CN116913274A - 基于生成式大模型的场景生成方法、装置和存储介质 - Google Patents
基于生成式大模型的场景生成方法、装置和存储介质 Download PDFInfo
- Publication number
- CN116913274A CN116913274A CN202310800447.6A CN202310800447A CN116913274A CN 116913274 A CN116913274 A CN 116913274A CN 202310800447 A CN202310800447 A CN 202310800447A CN 116913274 A CN116913274 A CN 116913274A
- Authority
- CN
- China
- Prior art keywords
- scene
- instruction
- interaction
- control
- generation
- 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 57
- 230000003993 interaction Effects 0.000 claims abstract description 196
- 238000006243 chemical reaction Methods 0.000 claims description 29
- 230000002452 interceptive effect Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 11
- 238000003058 natural language processing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/04—Training, enrolment or model building
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Stored Programmes (AREA)
Abstract
本申请公开了一种基于生成式大模型的场景生成方法、装置和存储介质,涉及智慧家庭技术领域,该基于生成式大模型的场景生成方法包括:对目标对象的交互数据进行识别,得到识别结果,其中,识别结果至少包括用于对智能设备进行控制的控制指令;将控制指令和场景分类模板输入生成式大模型,获得生成式大模型输出的目标交互场景的场景类型,其中,场景分类模板中至少包括历史交互场景的场景类型和控制指令的指令格式之间的对应关系;将已经建立的场景类型对应的场景生成模板和控制指令输入生成式大模型,根据生成式大模型输出的场景脚本生成目标交互场景。
Description
技术领域
本申请涉及智慧家庭技术领域,具体而言,涉及一种基于生成式大模型的场景生成方法、装置和存储介质。
背景技术
目前,现有的语音交互式场景创建技术主要依赖于规则引擎和自然语言处理技术,不过规则引擎和自然语言处理技术都具有局限性。规则引擎所使用的规则一般是人工手动编写的,且格式固定,这种使用规则引擎对固定格式的规则进行解析从而创建场景的方法,对于随着场景数量的增加而越来越庞大的规则数量,具有很大的维护难度。而自然语言处理技术在面对用户对复杂场景的描述时,并不能准确理解用户的意图,在语义理解方面还存在很大的不足,因此创建的场景往往无法满足用户需求。
相关技术中,存在如何基于生成式大模型生成交互场景的技术问题。
针对相关技术中,如何基于生成式大模型生成交互场景的技术问题,尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种基于生成式大模型的场景生成方法、装置和存储介质,以至少解决相关技术中,如何基于生成式大模型生成交互场景的技术问题。
根据本申请实施例的一个实施例,提供了一种基于生成式大模型的场景生成方法,包括:对目标对象的交互数据进行识别,得到识别结果,其中,所述识别结果至少包括用于对智能设备进行控制的控制指令;将所述控制指令和场景分类模板输入生成式大模型,获得所述生成式大模型输出的目标交互场景的场景类型,其中,所述场景分类模板中至少包括历史交互场景的场景类型和所述控制指令的指令格式之间的对应关系;将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型,根据所述生成式大模型输出的场景脚本生成目标交互场景。
在一个示例性实施例中,在对目标对象的交互数据进行识别,得到识别结果之后,所述方法还包括:将所述控制指令的指令格式转换为预设指令模板对应的指令格式,得到转换结果;在确定所述转换结果指示转换成功的情况下,按照其他指令模板生成所述控制指令的指令格式,其中,所述其他指令模板分别对应于不同场景类型;在确定所述转换结果指示转换失败的情况下,向所述目标对象发送提示信息以提示所述控制指令的指令格式转换失败。
在一个示例性实施例中,按照其他指令模板生成所述控制指令的指令格式,包括:获取所述历史交互场景的定时交互时间段,以及用于控制所述历史交互场景的智能设备的控制请求,其中,所述历史交互场景的场景类型为定时场景;将所述控制请求所包含的设备执行指令设置为第一执行条件成立时的第一执行指令,其中,所述第一执行条件为所述控制请求中的请求交互时间属于所述定时交互时间段;将所述请求交互时间和所述第一执行指令按照第一指令模板生成所述控制指令的指令格式,其中,所述其他指令模板至少包括对应于所述定时场景的场景类型的第一指令模板。
在一个示例性实施例中,按照其他指令模板生成所述控制指令的指令格式,包括:获取所述历史交互场景的设备交互动作,以及用于控制所述历史交互场景的智能设备的控制请求,其中,所述历史交互场景的场景类型为动作联动场景;将所述控制请求所包含的设备执行指令设置为第二执行条件成立时的第二执行指令,其中,所述第二执行条件为所述控制请求中的请求交互动作与所述设备交互动作一致;将所述请求交互动作和所述第二执行指令按照第二指令模板生成所述控制指令的指令格式,其中,所述其他指令模板至少包括对应于所述动作联动场景的场景类型的第二指令模板。
