CN116521841B - 用于生成回复信息的方法、装置、设备及介质 - Google Patents
用于生成回复信息的方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116521841B CN116521841B CN202310416928.7A CN202310416928A CN116521841B CN 116521841 B CN116521841 B CN 116521841B CN 202310416928 A CN202310416928 A CN 202310416928A CN 116521841 B CN116521841 B CN 116521841B
- Authority
- CN
- China
- Prior art keywords
- information
- dialogue
- reply
- search result
- language model
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000004458 analytical method Methods 0.000 claims abstract description 36
- 230000004044 response Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 7
- 230000004931 aggregating effect Effects 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000003058 natural language processing Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 230000003993 interaction Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 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
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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种用于生成回复信息的方法、装置、设备及介质,涉及人工智能技术领域,尤其涉及深度学习、智能搜索、自然语言处理技术领域。实现方案为:获取用户输入的第一对话信息;基于第一对话信息,获取需求分析信息;响应于第一信息指示需要进行数据搜索,基于第一对话信息搜索得到至少一个第一搜索结果;以及基于第一对话信息以及至少一个第一搜索结果,利用第一语言模型生成用于回复第一对话信息的第一回复信息。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及深度学习、智能搜索、自然语言处理技术领域,具体涉及一种用于生成回复信息的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
人机交互是一种人类用自然语言与机器进行交互的方式。随着人工智能技术的不断发展,已经实现让机器能够听懂人类输出的信息,理解信息中的内在含义,并作出相应的反馈。在这些操作中,语义的准确理解、反馈的迅速程度、以及给予相应的意见或者建议,均成为影响人机交互顺畅的因素。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种用于生成回复信息的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种用于生成回复信息的方法,包括:获取用户输入的第一对话信息;基于第一对话信息,获取需求分析信息,需求分析信息包括第一信息,第一信息用于指示是否需要在生成回复信息前进行数据搜索;响应于第一信息指示需要进行数据搜索,基于第一对话信息搜索得到至少一个第一搜索结果;以及基于第一对话信息以及至少一个第一搜索结果,利用第一语言模型生成用于回复第一对话信息的第一回复信息。
根据本公开的另一方面,提供了一种用于生成回复信息的装置,包括:第一获取单元,被配置为获取用户输入的第一对话信息;第二获取单元,被配置为基于第一对话信息,获取需求分析信息,需求分析信息包括第一信息,第一信息用于指示是否需要在生成回复信息前进行数据搜索;搜索单元,被配置为响应于第一信息指示需要进行数据搜索,基于第一对话信息搜索得到至少一个第一搜索结果;以及生成单元,被配置为基于第一对话信息以及至少一个第一搜索结果,利用第一语言模型生成用于回复第一对话信息的第一回复信息。
根据本公开的另一方面,提供了一种电子设备,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上述用于生成回复信息的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行上述用于生成回复信息的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现上述用于生成回复信息的方法。
根据本公开的一个或多个实施例,能够过滤无需进行数据搜索的对话信息,节省计算资源,提升计算效率。
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
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性***的示意图;
图2示出了根据本公开的实施例的用于生成回复信息的方法的流程图;
图3示出了根据本公开的示例性实施例的人机交互界面示意图;
图4示出了根据本公开的示例性实施例的第一对话信息示意图;
图5示出了根据本公开的示例性实施例的第一对话信息示意图;
图6示出了根据本公开的示例性实施例的人机交互界面示意图;
图7示出了根据本公开的实施例的用于生成回复信息的装置的结构框图;
图8示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
