【技术实现步骤摘要】
本专利技术涉及信息处理，具体涉及一种对话的方法、系统、设备及介质。
技术介绍
1、随着车辆技术的高速发展，车辆上的对话系统在车辆上的配置应用越来越广泛。
2、而目前的车辆上配置的对话系统主要为用户主动唤醒式的对话，需要接收到用户的特定输入内容触发对话的开始，同时在进行对话的过程中需要基于用户的输入内容对话系统才能做出相对应的回答，这使得用户在与对话系统进行对话的过程中，对话系统无法主动感知车辆上用户的状态，并作出共情式的内容输出，从而使得对话系统与车辆上的用户之间的交互体验不佳。
技术实现思路
1、本专利技术实施例提供一种对话的方法、系统、设备及介质。旨在实现车机主动发起与车辆上用户之间的对话，提升用户与车机之间的交互体验。
2、本专利技术实施例第一方面提供了一种对话的方法，所述方法包括：
3、确定当前车辆场景信息和用户的人格特质；
4、根据所述当前车辆场景信息和所述人格特质，确定对应的模型输入文本；
5、将所述模型输入文本输入预设语言模型进行处理，获得对话文本；
6、将所述对话文本进行输出，以与用户进行对话。
7、可选的，根据所述当前车辆场景信息和所述人格特质，确定对应的模型输入文本，包括：
8、根据所述当前车辆场景信息，确定预先构建的模型输入文本模板中与所述当前车辆场景信息对应的目标模型输入文本模板；
9、通过将所述当前车辆场景信息和所述人格特质填充至所述目标模型输入文本
10、可选的，确定用户的人格特质，包括：
11、获取用户的属性信息；
12、通过对所述属性信息进行特征构建，获得综合特征向量；
13、将所述综合特征向量输入预设分类模型进行处理，获得所述用户的人格特质。
14、可选的，所述通过对所述属性信息进行特征构建，获得综合特征向量，包括：
15、对所述属性信息进行特征提取，获得用户属性特征；
16、通过对所述用户属性特征中的类别特征进行编码处理，获得编码特征；
17、将获得的所述编码特征和所述用户属性特征中的数值特征进行拼接，获得综合特征向量。
18、可选的，所述将所述综合特征向量输入预设分类模型进行处理，获得所述用户的人格特质，包括：
19、将所述综合特征向量输入所述预设分类模型，对所述综合特征向量进行升维处理，获得对应的编码特征向量；
20、对所述编码特征向量进行并列的相关性分析处理，获得第一相关性特征向量和第二相关性特征向量；
21、对所述第一相关性特征向量和所述第二相关性特征向量特征融合，获得融合特征向量；
22、对所述融合特征向量进行非线性处理，获得所述用户的人格特质的分类结果。
23、可选的，所述对所述第一相关性特征向量和所述第二相关性特征向量特征融合，获得融合特征向量，包括：
24、对所述第一相关性特征向量和所述第二相关性特征向量特征融合，获得初始融合特征向量；
25、通过目标激活函数对所述初始融合特征向量进行处理，获得融合特征向量。
26、可选的，所述预设分类模型的训练，包括：
27、将获取的具有人格特质属性的用户的属性信息作为样本数据；
28、以所述样本数据对应的用户的人格特质属性对所述样本数据进行打标，获得目标样本数据；
29、以预设数量的目标样本数据对预设分类模型进行训练，获得训练合格的所述预设分类模型，所述预设数量的目标样本数据中包括所有人格特质属性标签的样本数据。
30、可选的，所述预设语言模型的构建，包括：
31、构建大语言模型，所述大语言模型中包括转换器模型；
32、对所述转换器模型的多头自注意力层中的查询向量和值向量增加低秩矩阵，获得第一语言模型；
33、在所述第一语言模型中的所述转换器模型的全连接层和残差之间嵌入适配模块，获得所述预设语言模型。
34、可选的，所述预设语言模型的训练，包括：
35、根据各个人格特质，构建与各个人格特质分别对应的人格样本语料；
36、通过各个人格样本语料对预设语言模型进行训练，获得训练合格的所述预设语言模型。
37、可选的，所述车辆场景信息还包括用户状态信息；所述用户状态信息包括用户情绪信息和/或用户疲劳信息。
38、可选的，所述根据所述当前车辆场景信息和所述人格特质，确定对应的模型输入文本，包括：
