CN117933377A - 基于大语言模型的思维导图生成方法、装置及电子设备 - Google Patents

Abstract

本公开提供了基于大语言模型的思维导图生成方法、装置及电子设备，涉及计算机技术领域，尤其涉及人工智能、大语言模型及自然语言处理技术领域。具体实现方案为：获取用户的输入内容；基于输入内容确定至少一项目标思维导图属性参数；基于目标思维导图属性参数以及输入内容，生成第一提示信息；将第一提示信息输入至大语言模型，得到大语言模型输出的目标思维导图的结构化信息，结构化信息包括目标思维导图中的节点以及各节点间的层级关系。本方案中，能够采用大语言模型自动生成思维导图，极大的提升了思维导图的生成效率。

Description

基于大语言模型的思维导图生成方法、装置及电子设备

技术领域

本公开涉及计算机技术领域，尤其涉及人工智能、大语言模型及自然语言处理技术领域，具体而言，本公开涉及一种基于大语言模型的思维导图生成方法、装置及电子设备。

背景技术

思维导图，又称为脑图，是一种实用性的思维工具，可以将不同信息之间相互隶属或相互并列的关系以层级图的方式表示出来，具有清晰明了、简单高效的优点。

目前，思维导图一般通过人工使用思维导图工具进行绘制的方式生成，耗费人力且效率较低。

发明内容

本公开为了解决上述缺陷中的至少一项，提供了一种基于大语言模型的思维导图生成方法、装置及电子设备。

根据本公开的第一方面，提供了一种基于大语言模型的思维导图生成方法，该方法包括：

获取用户的输入内容；

基于输入内容确定至少一项目标思维导图属性参数；

基于目标思维导图属性参数以及输入内容，生成第一提示信息；

将第一提示信息输入至大语言模型，得到大语言模型输出的目标思维导图的结构化信息，结构化信息包括目标思维导图中的节点以及各节点间的层级关系。

根据本公开的第二方面，提供了一种基于大语言模型的思维导图生成装置，该装置包括：

输入内容获取模块，用于获取用户的输入内容；

属性参数确定模块，用于基于输入内容确定至少一项目标思维导图属性参数；

第一提示信息生成模块，用于基于目标思维导图属性参数以及输入内容，生成第一提示信息；

思维导图生成模块，用于将第一提示信息输入至大语言模型，得到大语言模型输出的目标思维导图的结构化信息，结构化信息包括目标思维导图中的节点以及各节点间的层级关系。

根据本公开的第三方面，提供了一种电子设备，该电子设备包括：

至少一个处理器；以及

与上述至少一个处理器通信连接的存储器；其中，

存储器存储有可被上述至少一个处理器执行的指令，指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述基于大语言模型的思维导图生成方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使计算机执行上述基于大语言模型的思维导图生成方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现上述基于大语言模型的思维导图生成方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开实施例提供的一种基于大语言模型的思维导图生成方法的流程示意图；

图2是本公开实施例提供方法的一种具体实施方式的流程示意图；

图3是本公开实施例提供方法的另一种具体实施方式的流程示意图；

图4是本公开实施例提供的一种基于大语言模型的思维导图生成装置的结构示意图；

图5是用来实现本公开实施例的基于大语言模型的思维导图生成方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

目前，思维导图一般通过人工使用思维导图工具进行绘制的方式生成，耗费人力且处理效率较低。

在一些应用场景下，需要为文档等形式的文本内容生成思维导图。相关技术中，需要人工阅读文本内容，分析梳理出文本的内容结构，人工绘制思维导图，这种方式耗费人力且处理效率较低。

另外，在学习、办公等应用场景中，用户可能存在将文档、思维导图等不同模态的文件进行快速转换的需求，如果能够实现这些不同模态的文件的快速转换，就能够极大的提升信息处理效率。

本公开实施例提供的基于大语言模型的思维导图生成方法、装置及电子设备，旨在解决现有技术的如上技术问题中的至少一个。

图1示出了本公开实施例提供的一种基于大语言模型的思维导图生成方法的流程示意图，如图1中所示，该方法主要可以包括：

步骤S110：获取用户的输入内容；

步骤S120：基于输入内容确定至少一项目标思维导图属性参数；

步骤S130：基于目标思维导图属性参数以及输入内容，生成第一提示信息；

步骤S140：将第一提示信息输入至大语言模型，得到大语言模型输出的目标思维导图的结构化信息，结构化信息包括目标思维导图中的节点以及各节点间的层级关系。

其中，用户的输入内容可以包括但是不限于图像、文本等多模态信息。

用户的输入内容可以由用户直接手动输入，也可以由用户提供文档，将文档中的内容作为输入内容。本例中文档的格式可以包括但是不限于Word、PPT等。

本公开实施例中，思维导图属性参数能够用于指示思维导图中一些属性的具体取值范围。目标思维导图属性参数可以理解为与用户的输入内容相适配的思维导图属性参数。

本公开实施例中，与用户的输入内容相适配的思维导图属性参数可以为一个，也可以为由多个思维导图属性参数所构成的参数组合。

本公开实施例中，可以预设提示信息(prompt)模板，该模板中存在输入内容以及目标思维导图属性参数对应的字段。将目标思维导图属性参数以及输入内容填入提示信息模板中的相应字段，能够生成第一提示信息。

