一种云平台回复方法、装置、设备及存储介质与流程

本发明涉及互联网和人工智，特别涉及一种云平台回复方法、装置、设备及存储介质。

背景技术：

1、随着互联网和人工智能技术的不断发展，目前，各种各样的智能客服以及智能机器人系统早已经进入我们生活的方方面面，智能回复系统越来越广泛的应用于客户服务、在线咨询等各种场景，如各种购物软件以及地图导航的智能客服等。但是，现今的智能回复还存在一定的弊端：

2、(1)用户咨询的问题较多且比较复杂，智能客服或智能机器人往往不能给出用户满意的答案；(2)用户对于问题的描述多数情况下不够清晰，智能客服或智能机器人不能很好的理解用户的真实意愿；(3)部分智能回复系统根据用户问题给出的答案缺少对用户问题以及答案深层次和多维度的信息挖掘，导致用户对答案满意度较低；(4)部分用户在得到操作问题答案后并不能进行有效操作，从而不能解决用户问题。

3、因此，如何提供一种解决上述技术问题的方案是本领域技术人员目前需要解决的问题。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种云平台回复方法、装置、设备及存储介质，能够使得生成的智能回复专业准确度高，提升云平台智能化，提升用户使用体验。其具体方案如下：

2、第一方面，本技术公开了一种云平台回复方法，包括：

3、获取云平台文档数据集，并利用所述云平台文档数据集以及基于云平台问答回复历史矩阵得到的问答回复文本对云平台初始模型进行预训练以得到云平台文本大模型；所述云平台问答回复历史矩阵为利用云平台上下文语义矩阵构建的问答回复历史矩阵；所述云平台上下文语义矩阵为与对所述云平台文档数据集进行预处理后得到的云平台文本矩阵对应的上下文语义矩阵；

4、获取云平台问答对话数据集，并利用所述云平台问答对话数据集对所述云平台文本大模型进行监督学习以得到云平台问答对话基准模型；

5、利用所述云平台问答对话基准模型输出目标问答问题的智能回复结果，并对所述智能回复结果进行反馈标注，以便基于所述目标问答问题与反馈标注后的所述智能回复结果构建问答回复反馈数据集；

6、利用所述问答回复反馈数据集对所述云平台问答对话基准模型进行训练以得到云平台回复效果评价模型，并通过强化学习算法对所述云平台回复效果评价模型进行训练以得到目标云平台智能回复生成模型。

7、可选的，所述利用所述云平台文档数据集以及基于云平台问答回复历史矩阵得到的问答回复文本对云平台初始模型进行预训练以得到云平台文本大模型，包括：

8、构建云平台初始模型，并将所述云平台文档数据集输入至所述云平台初始模型的输入嵌入层进行预处理以得到云平台文本矩阵；

9、将所述云平台文本矩阵输入包含多个编码层堆叠的编码器中以得到与所述云平台文本矩阵对应的云平台上下文语义矩阵；

10、利用所述云平台上下文语义矩阵构建云平台问答回复历史矩阵，并将所述云平台问答回复历史矩阵与所述云平台上下文语义矩阵输入包含多个解码层堆叠的解码器中以输出云平台问答回复向量；

11、将所述云平台问答回复向量添加至所述云平台问答回复历史矩阵，然后输入至所述云平台初始模型的输出层以输出问答回复文本；

12、基于所述云平台文档数据集和所述问答回复文本对所述云平台初始模型进行训练以得到所述云平台文本大模型。

13、可选的，所述输入嵌入层包括名词嵌入层、线性变化层以及相对位置嵌入层；所述将所述云平台文档数据集输入至所述云平台初始模型的输入嵌入层进行预处理以得到云平台文本矩阵，包括：

14、获取所述云平台文档数据集中与云计算相关的云平台名词，并利用所述名词嵌入层将所述云平台名词转换为云平台名词向量；

15、将所述云平台名词向量进行纵向堆叠以得到所述云平台文本矩阵；

16、相应的，所述将所述云平台文档数据集输入至所述云平台初始模型的输入嵌入层进行预处理以得到云平台文本矩阵之后，还包括：

17、通过所述线性变化层减小所述云平台文本矩阵的每一行的长度以得到当前维度云平台文本矩阵；

18、利用所述云平台文本大模型对所述当前维度云平台文本矩阵进行学习以确定所述当前维度云平台文本矩阵中每行向量数据对应的相对位置；

19、通过所述相对位置嵌入层将所述相对位置添加到所述当前维度云平台文本矩阵中的每一行。

20、可选的，所述利用所述云平台问答对话基准模型输出目标问答问题的智能回复结果，并对所述智能回复结果进行反馈标注，以便基于所述目标问答问题与反馈标注后的所述智能回复结果构建问答回复反馈数据集，包括：

21、利用所述云平台问答对话基准模型输出目标问答问题的智能回复结果，并对所述智能回复结果进行反馈标注；

22、根据反馈标注后的所述智能回复结果确定相应的答复质量，并根据所述答复质量进行质量排序以得到质量排序结果；

23、基于所述目标问答问题与反馈标注后的所述智能回复结果生成若干个回答反馈对，并利用所述回答反馈对构建问答回复反馈数据集；其中，所述回答反馈对的数量通过对所述质量排序结果进行排列组合后确定。