在一个示例性实施例中,按照其他指令模板生成所述控制指令的指令格式,包括:获取所述历史交互场景的设备交互环境,以及用于控制所述历史交互场景的智能设备的控制请求,其中,所述历史交互场景的场景类型为环境联动场景;将所述控制请求所包含的设备执行指令设置为第三执行条件成立时的第三执行指令,其中,所述第三执行条件为所述控制请求中的请求交互环境与所述设备交互环境一致;将所述请求交互环境和所述第三执行指令按照第三指令模板生成所述控制指令的指令格式,其中,所述其他指令模板至少包括对应于所述环境联动场景的场景类型的第三指令模板。
在一个示例性实施例中,按照其他指令模板生成所述控制指令的指令格式,包括:获取所述历史交互场景的预设交互指令,以及用于控制所述历史交互场景的智能设备的控制请求,其中,所述历史交互场景的场景类型为音控场景;将所述控制请求所包含的设备执行指令设置为第四执行条件成立时的第四执行指令,其中,所述第四执行条件为所述控制请求中的请求交互指令属于所述预设交互指令一致;将所述请求交互指令和所述第四执行指令按照第四指令模板生成所述控制指令的指令格式,其中,所述其他指令模板至少包括对应于所述音控场景的场景类型的第四指令模板。
在一个示例性实施例中,在将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型之前,所述方法还包括:从所述识别结果中确定出所述目标对象的所有控制指令;将所述所有控制指令以及指令格式化模板输入所述生成式大模型,获得所述生成式大模型输出的格式化后的目标控制指令;其中,所述指令格式化模板包含所述目标控制指令的指令格式,以及对所述所有控制指令的格式化操作,所述格式化操作至少包括以下之一:将所述所有控制指令的交互对象修改为第一人称,将所述所有控制指令格式化为祈使句式,删除所述所有控制指令中的非实体词;将所述控制指令更新为所述目标控制指令。
在一个示例性实施例中,将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型,包括:从所述场景生成模板中获取在所述场景类型中的所述智能设备的第一设备类型,所述智能设备的第一设备属性,所述智能设备支持的设备指令;在确定所述控制指令中的智能设备的第二设备类型与所述第一设备类型一致,所述控制指令中的智能设备的第二设备属性与所述智能设备的第一设备属性一致,所述控制指令属于所述智能设备支持的设备指令均成立的情况下,将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型。
根据本申请实施例的另一方面,还提供了一种基于生成式大模型的场景生成装置,包括:结果得到模块,用于对目标对象的交互数据进行识别,得到识别结果,其中,所述识别结果至少包括用于对智能设备进行控制的控制指令;类型得到模块,用于将所述控制指令和场景分类模板输入生成式大模型,获得所述生成式大模型输出的目标交互场景的场景类型,其中,所述场景分类模板中至少包括历史交互场景的场景类型和所述控制指令的指令格式之间的对应关系;场景生成模块,用于将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型,根据所述生成式大模型输出的场景脚本生成目标交互场景。
根据本申请实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述基于生成式大模型的场景生成方法。
根据本申请实施例的又一方面,还提供了一种电子装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,上述处理器通过计算机程序执行上述的基于生成式大模型的场景生成方法。
在本申请实施例中,可以将对目标对象的交互数据进行识别得到的识别结果中包括的用于对智能设备进行控制的控制指令和场景分类模板共同输入生成式大模型,获得所述生成式大模型输出的目标交互场景的场景类型,随后将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型,并根据所述生成式大模型输出的场景脚本生成目标交互场景;采用上述技术方案,解决了相关技术中,如何基于生成式大模型生成交互场景的技术问题,可以基于生成式大模型生成更符合用户需求的交互场景,从而提高了交互场景的生成效率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例的一种基于生成式大模型的场景生成方法的硬件环境示意图;
图2是根据本申请实施例的基于生成式大模型的场景生成方法的流程图;
图3是根据本申请实施例的基于生成式大模型的场景生成方法的示意图;
图4是根据本申请实施例的一种生成式大模型对用户发话进行场景分类的示意图;
图5是根据本申请实施例的一种生成式大模型将用户发话生成场景脚本的示意图;
图6是根据本申请实施例的一种基于生成式大模型的场景生成装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一个方面,提供了一种基于生成式大模型的场景生成方法。该基于生成式大模型的场景生成方法广泛应用于智慧家庭(Smart Home)、智能家居、智能家用设备生态、智慧住宅(Intelligence House)生态等全屋智能数字化控制应用场景。可选地,在本实施例中,上述基于生成式大模型的场景生成方法可以应用于如图1所示的由终端设备102和服务器104所构成的硬件环境中。如图1所示,服务器104通过网络与终端设备102进行连接,可用于为终端或终端上安装的客户端提供服务(如应用服务等),可在服务器上或独立于服务器设置数据库,用于为服务器104提供数据存储服务,可在服务器上或独立于服务器配置云计算和/或边缘计算服务,用于为服务器104提供数据运算服务。