第一提示信息中包含了所需要进行分析的输入内容，以及用于指示思维导图中属性的具体取值范围的目标思维导图属性参数。将第一提示信息输入至大语言模型，能够指导大语言模型生成目标思维导图的结构化信息。

目标思维导图的结构化信息可以理解为目标思维导图的大纲。结构化信息可以包括目标思维导图中的节点以及各节点间的层级关系。

本公开实施例中，可以选用已知的大语言模型，例如文心一言大语言模型。

作为一个示例，在大语言模型输出目标思维导图的结构化信息后，可以根据目标思维导图的结构化信息生成目标思维导图，即对目标思维导图以图像形式表达。

本公开实施例提供的方法，通过获取用户的输入内容；基于输入内容确定至少一项目标思维导图属性参数；基于目标思维导图属性参数以及输入内容，生成第一提示信息；将第一提示信息输入至大语言模型，得到大语言模型输出的目标思维导图的结构化信息，结构化信息包括目标思维导图中的节点以及各节点间的层级关系。本方案中，能够采用大语言模型自动生成思维导图，极大的提升了思维导图的生成效率。

本公开实施例中，通过目标思维导图属性参数能够向大语言模型指示所生成思维导图中属性的具体取值范围，使得大语言模型能够生成与用户的输入内容相适配的思维导图，提升所生成思维导图的质量。

作为一个示例，可以对输入内容进行预处理，以提升输入内容的质量。预处理的方式可以包括：除停用词、无意义词、标点符号和特殊字符等。

作为一个示例，对所生成的目标思维导图的结构化信息可以进行进一步调整，调整方式包括但是不不限于：添加标题、调整层次关系及删除冗余信息等。

本公开的一种可选方式中，基于输入内容确定至少一项目标思维导图属性参数，包括：

确定输入内容所属的目标内容类别；

基于预设的内容类别与思维导图属性参数的第一对应关系，确定与目标内容类别对应的目标思维导图属性参数。

本公开实施例中，可以根据输入内容的语义等信息，判断其所属的内容类别。不同内容类别的内容对于思维导图属性参数的需求不同，例如，生成针对某位名人生平经历的思维导图与生成一份请假条的思维导图，这两种输入内容所需求思维导图节点数、层级数均不相同。因此，可以建立内容类别与思维导图属性参数的第一对应关系，以便基于第一对应关系，确定出目标内容类别对应的目标思维导图属性参数。

作为一个示例，内容类别可以包括行业类别，即在确定输入内容所属的具体行业类别后，可以基于上述的第一对应关系，确定输入内容所属的具体行业类别对应的目标思维导图属性参数。

本公开实施例中，可以基于数据飞轮的决策能力来构建对第一对应关系。具体而言，可以根据用户的反馈情况来分析不同内容类别对应的最佳思维导图属性参数，从而建立内容类别与思维导图属性参数的第一对应关系。例如，可以针对各内容类别分别预设多种初始思维导图属性参数，基于用户对这些初始思维导图属性参数的反馈情况，确定出最佳的思维导图属性参数，进而建立第一对应关系。

作为一个示例，用户反馈情况可以包括重新生成、点赞/点踩、删除、确认使用、下载等不同程度的正负反馈信息。

本公开的一种可选方式中，确定输入内容所属的目标内容类别，包括：

从输入内容中提取主题内容；

基于主题内容确定输入内容所属的目标内容类别。

本公开实施例中，从输入内容中所提取的主题内容能够有效反映输入内容的语义信息，因此可以基于主题内容确定输入内容所属的目标内容类别。

作为一个示例，可以基于预训练的主题词提取模型对输入内容进行主题词提取，得到输入内容中的主题词，从而根据主题词确定主题内容。

本公开的一种可选方式中，基于预设的内容类别与思维导图属性参数的第一对应关系，确定与目标内容类别对应的目标思维导图属性参数，包括：

获取预设的用户类别与思维导图属性参数的第二对应关系；

基于用户的用户信息，确定用户所属的目标用户类别；

基于第一对应关系以及第二对应关系，并基于目标内容类别以及目标用户类别，确定目标思维导图属性参数。

本公开实施例中，用户类别可以根据至少一个维度的用户信息划分，例如，根据用户的职业划分为不同职业类型。

不同用户类别的用户对于思维导图属性参数的需求不同，例如，职业类型为需要较多文本工作的用户，其对思维导图属性参数中节点数与层级数的数量要求会高于普通用户。因此，可以建立不同的用户类别与思维导图属性参数的第二对应关系。

