System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,特别是涉及一种融合大语言模型与动态对话意图的家装设计师推荐方法。
技术介绍
1、推荐系统作为大数据时代获取信息的重要工具之一,受到广泛的关注和研究。在家庭装修行业中,为提升客户转化率和经营收入,家装企业会根据用户的意图和设计师的履历,向潜在的装修客户推荐合适的设计师。随着客户对高效、个性化室内设计风格的需求增加,开发有效的客户-设计师推荐系统变得越来越重要。
2、现有技术中,家装企业主要通过人为介入的方式向客户推荐设计师,耗时又低效,虽然也有一些基于大数据的设计师推荐系统。但是,由于客户装修的需求和意图在不同对话的阶段中会发生变化,同时,家装企业的设计师固有的偏见和刻板印象,使得动态的、准确的设计师推荐面临巨大的挑战。
技术实现思路
1、为此,本专利技术的实施例提出一种融合大语言模型与动态对话意图的家装设计师推荐方法,以实现动态的、准确的设计师推荐。
2、根据本专利技术一实施例提出的融合大语言模型与动态对话意图的家装设计师推荐方法,所述方法包括以下步骤:
3、步骤1,根据用户的id、用户与销售顾问的历史对话文本、以及用户与设计师之间历史推荐关系,构建用户意图训练语料;根据设计师的id、人口统计学信息、业务专长信息、以及设计师的历史成功推荐案例信息,构建设计师履历训练语料;
4、步骤2,基于用户意图训练语料生成用户意图集合,基于设计师履历训练语料生成设计师个人履历集合;
5、步骤3,基于用户意图集合与
6、步骤4,对自然语言上下文中的客户意图进行随机组合,得到随机组合后的自然语言上下文;
7、步骤5,基于设计师个人履历集合,进行设计师履历规范化,得到规范化后的设计师个人履历集合;
8、步骤6,采用随机组合后的自然语言上下文和规范化后的设计师个人履历集合对moss对话推荐系统进行训练,然后通过训练后的moss对话推荐系统进行设计师推荐。
9、根据本专利技术实施例提出的融合大语言模型与动态对话意图的家装设计师推荐方法,首先构建用户意图训练语料和构建设计师履历训练语料,进而生成用户意图集合和设计师个人履历集合,然后基于用户意图集合与设计师个人履历集合生成用户历史对话图,再将用户历史对话图转化为用于大语言模型的自然语言上下文,再对自然语言上下文中的客户意图进行随机组合,并对设计师履历规范化,最后对moss对话推荐系统进行训练,基于moss对话推荐系统已具备提取精细文本特征和海量中文知识库的能力,从用户与销售顾问的历史对话语料中挖掘用户装修意图的动态变化,并与设计师的个人履历相匹配,本专利技术通过对自然语言上下文中的客户意图进行随机组合以及设计师履历规范化,减少了推荐结果中的偏差,并通过准确表示动态用户意图和设计师专长,提高了推荐结果的准确性。
10、另外,根据本专利技术上述实施例提出的融合大语言模型与动态对话意图的家装设计师推荐方法,还可以具有如下附加的技术特征:
11、进一步地,步骤1中,用户意图训练语料为txt格式文本,用户与设计师之间历史推荐关系满足以下条件式:
12、 ;
13、其中,表示被成功推荐了设计师的用户集合,表示第k个用户,表示与第k个用户存在历史推荐关系的设计师,表示历史用户集合,表示设计师集合;
14、设计师履历训练语料为txt格式文本,设计师的历史成功推荐案例信息满足以下条件式:
15、 ;
16、其中,表示被成功推荐给用户的设计师集合,表示第j个设计师,表示与第j个设计师存在历史推荐关系的用户。
17、进一步地,步骤2中,设计师个人履历集合由多对专长元组组成,其中一对专长元组表示为,其中,表示第i种设计专业知识,表示第i种设计专业知识对应的权重,每个设计师均有对专长元组。
18、进一步地,步骤4,对自然语言上下文中的客户意图进行随机组合,得到随机组合后的自然语言上下文,具体包括:
19、获取自然语言上下文中的用户与销售顾问之间的历史对话文本,并通过预设评价方式对历史对话文本中包含的用户意图、问题和偏好打上标签,作为验证的样本;
20、将样本中的语句或对话段随机打乱,改变原始对话中上下文的先后顺序;
21、将打乱后的语句或对话段重新组合成一个新的语句或对话段,实现客户意图的随机组合,从而得到随机组合后的自然语言上下文。
22、进一步地,步骤5中满足以下条件式:
23、 ;
24、其中,表示规范化后的第i种设计专业知识的权重,表示第w种设计专业知识对应的权重。
25、进一步地,步骤6中,采用随机组合后的自然语言上下文和规范化后的设计师个人履历集合对moss对话推荐系统进行训练时,进行提示词微调和指令微调,通过提示词微调引导moss对话推荐系统理解随机组合后的自然语言上下文,再通过指令微调细化推荐任务的执行,其中,提示词微调和指令微调共享相同的最终目标损失,最终目标损失的表达式为:
26、 ;
27、其中,表示封装的初始参数,和分别表示定制提示信息中的提示输入和提示响应,是训练集,表示相应次数,表示的第次的响应,表示之前的响应,表示在提示输入和条件下的条件分布概率。
本文档来自技高网...【技术保护点】
1.一种融合大语言模型与动态对话意图的家装设计师推荐方法,其特征在于,所述方法包括如下步骤:
2.根据权利要求1所述的融合大语言模型与动态对话意图的家装设计师推荐方法,其特征在于,步骤1中,用户意图训练语料为txt格式文本,用户与设计师之间历史推荐关系满足以下条件式:
3.根据权利要求1所述的融合大语言模型与动态对话意图的家装设计师推荐方法,其特征在于,步骤2中,设计师个人履历集合由多对专长元组组成,其中一对专长元组表示为,其中,表示第i种设计专业知识,表示第i种设计专业知识对应的权重,每个设计师均有对专长元组。
4.根据权利要求1所述的融合大语言模型与动态对话意图的家装设计师推荐方法,其特征在于,步骤4,对自然语言上下文中的客户意图进行随机组合,得到随机组合后的自然语言上下文,具体包括:
5.根据权利要求3所述的融合大语言模型与动态对话意图的家装设计师推荐方法,其特征在于,步骤5中满足以下条件式:
6.根据权利要求1所述的融合大语言模型与动态对话意图的家装设计师推荐方法,其特征在于,步骤6中,采用随机组合后的自然语言上
...【技术特征摘要】
1.一种融合大语言模型与动态对话意图的家装设计师推荐方法,其特征在于,所述方法包括如下步骤:
2.根据权利要求1所述的融合大语言模型与动态对话意图的家装设计师推荐方法,其特征在于,步骤1中,用户意图训练语料为txt格式文本,用户与设计师之间历史推荐关系满足以下条件式:
3.根据权利要求1所述的融合大语言模型与动态对话意图的家装设计师推荐方法,其特征在于,步骤2中,设计师个人履历集合由多对专长元组组成,其中一对专长元组表示为,其中,表示第i种设计专业知识,表示第i种设计专业知识对应的权重,每个设计师均有对专长元组。
4.根据权利要求1所述的融合大语言模型与动态对话意图的家装设计师推荐方法,其特...
【专利技术属性】
技术研发人员:钱忠胜,朱辉,吴沛霞,万子珑,
申请(专利权)人:江西财经大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。