上述网络可以包括但不限于以下至少之一:有线网络,无线网络。上述有线网络可以包括但不限于以下至少之一:广域网,城域网,局域网,上述无线网络可以包括但不限于以下至少之一:WIFI(Wireless Fidelity,无线保真),蓝牙。终端设备102可以并不限定于为PC、手机、平板电脑、智能空调、智能烟机、智能冰箱、智能烤箱、智能炉灶、智能洗衣机、智能热水器、智能洗涤设备、智能洗碗机、智能投影设备、智能电视、智能晾衣架、智能窗帘、智能影音、智能插座、智能音响、智能音箱、智能新风设备、智能厨卫设备、智能卫浴设备、智能扫地机器人、智能擦窗机器人、智能拖地机器人、智能空气净化设备、智能蒸箱、智能微波炉、智能厨宝、智能净化器、智能饮水机、智能门锁等。
在本实施例中提供了一种基于生成式大模型的场景生成方法,应用于上述终端设备,图2是根据本申请实施例的基于生成式大模型的场景生成方法的流程图,该流程包括如下步骤:
步骤S202,对目标对象的交互数据进行识别,得到识别结果,其中,所述识别结果至少包括用于对智能设备进行控制的控制指令;
步骤S204,将所述控制指令和场景分类模板输入生成式大模型,获得所述生成式大模型输出的目标交互场景的场景类型,其中,所述场景分类模板中至少包括历史交互场景的场景类型和所述控制指令的指令格式之间的对应关系;
其中,需要说明的是,上述生成式大模型(Generative Pre-trainedTransformer)为基于互联网等数据训练得到的一种深度学习模型,可以用于微调以完成文本生成、代码生成、视频生成、文本问答、图像生成、论文写作、影视创作、科学实验设计等自然语言处理任务,可以包括但不限于UniLM、BART、T5、GPT模型。
步骤S206,将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型,根据所述生成式大模型输出的场景脚本生成目标交互场景。
通过上述步骤,对目标对象的交互数据进行识别,得到识别结果,其中,所述识别结果至少包括用于对智能设备进行控制的控制指令;将所述控制指令和场景分类模板输入生成式大模型,获得所述生成式大模型输出的目标交互场景的场景类型,其中,所述场景分类模板中至少包括历史交互场景的场景类型和所述控制指令的指令格式之间的对应关系;将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型,根据所述生成式大模型输出的场景脚本生成目标交互场景,解决了相关技术中,如何基于生成式大模型生成交互场景的技术问题,可以基于生成式大模型生成更符合用户需求的交互场景,从而提高了交互场景的生成效率。
在步骤S202中,所述目标对象的交互数据包括但不限于语音数据,文本数据,手势数据,肢体动作数据等。上述交互数据例如可以根据不同的交互方式来确定,不同的交互方式可以包括但不限于语音交互方式,文本交互方式,姿态交互方式。其中,语音交互方式对应于语音数据,文本交互方式对应于文本数据,手势数据和肢体动作数据可以对应于姿态交互方式。
可选的,对于上述步骤S206,如果为多次生成场景,每一次生成场景时均需将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型。如果为单次生成场景,则仅需第一次将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型,对于本次还需重复使用生成式大模型的情况,由于已经输入场景生成模板,在重复使用时直接输入新的控制指令即可,无需继续重复输入场景生成模板。
在一个示例性实施例中,在执行上述步骤S202之前,可以通过以下方式对控制指令的指令格式进行转换:将所述控制指令的指令格式转换为预设指令模板对应的指令格式,得到转换结果;在确定所述转换结果指示转换成功的情况下,按照其他指令模板生成所述控制指令的指令格式,其中,所述其他指令模板分别对应于不同场景类型;在确定所述转换结果指示转换失败的情况下,向所述目标对象发送提示信息以提示所述控制指令的指令格式转换失败。
在上述实施例中,例如,预设指令模板对应的指令格式可以为当...(时|的时候),(请|就|要)...”,若控制指令为“我说回家时,记得帮我开空调”时,则将控制指令转换为“当我说‘回家’时,就打开空调”。
在一个示例性实施例中,对于按照其他指令模板生成所述控制指令的指令格式的过程,可以通过以下方式实现:获取所述历史交互场景的定时交互时间段,以及用于控制所述历史交互场景的智能设备的控制请求,其中,所述历史交互场景的场景类型为定时场景;将所述控制请求所包含的设备执行指令设置为第一执行条件成立时的第一执行指令,其中,所述第一执行条件为所述控制请求中的请求交互时间属于所述定时交互时间段;将所述请求交互时间和所述第一执行指令按照第一指令模板生成所述控制指令的指令格式,其中,所述其他指令模板至少包括对应于所述定时场景的场景类型的第一指令模板。
在上述实施例中,可选的,历史交互场景为定时场景“当每天早上8点时,打开空调”时,若控制请求中的请求交互时间为“8点”,则请求交互时间属于定时交互时间段,则第一执行条件成立,执行第一执行指令“打开空调”。
若控制请求中的请求交互时间为“7点”,不属于定时交互时间段,则使用请求交互时间更新定时交互时间段,具体例如可以通过以下过程更新定时交互时间段:从定时交互时间段中确定出与请求交互时间最近的历史交互时间,并使用所述请求交互时间替换所述历史交互时间,得到更新后的定时交互时间段。
在一个示例性实施例中,上述按照其他指令模板生成所述控制指令的指令格式的过程,还可以通过以下方式实现:获取所述历史交互场景的设备交互动作,以及用于控制所述历史交互场景的智能设备的控制请求,其中,所述历史交互场景的场景类型为动作联动场景;将所述控制请求所包含的设备执行指令设置为第二执行条件成立时的第二执行指令,其中,所述第二执行条件为所述控制请求中的请求交互动作与所述设备交互动作一致;将所述请求交互动作和所述第二执行指令按照第二指令模板生成所述控制指令的指令格式,其中,所述其他指令模板至少包括对应于所述动作联动场景的场景类型的第二指令模板。