本公开实施例中，为了提升所生成思维导图与目标用户以及输入内容的适配程度，可以基于第一对应关系以及第二对应关系，并基于目标内容类别以及目标用户类别，确定目标思维导图属性参数，即从内容类别与用户类别两个维度，共同匹配出目标思维导图属性参数。

本公开的一种可选方式中，思维导图属性参数包括以下至少一项：

用于描述思维导图中节点总数的节点数量参数；

用于描述思维导图中节点层级总数的层级数量参数；

用于描述节点对应主题所包含字符数量的字符数量参数；

用于描述思维导图中父节点与子节点之间内容相关性的相关性参数。

其中，节点数量参数用于描述思维导图中的节点总数，能够指示大语言模型生成具有相应节点数量的目标思维导图。

层级数量参数用于描述思维导图中层级总数的节点，能够指示大语言模型生成具有相应层级数量的目标思维导图。

字符数量参数用于描述节点对应主题所包含字符数量，能够指示大语言模型所生成目标思维导图中节点主题包含相应的字符数量。

相关性参数用于描述思维导图中父节点与子节点之间内容相关性，能够指示大语言模型所生成目标思维导图中父子节点之间的相关性满足相应要求。

本公开的一种可选方式中，基于目标思维导图属性参数以及输入内容，生成第一提示信息，包括：

获取用户对应的输出结果数量参数，输出结果数量参数用于描述大语言模型输出结果的数量；

基于目标思维导图属性参数、输出结果数量参数以及输入内容，生成第一提示信息。

本公开实施例中，输出结果数量参数用于描述大语言模型输出结果的数量，可以为不同用户确定对应的输出结果数量参数。提示信息模板中可以包括用于指示大语言模型输出结果的数量的字段，通过将输出结果的数量参数填入提示信息模板相应字段，结合将目标思维导图属性参数以及输入内容分别填入提示信息模板相应字段，生成第一提示信息。

通过向第一提示信息中加入输出结果数量参数，能够指示大语言模型输出结果的数量。通过为不同用户制定不同输出结果数量参数，能够满足用户的多元化需求。

本公开的一种可选方式中，获取用户对应的输出结果数量参数，包括：

获取用户的用户反馈等级，用户反馈等级是基于用户对历史输出结果的历史反馈情况确定的；

基于预设的用户反馈等级与输出结果数量参数的第三对应关系，确定用户的用户反馈等级对应的输出结果数量参数。

本公开实施例中，用户反馈等级是基于用户对历史输出结果的历史反馈情况确定的，用户的历史反馈情况较好时，用户反馈等级较高。

作为一个示例，用户对历史输出结果的历史反馈情况可以包括用户对历史输出结果反馈信息条数以及用户的反馈信息的质量。可以基于反馈信息条数以及用户的反馈信息的质量确定反馈等级评分，基于反馈等级评分确定用户反馈等级。用户针对输出结果的点赞、点踩、确认使用、下载等做都可以视为一条反馈信息。反馈信息的质量是指用户对输出结果给出反馈是否与输出结果实际质量相符，如在输出结果实际质量较好时，用户给出正向反馈，而在在输出结果实际质量不好时，用户给出负向反馈。

用户反馈等级较高表示用户质量较佳，大语言模型可以为该用户提供更多的输出结果以供选择。同时，用户反馈等级较高表示用户历史反馈情况较好，给该用户已更多的输出结果，相当于使该用户在更多的样本中进行标注，能够有效提升所积累的反馈信息的数量与质量。

本公开的一种可选方式中，在得到大语言模型输出的目标思维导图的结构化信息之后，上述方法还包括：

响应于接收到用户对待扩展节点的扩展请求，获取待扩展节点的节点主题信息；

基于节点主题信息以及目标思维导图属性参数，生成第二提示信息；

将第二提示信息输入至大语言模型，得到大语言模型输出的待扩展节点的扩展节点以及各扩展节点的层级关系。

本公开实施例中，在大语言模型生成目标思维导图的结构化信息后，可以将目标思维导图的结构化信息展示给用户，例如，提供思维导图的编辑页面，在编辑页面中展示目标思维导图，可以支持用户对目标思维导图进行节点编辑操作。

