【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种大语言模型的提问改进方法及装置。
技术介绍
1、随着大语言模型技术的发展，大语言模型的应用已经非常广泛，主要是通过prompt的提示方式，让用户一步一步输入提问，引导提示大语言模型输出想要的结果，但用户在根据prompt进行提问输入时，主要依赖于用户的知识储备、语言表达能力、学习能力等，当用户在使用大语言模型解决不熟悉的问题时，往往存在输入的内容不够合理和准确，导致最终大语言模型输出的回答不符合用户的需求，用户体验感差。
技术实现思路
1、本专利技术所要解决的技术问题是：本专利技术提供一种大语言模型的提问改进方法及装置，对用户输入的提问进行改进从而使得大语言模型输出符合用户需求的回答，优化用户体验。
2、为了解决上述技术问题，本专利技术采用的技术方案为：
3、第一方面，本专利技术提供一种大语言模型的提问改进方法，包括：
4、获取所有历史用户提问和用户对大语言模型输出的对应每一个历史用户提问的历史回答的历史评分，根据预设评分规则对所述历史评分进行分级，得到低分历史评分和高分历史评分；
5、根据所有所述历史用户提问和所述历史评分构建训练数据集，基于所述训练数据集构建和训练提问改进模型，得到达到预期效果的提问改进模型，所述预期效果为将低分历史评分对应的历史用户提问改进为高分历史评分对应的历史用户提问；
6、获取实时用户提问，将所述实时用户提问输入提问改进模型进行提问改进，得到提问改进后的实时用户
7、本专利技术的有益效果在于：以历史用户提问和用户对大语言模型生成的每一个历史用户提问的历史回答的历史评分作为训练集，构建和训练提问改进模型，保证提问改进模型的合理性，且最终得到的即达到预期效果的提问改进模型是能实现将低分历史评分对应的历史用户提问改进为高分历史评分对应的历史用户提问的提问改进模型，从而实现通过该提问改进模型对实时用户提问进行提问改进，避免由于用户自身知识储备不足时，不能准确输入提问的情况出现，使得大语言模型根据提问改进后的实时用户提问所生成的提问回答更加符合用户需求，优化用户体验。
8、可选地，所述根据所有所述历史用户提问和所述历史评分构建训练数据集包括：
9、对所有所述历史用户提问进行相似度计算，根据所述相似度对所有历史用户提问进行分组，得到n组相似历史用户提问组；
10、从每一组所述相似历史用户提问组中随机选出低分历史评分对应的历史用户提问和高分历史评分对应的历史用户提问，将低分历史评分对应的历史用户提问作为输入句子，将高分历史评分对应的历史用户提问作为输出句子，以所述输入句子和所述输出句子构建训练数据集。
11、根据上述描述可知，以相似度将所有历史用户提问进行分组，以得到n组相似历史用户提问组，并随机从每一组中选出低分历史评分对应的历史用户提问和高分历史评分对应的历史用户提问，提高所选取的历史用户提问的合理性与灵活性，将其低分历史评分对应的历史用户提问作为输入句子，高分历史评分对应的历史用户提问作为输出句子以此构建训练数据集，保证训练数据集的合理性与有效性。
12、可选地，所述对所有所述历史用户提问进行相似度计算，根据所述相似度对所有历史用户提问进行分组，得到n组相似历史用户提问组包括：
13、通过bert模型对所有所述历史用户提问进行相似度计算，将相似度超过第一相似阈值的历史用户提问作为同一组相似历史用户提问组，得到n组相似历史用户提问组。
14、根据上述描述可知，通过bert模型对历史用户提问进行相似度计算，保证根据该相似度所划分得到的n组相似历史用户提问组的准确性。
15、可选地，所述基于所述训练数据集构建和训练提问生成模型包括：
16、将所述训练数据集输入transformer模型构建和训练提问改进模型。
17、根据上述描述可知，以transformer模型构建和训练提问改进模型，保证所得到的提问改进模型能直接计算每一个词之间的相关性，不需要通过隐藏层传递，并且能进行并行计算，提高计算效率的同时，提高gpu资源的利用率。
18、可选地，所述提问改进模型按照预设周期进行更新。
19、根据上述描述可知，更新机制，提高了提问改进模型的完善性与实效性。
20、第二方面，本专利技术提供一种大语言模型的提问改进装置，包括：