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。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。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个要素与另一要素区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性***100的示意图。参考图1,该***100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行用于生成回复信息的方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的***配置是可能的,其可以与***100不同。因此,图1是用于实施本文所描述的各种方法的***的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来输入第一对话信息。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏***、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作***,例如MICROSOFT Windows、APPLE iOS、类UNIX操作***、Linux或类Linux操作***(例如GOOGLE Chrome OS);或包括各种移动操作***,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏***可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作***的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作***以及任何商业上可用的服务器操作***的一个或多个操作***。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式***的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
***100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件***支持的常规存储库。
图1的***100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
根据本公开的实施例,如图2所示,提供了一种用于生成回复信息的方法,包括:
步骤S201、获取用户输入的第一对话信息;
步骤S202、基于第一对话信息,获取需求分析信息,需求分析信息包括第一信息,第一信息用于指示是否需要在生成回复信息前进行数据搜索;
步骤S203、响应于第一信息指示需要进行数据搜索,基于第一对话信息搜索得到至少一个第一搜索结果;以及
步骤S204、基于第一对话信息以及至少一个第一搜索结果,利用第一语言模型生成用于回复第一对话信息的第一回复信息。
根据本公开的实施例,在获取到用户输入的第一对话信息后,首先对第一对话信息进行需求分析,并仅对需要进行数据搜索的第一对话信息进行数据搜索,并基于搜索结果和对话信息通过第一语言模型生成第一回复信息,从而能够过滤无需进行数据搜索的对话信息,节省计算资源,提升计算效率。
在一些实施例中,第一对话信息可以由用户通过文本、语音等形式进行输入。当通过语音形式输入时,可以通过语音识别技术将语音转换为文本,以获取第一对话信息。
在一些实施例中,获取需求分析信息可以基于一个经过训练的模型实现,在一些实施例中,该模型例如可以为一个分类模型或一个生成式模型。通过将第一对话信息输入该模型中,以获取该模型输出的用于指示是否需要在生成回复信息前进行数据搜索的第一信息。
当第一信息指示需要进行数据搜索,可以基于第一对话信息,通过一个或多个搜索***进行数据搜索,并获取至少一个第一搜索结果。其中,至少一个第一搜索结果例如可以为上述一个或多个搜索***中每个所搜索到的搜索结果中的排名在先的一个或多个搜索结果。
在一些实施例中,可以将第一对话信息以及至少一个第一搜索结果一并输入第一语言模型,以获得第一语言模型生成的用于回复第一对话信息的第一回复信息。
图3示出了根据本公开的示例性实施例的人机交互界面示意图。
如图3所示,当用户应用电子设备输入第一对话信息301后,电子设备可以基于上述用于生成回复信息的方法生成用于回复第一对话信息的第一回复信息302,并将其展示在电子设备的界面中。
在一些实施例中,第一回复信息可以包括针对第一对话信息进行改写所生成的第一对话信息的总结信息,以及对至少一个第一搜索结果中的内容进行融合所生成的针对第一对话信息的答复信息(例如包含用于解答第一对话信息的知识信息)。
在一些实施例中,第一语言模型至少基于预设规模的知识资源和对话数据训练获得。
在一些实施例中,第一语言模型可以为用于对话的知识增强大语言模型(例如ERNIE bot等),第一语言模型通过海量知识资源和对话数据(例如包括超过万亿级别的网页数据、数十亿的搜索数据、数亿级别的图片数据、每天几十亿次的语音请求数据、超过500亿次的文本请求数据以及超过5500亿个事实性知识)训练获得。
由此,应用该类模型作为第一语言模型,除可以直接处理闲聊类的对话信息外,还可以对逻辑推理类、常识类、图像生成类的对话信息进行回复信息的直接生成,能够在生成更加高质量的回复信息的同时,进一步提升生成效率。
在一些实施例中,当第一信息指示需要进行数据搜索时,需求分析信息还包括基于第一对话信息生成的至少一个查询文本,响应于第一信息指示需要进行数据搜索,基于第一对话信息搜索得到至少一个第一搜索结果包括:响应于第一信息指示需要进行数据搜索,基于至少一个查询文本中的每个查询文本,获取该查询文本相应的至少一个第二搜索结果;以及基于至少一个查询文本中每个查询文本相应的至少一个第二搜索结果,获取至少一个第一搜索结果。
由此,在进行需求分析时,当第一信息指示需要进行数据搜索时,同时输出基于第一对话信息进行改写后的至少一个查询文本,以基于各个查询文本进行数据搜索,从而能够实现对第一对话信息的拆解和简化,提升搜索结果获取的准确度。
在一些实施例中,针对第一对话信息的需求分析,可以基于需求分析模型来实现,该需求分析模型可以是一个经过训练的生成式模型。该生成式模型可以对第一对话信息进行需求分析,以针对不同对话信息的需求,生成不同的信息。
在一些示例性实施例中,当用户的第一对话信息为闲聊语句、要求生成图片的问题、逻辑推理问题或仅包含针对常识类信息进行提问的问题等对话信息时,该生成式模型可以输出用于指示无需进行数据搜索的第一信息。当用户的第一对话信息为用于提问专业性知识、实时信息(例如天气预报等)等的问题时,则该生成式模型可以直接输出用于指示需要进行数据搜索的第一信息以及基于对第一对话信息的理解而生成的至少一个查询文本。
由此,能够通过生成式模型对第一对话信息进行理解并改写为至少一个查询文本吗,从而在对话式搜索的场景中,避免用户输出的第一对话信息过于复杂或口语化而导致的无法直接作为搜索***的搜索请求文本,进而无法准确召回搜索结果的问题。
在一些示例性实施例中,用户所输入的第一对话信息例如可以为“关羽和秦琼决斗谁会赢?”,上述生成式模型经过需求分析后,即可输出“该对话信息需要进行数据检索”的第一信息以及“关羽的武功和战力”、“秦琼的武功和战力”这两个查询文本。