在上述实施例中,可选的,历史交互场景为动作联动场景“当开门时打开空调”时,若控制请求中的请求交互动作为“关门”,与历史交互场景的设备交互动作“开门”不一致,则第二执行条件不成立,不执行第二执行指令“打开空调”,若控制请求中的请求交互动作为“开门”,与历史交互场景的设备交互动作“开门”一致,则第二执行条件不成立,执行第二执行指令“打开空调”。
在一个示例性实施例中,可以通过以下技术方案实现按照其他指令模板生成所述控制指令的指令格式的过程,具体步骤包括:获取所述历史交互场景的设备交互环境,以及用于控制所述历史交互场景的智能设备的控制请求,其中,所述历史交互场景的场景类型为环境联动场景;将所述控制请求所包含的设备执行指令设置为第三执行条件成立时的第三执行指令,其中,所述第三执行条件为所述控制请求中的请求交互环境与所述设备交互环境一致;将所述请求交互环境和所述第三执行指令按照第三指令模板生成所述控制指令的指令格式,其中,所述其他指令模板至少包括对应于所述环境联动场景的场景类型的第三指令模板。
在上述实施例中,可选的,历史交互场景为环境联动场景“当温度高于30摄氏度时打开空调”时,若控制请求中的请求交互环境的温度为25摄氏度,与历史交互场景的设备交互环境“温度高于30摄氏度”不一致,则第三执行条件不成立,不执行第三执行指令“打开空调”,若控制请求中的请求交互环境的温度为35摄氏度,与历史交互场景的设备交互环境“温度高于30摄氏度”一致,则第三执行条件成立,执行第三执行指令“打开空调”。
在一个示例性实施例中,还可以通过以下方式实现按照其他指令模板生成所述控制指令的指令格式的技术方案:获取所述历史交互场景的预设交互指令,以及用于控制所述历史交互场景的智能设备的控制请求,其中,所述历史交互场景的场景类型为音控场景;将所述控制请求所包含的设备执行指令设置为第四执行条件成立时的第四执行指令,其中,所述第四执行条件为所述控制请求中的请求交互指令属于所述预设交互指令一致;将所述请求交互指令和所述第四执行指令按照第四指令模板生成所述控制指令的指令格式,其中,所述其他指令模板至少包括对应于所述音控场景的场景类型的第四指令模板。
在上述实施例中,可选的,历史交互场景为音控场景“当我说‘回家’时,就打开空调”时,当用户说出“回家”的语音指令时,则第四执行条件成立,执行第四执行指令“打开空调”。
在一个示例性实施例中,在执行上述步骤S204之前,还可以通过以下方式对控制指令进行格式化:从所述识别结果中确定出所述目标对象的所有控制指令;将所述所有控制指令以及指令格式化模板输入所述生成式大模型,获得所述生成式大模型输出的格式化后的目标控制指令;其中,所述指令格式化模板包含所述目标控制指令的指令格式,以及对所述所有控制指令的格式化操作,所述格式化操作至少包括以下之一:将所述所有控制指令的交互对象修改为第一人称,将所述所有控制指令格式化为祈使句式,删除所述所有控制指令中的非实体词;将所述控制指令更新为所述目标控制指令。
在上述实施例中,可选的,识别结果为“当我说‘出门’时,记得帮我关闭空调”时,从识别结果中确定出的控制指令为“记得帮我关闭空调”,可以将控制指令格式化为祈使句式“关闭空调”。
在一个示例性实施例中,对于上述步骤S206中根据生成式大模型输出的场景脚本生成目标交互场景的实现过程,可以进一步包括:从所述场景生成模板中获取在所述场景类型中的所述智能设备的第一设备类型,所述智能设备的第一设备属性,所述智能设备支持的设备指令;在确定所述控制指令中的智能设备的第二设备类型与所述第一设备类型一致,所述控制指令中的智能设备的第二设备属性与所述智能设备的第一设备属性一致,所述控制指令属于所述智能设备支持的设备指令均成立的情况下,将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型。
为了更好的理解上述基于生成式大模型的场景生成方法的过程,以下再结合可选实施例对上述基于生成式大模型的场景生成的实现方法流程进行说明,但不用于限定本申请实施例的技术方案。
在本实施例中,结合图3提供了一种基于生成式大模型的场景生成方法,图3是根据本申请实施例的基于生成式大模型的场景生成方法的示意图,具体步骤可以包括:
步骤1:接收到用户发话(相当于上述交互数据),判断是否开启场景自编排,当用户说“开启场景自编排”"或者“创建场景”时,开启场景自编排,向用户语音播报“好的,你想创建怎样的场景”,执行进入下一步骤。
步骤2:在用户每次发话后,向用户语音播报“好的,收到”,并记录发话内容。
步骤3:调用GPT(相当于上述生成式大模型)对用户的发话进行场景分类,具体的分类过程包括:判断用户的发话是否可以转换为“当...(时|的时候),(请|就|要)...”的条件句式(相当于上述指令格式),如果不可以转换为“当...(时|的时候),(请|就|要)...”的条件句式,则确定场景分类结果为scenetype=0,向用户播报“动作解析失败了,请换个说法试试吧”,如果累计3次均不能转换为“当...(时|的时候),(请|就|要)...”的条件句式,则播报:“动作解析失败了,如需退出该技能请对我说‘退出’”。如果可以将用户发话转换为“当...(时|的时候),(请|就|要)...”的条件句式,则进入下一步骤。
步骤4:对步骤3中“当...(时|的时候),(请|就|要)...”的条件句式进行场景分类,如果是定时请求,即“当某个时刻来临时,执行某些动作”,则scenetype=1,将场景分类为定时类场景(对应于上述定时场景)。如果是联动请求,即“当某个设备或空间环境状态出现时,或者当某个设备执行操作是时,执行某些动作”,则scenetype=2,将场景分类为联动类场景(对应于上述动作联动场景或者环境联动场景),如果是语音指令,即“当用户说出某句特定的语音指令时,执行某些动作”,则scenetype=3,场景分类为语音类场景(对应于上述音控场景)。
