本技術(shù)涉及人工智能的智能決策，尤其涉及一種應(yīng)用于大語(yǔ)言模型的答復(fù)文本生成方法及相關(guān)設(shè)備。

背景技術(shù)：

1、隨著人工智能技術(shù)的迅速發(fā)展，基于大語(yǔ)言模型的智能對(duì)話系統(tǒng)在多個(gè)場(chǎng)景中得到廣泛應(yīng)用，如客服支持、個(gè)性化推薦和自動(dòng)問題解答等。在這些應(yīng)用中，可以通過基于大語(yǔ)言模型構(gòu)建的對(duì)話系統(tǒng)根據(jù)用戶的提問生成相應(yīng)的答復(fù)，從而實(shí)現(xiàn)智能對(duì)話的目的。

2、然而，申請(qǐng)人發(fā)現(xiàn)，傳統(tǒng)的答復(fù)生成方法普遍存在一定的不足，具體的，大模型傾向于以高度自信的方式生成回答，即使這些回答可能不準(zhǔn)確或錯(cuò)誤；由于訓(xùn)練數(shù)據(jù)的限制，模型可能在特定領(lǐng)域的知識(shí)上不是最新的；模型在理解和生成涉及特定領(lǐng)域知識(shí)、新興話題或個(gè)性化內(nèi)容時(shí)可能存在局限；盡管模型擅長(zhǎng)理解和生成語(yǔ)言，但在理解復(fù)雜或深層次的上下文方面仍有不足等等，由此可見，傳統(tǒng)的答復(fù)生成方法存在理解能力不足導(dǎo)致生成的答復(fù)文本內(nèi)容不準(zhǔn)確的問題。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例的目的在于提出一種應(yīng)用于大語(yǔ)言模型的答復(fù)文本生成方法及相關(guān)設(shè)備，以解決傳統(tǒng)的答復(fù)生成方法存在理解能力不足導(dǎo)致生成的答復(fù)文本內(nèi)容不準(zhǔn)確的問題。

2、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例提供一種應(yīng)用于大語(yǔ)言模型的答復(fù)文本生成方法，采用了如下所述的技術(shù)方案：

3、接收用戶終端發(fā)送的攜帶有提問信息的對(duì)話請(qǐng)求；

4、將所述提問信息輸入至大語(yǔ)言模型生成第一答復(fù)文本；

5、調(diào)用n個(gè)檢索式分類模型，并根據(jù)所述n個(gè)檢索式分類模型分別對(duì)所述第一答復(fù)文本進(jìn)行置信度評(píng)估操作，得到n個(gè)置信度評(píng)估結(jié)果，其中，n為大于或者等于1的整數(shù)；

6、在所述n個(gè)置信度評(píng)估結(jié)果中篩選置信度最高的最優(yōu)評(píng)估結(jié)果，并判斷所述最優(yōu)評(píng)估結(jié)果是否滿足預(yù)設(shè)置信度閾值；

7、若所述最優(yōu)評(píng)估結(jié)果滿足所述預(yù)設(shè)置信度閾值，則將所述第一答復(fù)文本作為目標(biāo)答復(fù)文本發(fā)送至所述用戶終端；

8、若所述最優(yōu)評(píng)估結(jié)果不滿足所述預(yù)設(shè)置信度閾值，則根據(jù)所述最優(yōu)評(píng)估結(jié)果生成第一prompt模板；

9、將所述第一prompt模板輸入至所述大語(yǔ)言模型，得到第二答復(fù)文本；

10、將所述第二答復(fù)文本作為目標(biāo)答復(fù)文本發(fā)送至所述用戶終端。

11、進(jìn)一步的，所述將所述第二答復(fù)文本作為目標(biāo)答復(fù)文本發(fā)送至所述用戶終端的步驟，具體包括下述步驟：

12、根據(jù)語(yǔ)義相似度算法計(jì)算所述第二答復(fù)文本以及所述第一答復(fù)文本的相似度，得到相似度分值；

13、若所述相似度分值大于或等于預(yù)設(shè)相似度閾值，則將所述第二答復(fù)文本作為所述目標(biāo)答復(fù)文本發(fā)送至所述用戶終端；