在一些实施例中,上述用于进行需求分析的生成式模型,可以基于预先准备的样本数据集训练获得,其中,样本数据集中包括多个样本对话信息以及每个样本对话信息的样本标签,其中,样本标签可以包括第一样本标签和第二样本标签,第一样本标签为用于表示该样本对话信息无需进行数据搜索的标签,第二样本标签包括用于表示该样本对话信息需要进行数据搜索的标签以及至少一个预设查询文本。
在一些实施例中,可以基于每个查询文本进行数据搜索,以获取到针对每个查询文本召回的至少一个第二搜索结果,所有第二搜索结果即可构成至少一个第一搜索结果。
在一些实施例中,基于第一对话信息以及至少一个第一搜索结果,利用第一语言模型生成用于回复第一对话信息的第一回复信息包括:获取至少一个第一搜索结果中每个第一搜索结果的得分,得分用于评价相应的第一搜索结果的内容质量、时效性、权威性以及与相应查询文本的相关性中的至少一者;以及响应于在至少一个第一搜索结果中获取到符合第一预设条件的至少一个第三搜索结果,将第一对话信息以及至少一个第三搜索结果输入第一语言模型,以获得第一语言模型生成的第一回复信息,其中,第一预设条件指示得分大于预设阈值。
在一些实施例中,在召回每个第一搜索结果时,可以同时获取搜索***针对每个第一搜索结果的评分,该评分可以用于评价该第一搜索结果的内容质量、时效性、权威性以及与相应查询文本的相关性中的至少一个维度。
通过每个第一搜索结果的得分,对第一搜索结果进行过滤,从而滤除得分过低的第一搜索结果。响应于在过滤之后仍有符合第一预设条件的搜索结果,将这些搜索结果(即第三搜索结果)及第一对话信息输入第一语言模型,以获得第一回复信息。
由此,通过对搜索结果进行进一步筛选,能够提升搜索结果的质量,进而提升生成的第一回复信息的质量。
在一些实施例中,将第一对话信息以及至少一个第三搜索结果输入第一语言模型,以获得第一语言模型生成的第一回复信息包括:将第一对话信息、至少一个第三搜索结果以及至少一个预设指令输入第一语言模型,以获得第一语言模型生成的第一回复信息,其中,至少一个预设指令用于引导第一回复信息的生成过程,以使第一回复信息生成为特定形式的信息。
在一些实施例中,可以在应用第一语言模型进行第一回复信息生成时,将一个或多个预设指令同时输入第一语言模型,以通过预设指令引导第一语言模型进行搜索结果的整理以及针对第一对话信息的回复。
在一些实施例中,预设指令例如可以是用于引导第一回复信息生成过程,以使第一回复信息生成为特定形式(例如生成为列表、表格形式)的指令。
由此,当获取到符合预设条件的第三搜索结果时,可以在回复信息的生成过程中,进一步引入至少一个预设指令(prompt),以引导模型基于对话信息和搜索结果生成更加符合用户预期的回复信息,提升回复信息的生成质量,提升用户体验。
在一些实施例中,至少一个第三搜索结果中的每个第三搜索结果包括搜索结果标识,至少一个预设指令包括第一预设指令,第一预设指令用于引导第一回复信息的生成过程,以使第一回复信息中的至少一个引用信息中的每个引用信息处被标注相应的搜索结果标识,至少一个引用信息中的每个引用信息来源于至少一个第三搜索结果中的任一第三搜索结果。
在一些实施例中,至少一个预设指令包括第一预设指令,可以用于使第一语言模型在生成回复信息时,将引用于搜索结果的引用信息标注出来,并在生成的回复信息中显示其引用来源(搜索结果标识)。例如,每个第一搜索结果均对应一个搜索结果标识(例如搜索结果序号),第一预设指令可以为“请使用引用标记来标注答案中引用的搜索结果,例如[1](单个引用来源)、[1][2][3](多个引用来源),其中方括号中的数字是搜索结果序号。”
图4示出了根据本公开的示例性实施例的第一对话信息示意图。
如图4所示,第一语言模型通过对第一预设指令的理解,在生成针对第一对话信息生成的第一回复信息的同时,将第一回复信息中的引用信息401通过搜索结果标识402标注出来。
由此,通过将第一预设指令与第一对话信息、至少一个第三搜索结果一并输入第一语言模型,能够使得回复信息更加符合用户预期,提升回复信息的生成质量,提升用户体验。
在一些实施例中,每个搜索结果标识还可以链接其相应的第三搜索结果的网页链接或图书文本,从而使用户在点击该标识时,能够对该引用信息进行溯源,使得用户能够通过简单的交互操作获取更加丰富的信息,进一步提升用户体验。
在一些实施例中,至少一个预设指令还包括第二预设指令,第二预设指令用于引导第一回复信息的生成过程,以使第一回复信息以结构化的形式展示。
在一些实施例中,至少一个预设指令可以包括第二预设指令,可以用于使第一语言模型生成的回复信息以更加结构化的形式(例如列表、表格形式等)展示。例如,第二预设指令可以为“请尽量使用换行、列表等格式来组织答案,以使回答易于阅读和理解。”
图5示出了根据本公开的示例性实施例的第一对话信息示意图。
如图5所示,第一语言模型通过对第二预设指令的理解,在生成针对第一对话信息生成的第一回复信息的同时,将搜索结果整理为一个表格信息501。
由此,通过将第一预设指令与第一对话信息、至少一个第三搜索结果一并输入第一语言模型,能够使得回复信息更加符合用户预期,提升回复信息的生成质量,使回复信息更加便于理解和阅读,提升用户体验。
在一些实施例中,至少一个预设指令还可以包括其他用于辅助第一语言模型生成第一回复信息的预设指令。例如,用于辅助第一语言模型生成第一回复信息的预设指令可以包括“请尽量避免生成与问题无关、前后矛盾或者语义重复的回答内容”、“请综合参考与问题相关的搜索结果并结合自己的知识清晰、流畅、详细地回答问题‘第一对话信息’”等。由此,通过应用上述辅助型预设指令,能够进一步提升第一回复信息的质量,进而提升用户体验。
在一些实施例中,上述的多个预设指令可以同时输入第一语言模型,从而使得第一语音模型基于对每个预设指令的理解,生成一个综合质量更优的第一回复信息,提升用户体验。
在一些实施例中,响应于至少一个第三搜索结果中包括特型卡片,第一回复信息包括特型卡片,特型卡片中包括预设格式的预设信息。
由此,当搜索结果中包含特型卡片时,在基于第一语言模型生成回复信息的同时,可以直接将特型卡片与回复信息同时反馈给用户,从而能够使得回复信息更加符合用户预期,提升回复信息的生成质量,提升用户体验。
在一些实施例中,特型卡片可以为搜索结果中的一种,特型卡片中可以包括以预设格式排布的预设信息。
在一些实施例中,当搜索结果包含预设卡片时,可以将第一对话信息和搜索结果(包括特型卡片)输入第一语言模型,以生成更加准确的回复信息;同时,在展示回复信息的同时,可以将该特型卡片同时展示在回复信息中,从而进一步优化回复信息的质量。
在一些实施例中,当搜索结果包含预设卡片时,也可以仅将第一对话信息输入第一语言模型,生成用于对第一对话信息进行概括总结的总结信息(例如用户的第一对话信息为“今日的天气如何”,生成的总结信息可以为“今日的天气预报如下”),并将特型卡片直接展示在该总结信息的下方,从而进一步节省计算资源,在保证回复信息的准确率的同时,提升回复效率。
