本申请公开了一种输入推荐方法、装置、设备及可读存储介质。预先对大语言模型的输入推荐能力进行训练,得到输入推荐模型,基于用户的当前输入内容、用户的当前输入场景以及用户的个性化特征信息,调用输入推荐模型,得到输入推荐模型生成的候选输入结果,基于输入推荐模型生成的候选输入结果,生成最终候选输入结果,本方案在输入推荐时考虑了用户的个性化特征信息,且基于具有超强的语言理解能力、生成能力、逻辑推理能力的大语言模型实现输入推荐,因此,可为用户提供高质量的、个性化的候选输入。
【技术实现步骤摘要】
本申请涉及人工智能,更具体的说,是涉及一种输入推荐方法、装置、设备及可读存储介质。
技术介绍
1、随着信息技术的不断发展,各式各样的智能终端在人们的生活工作中日益普及,智能终端通常采用各种各样的输入法来辅助用户输入,利用输入法来提高用户输入的效率在很大程度上取决于输入法推荐的候选输入。
2、但是,目前的输入法在推荐候选输入时,提供的候选输入质量较差,而且无法满足用户的个性化需求。
3、因此,如何提供一种输入推荐方法,以便为用户提供高质量的、个性化的候选输入,成为本领域技术人员亟待解决的技术问题。
技术实现思路
1、鉴于上述问题,本申请提出了一种输入推荐方法、装置、设备及可读存储介质,以便为用户提供高质量的、个性化的候选输入。具体方案如下:
2、一种输入推荐方法,所述方法包括:
3、获取用户的当前输入内容、所述用户的当前输入场景以及所述用户的个性化特征信息;
4、基于所述用户的当前输入内容、所述用户的当前输入场景以及所述用户的个性化特征信息,调用输入推荐模型,得到所述输入推荐模型生成的候选输入结果,其中,所述输入推荐模型为通过训练得到的具备输入推荐能力的大语言模型;
5、基于所述输入推荐模型生成的候选输入结果,生成最终候选输入结果。
6、可选地,所述基于所述用户的当前输入内容、所述用户的当前输入场景以及所述用户的个性化特征信息,调用输入推荐模型,得到所述输入推荐模型生成的候选输入结果,包括:
<
p>7、确定输入推荐任务类型;8、基于所述用户的当前输入内容、所述用户的当前输入场景以及所述用户的个性化特征信息,生成与所述输入推荐任务类型匹配的prompt;
9、将所述与所述输入推荐任务类型匹配的prompt输入所述输入推荐模型,得到所述输入推荐模型生成的候选输入结果。
10、可选地,所述基于所述用户的当前输入内容、所述用户的当前输入场景以及所述用户的个性化特征信息,生成与所述输入推荐任务类型匹配的prompt,包括:
11、获取预配置的与所述输入推荐任务类型匹配的输入推荐prompt格式模板,所述输入推荐prompt格式模板中包括输入内容槽、输入场景槽以及用户个性化特征信息槽;
12、将所述用户的当前输入内容填充至所述输入内容槽中,将所述用户的当前输入场景填充至所述输入场景槽中,将所述用户的个性化特征信息填充至所述用户个性化特征信息槽中,得到所述与所述输入推荐任务类型匹配的prompt。
13、可选地,所述输入推荐任务类型包括输入解码任务、智能联想任务、会聊任务中的任意一种。
14、可选地,所述输入推荐模型的训练方式包括:
15、获取预训练数据集,所述预训练数据集包括输入法相关数据;
16、利用所述预训练数据集对所述大语言模型进行预训练,得到预训练后的大语言模型;
17、构建有监督微调数据集,所述有监督微调数据集中包括与不同输入推荐任务类型匹配的训练用prompt、以及,每个训练用prompt对应的候选输入结果标签;
18、利用所述有监督微调数据集对所述预训练后的大语言模型进行监督微调,得到所述输入推荐模型。
19、可选地,所述用户的个性化特征信息是通过如下方式确定的:
20、获取所述用户的历史输入数据,所述历史输入数据用于指示所述用户在各种输入场景下的历史输入内容;
21、基于所述用户的历史输入数据,确定所述用户的个性化特征信息。
22、可选地,所述基于所述输入推荐模型生成的候选输入结果,生成最终候选输入结果,包括:
23、获取输入法编辑器给出的候选输入结果;
24、针对所述输入推荐模型生成的候选输入结果和所述输入法编辑器给出的候选输入结果中的每个候选输入,计算所述候选输入的最终得分;
25、基于各个候选输入的最终得分,对所述各个候选输入进行降序排序,生成所述最终候选输入结果。
26、可选地,在所述基于所述输入推荐模型生成的候选输入结果,生成最终候选输入结果之后,所述方法还包括:
27、获取所述用户对所述最终候选输入结果的操作行为数据;
28、基于所述操作行为数据对所述输入推荐模型进行迭代优化。
29、一种输入推荐装置,所述装置包括:
30、获取单元,用于获取用户的当前输入内容、所述用户的当前输入场景以及所述用户的个性化特征信息;