本公开实施例中，用户在对节点编辑时，可能会存在对部分待扩展节点进行扩展的需求，这时用户可以发起对待扩展节点的扩展请求。此时，待扩展节点的节点主题信息可以作为被分析的内容，基于待扩展节点的节点主题信息进行扩展。

由于待扩展节点的节点主题信息与输入内容存在密切的相关性，因此可以沿用目标思维导图属性参数，基于节点主题信息以及目标思维导图属性参数，生成第二提示信息，将第二提示信息输入至大语言模型，得到扩展节点，以及扩展节点的层级关系。

本公开的一种可选方式中，基于节点主题信息、目标思维导图属性参数以及输入内容，生成第二提示信息，包括：

响应于目标思维导图属性参数包括层级数量参数以及相关性参数，将目标思维导图属性参数中的层级数量参数所描述的层级数量缩小，并将目标思维导图属性参数中的相关性参数所描述的内容相关性增加，得到调整后思维导图属性参数；

基于节点主题信息、调整后思维导图属性参数以及输入内容，生成第二提示信息。

本公开实施例中，在进行节点扩展时，由于是对目标思维导图的局部进行拓展，其相较于初始生成思维导图时需要的节点层级数更少，并且需要父节点与子节点之前的关联性更强。

因此，可以将目标思维导图属性参数中的层级数量参数所描述的层级数量缩小，将及相关性参数中的相关性参数所描述的内容相关性增加、使用调整后思维导图属性参数来生成第二提示信息。

作为一个示例，可以为节点层级数设置缩小规则，为内容相关性设置增大规则。例如，为节点层级数设置缩小系数，为内容相关性设置增大系数。

考虑到当待扩展节点所处的层级越深时，对扩展节点的是层级数更少，父节点与子节点之前的关联性更强。因此，可以配置缩小系数可以与待扩展节点所处层级深度成反比，增大系数可以与待扩展节点所处层级深度成正比。

通过会将目标思维导图属性参数进行调整，使其更能够满足于对目标思维导图的局部进行拓展时的实际需求，从而能够取得更好的节点拓展效果。

本公开的一种可选方式中，在得到大语言模型输出的目标思维导图的结构化信息之后，上述方法还包括：

响应于接收到用户对目标思维导图的重新生成请求，调整大语言模型的热度，基于热度调整后大语言模型重新生成目标思维导图。

本公开实施例中，在大语言模型输出的目标思维导图的结构化信息，用户可能会发起重新生成请求，即要求大语言模型重新生成输出结果。

热度(temperature)能够控制大语言模型输出结果的随机度，高热度生成更难预料及富有创造性的结果，低热度则更保守。

通过对大语言模型的热度进行调整，基于热度调整后大语言模型重新生成目标思维导图，使得重新生成的目标思维导图与上一次生成的目标思维导图具有较大区别，更好的满足用户需求。

作为一个示例，对大语言模型热度的调整方式可以为升高热度。

本公开的一种可选方式中，在得到大语言模型输出的目标思维导图的结构化信息之后，上述方法还包括：

基于目标思维导图的结构化信息生成指定格式的文档。

本公开实施例中，还支持将目标思维导图的结构化信息智能装换成指定格式的文档。指定格式可以包括但是不限于Word、PPT等。

本公开实施例能够提供一种文件智能管理平台，能够支持智能生成思维导图的结构化信息，并支持思维导图的结构信息向不同模态文件的智能转换，可极大地提高信息搜集、整理与创作效率。

本公开实施例涉及基于人工智能生成思维导图以及跨文档形态转换的结合应用，可以主要应用于生成式人工智能(Artificial Intelligence Generated Content，AIGC)产品，例如文库类应用。其中可支持用户在小助手内输入主题进行一键智能创作思维导图，或选中思维导图的节点后进行一键智能扩展，能为用户提供思维导图创作过程中的灵感启发能力。本发明可应用于跨文档形态，支持用户在思维导图与Word/PPT之间进行智能转换。用户可根据思维导图智能扩充图文为Word或PPT，系统自动完成排版和布局，极大的提升了信息处理效率。

作为一个示例，图2示出了本公开实施例提供方法的一种具体实施方式的流程示意图。

如图2中所示，该流程的具体步骤为：

步骤S210：数据预处理；

将输入内容进行数据预处理，预处理方式包括：风控规则过滤，去除停用词、标点符号和特殊字符，进行分词等操作。

步骤S220：大模型调用；

大语言模型进行输入编码、上下文理解以及结构化信息生成的步骤。

步骤S230：输入编码；

将预处理后的输入内容输入到大语言模型中。使用预训练的词嵌入(wordembeddings)将文本编码为向量表示，使得机器可理解，再进行后续的处理和生成。

步骤S240：上下文理解；

大语言模型通过编码输入内容，理解输入内容的上下文和语义关系，便于模型更好地理解。可以使用递归神经网络(Recurs ive Neural Network，RNN)或长短期记忆网络(Long Short-Term Memory，LSTM)等神经网络结构来捕捉文本中的语义关系和依赖关系，