14、若所述相似度分值小于所述預(yù)設(shè)相似度閾值，則根據(jù)所述最優(yōu)評(píng)估結(jié)果重新生成第二prompt模板，并將所述第二prompt模板輸入至所述大語(yǔ)言模型，直至得到的第三答復(fù)文本與第一答復(fù)文本的相似度分值大于或等于所述預(yù)設(shè)相似度閾值為止；

15、將所述第三答復(fù)文本作為所述目標(biāo)答復(fù)文本發(fā)送至所述用戶終端。

16、進(jìn)一步的，所述根據(jù)語(yǔ)義相似度算法計(jì)算所述第二答復(fù)文本以及所述第一答復(fù)文本的相似度，得到相似度分值的步驟，具體包括下述步驟：

17、根據(jù)自然語(yǔ)言處理技術(shù)獲取所述第二答復(fù)文本以及所述第一答復(fù)文本的全部詞匯，得到第二文本詞匯集以及第一文本詞匯集；

18、根據(jù)集合運(yùn)算法確定所述第二文本詞匯集以及所述第一文本詞匯集的交集，得到詞匯重疊度；

19、根據(jù)所述詞匯重疊度得到所述相似度分值。

20、進(jìn)一步的，在所述根據(jù)自然語(yǔ)言處理技術(shù)獲取所述第二答復(fù)文本以及所述第一答復(fù)文本的全部詞匯，得到第二文本詞匯集以及第一文本詞匯集的步驟之后，且在所述根據(jù)集合運(yùn)算法確定所述第二文本詞匯集以及所述第一文本詞匯集的交集，得到詞匯重疊度的步驟之前，還包括下述步驟：

21、根據(jù)語(yǔ)義分析模型分別對(duì)所述第二文本詞匯集以及所述第一文本詞匯集進(jìn)行語(yǔ)義分析操作，得到第二語(yǔ)義詞匯集以及第一語(yǔ)義詞匯集；

22、所述根據(jù)集合運(yùn)算法確定所述第二文本詞匯集以及所述第一文本詞匯集的交集，得到詞匯重疊度的步驟，具體包括下述步驟：

23、根據(jù)集合運(yùn)算法確定所述第二語(yǔ)義詞匯集以及所述第一語(yǔ)義詞匯集的交集，得到所述詞匯重疊度。

24、進(jìn)一步的，所述若所述相似度分值小于所述預(yù)設(shè)相似度閾值，則根據(jù)所述最優(yōu)評(píng)估結(jié)果重新生成第二prompt模板，并將所述第二prompt模板輸入至所述大語(yǔ)言模型，直至得到的第三答復(fù)文本與第一答復(fù)文本的相似度分值大于或等于所述預(yù)設(shè)相似度閾值為止的步驟，具體包括下述步驟：

25、進(jìn)一步的，所述將所述第二答復(fù)文本作為目標(biāo)答復(fù)文本發(fā)送至所述用戶終端的步驟之后，還包括下述步驟：

26、調(diào)用敏感詞庫(kù)，并根據(jù)所述敏感詞庫(kù)對(duì)所述第二答復(fù)文本進(jìn)行敏感詞過濾操作。

27、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例還提供一種應(yīng)用于大語(yǔ)言模型的答復(fù)文本生成裝置，采用了如下所述的技術(shù)方案：

28、請(qǐng)求接收模塊，用于接收用戶終端發(fā)送的攜帶有提問信息的對(duì)話請(qǐng)求；

29、第一文本生成模塊，用于將所述提問信息輸入至大語(yǔ)言模型生成第一答復(fù)文本；

30、置信度評(píng)估模塊，用于調(diào)用n個(gè)檢索式分類模型，并根據(jù)所述n個(gè)檢索式分類模型分別對(duì)所述第一答復(fù)文本進(jìn)行置信度評(píng)估操作，得到n個(gè)置信度評(píng)估結(jié)果，其中，n為大于或者等于1的整數(shù)；

31、置信度判斷模塊，用于在所述n個(gè)置信度評(píng)估結(jié)果中篩選置信度最高的最優(yōu)評(píng)估結(jié)果，并判斷所述最優(yōu)評(píng)估結(jié)果是否滿足預(yù)設(shè)置信度閾值；

32、第一文本輸出模塊，用于若所述最優(yōu)評(píng)估結(jié)果滿足所述預(yù)設(shè)置信度閾值，則將所述第一答復(fù)文本作為目標(biāo)答復(fù)文本發(fā)送至所述用戶終端；

