一种对话推荐方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种对话推荐方法、装置、设备及存储介质，涉及人工智能技术领域，包括：获取用户初始导购需求，并判断是否收集完成；若收集完成，将其作为用户目标导购需求利用目标大型语言模型解析，抽取关键信息，融合关键信息得到目标抽取结果；根据目标抽取结果进行语义召回，并确定语义召回结果和关键信息之间的相似度，以根据相似度对语义召回结果进行排序得到排序结果；基于排序结果利用目标大型语言模型生成用户目标导购需求对应的商品推荐和商品推荐解释。基于大型语言模型进行导购对话管理，并且通过对关键词的抽取与定义使推荐结果与用户具体需求更加符合，以及基于大型语言模型对最终的推荐结果给出解释，增强对话推荐的可信度。的可信度。的可信度。

【技术实现步骤摘要】
一种对话推荐方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能
，特别涉及一种对话推荐方法、装置、设备及存储介质。

技术介绍

[0002]随着人工智能技术的成熟，其在对话推荐方面的具体应用也越来越多，例如可以在用户进行服装挑选时通过获取用户的需求给出相应的服装产品和推荐。但是现有的对话式推荐系统中对于对话的管理，通常是基于规则的形式，并且对于关键信息的识别也是预先定义好的槽位，这都使得在对话的过程中生成的对话以及推荐结果过于死板，缺少灵活性。因此最终通过给用户展现推荐列表后也因为中间流程的黑盒使得推荐结果缺少解释性。而对话推荐系统的使用灵活性与推荐结果的可解释性对于整个系统的持久发展和使用是非常重要的。因此，如何提高对话推荐时的灵活性，并且生成可解释的推荐结果是本领域亟待解决的问题。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种对话推荐方法、装置、设备及存储介质，可以基于大型语言模型进行导购对话管理，并且通过对关键词的抽取与定义使推荐结果与用户具体需求更加符合，以及基于大型语言模型对最终的推荐结果给出解释，增强对话推荐的可信度。其具体方案如下：
[0004]第一方面，本申请提供了一种对话推荐方法，包括：
[0005]获取用户初始导购需求，并判断所述用户初始导购需求是否收集完成；
[0006]若收集完成，将当前的所述用户初始导购需求作为用户目标导购需求利用目标大型语言模型进行解析，以抽取所述用户目标导购需求的关键信息，并融合所述关键信息得到目标抽取结果；
[0007]根据所述目标抽取结果进行语义召回，以得到语义召回结果，并确定所述语义召回结果和所述关键信息之间的相似度，以根据所述相似度对所述语义召回结果进行排序得到排序结果；
[0008]基于所述排序结果利用所述目标大型语言模型生成所述用户目标导购需求对应的商品推荐和商品推荐解释。
[0009]可选的，所述获取用户初始导购需求，并判断所述用户初始导购需求是否收集完成之后，还包括：
[0010]若所述初始用户导购需求未收集完成，则继续根据预设规则询问用户导购需求，获取对应的用户回答结果；
[0011]根据所述用户回答结果和所述初始用户导购需求生成用户目标导购需求，以基于所述目标大型语言模型对所述用户目标导购需求进行解析。
[0012]可选的，所述根据所述用户回答结果和所述初始用户导购需求生成用户目标导购
需求，包括：
[0013]判断所述用户回答结果是否为导购需求修改意图；
[0014]若是，则根据所述导购需求修改意图修改所述初始用户导购需求，并将修改后的所述初始用户导购需求作为所述用户目标导购需求。
[0015]可选的，所述将当前的所述用户初始导购需求作为用户目标导购需求利用目标大型语言模型进行解析，包括：
[0016]将当前对话的上下文进行合并后输入至初始大型语言模型，并根据预设词汇筛选规则筛选出当前对话中的服装行业核心词汇，基于所述上下文和所述服装行业核心词汇利用大型语言模型的低秩适应技术对所述初始大型语言模型进行微调，生成目标大型语言模型，以将当前的所述用户初始导购需求作为用户目标导购需求利用所述目标大型语言模型进行解析。
[0017]可选的，所述抽取所述用户目标导购需求的关键信息，并融合所述关键信息得到目标抽取结果，包括：
[0018]根据第一预设信息标签过滤所述关键信息，并根据第二预设信息标签筛选过滤后的所述关键信息，得到目标关键信息，以融合所述目标关键信息得到目标抽取结果。
[0019]可选的，所述基于所述排序结果利用所述目标大型语言模型生成所述用户目标导购需求对应的商品推荐和商品推荐解释，包括：
[0020]获取预设自有服装行业导购数据，并将所述预设自有服装行业导购数据和预设第三方公开客服数据中的服装行业数据进行融合，得到目标数据；
[0021]获取当前用户的历史画像，根据所述历史画像基于所述排序结果利用所述目标大型语言模型，从所述目标数据筛选出所述用户目标导购需求对应的商品推荐，并生成相应的商品推荐解释。