步骤S250：结构化信息生成；

基于对输入内容的理解，大语言模型可通过不同策略生成思维导图的结构化信息。

步骤S260：输出解码；

步骤S270：结构化信息调整。

大语言模型生成的思维导图的结构化信息需要进一步调整和优化，以满足特定的要求和约束。包括添加标题、调整层次关系、删除冗余信息等操作。

本案中还增加了数据飞轮的策略能力。通过用户正负向反馈评估模型，对业务线上操作进行实时监控与分析，将生成质量信号及时反馈至模型，完成策略闭环迭代的数据飞轮建设。

作为一个示例，图3示出了本公开实施例提供方法的另一种具体实施方式的流程示意图。

如图3中所示，本流程主要包括用户输入、策略分析、脑图智能生成与多模态文档转换四个环节。

其中，用户输入包括步骤S311：直接输入结构化信息生成指令；步骤S312：上传word文档；步骤S313：上传PPT文件。

本例中支持用户输入待分析的输入内容或Word与PPT文档。

策略分析包括步骤S321：意图识别策略；步骤S322：提纲生成策略；步骤S323：提纲生成策略；步骤S323：提纲生成策略；步骤S325：语义相关度判定；步骤S326：文档压缩与合成；步骤S327：依从度动态控制；步骤S328：结构化指示增强。可以通过如上的过意图识别、语义相关性判定、依从度控制等多种算法的组合，在大语言模型的能力的支持下智能生成思维导图。

步骤S330：脑图智能生成。该步骤包括步骤S331：脑图节点生成与步骤S332：脑图节点拓展.

大语言模型可以生成思维导图，同时也支持根据待扩展节点智能扩展结构化信息。

步骤S340：多模态文档智能转换。该步骤包括步骤S341：word文件生成与步骤S342：脑图节点拓展。

大语言模型还支持多模态文档的转换，支持脑图文件逆向智能转换为Word或PPT文件。

基于与图1中所示的方法相同的原理，图4示出了本公开实施例提供的一种基于大语言模型的思维导图生成装置的结构示意图，如图4所示，该基于大语言模型的思维导图生成装置40可以包括：

输入内容获取模块410，用于获取用户的输入内容；

属性参数确定模块420，用于基于输入内容确定至少一项目标思维导图属性参数；

第一提示信息生成模块430，用于基于目标思维导图属性参数以及输入内容，生成第一提示信息；

思维导图生成模块440，用于将第一提示信息输入至大语言模型，得到大语言模型输出的目标思维导图的结构化信息，结构化信息包括目标思维导图中的节点以及各节点间的层级关系。

本公开实施例提供的装置，通过获取用户的输入内容；基于输入内容确定至少一项目标思维导图属性参数；基于目标思维导图属性参数以及输入内容，生成第一提示信息；将第一提示信息输入至大语言模型，得到大语言模型输出的目标思维导图的结构化信息，结构化信息包括目标思维导图中的节点以及各节点间的层级关系。本方案中，能够采用大语言模型自动生成思维导图，极大的提升了思维导图的生成效率。