31、输入推荐单元,用于基于所述用户的当前输入内容、所述用户的当前输入场景以及所述用户的个性化特征信息,调用输入推荐模型,得到所述输入推荐模型生成的候选输入结果,其中,所述输入推荐模型为通过训练得到的具备输入推荐能力的大语言模型;
32、最终候选输入结果生成单元,用于基于所述输入推荐模型生成的候选输入结果,生成最终候选输入结果。
33、可选地,所述输入推荐单元,包括:
34、任务类型确定单元,用于确定输入推荐任务类型;
35、prompt生成单元,用于基于所述用户的当前输入内容、所述用户的当前输入场景以及所述用户的个性化特征信息,生成与所述输入推荐任务类型匹配的prompt;
36、输入单元,用于将所述与所述输入推荐任务类型匹配的prompt输入所述输入推荐模型,得到所述输入推荐模型生成的候选输入结果。
37、可选地,所述prompt生成单元,具体用于:
38、获取预配置的与所述输入推荐任务类型匹配的输入推荐prompt格式模板,所述输入推荐prompt格式模板中包括输入内容槽、输入场景槽以及用户个性化特征信息槽;
39、将所述用户的当前输入内容填充至所述输入内容槽中,将所述用户的当前输入场景填充至所述输入场景槽中,将所述用户的个性化特征信息填充至所述用户个性化特征信息槽中,得到所述与所述输入推荐任务类型匹配的prompt。
40、可选地,所述输入推荐任务类型包括输入解码任务、智能联想任务、会聊任务中的任意一种。
41、可选地,所述装置还包括:输入推荐模型训练单元,所述输入推荐模型训练单元,具体用于:
42、获取预训练数据集,所述预训练数据集包括输入法相关数据;
43、利用所述预训练数据集对所述大语言模型进行预训练,得到预训练后的大语言模型;
44、构建有监督微调数据集,所述有监督微调数据集中包括与不同输入推荐任务类型匹配的训练用prompt、以及,每个训练用prompt对应的候选输入结果标签;
45、利用所述有监督微调数据集对所述预训练后的大语言模型进行监督微调,得到所述输入推荐模型。
46、可选地,所述装置还包括个性化特征信息确定单元,所述个性化特征信息确定单元,具体用于:
47、获取所述用户的历史输入数据,所述历史输入本文档来自技高网
...
【技术保护点】
1.一种输入推荐方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述用户的当前输入内容、所述用户的当前输入场景以及所述用户的个性化特征信息,调用输入推荐模型,得到所述输入推荐模型生成的候选输入结果,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于所述用户的当前输入内容、所述用户的当前输入场景以及所述用户的个性化特征信息,生成与所述输入推荐任务类型匹配的prompt,包括:
4.根据权利要求2所述的方法,其特征在于,所述输入推荐任务类型包括输入解码任务、智能联想任务、会聊任务中的任意一种。
5.根据权利要求1所述的方法,其特征在于,所述输入推荐模型的训练方式包括:
6.根据权利要求1所述的方法,其特征在于,所述用户的个性化特征信息是通过如下方式确定的:
7.根据权利要求1所述的方法,其特征在于,所述基于所述输入推荐模型生成的候选输入结果,生成最终候选输入结果,包括:
8.根据权利要求1所述的方法,其特征在于,在所述基于所述输入推荐模型生成的候选输入结果,生成最终候选输入结果之后,所述方法还包括:
9.一种输入推荐装置,其特征在于,所述装置包括:
10.一种输入推荐设备,其特征在于,包括存储器和处理器;
11.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1至9中任一项所述的输入推荐方法的各个步骤。
...
【技术特征摘要】
1.一种输入推荐方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述用户的当前输入内容、所述用户的当前输入场景以及所述用户的个性化特征信息,调用输入推荐模型,得到所述输入推荐模型生成的候选输入结果,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于所述用户的当前输入内容、所述用户的当前输入场景以及所述用户的个性化特征信息,生成与所述输入推荐任务类型匹配的prompt,包括:
4.根据权利要求2所述的方法,其特征在于,所述输入推荐任务类型包括输入解码任务、智能联想任务、会聊任务中的任意一种。
5.根据权利要求1所述的方法,其特征在于,所述输入推荐模型的训练方式包括:<...
【专利技术属性】
技术研发人员:丁克玉,王士进,刘聪,
申请(专利权)人:科大讯飞股份有限公司,
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。