【技术实现步骤摘要】
本公开涉及人工智能，尤其涉及深度学习、大语言模型技术、ai(artificial intelligence，人工智能)医疗领域，具体涉及一种基于大语言模型的文本生成方法、装置、电子设备、存储介质和程序产品。
技术介绍
1、llm(large language model，大语言模型)，是指使用大量文本数据训练的深度学习模型，可以生成自然语言文本或理解语言文本的含义。
2、针对不同的应用场景，可以通过微调或调整大语言模型的提示输入(prompt)，利用大语言模型处理多种自然语言任务，例如：问答、文本分类等。
技术实现思路
1、本公开提供了一种基于大语言模型的文本生成的方法、装置、电子设备、存储介质和程序产品。
2、根据本公开的一方面，提供了一种文本生成方法，包括：对问题文本进行语义识别，得到多个主题词和问题类型，其中，问题文本包括与医疗相关的内容；根据多个主题词，从目标知识库中确定与问题文本对应的参考文本，其中，目标知识库是根据与医疗相关的历史文本构建得到的；以及对问题类型、问题文本和参考文本进行处理，生成用于答复问题文本的答复文本。
3、根据本公开的另一方面，提供了一种文本生成装置，包括：语义识别模块、第一确定模块和生成模块。语义识别模块，用于对问题文本进行语义识别，得到多个主题词和问题类型，其中，问题文本包括与医疗相关的内容。第一确定模块，用于根据多个主题词，从目标知识库中确定与问题文本对应的参考文本，其中，目标知识库是根据与医疗相关的历史文本
4、根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，上述存储器存储有可被上述至少一个处理器执行的指令，所述指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行如上描述的方法。
5、根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，上述计算机指令用于使所述计算机执行如上描述的方法。
6、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现如上描述的方法。
7、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种文本生成方法，包括：
2.根据权利要求1所述的方法，其中，所述根据所述多个主题词，从目标知识库中确定与所述问题文本对应的参考文本，包括：
3.根据权利要求2所述的方法，其中，所述根据所述多个主题词，确定待查询的文本类型，包括：
4.根据权利要求2所述的方法，其中，所述根据所述待查询的文本类型和所述多个主题词，从所述目标知识库中确定所述参考文本，包括：
5.根据权利要求4所述的方法，其中，所述目标知识库中包括候选文本的段落主题与段落内容的映射关系；所述根据所述多个主题词，从所述目标候选文本中确定所述参考文本，包括：
6.根据权利要求2所述的方法，其中，所述目标知识库包括第一知识库和第二知识库；所述根据所述预定主题词和所述问题文本从所述目标知识库中确定所述参考文本，包括：
7.根据权利要求6所述的方法，其中，所述根据所述第一候选文本、所述第二候选文本与所述问题文本的语义相关性，从所述第一候选文本和所述第二候选文本中确定所述参考文本，包括：
8.根据权利要求7所述的方法，其中，所述根据所述第一相
9.根据权利要求6所述的方法，其中，所述根据所述预定主题词，从所述第一知识库中确定第一候选文本，包括：
10.根据权利要求6所述的方法，其中，所述根据所述预定主题词，从所述第二知识库中确定第二候选文本，包括：
11.根据权利要求1所述的方法，其中，所述对所述问题类型、所述问题文本和所述参考文本进行处理，生成用于答复所述问题文本的答复文本，包括：
12.根据权利要求11所述的方法，其中，所述根据所述问题类型，从所述参考文本中提取用于生成所述答复文本的目标内容，包括：
13.根据权利要求11所述的方法，其中，所述根据所述问题类型，从所述参考文本中提取用于生成所述答复文本的目标内容，包括：
14.根据权利要求11所述的方法，其中，所述目标内容包括与多个文本段落对应的内容，所述对所述问题文本的文本特征和所述目标内容的文本特征进行处理，生成所述答复文本，包括：