可选地，属性参数确定模块具体用于：

确定输入内容所属的目标内容类别；

基于预设的内容类别与思维导图属性参数的第一对应关系，确定与目标内容类别对应的目标思维导图属性参数。

可选地，属性参数确定模块在确定输入内容所属的目标内容类别时，具体用于：

从输入内容中提取主题内容；

基于主题内容确定输入内容所属的目标内容类别。

可选地，属性参数确定模块在基于预设的内容类别与思维导图属性参数的第一对应关系，确定与目标内容类别对应的目标思维导图属性参数时，具体用于：

获取预设的用户类别与思维导图属性参数的第二对应关系；

基于用户的用户信息，确定用户所属的目标用户类别；

基于第一对应关系以及第二对应关系，并基于目标内容类别以及目标用户类别，确定目标思维导图属性参数。

可选地，思维导图属性参数包括以下至少一项：

用于描述思维导图中节点总数的节点数量参数；

用于描述思维导图中节点层级总数的层级数量参数；

用于描述节点对应主题所包含字符数量的字符数量参数；

用于描述思维导图中父节点与子节点之间内容相关性的相关性参数。

可选地，第一提示信息生成模块，具体用于：

获取用户对应的输出结果数量参数，输出结果数量参数用于描述大语言模型输出结果的数量；

基于目标思维导图属性参数、输出结果数量参数以及输入内容，生成第一提示信息。

可选地，第一提示信息生成模块在获取用户对应的输出结果数量参数时，具体用于：

获取用户的用户反馈等级，用户反馈等级是基于用户对历史输出结果的历史反馈情况确定的；

基于预设的用户反馈等级与输出结果数量参数的第三对应关系，确定用户的用户反馈等级对应的输出结果数量参数。

可选地，上述装置还包括：

节点主题信息获取模块，用于在得到大语言模型输出的目标思维导图的结构化信息之后，响应于接收到用户对待扩展节点的扩展请求，获取待扩展节点的节点主题信息；

第二提示信息生成模块，用于基于节点主题信息以及目标思维导图属性参数，生成第二提示信息；

节点扩展模块，用于将第二提示信息输入至大语言模型，得到大语言模型输出的待扩展节点的扩展节点以及各扩展节点的层级关系。

可选地，第二提示信息生成模块具体用于：

响应于目标思维导图属性参数包括层级数量参数以及相关性参数，将目标思维导图属性参数中的层级数量参数所描述的层级数量缩小，并将目标思维导图属性参数中的相关性参数所描述的内容相关性增加，得到调整后思维导图属性参数；

基于节点主题信息、调整后思维导图属性参数以及输入内容，生成第二提示信息。

可选地，上述装置还包括：

重新生成模块，用于在得到大语言模型输出的目标思维导图的结构化信息之后，响应于接收到用户对目标思维导图的重新生成请求，调整大语言模型的热度，基于热度调整后大语言模型重新生成目标思维导图。

可选地，上述装置还包括：

文档生成模块，用于在得到大语言模型输出的目标思维导图的结构化信息之后，基于目标思维导图的结构化信息生成指定格式的文档。

可以理解的是，本公开实施例中的基于大语言模型的思维导图生成装置的上述各模块具有实现图1中所示的实施例中的基于大语言模型的思维导图生成方法相应步骤的功能。该功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。上述模块可以是软件和/或硬件，上述各模块可以单独实现，也可以多个模块集成实现。对于上述基于大语言模型的思维导图生成装置的各模块的功能描述具体可以参见图1中所示实施例中的基于大语言模型的思维导图生成方法的对应描述，在此不再赘述。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如本公开实施例提供的基于大语言模型的思维导图生成方法。

该电子设备与现有技术相比，通过获取用户的输入内容；基于输入内容确定至少一项目标思维导图属性参数；基于目标思维导图属性参数以及输入内容，生成第一提示信息；将第一提示信息输入至大语言模型，得到大语言模型输出的目标思维导图的结构化信息，结构化信息包括目标思维导图中的节点以及各节点间的层级关系。本方案中，能够采用大语言模型自动生成思维导图，极大的提升了思维导图的生成效率。

该可读存储介质为存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行如本公开实施例提供的基于大语言模型的思维导图生成方法。

该可读存储介质与现有技术相比，通过获取用户的输入内容；基于输入内容确定至少一项目标思维导图属性参数；基于目标思维导图属性参数以及输入内容，生成第一提示信息；将第一提示信息输入至大语言模型，得到大语言模型输出的目标思维导图的结构化信息，结构化信息包括目标思维导图中的节点以及各节点间的层级关系。本方案中，能够采用大语言模型自动生成思维导图，极大的提升了思维导图的生成效率。

该计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如本公开实施例提供的基于大语言模型的思维导图生成方法。

该计算机程序产品与现有技术相比，通过获取用户的输入内容；基于输入内容确定至少一项目标思维导图属性参数；基于目标思维导图属性参数以及输入内容，生成第一提示信息；将第一提示信息输入至大语言模型，得到大语言模型输出的目标思维导图的结构化信息，结构化信息包括目标思维导图中的节点以及各节点间的层级关系。本方案中，能够采用大语言模型自动生成思维导图，极大的提升了思维导图的生成效率。

图5示出了可以用来实施本公开的实施例的示例电子设备50的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图5所示，电子设备50包括计算单元510，其可以根据存储在只读存储器(ROM)520中的计算机程序或者从存储单元580加载到随机访问存储器(RAM)530中的计算机程序，来执行各种适当的动作和处理。在RAM 530中，还可存储设备50操作所需的各种程序和数据。计算单元510、ROM 520以及RAM 530通过总线540彼此相连。输入/输出(I/O)接口550也连接至总线540。