进一步的,在完成场景分类后,向用户播报“还需要添加其他动作吗?”。
步骤5:在检测到用户说“没了,好了,就这样”时,调用GPT模型对用户所有的发话记录进行总结。具体可以利用场景总结Prompt,将场景总结Prompt输入GPT,实现利用GPT整理用户输入的请求,以第一人称输出完整通顺的祈使语句。
其中,场景总结Prompt例如可以表示如下:“
prompt=”
system,
你的任务是整理输入的请求,以第一人称输出完整通顺的祈使语句。','之后不要出现主语。去掉语气词、助动词、副词,去掉与触发条件和触发动作无关的词。
User,
我说回家时,记得帮我开空调;
Assistant,
当我说'回家'时,打开空调。”。
”。
步骤6:向用户语音播报“是否为您生成{场景总结}的场景?”,并异步调用GPT生成场景脚本;
其中,GPT生成场景脚本例如可以表示如下:“
如果scenetype=1,基于类似于"当每天早上8点时,打开空调并调到26度"的发话生成{"if":{"time":"8:00","repeat":"每天"},"then":[{"空调":"onOffStatus=trueand temperature=26"}]}的脚本。
如果scenetype=2,基于类似于"当开门时打开空调并调到26度"的发话生成{"if":{"门锁":"onOffStatus=true"},"then":[{"空调":"onOffStatus=true andtemperature=26"}]}的脚本。
如果scenetype=3,基于类似于"当我说我回来了时,打开空调并调到26度"的发话生成{"if":{"语音指令":"回家了,到家了,回来了"},"then":[{"空调":"onOffStatus=true and temperature=26"}]}的脚本。至少补充3条与'回来了'相同或相近的词加入到语音指令中。
”。
步骤7:若检测到用户回复“是的”,则用步骤6中生成的场景脚本调用场景引擎接口创建场景;若检测到用户回复“否”,则清空用户发话记录和场景总结以及生成的场景脚本。
需要说明的是,在上述任一步骤中,一旦检测到用户发话“退出”,则向用户语音播报“好的,期待下次再见”,并停止场景自编排。
在上述实施例中,可选的,针对步骤3至步骤4中对用户的发话进行场景分类具体过程可以结合图4所示的示意图进行说明,图4是根据本申请实施例的一种生成式大模型对用户发话进行场景分类的示意图,具体如下步骤:
步骤1:调用GPT对用户的发话“每天早上8点打开空调”进行场景分类,经过判断可以将用户发话转换为“当每天早上8点,就打开空调”的条件句式,进入下一步骤;
步骤2:“当每天早上8点,就打开空调”属于定时请求,即“当某个时刻来临时,执行某些动作”,scenetype=1,场景分类为定时类场景;
步骤3:输出用户发话对应的场景类型“scenetype=1”。
在上述实施例中,可选的,针对在步骤6中对生成场景脚本的具体过程可以结合图5所示的示意图进行说明,图5是根据本申请实施例的一种生成式大模型将用户发话生成场景脚本的示意图,具体如下步骤:
步骤1:解析json格式的数据,例如{scenedesc:"每天早上8点时",scenetype=1};
步骤2:判断场景类型,如果scenetype=1,基于类似于“当每天早上8点时,打开空调并调到26度”的发话生成脚本{"if":{"time":"8:00","repeat":"每天"},"then":[{"空调":"onOffStatus=true and temperature=26"}]};
如果scenetype=2,基于类似于“当开门时打开空调并调到26度”的发话生成脚本{"if":{"门锁":"onOffStatus=true"},"then":[{"空调":"onOffStatus=true andtemperature=26"}]};
如果scenetype=3,基于类似于"当我说我回来了时,打开空调并调到26度"的发话生成脚本{"if":{"语音指令":"回家了,到家了,回来了"},"then":[{"空调":"onOffStatus=true and temperature=26"}]},其中,语音指令中至少包含3条与'回来了'相同或相近的词;
步骤3:输出场景脚本。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例的方法。
图6是根据本申请实施例的一种基于生成式大模型的场景生成装置的结构框图;如图6所示,包括:
结果得到模块62,用于对目标对象的交互数据进行识别,得到识别结果,其中,所述识别结果至少包括用于对智能设备进行控制的控制指令;
类型得到模块64,用于将所述控制指令和场景分类模板输入生成式大模型,获得所述生成式大模型输出的目标交互场景的场景类型,其中,所述场景分类模板中至少包括历史交互场景的场景类型和所述控制指令的指令格式之间的对应关系;
场景生成模块66,用于将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型,根据所述生成式大模型输出的场景脚本生成目标交互场景。
通过上述装置,通过对目标对象的交互数据进行识别,得到识别结果,其中,所述识别结果至少包括用于对智能设备进行控制的控制指令;将所述控制指令和场景分类模板输入生成式大模型,获得所述生成式大模型输出的目标交互场景的场景类型,其中,所述场景分类模板中至少包括历史交互场景的场景类型和所述控制指令的指令格式之间的对应关系;将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型,根据所述生成式大模型输出的场景脚本生成目标交互场景,解决了相关技术中,如何基于生成式大模型生成交互场景的技术问题,可以基于生成式大模型生成更符合用户需求的交互场景,从而提高了交互场景的生成效率。