33、第一模板生成模塊，用于若所述最優(yōu)評(píng)估結(jié)果不滿足所述預(yù)設(shè)置信度閾值，則根據(jù)所述最優(yōu)評(píng)估結(jié)果生成第一prompt模板；

34、第二文本生成模塊，用于將所述第一prompt模板輸入至所述大語(yǔ)言模型，得到第二答復(fù)文本；

35、第二文本輸出模塊，用于將所述第二答復(fù)文本作為目標(biāo)答復(fù)文本發(fā)送至所述用戶終端。

36、進(jìn)一步的，所述第二文本輸出模塊包括：

37、相似度計(jì)算子模塊，用于根據(jù)語(yǔ)義相似度算法計(jì)算所述第二答復(fù)文本以及所述第一答復(fù)文本的相似度，得到相似度分值；

38、目標(biāo)文本確認(rèn)子模塊，用于若所述相似度分值大于或等于預(yù)設(shè)相似度閾值，則將所述第二答復(fù)文本作為所述目標(biāo)答復(fù)文本發(fā)送至所述用戶終端；

39、模板生成子模塊，用于若所述相似度分值小于所述預(yù)設(shè)相似度閾值，則根據(jù)所述最優(yōu)評(píng)估結(jié)果重新生成第二prompt模板，并將所述第二prompt模板輸入至所述大語(yǔ)言模型，直至得到的第三答復(fù)文本與第一答復(fù)文本的相似度分值大于或等于所述預(yù)設(shè)相似度閾值為止；

40、第二文本輸出子模塊，用于將所述第三答復(fù)文本作為所述目標(biāo)答復(fù)文本發(fā)送至所述用戶終端。

41、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例還提供一種計(jì)算機(jī)設(shè)備，采用了如下所述的技術(shù)方案：

42、包括存儲(chǔ)器和處理器，所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)可讀指令，所述處理器執(zhí)行所述計(jì)算機(jī)可讀指令時(shí)實(shí)現(xiàn)如上所述的應(yīng)用于大語(yǔ)言模型的答復(fù)文本生成方法的步驟。

43、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，采用了如下所述的技術(shù)方案：

44、所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)可讀指令，所述計(jì)算機(jī)可讀指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上所述的應(yīng)用于大語(yǔ)言模型的答復(fù)文本生成方法的步驟。

45、本技術(shù)提供了一種應(yīng)用于大語(yǔ)言模型的答復(fù)文本生成方法，包括：接收用戶終端發(fā)送的攜帶有提問信息的對(duì)話請(qǐng)求；將所述提問信息輸入至大語(yǔ)言模型生成第一答復(fù)文本；調(diào)用n個(gè)檢索式分類模型，并根據(jù)所述n個(gè)檢索式分類模型分別對(duì)所述第一答復(fù)文本進(jìn)行置信度評(píng)估操作，得到n個(gè)置信度評(píng)估結(jié)果，其中，n為大于或者等于1的整數(shù)；在所述n個(gè)置信度評(píng)估結(jié)果中篩選置信度最高的最優(yōu)評(píng)估結(jié)果，并判斷所述最優(yōu)評(píng)估結(jié)果是否滿足預(yù)設(shè)置信度閾值；若所述最優(yōu)評(píng)估結(jié)果滿足所述預(yù)設(shè)置信度閾值，則將所述第一答復(fù)文本作為目標(biāo)答復(fù)文本發(fā)送至所述用戶終端；若所述最優(yōu)評(píng)估結(jié)果不滿足所述預(yù)設(shè)置信度閾值，則根據(jù)所述最優(yōu)評(píng)估結(jié)果生成第一prompt模板；將所述第一prompt模板輸入至所述大語(yǔ)言模型，得到第二答復(fù)文本；將所述第二答復(fù)文本作為目標(biāo)答復(fù)文本發(fā)送至所述用戶終端。與現(xiàn)有技術(shù)相比，本技術(shù)不僅提高了回復(fù)的準(zhǔn)確性，還通過動(dòng)態(tài)調(diào)整prompt模板，針對(duì)不同的置信度評(píng)估結(jié)果制定不同的回復(fù)策略，最大限度地滿足用戶需求，此外，還提高了對(duì)話系統(tǒng)的智能化水平和用戶滿意度，同時(shí)降低了誤解回復(fù)的風(fēng)險(xiǎn)，提升了整體服務(wù)的質(zhì)量和效率。