信息处理方法技术

本申请涉及一种信息处理方法

【技术实现步骤摘要】
信息处理方法、信息处理装置、计算机设备及存储介质


[0001]本申请涉及计算机
，特别是涉及一种信息处理方法
、
信息处理装置
、
计算机设备及计算机可读存储介质
。

技术介绍

[0002]大型语言模型
(LLM
，
Large Language Model
，其为一种生成式模型
)
，如
ChatGPT(Chat Generative Pre
‑
trained Transformer
，是
OpenAI
机构研发的聊天机器人程序
)
，能够为用户提供的信息处理请求（即需求任务）而生成并执行许多的下游任务
(
例如面向用户的节假日出行的需求任务，生成并执行一系列的任务节点
)。
[0003]然而，在目前将
LLM
应用于现实世界中进行任务节点的生成和执行的方法还不太成熟，导致生成的任务节点与用户的实际需求不太相符，进而后续执行任务节点所得到的处理结果与用户的实际需求偏差较大
。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种信息处理方法
、
信息处理装置
、
计算机设备
、
计算机可读存储介质和计算机程序产品
。
[0005]第一方面，本申请提供了一种信息处理方法
。
所述方法包括：
>[0006]获取用户账户触发的信息处理请求；所述信息处理请求中携带有所述用户账户的对话语句和账户信息；所述对话语句表征所述信息处理请求的请求意图；
[0007]基于所述对话语句和所述账户信息，从预设路径库所存储的多个候选处理路径中确定出参考处理路径；所述候选处理路径为将多个任务节点按照预设顺序进行连接的工作流程；
[0008]将所述信息处理请求与所述参考处理路径输入预训练的大语言模型，得到所述大语言模型输出的针对于所述请求意图的预测处理路径；
[0009]执行所述预测处理路径所对应工作流程的任务节点，得到针对所述信息处理请求的处理结果
。
[0010]在其中一个实施例中，所述基于所述对话语句和所述账户信息，从预设路径库所存储的多个候选处理路径中确定出参考处理路径，包括：
[0011]基于所述对话语句所对应的请求意图与各所述候选处理路径所对应的处理意图之间的匹配程度，确定针对各所述候选处理路径的第一参考程度；以及
[0012]基于所述账户信息与各所述候选处理路径所对应的作者信息之间的关联程度，确定各所述候选处理路径的第二参考程度；所述作者信息表征候选处理路径所对应的创作者或者应用者的账户信息；
[0013]基于所述第一参考程度和所述第二参考程度，从各所述候选处理路径中确定出参考处理路径
。
[0014]在其中一个实施例中，在所述确定针对各所述候选处理路径的第一参考程度之
前，还包括：
[0015]将所述对话语句与预设的第一路由表中存储的多个标准语句进行匹配，确定出与所述对话语句相匹配的目标标准语句；
[0016]在预设的第二路由表中确定出关联于所述目标标准语句的目标意图，并将所述目标意图作为针对于所述对话语句的请求意图
。
[0017]在其中一个实施例中，所述基于所述对话语句所对应的请求意图与各所述候选处理路径所对应的处理意图之间的匹配程度，确定针对各所述候选处理路径的第一参考程度，包括：
[0018]将所述请求意图转换为目标空间向量，以及获取各所述候选处理路径所对应处理意图的候选空间向量；
[0019]确定各所述候选空间向量分别与所述目标空间向量之间的相似度，并将所述相似度作为各所述候选空间向量对应的所述候选处理路径的第一参考程度
。
[0020]在其中一个实施例中，所述基于所述账户信息与各所述候选处理路径所对应的作者信息之间的关联程度，确定各所述候选处理路径的第二参考程度，包括：
[0021]基于所述账户信息所对应的本端用户账户与各所述候选处理路径的作者信息所对应的对端用户账户之间的关联程度，确定各所述候选处理路径的置信分数；所述置信分数表征本端用户账户选取候选处理路径作为参考处理路径的可靠程度；
[0022]将各所述候选处理路径的置信分数分别输入预设的放大函数中进行放大处理，得到针对各所述候选处理路径的第二参考程度
。
[0023]在其中一个实施例中，所述关联程度基于权重系数表征；
[0024]所述基于所述账户信息所对应的本端用户账户与各所述候选处理路径的作者信息所对应的对端用户账户之间的关联程度，确定各所述候选处理路径的置信分数，包括：
[0025]获取各所述对端用户账户预设的账户等级；所述账户等级表征对端用户账户对应创作或者应用的候选处理路径的合理程度；
[0026]基于各所述对端用户账户的账户等级与对应的所述权重系数之间的乘积，确定各所述候选处理路径的置信分数
。
[0027]在其中一个实施例中，所述第一参考程度基于第一参考分数表征，所述第二参考程度基于第二参考分数表征；