在一些实施例中,至少一个第三搜索结果的数量为多个,将第一对话信息以及至少一个第三搜索结果输入第一语言模型,以获得第一语言模型生成的第一回复信息包括:对至少一个第三搜索结果进行聚合,以获得至少一个搜索结果集合,其中,至少一个搜索结果集合中的每个搜索结果集合中的搜索结果包含相同的主题;以及针对至少一个搜索结果集合中的每个搜索结果集合,将第一对话信息以及该搜索结果集合中的每个搜索结果输入第一语言模型,获得第一语言模型生成的该搜索结果集合对应的第二回复信息,以基于至少一个搜索结果集合相应的至少一个第二回复信息获得第一回复信息。
在一些实施例中,当第三搜索结果的数量为多个时,可以首先对多个第三搜索结果进行聚合。
在一些实施例中,可以提取每个第三搜索结果中的主题内容(例如标题信息),并根据主题内容之间的语义相似度进行聚类,从而获得至少一个搜索结果集合。
由此,通过在进行回复信息生成之前,首先进行搜索结果聚合,将相同主题的搜索结果聚合在一起,并分别针对每一主题生成相应的第二回复信息,以基于每个第二回复信息获得第一回复信息,能够在提升生成效率的同时,提升回复信息的生成质量,提升用户体验。
在一些实施例中,可以在对第一对话信息进行需求分析时,确定该对话信息是需要输出多个观点的对话信息(例如“A国有哪些好玩的地方”)。
在一些实施例中,当上述用于需求分析的模型将该对话信息标注为需要输出多个观点的对话信息类型时,则可以首先通过数据搜索,获取到多于一定数量的搜索结果,对搜索结果进行聚合,以获得至少一个搜索结果集合,并对每个集合中的搜索结果数量进行统计。
在生成第一回复信息时,可以基于该对话信息类型匹配一个特定的预设指令,以引导第一语言模型对输入的多个搜索结果进行相同主题的搜索结果的信息总结,并生成每个主题对应的第二回复信息,同时,对每个第二回复信息标注其出处信息以及搜索结果数量。用户可以在点击该出处信息,能够进行信息溯源,使得用户能够通过简单的交互操作获取更加丰富的信息,进一步提升用户体验。
在一些实施例中,基于第一对话信息以及至少一个第一搜索结果,利用第一语言模型生成用于回复第一对话信息的第一回复信息还包括:响应于未在至少一个第一搜索结果中获取到符合第一预设条件的任一第三搜索结果,将第一对话信息输入第一语言模型,以获得第一语言模型生成的第一回复信息。
由此,在搜索结果均不理想的情况下(即,所有第一搜索结果均不符合第一预设条件时),不对搜索结果进行参考,直接基于第一对话信息生成回复信息,从而保证回复信息生成质量。
在一些实施例中,上述用于生成回复信息的方法还包括:响应于第一信息指示不需要在生成回复信息前进行数据搜索,将第一对话信息输入第一语言模型,以获得第一语言模型生成的用于回复第一对话信息的第三回复信息。
在一些实施例中,当需求分析模型判断当前第一对话信息无需进行数据搜索时(例如为闲聊语句、要求生成图片的问题、逻辑推理问题或仅包含针对常识类信息进行提问的问题时),则可直接基于第一对话信息生成回复信息,从而节省计算资源,提升计算效率。
在一些实施例中,第一语言模型可以为用于对话的知识增强大语言模型(例如ERNIE bot等),第一语言模型通过海量知识资源和对话数据训练获得。应用该类模型作为第一语言模型,除可以直接处理闲聊类的对话信息外,还可以对逻辑推理类、常识类、图像生成类的对话信息进行回复信息的直接生成,能够在生成更加高质量的回复信息的同时,进一步提升生成效率。
在一些实施例中,将第一对话信息输入第一语言模型,以获得第一语言模型生成的用于回复第一对话信息的第三回复信息包括:响应于第一对话信息中包含网页地址,获取网页地址相应的页面内容;以及将第一对话信息和页面内容输入第一语言模型,以获得第一语言模型生成的第三回复信息,其中,第三回复信息中包括用于总结页面内容的第四回复信息。
由此,当对话信息中包含网页地址时,可以进一步获取该网页中的页面内容,从而在回复信息中增加对该网页地址的总结,能够使得回复信息更加符合用户预期,提升回复信息的生成质量,提升用户体验。
在一些实施例中,当需求分析模型判断当前第一对话信息无需进行数据搜索时,可以进一步检测第一对话信息中是否包含网页地址,例如统一资源定位信息(URL信息)、网页链接等。
当检测到第一对话信息包含网页地址时,则可以首先获取该网页地址对应网页的网页内容,并将第一对话信息和该网页内容同时输入第一语言模型,以输出包含总结页面内容的第四回复信息的第三回复信息。
在一些实施例中,上述检测也可以基于上述用于需求分析模型来实现,需求分析模型通过对上述第一对话信息进行分析,从而获得该第一对话信息的第一信息(无需进行数据搜索)以及其细分类别(包含网页地址的对话信息)。随后可以在获取该网页地址对应网页的网页内容的同时,进一步匹配一个特定的预设指令(例如用于指示第一语言模型对网页内容进行概括总结的预设指令),并将第一对话信息、网页内容以及该特定的预设指令一并输入第一语言模型,从而进一步提升回复信息的生成质量,提升用户体验。
在一些实施例中,上述用于生成回复信息的方法还包括:响应于用户在输入第一对话信息前的预设时段内已进行至少一轮对话,获取用户针对至少一轮对话中的第一对话的反馈信息,反馈信息用于指示用户针对第一对话中生成的回复信息的满意度;并且,基于第一对话信息以及至少一个第一搜索结果,利用第一语言模型生成用于回复第一对话信息的第一回复信息包括:将第一对话信息、反馈信息以及至少一个第一搜索结果输入第一语言模型,以获得第一语言模型生成的第一回复信息。
由此,在生成回复信息时,还可以进一步引入用户针对历史对话中的回复信息的反馈,以引导本轮对话中的回复信息的生成,以使回复信息更加符合用户预期,提升回复信息的生成质量,提升用户体验。
在一些实施例中,当用户在输入第一对话信息之前已进行过至少一轮对话,并且该用户已对前至少一轮对话中的一轮或多轮对话中的回复信息进行了评价(反馈信息),则可以将上述反馈信息中的一条或多条连同第一对话信息、至少一个第一搜索结果一并输入第一语言模型,以获得第一语言模型生成的第一回复信息。
在一些实施例中,第一对话可以为第一对话信息输入前的上一轮对话,当用户对上一轮对话进行评价后,可以基于该反馈信息匹配一个特定的预设指令(例如,当反馈信息为“不满意”时,该预设指令用于指示不要生成形式和/或内容与上轮回复信息相似的回复信息;当反馈信息为“满意”时,该预设指令用于指示优选生成形式和/或内容与上轮回复信息相似的回复信息),并将该预设指令连同第一对话信息、至少一个第一搜索结果一并输入第一语言模型,以获得第一语言模型生成的第一回复信息。
在一些实施例中,当第一对话包含多轮对话,并且用户针对每轮对话的回复信息均进行反馈时,则可以统计反馈信息中正向信息和负向信息的数量,同时匹配一个特定的预设指令(例如,基于反馈信息分析用户对于回复信息的偏好),并将正向信息和负向信息及其各自的数量以及该预设指令连同第一对话信息、至少一个第一搜索结果一并输入第一语言模型,以获得第一语言模型生成的第一回复信息。由此,能够进一步提升回复信息的生成质量,使回复信息更加符合用户预期,提升用户体验。
在一些实施例中,上述用于生成回复信息的方法还包括:基于第一对话信息和第一回复信息,预测得到第一回复信息中的第二信息,以在展示第一回复信息时对第二信息进行突出展示。