[0022]可选的，所述基于所述排序结果利用所述目标大型语言模型生成所述用户目标导购需求对应的商品推荐和商品推荐解释之后，还包括：
[0023]生成当前的所述商品推荐和所述商品推荐解释对应的满意度调查问卷，并根据所述满意度调查问卷获取用户的满意度和对应的改进意见。
[0024]第二方面，本申请提供了一种对话推荐装置，包括：
[0025]需求获取模块，用于获取用户初始导购需求，并判断所述用户初始导购需求是否收集完成；
[0026]信息抽取模块，用于若收集完成，将当前的所述用户初始导购需求作为用户目标导购需求利用目标大型语言模型进行解析，以抽取所述用户目标导购需求的关键信息，并融合所述关键信息得到目标抽取结果；
[0027]语义召回模块，用于根据所述目标抽取结果进行语义召回，以得到语义召回结果，并确定所述语义召回结果和所述关键信息之间的相似度，以根据所述相似度对所述语义召回结果进行排序得到排序结果；
[0028]推荐生成模块，用于基于所述排序结果利用所述目标大型语言模型生成所述用户目标导购需求对应的商品推荐和商品推荐解释。
[0029]第三方面，本申请提供了一种电子设备，所述电子设备包括处理器和存储器；其中，所述存储器用于存储计算机程序，所述计算机程序由所述处理器加载并执行以实现前
述的对话推荐方法。
[0030]第四方面，本申请提供了一种计算机可读存储介质，用于保存计算机程序，所述计算机程序被处理器执行时实现前述的对话推荐方法。
[0031]本申请中，首先获取用户初始导购需求，并判断所述用户初始导购需求是否收集完成；若收集完成，将当前的所述用户初始导购需求作为用户目标导购需求利用目标大型语言模型进行解析，以抽取所述用户目标导购需求的关键信息，并融合所述关键信息得到目标抽取结果；然后根据所述目标抽取结果进行语义召回，以得到语义召回结果，并确定所述语义召回结果和所述关键信息之间的相似度，以根据所述相似度对所述语义召回结果进行排序得到排序结果；并且基于所述排序结果利用所述目标大型语言模型生成所述用户目标导购需求对应的商品推荐和商品推荐解释。通过上述技术方案，本申请可以基于大型语言模型进行导购对话管理，并且通过对关键词的抽取与定义使推荐结果与用户具体需求更加符合，以及基于大型语言模型对最终的推荐结果给出解释，解决了对话式推荐系统中的对话管理过程死板缺少灵活性、推荐结果过于离散与用户原始需求匹配度、紧密度不高以及推荐结果的可解释差等问题，增强对话推荐的可信度。
附图说明
[0032]为了更清楚地说明本专利技术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，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对话推荐方法，其特征在于，包括：获取用户初始导购需求，并判断所述用户初始导购需求是否收集完成；若收集完成，将当前的所述用户初始导购需求作为用户目标导购需求利用目标大型语言模型进行解析，以抽取所述用户目标导购需求的关键信息，并融合所述关键信息得到目标抽取结果；根据所述目标抽取结果进行语义召回，以得到语义召回结果，并确定所述语义召回结果和所述关键信息之间的相似度，以根据所述相似度对所述语义召回结果进行排序得到排序结果；基于所述排序结果利用所述目标大型语言模型生成所述用户目标导购需求对应的商品推荐和商品推荐解释。2.根据权利要求1所述的对话推荐方法，其特征在于，所述获取用户初始导购需求，并判断所述用户初始导购需求是否收集完成之后，还包括：若所述初始用户导购需求未收集完成，则继续根据预设规则询问用户导购需求，获取对应的用户回答结果；根据所述用户回答结果和所述初始用户导购需求生成用户目标导购需求，以基于所述目标大型语言模型对所述用户目标导购需求进行解析。3.根据权利要求2所述的对话推荐方法，其特征在于，所述根据所述用户回答结果和所述初始用户导购需求生成用户目标导购需求，包括：判断所述用户回答结果是否为导购需求修改意图；若是，则根据所述导购需求修改意图修改所述初始用户导购需求，并将修改后的所述初始用户导购需求作为所述用户目标导购需求。4.根据权利要求1所述的对话推荐方法，其特征在于，所述将当前的所述用户初始导购需求作为用户目标导购需求利用目标大型语言模型进行解析，包括：将当前对话的上下文进行合并后输入至初始大型语言模型，并根据预设词汇筛选规则筛选出当前对话中的服装行业核心词汇，基于所述上下文和所述服装行业核心词汇利用大型语言模型的低秩适应技术对所述初始大型语言模型进行微调，生成目标大型语言模型，以将当前的所述用户初始导购需求作为用户目标导购需求利用所述目标大型语言模型进行解析。5.根据权利要求1所述的对话推荐方法，其特征在于，所述抽取所述用户目标导购需求的关键信息，并融合所述关键信息得到目标抽取结果，包括：根据第一预设信息标签过滤所述关键信息，并根...

【专利技术属性】
技术研发人员：张伟涛，
申请(专利权)人：上海微盟企业发展有限公司，
类型：发明
国别省市：