[0028]所述基于所述第一参考程度和所述第二参考程度，从各所述候选处理路径中确定出参考处理路径，包括：
[0029]获取各所述候选处理路径的时间衰减分数；所述时间衰减分数表征在当前时间将所述候选处理路径应用为所述参考处理路径的合理程度；
[0030]基于所述第一参考分数
、
所述第二参考分数和所述时间衰减分数之间的加权和，确定各所述候选处理路径的综合参考分数；
[0031]基于所述综合参考分数，对各所述候选处理路径按照大小顺序进行排序，并选择出对应排序在前预设位次的目标处理路径作为所述参考处理路径
。
[0032]在其中一个实施例中，所述获取各所述候选处理路径的时间衰减分数，包括：
[0033]获取各所述候选处理路径的创作时间或者最近的应用时间；
[0034]确定所述当前时间与所述创作时间或者所述应用时间之间的时间距离；
[0035]基于预设的时间衰减函数对各所述候选处理路径的时间距离进行衰减评估，得到针对各所述候选处理路径的时间衰减分数；
[0036]其中，所述时间衰减分数与所述时间距离负相关
。
[0037]在其中一个实施例中，在所述得到针对所述信息处理请求的处理结果之后，还包括：
[0038]获取所述用户账户对所述预测处理路径的评价分数
、
所述预测处理路径的创作时间，以及所述用户账户的账户等级；
[0039]在所述评价分数大于预设分数的情况下，基于所述预测处理路径对所述信息处理请求的请求意图进行修正，得到新的请求意图；
[0040]将所述预测处理路径
、
所述创本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种信息处理方法，其特征在于，所述方法包括：获取用户账户触发的信息处理请求；所述信息处理请求中携带有所述用户账户的对话语句和账户信息；所述对话语句表征所述信息处理请求的请求意图；基于所述对话语句和所述账户信息，从预设路径库所存储的多个候选处理路径中确定出参考处理路径；所述候选处理路径为将多个任务节点按照预设顺序进行连接的工作流程；将所述信息处理请求与所述参考处理路径输入预训练的大语言模型，得到所述大语言模型输出的针对于所述请求意图的预测处理路径；执行所述预测处理路径所对应工作流程的任务节点，得到针对所述信息处理请求的处理结果
。2.
根据权利要求1所述的方法，其特征在于，所述基于所述对话语句和所述账户信息，从预设路径库所存储的多个候选处理路径中确定出参考处理路径，包括：基于所述对话语句所对应的请求意图与各所述候选处理路径所对应的处理意图之间的匹配程度，确定针对各所述候选处理路径的第一参考程度；以及基于所述账户信息与各所述候选处理路径所对应的作者信息之间的关联程度，确定各所述候选处理路径的第二参考程度；所述作者信息表征候选处理路径所对应的创作者或者应用者的账户信息；基于所述第一参考程度和所述第二参考程度，从各所述候选处理路径中确定出参考处理路径
。3.
根据权利要求2所述的方法，其特征在于，在所述确定针对各所述候选处理路径的第一参考程度之前，还包括：将所述对话语句与预设的第一路由表中存储的多个标准语句进行匹配，确定出与所述对话语句相匹配的目标标准语句；在预设的第二路由表中确定出关联于所述目标标准语句的目标意图，并将所述目标意图作为针对于所述对话语句的请求意图
。4.
根据权利要求3所述的方法，其特征在于，所述基于所述对话语句所对应的请求意图与各所述候选处理路径所对应的处理意图之间的匹配程度，确定针对各所述候选处理路径的第一参考程度，包括：将所述请求意图转换为目标空间向量，以及获取各所述候选处理路径所对应处理意图的候选空间向量；确定各所述候选空间向量分别与所述目标空间向量之间的相似度，并将所述相似度作为各所述候选空间向量对应的所述候选处理路径的第一参考程度
。5.
根据权利要求2所述的方法，其特征在于，所述基于所述账户信息与各所述候选处理路径所对应的作者信息之间的关联程度，确定各所述候选处理路径的第二参考程度，包括：基于所述账户信息所对应的本端用户账户与各所述候选处理路径的作者信息所对应的对端用户账户之间的关联程度，确定各所述候选处理路径的置信分数；所述置信分数表征本端用户账户选取候选处理路径作为参考处理路径的可靠程度；将各所述候选处理路径的置信分数分别输入预设的放大函数中进行放大处理，得到针对各所述候选处理路径的第二参考程度
。
6.
根据权利要求5所述的方法，其特征在于，所述关联程度基于权重系数表征；所述基于所述账户信息所对应的本端用户账户与各所述候选处理路径的作者信息所对应的对端用户账户之间的关联程度，确定各所述候选处理路径的置信分数，包括：获取各所述对端用户账户预设的账户等级；所述账户等级表征对端用户账户对应创作或者应用的候选处理路径的合理程度；基于各所述对端用户账户...

【专利技术属性】
技术研发人员：许汝全，莫涵宇，谢睿，
申请(专利权)人：广州趣研网络科技有限公司，
类型：发明
国别省市：