如图4所示,在对第一回复信息进行展示前,可以首先将第一对话信息和生成的第一回复信息同时输入经过训练的阅读理解模型,并通过该阅读理解模型对第一回复信息中的第二信息(例如重点信息)进行标注,并在展示第一回复信息时,对第二信息403进行突出展示(例如放大展示或高亮展示)。
由此,通过对第一对话信息和第一回复信息的分析理解,预测(例如可以应用经过训练的阅读理解模型)得到第一回复信息中的第二信息(例如重点信息),并对回复信息中的重点进行突出展示。从而能够使得回复信息更加符合用户预期,提升回复信息的生成质量,使回复信息更加便于理解和阅读,提升用户体验。
在一些实施例中,上述用于生成回复信息的方法还包括:基于第一对话信息和第一回复信息,预测得到至少一个推荐问题,以引导用户进行追问。
在一些实施例中,在回复信息生成后,可以进一步将本轮对话信息和回复信息输入到一个经过训练的生成模型中,通过分析生成一个或多个用于引导用户进行追问的推荐问题。
图6示出了根据本公开的示例性实施例的人机交互界面示意图。
如图6所示,当展示第一回复信息601的同时,还可以在第一回复信息601下方的预设区域(例如在对话信息输入框中或对话信息输入框上方)展示一个或多个推荐问题602。
由此,在回复信息生成后,可以进一步基于本轮对话信息和回复信息进行预测,以获得至少一个推荐问题,从而能够引导用户进行追问,提升用户体验。
在一些实施例中,基于第一对话信息和第一回复信息,预测得到至少一个推荐问题包括:响应于用户在输入第一对话信息前的预设时段内已进行至少一轮对话,基于第一对话信息、第一回复信息以及至少一轮对话中每轮对话中的问答信息,预测得到至少一个推荐问题,其中,问答信息包括相应对话中用户输入的第二对话信息以及针对第二对话信息生成的回复信息。
在一些实施例中,当用户在输入第一对话信息前的预设时段内已进行至少一轮对话时,可以将第一对话信息输入前的一轮或多轮对话信息连同第一对话信息、第一回复信息同时输入上述生成模型中,从而通过将历史多轮对话中的问答信息引入推荐问题的生成过程中,从而使得推荐问题更加准确。
在一些实施例中,如图7所示,提供了一种用于生成回复信息的装置700,包括:
第一获取单元710,被配置为获取用户输入的第一对话信息;
第二获取单元720,被配置为基于第一对话信息,获取需求分析信息,需求分析信息包括第一信息,第一信息用于指示是否需要在生成回复信息前进行数据搜索;
搜索单元730,被配置为响应于第一信息指示需要进行数据搜索,基于第一对话信息搜索得到至少一个第一搜索结果;以及
生成单元740,被配置为基于第一对话信息以及至少一个第一搜索结果,利用第一语言模型生成用于回复第一对话信息的第一回复信息。
根据本公开的实施例,在获取到用户输入的第一对话信息后,首先对第一对话信息进行需求分析,并仅对需要进行数据搜索的第一对话信息进行数据搜索,并基于搜索结果和对话信息通过第一语言模型生成第一回复信息,从而能够过滤无需进行数据搜索的对话信息,节省计算资源,提升计算效率。
其中,用于生成回复信息的装置700的上述各单元710~740的操作分别与前面描述的步骤S201~S204的操作类似,在此不再赘述。
根据本公开的实施例,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。
参考图8,现将描述可以作为本公开的服务器或客户端的电子设备800的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,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8所示,电子设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
电子设备800中的多个部件连接至I/O接口805,包括:输入单元806、输出单元807、存储单元808以及通信单元809。输入单元806可以是能向电子设备800输入信息的任何类型的设备,输入单元806可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元807可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元808可以包括但不限于磁盘、光盘。通信单元809允许电子设备800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,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元801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801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801执行上文所描述的各个方法和处理,例如上述用于生成回复信息的方法。例如,在一些实施例中,上述用于生成回复信息的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808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的上述用于生成回复信息的方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行上述用于生成回复信息的方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、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***的***(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***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***、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***、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***、装置或设备使用或与指令执行***、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***、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***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***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(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***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***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***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***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***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、也可以顺序地或以不同的次序执行,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。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、***和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (18)