可选的,上述基于生成式大模型的场景生成装置还包括格式转换模块,用于将所述控制指令的指令格式转换为预设指令模板对应的指令格式,得到转换结果;在确定所述转换结果指示转换成功的情况下,按照其他指令模板生成所述控制指令的指令格式,其中,所述其他指令模板分别对应于不同场景类型;在确定所述转换结果指示转换失败的情况下,向所述目标对象发送提示信息以提示所述控制指令的指令格式转换失败。
可选的,上述格式转换模块还包括第一格式生成单元,用于获取所述历史交互场景的定时交互时间段,以及用于控制所述历史交互场景的智能设备的控制请求,其中,所述历史交互场景的场景类型为定时场景;将所述控制请求所包含的设备执行指令设置为第一执行条件成立时的第一执行指令,其中,所述第一执行条件为所述控制请求中的请求交互时间属于所述定时交互时间段;将所述请求交互时间和所述第一执行指令按照第一指令模板生成所述控制指令的指令格式,其中,所述其他指令模板至少包括对应于所述定时场景的场景类型的第一指令模板。
可选的,上述格式转换模块还包括第二格式生成单元,用于获取所述历史交互场景的设备交互动作,以及用于控制所述历史交互场景的智能设备的控制请求,其中,所述历史交互场景的场景类型为动作联动场景;将所述控制请求所包含的设备执行指令设置为第二执行条件成立时的第二执行指令,其中,所述第二执行条件为所述控制请求中的请求交互动作与所述设备交互动作一致;将所述请求交互动作和所述第二执行指令按照第二指令模板生成所述控制指令的指令格式,其中,所述其他指令模板至少包括对应于所述动作联动场景的场景类型的第二指令模板。
可选的,上述格式转换模块还包括第三格式生成单元,用于获取所述历史交互场景的设备交互环境,以及用于控制所述历史交互场景的智能设备的控制请求,其中,所述历史交互场景的场景类型为环境联动场景;将所述控制请求所包含的设备执行指令设置为第三执行条件成立时的第三执行指令,其中,所述第三执行条件为所述控制请求中的请求交互环境与所述设备交互环境一致;将所述请求交互环境和所述第三执行指令按照第三指令模板生成所述控制指令的指令格式,其中,所述其他指令模板至少包括对应于所述环境联动场景的场景类型的第三指令模板。
可选的,上述格式转换模块还包括第四格式生成单元,用于获取所述历史交互场景的预设交互指令,以及用于控制所述历史交互场景的智能设备的控制请求,其中,所述历史交互场景的场景类型为音控场景;将所述控制请求所包含的设备执行指令设置为第四执行条件成立时的第四执行指令,其中,所述第四执行条件为所述控制请求中的请求交互指令属于所述预设交互指令一致;将所述请求交互指令和所述第四执行指令按照第四指令模板生成所述控制指令的指令格式,其中,所述其他指令模板至少包括对应于所述音控场景的场景类型的第四指令模板。
可选的,上述基于生成式大模型的场景生成装置还包括指令更新模块,用于从所述识别结果中确定出所述目标对象的所有控制指令;将所述所有控制指令以及指令格式化模板输入所述生成式大模型,获得所述生成式大模型输出的格式化后的目标控制指令;其中,所述指令格式化模板包含所述目标控制指令的指令格式,以及对所述所有控制指令的格式化操作,所述格式化操作至少包括以下之一:将所述所有控制指令的交互对象修改为第一人称,将所述所有控制指令格式化为祈使句式,删除所述所有控制指令中的非实体词;将所述控制指令更新为所述目标控制指令。
可选的,场景生成模块66还用于从所述场景生成模板中获取在所述场景类型中的所述智能设备的第一设备类型,所述智能设备的第一设备属性,所述智能设备支持的设备指令;在确定所述控制指令中的智能设备的第二设备类型与所述第一设备类型一致,所述控制指令中的智能设备的第二设备属性与所述智能设备的第一设备属性一致,所述控制指令属于所述智能设备支持的设备指令均成立的情况下,将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型。
本申请的实施例还提供了一种存储介质,该存储介质包括存储的程序,其中,上述程序运行时执行上述任一项的方法。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的程序代码:
S1,对目标对象的交互数据进行识别,得到识别结果,其中,所述识别结果至少包括用于对智能设备进行控制的控制指令;
S2,将所述控制指令和场景分类模板输入生成式大模型,获得所述生成式大模型输出的目标交互场景的场景类型,其中,所述场景分类模板中至少包括历史交互场景的场景类型和所述控制指令的指令格式之间的对应关系;
S3,将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型,根据所述生成式大模型输出的场景脚本生成目标交互场景。
本申请的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,对目标对象的交互数据进行识别,得到识别结果,其中,所述识别结果至少包括用于对智能设备进行控制的控制指令;
S2,将所述控制指令和场景分类模板输入生成式大模型,获得所述生成式大模型输出的目标交互场景的场景类型,其中,所述场景分类模板中至少包括历史交互场景的场景类型和所述控制指令的指令格式之间的对应关系;
S3,将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型,根据所述生成式大模型输出的场景脚本生成目标交互场景。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本申请的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本申请不限制于任何特定的硬件和软件结合。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (11)