39、采集用户的语音信息；
40、根据所述语音信息、所述当前车辆场景信息和所述用户的人格特质，确定对应的模型输入文本。
41、本专利技术实施例第二方面提供了一种对话的系统，所述系统包括：
42、数据确定模块，用于确定当前车辆场景信息和用户的人格特质；
43、输入文本确定模块，用于根据所述当前车辆场景信息和所述人格特质，确定对应的模型输入文本；
44、对话文本确定模块，用于将所述模型输入文本输入预设语言模型进行处理，获得对话文本；
45、对话模块，用于将所述对话文本进行输出，以与用户进行对话。
46、本专利技术实施例第三方面提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如本专利技术第一方面所述的一种对话的方法。
47、本专利技术实施例第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如本专利技术第一方面所述的一种对话的方法。
48、本专利技术提供的一种对话的方法具有以下优点：
49、本专利技术实施例提供的一种对话的方法，首先确定当前车辆场景信息和用户的人格特质；然后根据确定的当前车辆场景信息和用户的人格特质，确定对应的模型输入文本；然后将确定的述模型输入文本输入到预设语言模型进行处理，获得在该车辆场景下针对该人格特质的用户的对话文本；将确定的对话文本进行输出，以与用户进行对话。由此，基于确定的车辆当前的车辆场景信息和用户的人格特质，进行相对应的在该车辆场景下针对该人格特质的用户的主动对话，从而实现车机主动发起与车辆上用户之间的对话，提升用户与车机之间的交互体验。
本文档来自技高网...【技术保护点】
1.一种对话的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种对话的方法，其特征在于，根据所述当前车辆场景信息和所述人格特质，确定对应的模型输入文本，包括：
3.根据权利要求1所述的一种对话的方法，其特征在于，确定用户的人格特质，包括：
4.根据权利要求3所述的一种对话的方法，其特征在于，所述通过对所述属性信息进行特征构建，获得综合特征向量，包括：
5.根据权利要求3所述的一种对话的方法，其特征在于，所述将所述综合特征向量输入预设分类模型进行处理，获得所述用户的人格特质，包括：
6.根据权利要求5所述的一种对话的方法，其特征在于，所述对所述第一相关性特征向量和所述第二相关性特征向量特征融合，获得融合特征向量，包括：
7.根据权利要求3所述的一种对话的方法，其特征在于，所述预设分类模型的训练，包括：
8.根据权利要求1所述的一种对话的方法，其特征在于，所述预设语言模型的构建，包括：
9.根据权利要求8所述的一种对话的方法，其特征在于，所述预设语言模型的训练，包括：
<...【技术特征摘要】
1.一种对话的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种对话的方法，其特征在于，根据所述当前车辆场景信息和所述人格特质，确定对应的模型输入文本，包括：
3.根据权利要求1所述的一种对话的方法，其特征在于，确定用户的人格特质，包括：
4.根据权利要求3所述的一种对话的方法，其特征在于，所述通过对所述属性信息进行特征构建，获得综合特征向量，包括：
5.根据权利要求3所述的一种对话的方法，其特征在于，所述将所述综合特征向量输入预设分类模型进行处理，获得所述用户的人格特质，包括：
6.根据权利要求5所述的一种对话的方法，其特征在于，所述对所述第一相关性特征向量和所述第二相关性特征向量特征融合，获得融合特征向量，包括：
7.根据权利要求3所述的一种对话的方法，其特征在于，所述预设分类模型的训练，包括：
8.根据权利要求1所述的一种对话的方法，其特征在于，...
【专利技术属性】
技术研发人员：韩三楚，谢乐成，胡小琼，罗咏刚，谭瑞，
申请(专利权)人：重庆长安科技有限责任公司，
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。