15.根据权利要求1所述的方法，其中，所述对问题文本进行语义识别，得到多个主题词和问题类型，包括：
16.根据权利要求1所述的方法，还包括：
17.根据权利要求16所述的方法，其中，还包括：
18.一种文本生成装置，包括：
19.根据权利要求18所述的装置，其中，所述第一确定模块包括：
20.根据权利要求19所述的装置，其中，所述第二确定子模块包括：
21.根据权利要求19所述的装置，其中，所述第一确定单元包括：
22.根据权利要求21所述的装置，其中，所述目标知识库中包括候选文本的段落主题与段落内容的映射关系；所述第二确定子单元用于：
23.根据权利要求19所述的装置，其中，所述目标知识库包括第一知识库和第二知识库；所述第一确定子模块包括：
24.根据权利要求23所述的装置，其中，所述第四确定单元包括：
25.根据权利要求24所述的装置，其中，所述第三确定子单元用于：
26.根据权利要求23所述的装置，其中，所述第二确定单元包括：
27.根据权利要求23所述的装置，其中，所述第三确定单元包括：
28.根据权利要求18所述的装置，其中，所述生成模块包括：
29.根据权利要求28所述的装置，其中，所述第一提取子模块包括：
30.根据权利要求28所述的装置，其中，所述第一提取子模块包括：
31.根据权利要求28所述的装置，其中，所述目标内容包括与多个文本段落对应的内容；所述生成子模块包括：
32.根据权利要求18所述的装置，其中，所述语义识别模块包括：
33.根据权利要求18所述的装置，还包括：
34.根据权利要求33所述的装置，还包括：
35.一种电子设备，包括：
36.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-17中任一项所述的方法。
37.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-17中任一项所述的方法。
...【技术特征摘要】
1.一种文本生成方法，包括：
2.根据权利要求1所述的方法，其中，所述根据所述多个主题词，从目标知识库中确定与所述问题文本对应的参考文本，包括：
3.根据权利要求2所述的方法，其中，所述根据所述多个主题词，确定待查询的文本类型，包括：
4.根据权利要求2所述的方法，其中，所述根据所述待查询的文本类型和所述多个主题词，从所述目标知识库中确定所述参考文本，包括：
5.根据权利要求4所述的方法，其中，所述目标知识库中包括候选文本的段落主题与段落内容的映射关系；所述根据所述多个主题词，从所述目标候选文本中确定所述参考文本，包括：
6.根据权利要求2所述的方法，其中，所述目标知识库包括第一知识库和第二知识库；所述根据所述预定主题词和所述问题文本从所述目标知识库中确定所述参考文本，包括：
7.根据权利要求6所述的方法，其中，所述根据所述第一候选文本、所述第二候选文本与所述问题文本的语义相关性，从所述第一候选文本和所述第二候选文本中确定所述参考文本，包括：
8.根据权利要求7所述的方法，其中，所述根据所述第一相关度和所述第二相关度，从所述第一候选文本和所述第二候选文本中确定所述参考文本，包括：
9.根据权利要求6所述的方法，其中，所述根据所述预定主题词，从所述第一知识库中确定第一候选文本，包括：
10.根据权利要求6所述的方法，其中，所述根据所述预定主题词，从所述第二知识库中确定第二候选文本，包括：
11.根据权利要求1所述的方法，其中，所述对所述问题类型、所述问题文本和所述参考文本进行处理，生成用于答复所述问题文本的答复文本，包括：
12.根据权利要求11所述的方法，其中，所述根据所述问题类型，从所述参考文本中提取用于生成所述答复文本的目标内容，包括：
13.根据权利要求11所述的方法，其中，所述根据所述问题类型，从所述参考文本中提取用于生成所述答复文本的目标内容，包括：
14.根据权利要求11所述的方法，其中，所述目标内容包括与多个文本段落对应的内容，所述对所述问题文本的文本特征和所述目标内容的文本特征进行处理，生成所述答复文本，包括：<...
【专利技术属性】
技术研发人员：张思琦，武惠韬，朱东纬，
申请(专利权)人：北京百度网讯科技有限公司，
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。