1.一种基于生成式大模型的场景生成方法,其特征在于,包括:
对目标对象的交互数据进行识别,得到识别结果,其中,所述识别结果至少包括用于对智能设备进行控制的控制指令;
将所述控制指令和场景分类模板输入生成式大模型,获得所述生成式大模型输出的目标交互场景的场景类型,其中,所述场景分类模板中至少包括历史交互场景的场景类型和所述控制指令的指令格式之间的对应关系;
将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型,根据所述生成式大模型输出的场景脚本生成目标交互场景。
2.根据权利要求1所述的基于生成式大模型的场景生成方法,其特征在于,在对目标对象的交互数据进行识别,得到识别结果之后,所述方法还包括:
将所述控制指令的指令格式转换为预设指令模板对应的指令格式,得到转换结果;
在确定所述转换结果指示转换成功的情况下,按照其他指令模板生成所述控制指令的指令格式,其中,所述其他指令模板分别对应于不同场景类型;
在确定所述转换结果指示转换失败的情况下,向所述目标对象发送提示信息以提示所述控制指令的指令格式转换失败。
3.根据权利要求2所述的基于生成式大模型的场景生成方法,其特征在于,按照其他指令模板生成所述控制指令的指令格式,包括:
获取所述历史交互场景的定时交互时间段,以及用于控制所述历史交互场景的智能设备的控制请求,其中,所述历史交互场景的场景类型为定时场景;
将所述控制请求所包含的设备执行指令设置为第一执行条件成立时的第一执行指令,其中,所述第一执行条件为所述控制请求中的请求交互时间属于所述定时交互时间段;
将所述请求交互时间和所述第一执行指令按照第一指令模板生成所述控制指令的指令格式,其中,所述其他指令模板至少包括对应于所述定时场景的场景类型的第一指令模板。
4.根据权利要求2所述的基于生成式大模型的场景生成方法,其特征在于,按照其他指令模板生成所述控制指令的指令格式,包括:
获取所述历史交互场景的设备交互动作,以及用于控制所述历史交互场景的智能设备的控制请求,其中,所述历史交互场景的场景类型为动作联动场景;将所述控制请求所包含的设备执行指令设置为第二执行条件成立时的第二执行指令,其中,所述第二执行条件为所述控制请求中的请求交互动作与所述设备交互动作一致;
将所述请求交互动作和所述第二执行指令按照第二指令模板生成所述控制指令的指令格式,其中,所述其他指令模板至少包括对应于所述动作联动场景的场景类型的第二指令模板。
5.根据权利要求2所述的基于生成式大模型的场景生成方法,其特征在于,按照其他指令模板生成所述控制指令的指令格式,包括:
获取所述历史交互场景的设备交互环境,以及用于控制所述历史交互场景的智能设备的控制请求,其中,所述历史交互场景的场景类型为环境联动场景;将所述控制请求所包含的设备执行指令设置为第三执行条件成立时的第三执行指令,其中,所述第三执行条件为所述控制请求中的请求交互环境与所述设备交互环境一致;
将所述请求交互环境和所述第三执行指令按照第三指令模板生成所述控制指令的指令格式,其中,所述其他指令模板至少包括对应于所述环境联动场景的场景类型的第三指令模板。
6.根据权利要求2所述的基于生成式大模型的场景生成方法,其特征在于,按照其他指令模板生成所述控制指令的指令格式,包括:
获取所述历史交互场景的预设交互指令,以及用于控制所述历史交互场景的智能设备的控制请求,其中,所述历史交互场景的场景类型为音控场景;
将所述控制请求所包含的设备执行指令设置为第四执行条件成立时的第四执行指令,其中,所述第四执行条件为所述控制请求中的请求交互指令属于所述预设交互指令一致;
将所述请求交互指令和所述第四执行指令按照第四指令模板生成所述控制指令的指令格式,其中,所述其他指令模板至少包括对应于所述音控场景的场景类型的第四指令模板。
7.根据权利要求1所述的基于生成式大模型的场景生成方法,其特征在于,在将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型之前,所述方法还包括:
从所述识别结果中确定出所述目标对象的所有控制指令;
将所述所有控制指令以及指令格式化模板输入所述生成式大模型,获得所述生成式大模型输出的格式化后的目标控制指令;
其中,所述指令格式化模板包含所述目标控制指令的指令格式,以及对所述所有控制指令的格式化操作,所述格式化操作至少包括以下之一:将所述所有控制指令的交互对象修改为第一人称,将所述所有控制指令格式化为祈使句式,删除所述所有控制指令中的非实体词;
将所述控制指令更新为所述目标控制指令。
8.根据权利要求1所述的基于生成式大模型的场景生成方法,其特征在于,将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型,包括:
从所述场景生成模板中获取在所述场景类型中的所述智能设备的第一设备类型,所述智能设备的第一设备属性,所述智能设备支持的设备指令;
在确定所述控制指令中的智能设备的第二设备类型与所述第一设备类型一致,所述控制指令中的智能设备的第二设备属性与所述智能设备的第一设备属性一致,所述控制指令属于所述智能设备支持的设备指令均成立的情况下,将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型。
9.一种基于生成式大模型的场景生成装置,其特征在于,包括:
结果得到模块,用于对目标对象的交互数据进行识别,得到识别结果,其中,所述识别结果至少包括用于对智能设备进行控制的控制指令;
类型得到模块,用于将所述控制指令和场景分类模板输入生成式大模型,获得所述生成式大模型输出的目标交互场景的场景类型,其中,所述场景分类模板中至少包括历史交互场景的场景类型和所述控制指令的指令格式之间的对应关系;
场景生成模块,用于将已经建立的所述场景类型对应的场景生成模板和所述控制指令输入所述生成式大模型,根据所述生成式大模型输出的场景脚本生成目标交互场景。