设备50中的多个部件连接至I/O接口550，包括：输入单元560，例如键盘、鼠标等；输出单元570，例如各种类型的显示器、扬声器等；存储单元580，例如磁盘、光盘等；以及通信单元590，例如网卡、调制解调器、无线通信收发机等。通信单元590允许设备50通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元510可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元510的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元510执行本公开实施例中所提供的基于大语言模型的思维导图生成方法。例如，在一些实施例中，执行本公开实施例中所提供的基于大语言模型的思维导图生成方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元580。在一些实施例中，计算机程序的部分或者全部可以经由ROM 520和/或通信单元590而被载入和/或安装到设备50上。当计算机程序加载到RAM 530并由计算单元510执行时，可以执行本公开实施例中所提供的基于大语言模型的思维导图生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元510可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开实施例中所提供的基于大语言模型的思维导图生成方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (25)

1.一种基于大语言模型的思维导图生成方法，包括：

获取用户的输入内容；

基于所述输入内容确定至少一项目标思维导图属性参数；

基于所述目标思维导图属性参数以及所述输入内容，生成第一提示信息；

将所述第一提示信息输入至大语言模型，得到所述大语言模型输出的目标思维导图的结构化信息，所述结构化信息包括所述目标思维导图中的节点以及各节点间的层级关系。

2.根据权利要求1所述的方法，其中，所述基于所述输入内容确定至少一项目标思维导图属性参数，包括：

确定所述输入内容所属的目标内容类别；

基于预设的内容类别与思维导图属性参数的第一对应关系，确定与所述目标内容类别对应的目标思维导图属性参数。

3.根据权利要求2所述的方法，其中，所述确定所述输入内容所属的目标内容类别，包括：

从所述输入内容中提取主题内容；

基于所述主题内容确定所述输入内容所属的目标内容类别。

4.根据权利要求2或3所述的方法，其中，所述基于预设的内容类别与思维导图属性参数的第一对应关系，确定与所述目标内容类别对应的目标思维导图属性参数，包括：

获取预设的用户类别与思维导图属性参数的第二对应关系；

基于所述用户的用户信息，确定所述用户所属的目标用户类别；

基于所述第一对应关系以及所述第二对应关系，并基于所述目标内容类别以及所述目标用户类别，确定目标思维导图属性参数。

5.根据权利要求1-4中任一项所述的方法，其中，所述思维导图属性参数包括以下至少一项：

用于描述思维导图中节点总数的节点数量参数；

用于描述思维导图中节点层级总数的层级数量参数；

用于描述节点对应主题所包含字符数量的字符数量参数；

用于描述思维导图中父节点与子节点之间内容相关性的相关性参数。

6.根据权利要求1-5中任一项所述的方法，其中，所述基于所述目标思维导图属性参数以及所述输入内容，生成第一提示信息，包括：

获取所述用户对应的输出结果数量参数，所述输出结果数量参数用于描述所述大语言模型输出结果的数量；

基于所述目标思维导图属性参数、所述输出结果数量参数以及所述输入内容，生成第一提示信息。

7.根据权利要求6所述的方法，其中，所述获取所述用户对应的输出结果数量参数，包括：

获取所述用户的用户反馈等级，所述用户反馈等级是基于所述用户对历史输出结果的历史反馈情况确定的；

基于预设的用户反馈等级与输出结果数量参数的第三对应关系，确定所述用户的用户反馈等级对应的输出结果数量参数。

8.根据权利要求1-7中任一项所述的方法，其中，在所述得到所述大语言模型输出的目标思维导图的结构化信息之后，所述方法还包括：

响应于接收到所述用户对待扩展节点的扩展请求，获取所述待扩展节点的节点主题信息；

基于所述节点主题信息以及所述目标思维导图属性参数，生成第二提示信息；

将所述第二提示信息输入至大语言模型，得到所述大语言模型输出的所述待扩展节点的扩展节点以及各所述扩展节点的层级关系。

9.根据权利要求8所述的方法，其中，所述基于所述节点主题信息、所述目标思维导图属性参数以及所述输入内容，生成第二提示信息，包括：

响应于所述目标思维导图属性参数包括所述层级数量参数以及相关性参数，将所述目标思维导图属性参数中的层级数量参数所描述的层级数量缩小，并将所述目标思维导图属性参数中的相关性参数所描述的内容相关性增加，得到调整后思维导图属性参数；