24、可选的，所述通过强化学习算法对所述云平台回复效果评价模型进行训练以得到目标云平台智能回复生成模型，包括：

25、随机抽取所述问答回复反馈数据集中的任意问答问题，并利用所述云平台问答对话基准模型输出与所述任意问答问题对应的智能回复结果；

26、基于所述强化学习算法，将所述任意问答问题与所述任意问答问题对应的智能回复结果输入至所述云平台回复效果评价模型以得到相应的输出得分；

27、根据所述输出得分对所述云平台问答对话基准模型的模型参数进行迭代更新，以便利用模型参数更新后的所述云平台问答对话基准模型确定所述目标云平台智能回复生成模型。

28、可选的，所述通过强化学习算法对所述云平台回复效果评价模型进行训练以得到目标云平台智能回复生成模型之后，还包括：

29、获取用户输入的历史问答问题，并利用所述目标云平台智能回复生成模型输出所述历史问答问题的历史智能回复结果；

30、利用所述历史问答问题与所述历史智能回复结果构建用户历史问题及回复数据集，并将所述用户历史问题及回复数据集存储至预设知识图谱库中。

31、可选的，所述的云平台回复方法，还包括：

32、为所述目标云平台智能回复生成模型创建相应的应用程序编程接口，并为所述预设知识图谱库中的所述用户历史问题及回复数据集设定目标关键词；所述目标关键词用于对用户的问答问题的类型进行判断；

33、获取用户输入的当前问答问题，并将所述当前问答问题与所述目标关键词进行匹配以判断所述当前问答问题是否属于操作类问题；

34、如果所述当前问答问题不属于所述操作类问题，则从所述预设知识图谱库中进行检索以得到相应的智能检索结果，并判断所述智能检索结果与所述当前问答问题的智能回复结果之间的匹配度是否达到第一预设阈值；

35、如果所述智能检索结果与所述当前问答问题的智能回复结果之间的匹配度达到所述第一预设阈值，则将所述智能检索结果直接反馈给所述用户；

36、如果所述智能检索结果与所述当前问答问题的智能回复结果之间的匹配度没有达到所述第一预设阈值，则利用所述目标云平台智能回复生成模型输出所述当前问答问题的智能回复结果，并利用所述当前问答问题的智能回复结果对所述用户历史问题及回复数据集进行更新；

37、如果所述当前问答问题属于所述操作类问题，则提取所述当前问答问题的操作类关键词，并将所述操作类关键词与预先设定的结构化操作流程库中的数据进行匹配；

38、当所述操作类关键词与所述结构化操作流程库中的数据之间的匹配度达到第二预设阈值时，确定与所述操作类关键词对应的执行参数并利用所述应用程序编程接口执行所述执行参数，以针对所述当前问答问题自动化执行相应的操作流程。

39、第二方面，本技术公开了一种云平台回复装置，包括：

40、第一模型训练模块，用于获取云平台文档数据集，并利用所述云平台文档数据集以及基于云平台问答回复历史矩阵得到的问答回复文本对云平台初始模型进行预训练以得到云平台文本大模型；所述云平台问答回复历史矩阵为利用云平台上下文语义矩阵构建的问答回复历史矩阵；所述云平台上下文语义矩阵为与对所述云平台文档数据集进行预处理后得到的云平台文本矩阵对应的上下文语义矩阵；

41、第二模型训练模块，用于获取云平台问答对话数据集，并利用所述云平台问答对话数据集对所述云平台文本大模型进行监督学习以得到云平台问答对话基准模型；

42、数据集构建模块，用于利用所述云平台问答对话基准模型输出目标问答问题的智能回复结果，并对所述智能回复结果进行反馈标注，以便基于所述目标问答问题与反馈标注后的所述智能回复结果构建问答回复反馈数据集；

43、目标模型生成模块，用于利用所述问答回复反馈数据集对所述云平台问答对话基准模型进行训练以得到云平台回复效果评价模型，并通过强化学习算法对所述云平台回复效果评价模型进行训练以得到目标云平台智能回复生成模型。

44、第三方面，本技术公开了一种电子设备，所述电子设备包括处理器和存储器；其中，所述存储器用于存储计算机程序，所述计算机程序由所述处理器加载并执行以实现如前所述的云平台回复方法。

45、第四方面，本技术公开了一种计算机可读存储介质，用于存储计算机程序；其中所述计算机程序被处理器执行时实现如前所述的云平台回复方法。

46、本技术提供了一种云平台回复方法，包括：获取云平台文档数据集，并利用所述云平台文档数据集以及基于云平台问答回复历史矩阵得到的问答回复文本对云平台初始模型进行预训练以得到云平台文本大模型；所述云平台问答回复历史矩阵为利用云平台上下文语义矩阵构建的问答回复历史矩阵；所述云平台上下文语义矩阵为与对所述云平台文档数据集进行预处理后得到的云平台文本矩阵对应的上下文语义矩阵；获取云平台问答对话数据集，并利用所述云平台问答对话数据集对所述云平台文本大模型进行监督学习以得到云平台问答对话基准模型；利用所述云平台问答对话基准模型输出目标问答问题的智能回复结果，并对所述智能回复结果进行反馈标注，以便基于所述目标问答问题与反馈标注后的所述智能回复结果构建问答回复反馈数据集；利用所述问答回复反馈数据集对所述云平台问答对话基准模型进行训练以得到云平台回复效果评价模型，并通过强化学习算法对所述云平台回复效果评价模型进行训练以得到目标云平台智能回复生成模型。

47、本技术的有益技术效果为：利用大规模的云平台文档数据集以及基于云平台问答回复历史矩阵得到的问答回复文本进行预训练，并通过大规模的目标问答问题生成智能回复结果，让云平台的问答模型具有专业度较高的问答能力。进一步的通过对云平台问答对话基准模型输出的智能回复结果进行反馈标注和强化学习进一步提升模型的准确度，以具备专业度较高的问答能力，回复人性化、专业准确度高。通过结构化的操作流程简化用户操作过程，提升云平台智能化，降低了用户的操作难度，提升了用户的使用体验。

48、此外，本技术提供的一种云平台回复装置、设备及存储介质，与上述的云平台回复方法对应，效果同上。