基于生活支援的人机交互方法、电子设备及存储介质技术

本申请提供一种基于生活支援的人机交互方法、电子设备及存储介质。方法包括：获取训练数据集，训练数据集包括基于生活支援场景的多条语料数据，每条语料数据包括拼接的至少两段相关联的语料内容；利用训练数据集中的语料数据，对GPT2模型进行自回归训练，得到经过训练的GPT2模型；通过电子设备获取用户的语音或文本数据以作为待识别语料；将待识别语料输入电子设备的应用程序中的经过训练的GPT2模型，得到经过训练的GPT2模型输出的交互结果，交互结果包括与待识别语料对应的应答内容。如此，可以根据生活支援场景进行人机交互，可以应用在老人的生活支援中，以便于为用户用提供便捷的服务。服务。服务。

【技术实现步骤摘要】
基于生活支援的人机交互方法、电子设备及存储介质


[0001]本专利技术涉及人工智能
，具体而言，涉及一种基于生活支援的人机交互方法、电子设备及存储介质。

技术介绍

[0002]在进入二十一世纪以来，人口老龄化已成为世界主要国家需要面对的重要社会问题。统计数据显示，随着医疗保健条件的改善、城市化进程加快以及家庭规模的减小，越来越多的老年人口将面临独自生活的问题。目前，人们对意图识别和对话生成的技术有许多研究，但应用于生活支援场景的研究却很少，无法基于生活支援场景有效地进行人机交互。

技术实现思路

[0003]有鉴于此，本申请实施例的目的在于提供一种基于生活支援的人机交互方法、电子设备及存储介质，能够改善无法基于生活支援场景有效地进行人机交互的问题。
[0004]为实现上述技术目的，本申请采用的技术方案如下：
[0005]第一方面，本申请实施例提供了一种基于生活支援的人机交互方法，所述方法包括：
[0006]获取训练数据集，所述训练数据集包括基于生活支援场景的多条语料数据，每条语料数据包括拼接的至少两段本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生活支援的人机交互方法，其特征在于，所述方法包括：获取训练数据集，所述训练数据集包括基于生活支援场景的多条语料数据，每条语料数据包括拼接的至少两段相关联的语料内容；利用所述训练数据集中的语料数据，对GPT2模型进行自回归训练，得到经过训练的GPT2模型；通过电子设备获取用户的语音或文本数据以作为待识别语料；将所述待识别语料输入所述电子设备的应用程序中的所述经过训练的GPT2模型，得到所述经过训练的GPT2模型输出的交互结果，所述交互结果包括与所述待识别语料对应的应答内容。2.根据权利要求1所述的方法，其特征在于，将所述待识别语料输入所述电子设备的应用程序中的所述经过训练的GPT2模型，得到所述经过训练的GPT2模型输出的交互结果，包括：若所述待识别语料的文本中存在没有标号的文本，将所述没有标号的文本中的每个词表示成u
i
，所述待识别语料中的所有没有标号的文本表示为U＝{u1，u2，
…
，u
n
}；根据所述电子设备的应用程序中所述经过训练的GPT2模型的预测子任务的第一目标函数，预测与所有没有标号的文本U对应的词，所述第一目标函数为：其中，所述第一目标函数用于在给定k个词后，预测下一个词出现的概率；k指上下文窗口大小；Θ指标准语言模型，且Θ的解码器为Transformer，所述Transformer的第一层输入表示为：h0＝UW
e
+W
p
其中，W
e
指词嵌入投影，W
p
指位置信息编码，所述Transformer的块结构共有n层，则第l层的输入向量h
l
表示为：h
l
＝transformer_block(h
l
‑1)V
i
∈[1，n]其中，n为大于1的整数，l为1至n中的任一整数；transformer_block指将上一层的输出作为本层的输入；对所述Transformer中的最后一次输出进行投影，表示为：若所述待识别语料的文本中存在有标号的文本，则将所述有标号的文本表示为：长度为m的序列x1，x2，
…
...

【专利技术属性】
技术研发人员：苏晓杰，朱瑾玉，孙少欣，关丽娟，李睿，
申请(专利权)人：重庆大学，
类型：发明
国别省市：