征在于,所述角色属性信息包括所述虚拟角色的角色背景信息、角色记忆信息以及角色对话信息。
6.如权利要求5所述的内容交互方法,其特征在于,所述采用所述角色编码层对所述虚拟角色的角色属性信息进行特征编码,得到所述虚拟角色对应的角色编码特征,包括:
采用角色编码指导模型确定所述虚拟角色的角色背景信息、角色记忆信息以及角色对话信息对应的角色编码权重;
通过所述角色编码层对所述虚拟角色的所述角色背景信息、所述角色记忆信息以及所述角色对话信息进行特征编码,得到角色背景特征、角色记忆特征以及角色对话特征;
基于所述角色编码权重对所述角色背景特征、所述角色记忆特征以及所述角色对话特征进行特征融合,得到所述虚拟角色对应的角色编码特征;
所述根据所述答复预测结果和所述答复内容样本,对所述指导模型以及所述预设多角色扮演融合模型进行收敛,包括:
根据所述答复预测结果和所述答复内容样本,对所述指导模型、所述角色编码指导模型以及所述预设多角色扮演融合模型进行收敛。
7.如权利要求6所述的内容交互方法,其特征在于,通过所述角色编码层对所述虚拟角色的角色背景信息进行特征编码,得到角色背景特征,包括:
对所述角色背景信息进行分词处理,得到多个角色背景词;
通过所述角色编码层对所述角色背景词进行特征编码,得到所述角色背景词对应的角色背景词特征;
对所述角色背景词特征进行句子聚类处理,得到每一句子对应的角色背景词特征集合;
对所述角色背景词特征集合中的角色背景词特征进行特征编码,得到所述虚拟角色对应的角色背景特征。
8.一种内容交互装置,其特征在于,包括:
接收单元,用于接收目标群聊中产生的需要目标虚拟角色回复的对话内容,所述目标群聊配置有一训练好的多角色扮演融合模型,所述多角色扮演融合模型用于在所述目标群聊中基于预设的不同虚拟角色的身份与群成员进行对话;
确定单元,用于在所述多角色扮演融合模型配置的多个虚拟角色对应的角色编码层中确定与所述目标虚拟角色对应的目标角色编码层;
预测单元,用于采用所述多角色扮演融合模型基于所述目标角色编码层,预测所述目标虚拟角色下针对所述对话内容产生的答复内容;
发送单元,用于通过所述目标虚拟角色在所述目标群聊中发送所述答复内容。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行权利要求1至7任一项所述的内容交互方法中的步骤。
10.一种计算机设备,其特征在于,包括存储器、处理器以及存储在所述存储器中并可以在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的内容交互方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311508667.8A CN117560337A (zh) | 2023-11-13 | 2023-11-13 | 内容交互方法、装置和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311508667.8A CN117560337A (zh) | 2023-11-13 | 2023-11-13 | 内容交互方法、装置和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117560337A true CN117560337A (zh) | 2024-02-13 |
Family
ID=89813961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311508667.8A Pending CN117560337A (zh) | 2023-11-13 | 2023-11-13 | 内容交互方法、装置和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117560337A (zh) |
-
2023
- 2023-11-13 CN CN202311508667.8A patent/CN117560337A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111897941B (zh) | 对话生成方法、网络训练方法、装置、存储介质及设备 | |
CN109658928A (zh) | 一种家庭服务机器人云端多模态对话方法、装置及系统 | |
CN107609092B (zh) | 智能应答方法和装置 | |
CN110234018B (zh) | 多媒体内容描述生成方法、训练方法、装置、设备及介质 | |
CN116034355A (zh) | 通信内容定制 | |
JP7488871B2 (ja) | 対話推薦方法、装置、電子機器、記憶媒体ならびにコンピュータプログラム | |
CN113344184B (zh) | 用户画像预测方法、装置、终端和计算机可读存储介质 | |
CN113569017B (zh) | 一种模型处理方法、装置、电子设备及存储介质 | |
CN115309877A (zh) | 对话生成方法、对话模型训练方法及装置 | |
CN114742230A (zh) | 信息处理系统、信息处理方法及信息处理装置 | |
KR20190075277A (ko) | 콘텐트 검색을 위한 방법 및 그 전자 장치 | |
CN108306813B (zh) | 会话消息的处理方法、服务器及客户端 | |
CN114547244A (zh) | 用于确定信息的方法和装置 | |
CN112307166B (zh) | 一种智能问答方法、装置、存储介质以及计算机设备 | |
CN112069830B (zh) | 一种智能会话方法及装置 | |
CN113590803A (zh) | 一种数据处理方法、装置、存储介质和计算机设备 | |
CN109002498B (zh) | 人机对话方法、装置、设备及存储介质 | |
CN112417117A (zh) | 会话消息生成方法、装置及设备 | |
CN115378890B (zh) | 信息输入方法、装置、存储介质及计算机设备 | |
CN116521832A (zh) | 对话交互方法、装置及系统、电子设备和存储介质 | |
CN117560337A (zh) | 内容交互方法、装置和计算机可读存储介质 | |
EP3893143A1 (en) | Corpus processing method, apparatus and storage medium | |
CN114357152A (zh) | 信息处理方法、装置、计算机可读存储介质和计算机设备 | |
Erekata et al. | Development of a text and speech enabled conversational agent for students’ activities planning using dialog flow | |
CN112149426A (zh) | 阅读任务处理方法及相关设备 |
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 |