基于所述节点主题信息、所述调整后思维导图属性参数以及所述输入内容，生成第二提示信息。

10.根据权利要求1-9中任一项所述的方法，其中，在所述得到所述大语言模型输出的目标思维导图的结构化信息之后，所述方法还包括：

响应于接收到用户对所述目标思维导图的重新生成请求，调整所述大语言模型的热度，基于热度调整后大语言模型重新生成所述目标思维导图。

11.根据权利要求1-10中任一项所述的方法，其中，在所述得到所述大语言模型输出的目标思维导图的结构化信息之后，所述方法还包括：

基于所述目标思维导图的结构化信息生成指定格式的文档。

12.一种基于大语言模型的思维导图生成装置，包括：

输入内容获取模块，用于获取用户的输入内容；

属性参数确定模块，用于基于所述输入内容确定至少一项目标思维导图属性参数；

第一提示信息生成模块，用于基于所述目标思维导图属性参数以及所述输入内容，生成第一提示信息；

思维导图生成模块，用于将所述第一提示信息输入至大语言模型，得到所述大语言模型输出的目标思维导图的结构化信息，所述结构化信息包括所述目标思维导图中的节点以及各节点间的层级关系。

13.根据权利要求12所述的装置，其中，所述属性参数确定模块具体用于：

确定所述输入内容所属的目标内容类别；

基于预设的内容类别与思维导图属性参数的第一对应关系，确定与所述目标内容类别对应的目标思维导图属性参数。

14.根据权利要求13所述的装置，其中，所述属性参数确定模块在确定所述输入内容所属的目标内容类别时，具体用于：

从所述输入内容中提取主题内容；

基于所述主题内容确定所述输入内容所属的目标内容类别。

15.根据权利要求13或14所述的装置，其中，所述属性参数确定模块在基于预设的内容类别与思维导图属性参数的第一对应关系，确定与所述目标内容类别对应的目标思维导图属性参数时，具体用于：

获取预设的用户类别与思维导图属性参数的第二对应关系；

基于所述用户的用户信息，确定所述用户所属的目标用户类别；

基于所述第一对应关系以及所述第二对应关系，并基于所述目标内容类别以及所述目标用户类别，确定目标思维导图属性参数。

16.根据权利要求12-15中任一项所述的装置，其中，所述思维导图属性参数包括以下至少一项：

用于描述思维导图中节点总数的节点数量参数；

用于描述思维导图中节点层级总数的层级数量参数；

用于描述节点对应主题所包含字符数量的字符数量参数；

用于描述思维导图中父节点与子节点之间内容相关性的相关性参数。

17.根据权利要求12-16中任一项所述的装置，其中，所述第一提示信息生成模块，具体用于：

获取所述用户对应的输出结果数量参数，所述输出结果数量参数用于描述所述大语言模型输出结果的数量；

基于所述目标思维导图属性参数、所述输出结果数量参数以及所述输入内容，生成第一提示信息。

18.根据权利要求17所述的装置，其中，所述第一提示信息生成模块在获取所述用户对应的输出结果数量参数时，具体用于：

获取所述用户的用户反馈等级，所述用户反馈等级是基于所述用户对历史输出结果的历史反馈情况确定的；

基于预设的用户反馈等级与输出结果数量参数的第三对应关系，确定所述用户的用户反馈等级对应的输出结果数量参数。

19.根据权利要求12-18中任一项所述的装置，还包括：

节点主题信息获取模块，用于在所述得到所述大语言模型输出的目标思维导图的结构化信息之后，响应于接收到所述用户对待扩展节点的扩展请求，获取所述待扩展节点的节点主题信息；

第二提示信息生成模块，用于基于所述节点主题信息以及所述目标思维导图属性参数，生成第二提示信息；

节点扩展模块，用于将所述第二提示信息输入至大语言模型，得到所述大语言模型输出的所述待扩展节点的扩展节点以及各所述扩展节点的层级关系。

20.根据权利要求19所述的装置，其中，所述第二提示信息生成模块具体用于：

响应于所述目标思维导图属性参数包括所述层级数量参数以及相关性参数，将所述目标思维导图属性参数中的层级数量参数所描述的层级数量缩小，并将所述目标思维导图属性参数中的相关性参数所描述的内容相关性增加，得到调整后思维导图属性参数；

基于所述节点主题信息、所述调整后思维导图属性参数以及所述输入内容，生成第二提示信息。

21.根据权利要求12-20中任一项所述的装置，还包括：

重新生成模块，用于在所述得到所述大语言模型输出的目标思维导图的结构化信息之后，响应于接收到用户对所述目标思维导图的重新生成请求，调整所述大语言模型的热度，基于热度调整后大语言模型重新生成所述目标思维导图。

22.根据权利要求12-21中任一项所述的装置，还包括：

文档生成模块，用于在所述得到所述大语言模型输出的目标思维导图的结构化信息之后，基于所述目标思维导图的结构化信息生成指定格式的文档。

23.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-11中任一项所述的方法。

24.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-11中任一项所述的方法。

25.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-11中任一项所述的方法。