1.一种用于生成回复信息的方法,所述方法包括:
获取用户输入的第一对话信息;
基于所述第一对话信息,获取需求分析信息,包括:
将所述第一对话信息输入用于需求分析的生成式模型,以获得所述生成式模型输出的所述需求分析信息,其中,所述需求分析信息包括第一信息,所述第一信息用于指示是否需要在生成回复信息前进行数据搜索,并且当所述第一信息指示需要进行数据搜索时,所述需求分析信息还包括基于所述第一对话信息生成的至少一个查询文本,所述至少一个查询文本基于所述生成式模型对所述第一对话信息拆解和简化得到,并且其中,所述生成式模型基于样本数据集训练获得,所述样本数据集中包括多个样本对话信息以及每个样本对话信息对应的样本标签,所述样本标签包括第一样本标签和第二样本标签,第一样本标签用于表示相应样本对话信息无需进行数据搜索,所述第二样本标签包括用于表示相应样本对话信息需要进行数据搜索的标签以及与相应样本对话信息对应的至少一个预设查询文本;
响应于所述第一信息指示需要进行数据搜索,基于所述第一对话信息搜索得到至少一个第一搜索结果,包括:
响应于所述第一信息指示需要进行数据搜索,基于所述至少一个查询文本中的每个查询文本,获取该查询文本相应的至少一个第二搜索结果;以及
基于所述至少一个查询文本中每个查询文本相应的至少一个第二搜索结果,获取所述至少一个第一搜索结果;以及
基于所述第一对话信息以及所述至少一个第一搜索结果,利用第一语言模型生成用于回复所述第一对话信息的第一回复信息。
2.根据权利要求1所述的方法,其中,所述基于所述第一对话信息以及所述至少一个第一搜索结果,利用第一语言模型生成用于回复所述第一对话信息的第一回复信息包括:
获取所述至少一个第一搜索结果中每个第一搜索结果的得分,所述得分用于评价相应的第一搜索结果的内容质量、时效性、权威性以及与相应查询文本的相关性中的至少一者;以及
响应于在所述至少一个第一搜索结果中获取到符合第一预设条件的至少一个第三搜索结果,将所述第一对话信息以及所述至少一个第三搜索结果输入所述第一语言模型,以获得所述第一语言模型生成的所述第一回复信息,其中,所述第一预设条件指示所述得分大于预设阈值。
3.根据权利要求2所述的方法,其中,所述将所述第一对话信息以及所述至少一个第三搜索结果输入所述第一语言模型,以获得所述第一语言模型生成的所述第一回复信息包括:
将所述第一对话信息、所述至少一个第三搜索结果以及至少一个预设指令输入所述第一语言模型,以获得所述第一语言模型生成的所述第一回复信息,其中,所述至少一个预设指令用于引导所述第一回复信息的生成过程,以使所述第一回复信息生成为特定形式的信息。
4.根据权利要求3所述的方法,其中,所述至少一个第三搜索结果中的每个第三搜索结果包括搜索结果标识,所述至少一个预设指令包括第一预设指令,所述第一预设指令用于引导所述第一回复信息的生成过程,以使所述第一回复信息中的至少一个引用信息中的每个引用信息处被标注相应的搜索结果标识,所述至少一个引用信息中的每个引用信息来源于所述至少一个第三搜索结果中的任一第三搜索结果。
5.根据权利要求3或4所述的方法,其中,所述至少一个预设指令还包括第二预设指令,所述第二预设指令用于引导所述第一回复信息的生成过程,以使所述第一回复信息以结构化的形式展示。
6.根据权利要求3或4所述的方法,其中,响应于所述至少一个第三搜索结果中包括特型卡片,所述第一回复信息包括所述特型卡片,所述特型卡片中包括预设格式的预设信息。
7.根据权利要求2至4中任一项所述的方法,其中,所述至少一个第三搜索结果的数量为多个,所述将所述第一对话信息以及所述至少一个第三搜索结果输入所述第一语言模型,以获得所述第一语言模型生成的所述第一回复信息包括:
对所述至少一个第三搜索结果进行聚合,以获得至少一个搜索结果集合,其中,所述至少一个搜索结果集合中的每个搜索结果集合中的搜索结果包含相同的主题;以及
针对所述至少一个搜索结果集合中的每个搜索结果集合,将所述第一对话信息以及该搜索结果集合中的每个搜索结果输入所述第一语言模型,获得所述第一语言模型生成的该搜索结果集合对应的第二回复信息,以基于所述至少一个搜索结果集合相应的至少一个第二回复信息获得所述第一回复信息。
8.根据权利要求2所述的方法,其中,所述基于所述第一对话信息以及所述至少一个第一搜索结果,利用第一语言模型生成用于回复所述第一对话信息的第一回复信息还包括:
响应于未在所述至少一个第一搜索结果中获取到符合所述第一预设条件的任一第三搜索结果,将所述第一对话信息输入第一语言模型,以获得所述第一语言模型生成的所述第一回复信息。
9.根据权利要求1所述的方法,还包括:
响应于所述第一信息指示不需要在生成回复信息前进行数据搜索,将所述第一对话信息输入所述第一语言模型,以获得所述第一语言模型生成的用于回复所述第一对话信息的第三回复信息。
10.根据权利要求9所述的方法,所述将所述第一对话信息输入所述第一语言模型,以获得所述第一语言模型生成的用于回复所述第一对话信息的第三回复信息包括:
响应于所述第一对话信息中包含网页地址,获取所述网页地址相应的页面内容;以及
将所述第一对话信息和所述页面内容输入所述第一语言模型,以获得所述第一语言模型生成的所述第三回复信息,其中,所述第三回复信息中包括用于总结所述页面内容的第四回复信息。
11.根据权利要求1至4中任一项所述的方法,还包括:
响应于所述用户在输入所述第一对话信息前的预设时段内已进行至少一轮对话,获取所述用户针对所述至少一轮对话中的第一对话的反馈信息,所述反馈信息用于指示所述用户针对所述第一对话中生成的回复信息的满意度;并且,
所述基于所述第一对话信息以及所述至少一个第一搜索结果,利用第一语言模型生成用于回复所述第一对话信息的第一回复信息包括:
将所述第一对话信息、所述反馈信息以及所述至少一个第一搜索结果输入所述第一语言模型,以获得所述第一语言模型生成的所述第一回复信息。
12.根据权利要求1至4中任一项所述的方法,还包括:
基于所述第一对话信息和所述第一回复信息,预测得到所述第一回复信息中的第二信息,以在展示所述第一回复信息时对所述第二信息进行突出展示。
13.根据权利要求1至4中任一项所述的方法,还包括:
基于所述第一对话信息和所述第一回复信息,预测得到至少一个推荐问题,以引导所述用户进行追问。
14.根据权利要求13所述的方法,其中,所述基于所述第一对话信息和所述第一回复信息,预测得到至少一个推荐问题包括:
响应于所述用户在输入所述第一对话信息前的预设时段内已进行至少一轮对话,基于所述第一对话信息、所述第一回复信息以及所述至少一轮对话中每轮对话中的问答信息,预测得到所述至少一个推荐问题,其中,所述问答信息包括相应对话中所述用户输入的第二对话信息以及针对所述第二对话信息生成的回复信息。
15.根据权利要求1至4中任一项所述的方法,其中,所述第一语言模型至少基于预设规模的知识资源和对话数据训练获得。
16.一种用于生成回复信息的装置,所述装置包括:
第一获取单元,被配置为获取用户输入的第一对话信息;
第二获取单元,被配置为基于所述第一对话信息,获取需求分析信息,包括:
将所述第一对话信息输入用于需求分析的生成式模型,以获得所述生成式模型输出的所述需求分析信息,其中,所述需求分析信息包括第一信息,所述第一信息用于指示是否需要在生成回复信息前进行数据搜索,并且当所述第一信息指示需要进行数据搜索时,所述需求分析信息还包括基于所述第一对话信息生成的至少一个查询文本,所述至少一个查询文本基于所述生成式模型对所述第一对话信息拆解和简化得到,并且其中,所述生成式模型基于样本数据集训练获得,所述样本数据集中包括多个样本对话信息以及每个样本对话信息对应的样本标签,所述样本标签包括第一样本标签和第二样本标签,第一样本标签用于表示相应样本对话信息无需进行数据搜索,所述第二样本标签包括用于表示相应样本对话信息需要进行数据搜索的标签以及与相应样本对话信息对应的至少一个预设查询文本;
搜索单元,被配置为响应于所述第一信息指示需要进行数据搜索,基于所述第一对话信息搜索得到至少一个第一搜索结果,包括:
响应于所述第一信息指示需要进行数据搜索,基于所述至少一个查询文本中的每个查询文本,获取该查询文本相应的至少一个第二搜索结果;以及
基于所述至少一个查询文本中每个查询文本相应的至少一个第二搜索结果,获取所述至少一个第一搜索结果;以及
生成单元,被配置为基于所述第一对话信息以及所述至少一个第一搜索结果,利用第一语言模型生成用于回复所述第一对话信息的第一回复信息。
17.一种电子设备,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1-15中任一项所述的方法。
18.一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1-15中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310416928.7A CN116521841B (zh) | 2023-04-18 | 2023-04-18 | 用于生成回复信息的方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310416928.7A CN116521841B (zh) | 2023-04-18 | 2023-04-18 | 用于生成回复信息的方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116521841A CN116521841A (zh) | 2023-08-01 |
CN116521841B true CN116521841B (zh) | 2024-05-14 |
Family
ID=87393344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310416928.7A Active CN116521841B (zh) | 2023-04-18 | 2023-04-18 | 用于生成回复信息的方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116521841B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116737910B (zh) * | 2023-08-10 | 2024-03-29 | 腾讯科技(深圳)有限公司 | 智能对话处理方法、装置、设备及存储介质 |
CN116821307B (zh) * | 2023-08-21 | 2023-11-28 | 腾讯科技(深圳)有限公司 | 内容交互方法、装置、电子设备和存储介质 |
CN117033030A (zh) * | 2023-08-25 | 2023-11-10 | 玻尔科技成都有限公司 | 基于大规模语言模型的应用程序接口调度***及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7519529B1 (en) * | 2001-06-29 | 2009-04-14 | Microsoft Corporation | System and methods for inferring informational goals and preferred level of detail of results in response to questions posed to an automated information-retrieval or question-answering service |
JP2013206177A (ja) * | 2012-03-28 | 2013-10-07 | Fujitsu Ltd | 質問回答検索システム、質問回答検索方法及びプログラム |
WO2017041372A1 (zh) * | 2015-09-07 | 2017-03-16 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和*** |
CN107992554A (zh) * | 2017-11-28 | 2018-05-04 | 北京百度网讯科技有限公司 | 提供问答信息的聚合结果的搜索方法和装置 |
CN110096516A (zh) * | 2019-03-25 | 2019-08-06 | 北京邮电大学 | 自定义的数据库交互的对话生成方法及*** |
CN110196927A (zh) * | 2019-05-09 | 2019-09-03 | 大众问问(北京)信息科技有限公司 | 一种多轮人机对话方法、装置及设备 |
CN111368538A (zh) * | 2020-02-29 | 2020-07-03 | 平安科技(深圳)有限公司 | 语音交互方法、***、终端及计算机可读存储介质 |