10.一种计算机可读的存储介质,其特征在于,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行上述权利要求1至8任一项中所述的方法。
11.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行所述权利要求1至8任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310800447.6A CN116913274A (zh) | 2023-06-30 | 2023-06-30 | 基于生成式大模型的场景生成方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310800447.6A CN116913274A (zh) | 2023-06-30 | 2023-06-30 | 基于生成式大模型的场景生成方法、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116913274A true CN116913274A (zh) | 2023-10-20 |
Family
ID=88362025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310800447.6A Pending CN116913274A (zh) | 2023-06-30 | 2023-06-30 | 基于生成式大模型的场景生成方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116913274A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117706954A (zh) * | 2024-02-06 | 2024-03-15 | 青岛海尔科技有限公司 | 一种用于场景生成的方法及装置、存储介质、电子装置 |
-
2023
- 2023-06-30 CN CN202310800447.6A patent/CN116913274A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117706954A (zh) * | 2024-02-06 | 2024-03-15 | 青岛海尔科技有限公司 | 一种用于场景生成的方法及装置、存储介质、电子装置 |
CN117706954B (zh) * | 2024-02-06 | 2024-05-24 | 青岛海尔科技有限公司 | 一种用于场景生成的方法及装置、存储介质、电子装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6726800B2 (ja) | 人工知能に基づくヒューマンマシンインタラクション方法及び装置 | |
JP6671020B2 (ja) | 対話行為推定方法、対話行為推定装置及びプログラム | |
CN107909998A (zh) | 语音指令处理方法、装置、计算机设备和存储介质 | |
JP3737714B2 (ja) | エンドユーザ・トランザクションを識別するための方法及び装置 | |
CN116913274A (zh) | 基于生成式大模型的场景生成方法、装置和存储介质 | |
WO2023168838A1 (zh) | 语句文本的识别方法和装置、存储介质及电子装置 | |
US8315874B2 (en) | Voice user interface authoring tool | |
KR101916174B1 (ko) | 기계 학습 기반으로 언어를 처리하는 방법 및 장치 | |
JP2018025747A (ja) | 対話行為推定方法、対話行為推定装置およびプログラム | |
CN111930912A (zh) | 对话管理方法及***、设备和存储介质 | |
CN111933135A (zh) | 终端控制方法、装置、智能终端及计算机可读存储介质 | |
US20220137917A1 (en) | Method and system for assigning unique voice for electronic device | |
CN112667791A (zh) | 潜在事件预测方法、装置、设备及存储介质 | |
CN105653619B (zh) | 智能问答***中正确日志库的更新方法和装置 | |
WO2023173596A1 (zh) | 语句文本的意图识别方法和装置、存储介质及电子装置 | |
JP6633556B2 (ja) | 音響モデル学習装置、音声認識装置、音響モデル学習方法、音声認識方法、およびプログラム | |
JP2006072477A (ja) | 対話戦略学習方法、対話戦略学習プログラム、記憶媒体、および、対話戦略学習装置 | |
CN113962213A (zh) | 一种多轮对话生成方法、终端及计算机可读存储介质 | |
CN117689020B (zh) | 基于大模型构建智能家居本体的方法及装置、电子设备 | |
CN117807215B (zh) | 一种基于模型的语句多意图识别方法、装置及设备 | |
CN111506701A (zh) | 一种智能查询方法及相关装置 | |
CN116504222A (zh) | 文本转换方法及装置、存储介质及电子装置 | |
CN116737964B (zh) | 一种人工智能大脑*** | |
CN117765949B (zh) | 一种基于语义依存分析的语句多意图识别方法及装置 | |
CN117370544A (zh) | 数据标注的更新方法和装置、存储介质及电子装置 |
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 |