21、获取模块，用于获取所有历史用户提问和用户对大语言模型输出的对应每一个历史用户提问的历史回答的历史评分，根据预设评分规则对所述历史评分进行分级，得到低分历史评分和高分历史评分；
22、构建模块，用于根据所有所述历史用户提问和所述历史评分构建训练数据集，基于所述训练数据集构建和训练提问改进模型，得到达到预期效果的提问改进模型，所述预期效果为将低分历史评分对应的历史用户提问改进为高分历史评分对应的历史用户提问；
23、回答模块，用于获取实时用户提问，将所述实时用户提问输入提问改进模型进行提问改进，得到提问改进后的实时用户提问，将提问改进后的实时用户提问输入大语言模型进行提问，得到大语言模型根据提问改进后的实时用户提问生成的提问回答。
24、本专利技术的有益效果在于：以历史用户提问和用户对大语言模型生成的每一个历史用户提问的历史回答的历史评分作为训练集，构建和训练提问改进模型，保证提问改进模型的合理性，且最终得到的即达到预期效果的提问改进模型是能实现将低分历史评分对应的历史用户提问改进为高分历史评分对应的历史用户提问的提问改进模型，从而实现通过该提问改进模型对实时用户提问进行提问改进，避免由于用户自身知识储备不足时，不能准确输入提问的情况出现，使得大语言模型根据提问改进后的实时用户提问所生成的提问回答更加符合用户需求，优化用户体验。
25、可选地，所述构建模块具体用于：
26、对所有所述历史用户提问进行相似度计算，根据所述相似度对所有历史用户提问进行分组，得到n组相似历史用户提问组；
27、从每一组所述相似历史用户提问组中随机选出低分历史评分对应的历史用户提问和高分历史评分对应的历史用户提问，将低分历史评分对应的历史用户提问作为输入句子，将高分历史评分对应的历史用户提问作为输出句子，以所述输入句子和所述输出句子构建训练数据集。
28、根据上述描述可知，以相似度将所有历史用户提问进行分组，以得到n组相似历史用户提问组，并随机从每一组中选出低分历史评分对应的历史用户提问和高分历史评分对应的历史用户提问，提高所选取的历史用户提问的合理性与灵活性，将其低分历史评分对应的历史用户提问作为输入句子，高分历史评分对应的历史用户提问作为输出句子以此构建训练数据集，保证训练数据集的合理性与有效性。
29、可选地，所述构建模块包括：
30、相似度计算本文档来自技高网...
【技术保护点】
1.一种大语言模型的提问改进方法，其特征在于，包括：
2.如权利要求1所述的一种大语言模型的提问改进方法，其特征在于，所述根据所有所述历史用户提问和所述历史评分构建训练数据集包括：
3.如权利要求2所述的一种大语言模型的提问改进方法，其特征在于，所述对所有所述历史用户提问进行相似度计算，根据所述相似度对所有历史用户提问进行分组，得到N组相似历史用户提问组包括：
4.如权利要求1所述的一种大语言模型的提问改进方法，其特征在于，所述基于所述训练数据集构建和训练提问生成模型包括：
5.如权利要求1所述的一种大语言模型的提问生成方法，其特征在于，所述提问改进模型按照预设周期进行更新。
6.一种大语言模型的提问改进装置，其特征在于，包括：
7.如权利要求6所述的一种大语言模型的提问改进装置，其特征在于，所述构建模块具体用于：
8.如权利要求7所述的一种大语言模型的提问改进装置，其特征在于，所述构建模块包括：
9.如权利要求6所述的一种大语言模型的提问改进装置，其特征在于，所述构建模块具体用于：<...
【技术特征摘要】
1.一种大语言模型的提问改进方法，其特征在于，包括：
2.如权利要求1所述的一种大语言模型的提问改进方法，其特征在于，所述根据所有所述历史用户提问和所述历史评分构建训练数据集包括：
3.如权利要求2所述的一种大语言模型的提问改进方法，其特征在于，所述对所有所述历史用户提问进行相似度计算，根据所述相似度对所有历史用户提问进行分组，得到n组相似历史用户提问组包括：
4.如权利要求1所述的一种大语言模型的提问改进方法，其特征在于，所述基于所述训练数据集构建和训练提问生成模型包括：
5.如权利要求1所述的一种大...
【专利技术属性】
技术研发人员：张凯，朱向东，杨雅享，林玮骞，邱梓咸，谢挺浩，李自东，
申请(专利权)人：福建实达集团股份有限公司，
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。