CN113886543A (zh) * | 2021-09-29 | 2022-01-04 | 北京百度网讯科技有限公司 | 生成意图识别模型的方法、装置、介质及程序产品 |
CN115455161A (zh) * | 2022-09-02 | 2022-12-09 | 北京百度网讯科技有限公司 | 对话处理方法、装置、电子设备及存储介质 |
CN115481227A (zh) * | 2022-09-20 | 2022-12-16 | 北京百度网讯科技有限公司 | 人机交互对话方法、装置以及设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339551B (zh) * | 2007-07-05 | 2013-01-30 | 日电(中国)有限公司 | 自然语言查询需求扩展设备及其方法 |
CN112507099B (zh) * | 2020-12-18 | 2021-12-24 | 北京百度网讯科技有限公司 | 对话理解模型的训练方法、装置、设备和存储介质 |
-
2023
- 2023-04-18 CN CN202310416928.7A patent/CN116521841B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7519529B1 (en) * | 2001-06-29 | 2009-04-14 | Microsoft Corporation | System and methods for inferring informational goals and preferred level of detail of results in response to questions posed to an automated information-retrieval or question-answering service |
JP2013206177A (ja) * | 2012-03-28 | 2013-10-07 | Fujitsu Ltd | 質問回答検索システム、質問回答検索方法及びプログラム |
WO2017041372A1 (zh) * | 2015-09-07 | 2017-03-16 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和*** |
CN107992554A (zh) * | 2017-11-28 | 2018-05-04 | 北京百度网讯科技有限公司 | 提供问答信息的聚合结果的搜索方法和装置 |
CN110096516A (zh) * | 2019-03-25 | 2019-08-06 | 北京邮电大学 | 自定义的数据库交互的对话生成方法及*** |
CN110196927A (zh) * | 2019-05-09 | 2019-09-03 | 大众问问(北京)信息科技有限公司 | 一种多轮人机对话方法、装置及设备 |
CN111368538A (zh) * | 2020-02-29 | 2020-07-03 | 平安科技(深圳)有限公司 | 语音交互方法、***、终端及计算机可读存储介质 |
CN113886543A (zh) * | 2021-09-29 | 2022-01-04 | 北京百度网讯科技有限公司 | 生成意图识别模型的方法、装置、介质及程序产品 |
CN115455161A (zh) * | 2022-09-02 | 2022-12-09 | 北京百度网讯科技有限公司 | 对话处理方法、装置、电子设备及存储介质 |
CN115481227A (zh) * | 2022-09-20 | 2022-12-16 | 北京百度网讯科技有限公司 | 人机交互对话方法、装置以及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116521841A (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7127106B2 (ja) | 質問応答処理、言語モデルの訓練方法、装置、機器および記憶媒体 | |
CN116521841B (zh) | 用于生成回复信息的方法、装置、设备及介质 | |
US12010268B2 (en) | Partial automation of text chat conversations | |
CN116501960B (zh) | 内容检索方法、装置、设备及介质 | |
CN116303962B (zh) | 对话生成方法、深度学习模型的训练方法、装置和设备 | |
CN114595686B (zh) | 知识抽取方法、知识抽取模型的训练方法及装置 | |
US20230283582A1 (en) | Topic overlap detection in messaging systems | |
CN114625855A (zh) | 用于生成对话信息的方法及装置、设备和介质 | |
US20240104154A1 (en) | Ranking of recall data | |
WO2022018676A1 (en) | Natural language enrichment using action explanations | |
CN114443989B (zh) | 排序方法、排序模型的训练方法、装置、电子设备及介质 | |
CN116541536B (zh) | 知识增强的内容生成***、数据生成方法、设备和介质 | |
CN115879469B (zh) | 文本数据处理方法、模型训练方法、装置及介质 | |
CN114490986B (zh) | 计算机实施的数据挖掘方法、装置、电子设备及存储介质 | |
CN114547270B (zh) | 文本处理方法、文本处理模型的训练方法、装置和设备 | |
CN116361547A (zh) | 信息显示方法、装置、设备和介质 | |
CN113590782B (zh) | 推理模型的训练方法、推理方法及装置 | |
CN114238745A (zh) | 一种提供搜索结果的方法及装置、电子设备和介质 | |
CN116450917B (zh) | 信息搜索方法及装置、电子设备和介质 | |
CN116841506B (zh) | 程序代码生成方法及装置、模型训练方法及装置 | |
CN115862031B (zh) | 文本处理方法、神经网络的训练方法、装置和设备 | |
CN114861658B (zh) | 地址信息解析方法及装置、设备和介质 | |
US20230044508A1 (en) | Data labeling processing | |
CN115809364B (zh) | 对象推荐方法和模型训练方法 | |
CN116842156B (zh) | 数据生成方法及装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |