对话处理方法、装置、电子设备及存储介质与流程

本公开涉及计算机，尤其涉及大语言模型、自然语言处理、知识图谱、深度学习等人工智能，具体涉及一种对话处理方法、装置、电子设备及存储介质。

背景技术：

1、随着人工智能技术的发展，大语言模型和其应用得到了人们的广泛关注。所以，如何提升大语言模型在对话中生成的答复语句的个性化程度和准确性，成为了提升用户使用体验、增加应用核心竞争力等亟待解决的问题。

技术实现思路

1、本公开旨在至少在一定程度上解决相关技术中的技术问题之一。

2、为此，本公开的目的在于提出一种对话处理方法、装置、电子设备及存储介质，可以提高生成的答复语句的可靠性和个性化程度，提高了对话质量，增加了用户聊天的满意度。

3、根据本公开第一方面，提供了一种对话处理方法，包括：

4、获取第一用户当前对话的主题及所述第一用户关联的第一历史对话库；

5、确定所述当前对话的主题与所述第一历史对话库中每个历史对话间的相似度；

6、根据所述相似度，从所述第一历史对话库中获取多个候选历史对话；

7、基于每个所述候选历史对话的遗忘系数及权重，从所述多个候选历史对话中获取参考对话；

8、基于所述参考对话、所述当前对话的主题，生成答复语句。

9、根据本公开第二方面，提供了一种对话处理装置，包括：

10、第一获取模块，用于获取第一用户当前对话的主题及所述第一用户关联的第一历史对话库；

11、第一确定模块，用于确定所述当前对话的主题与所述第一历史对话库中每个历史对话间的相似度；

12、第二获取模块，用于根据所述相似度，从所述第一历史对话库中获取多个候选历史对话；

13、第三获取模块，用于基于每个所述候选历史对话的遗忘系数及权重，从所述多个候选历史对话中获取参考对话；

14、生成模块，用于基于所述参考对话、所述当前对话的主题，生成答复语句。

15、根据本公开的第三方面，提供了一种电子设备，包括：

16、至少一个处理器；以及

17、与所述至少一个处理器通信连接的存储器；其中，

18、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的对话处理方法。

19、根据本公开第四方面，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，所述计算机指令用于使所述计算机执行如第一方面所述的对话处理方法。

20、根据本公开的第五方面，提供了一种计算机程序产品，包括计算机指令，所述计算机指令在被处理器执行时实现如第一方面所述的对话处理方法的步骤。

21、本公开提供的对话处理方法、装置、电子设备及存储介质，存在如下有益效果：

22、本公开实施例中，首先获取第一用户当前对话的主题及第一用户关联的第一历史对话库，确定当前对话的主题与第一历史对话库中每个历史对话间的相似度，然后根据相似度，从第一历史对话库中获取多个候选历史对话，并基于每个候选历史对话的遗忘系数及权重，从多个候选历史对话中获取参考对话，最后再基于参考对话、当前对话的主题，生成答复语句。由此，通过在用户关联的历史对话库中，筛选与当前对话主题相似且时效性高的历史语句，作为参考信息，辅助生成答复语句。从而，提高了答复语句的可靠性和个性化程度，提高了对话质量，增加了用户聊天的满意度。

23、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。

技术特征：

1.一种对话处理方法，包括：

2.如权利要求1所述的方法，其中，所述基于每个所述候选历史对话的遗忘系数及权重，从所述多个候选历史对话中获取参考对话，包括：

3.如权利要求2所述的方法，其中，在所述确定所述多个候选历史对话中，对应遗忘系数最大和/或权重最高的至少一个历史对话，之后，还包括：

4.如权利要求1所述的方法，其中，所述基于所述参考对话、所述当前对话的主题，生成答复语句，包括：

5.如权利要求4所述的方法，其中，所述确定对话系统在所述当前对话中的角色类型，包括：

6.如权利要求5所述的方法，其中，在所述根据与所述第一用户相似的第二用户历史使用的角色类型及与每个角色类型的聊天频率，确定所述当前对话中的角色类型之前，还包括：

7.如权利要求6所述的方法，其中，还包括：

8.如权利要求7所述的方法，其中，在所述基于所述用户标识及所述行为标签，对当前的用户画像图谱进行遍历之后，还包括：

9.如权利要求1-8任一所述的方法，其中，所述方法还包括：

10.一种对话处理装置，包括：

11.如权利要求10所述的装置，其中，所述第三获取模块，具体用于：

12.如权利要求11所述的装置，其中，所述第三获取模块，还用于：

13.如权利要求10所述的装置，其中，所述生成模块，具体用于：

14.如权利要求13所述的装置，其中，所述生成模块，具体用于：

15.如权利要求14所述的装置，其中，所述生成模块，还用于：

16.如权利要求15所述的装置，其中，还包括：

17.如权利要求16所述的装置，其中，所述更新模块，还用于：

18.如权利要求1-8任一所述的装置，其中，所述装置还包括：

19.一种电子设备，包括：

20.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，其中，所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的对话处理方法。

21.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序在被处理器执行时实现权利要求1-9中任一项所述的对话处理方法。

技术总结
本公开提出一种对话处理方法、装置、电子设备及存储介质，涉及计算机技术领域，尤其涉及大语言模型、自然语言处理、知识图谱、深度学习等人工智能技术领域。具体实现方案为：获取第一用户当前对话的主题及第一用户关联的第一历史对话库；确定当前对话的主题与第一历史对话库中每个历史对话间的相似度；根据相似度，从第一历史对话库中获取多个候选历史对话；基于每个候选历史对话的遗忘系数及权重，从多个候选历史对话中获取参考对话；基于参考对话、当前对话的主题，生成答复语句。

技术研发人员：张思怡,庞磊,杨栋,白云龙
受保护的技术使用者：百度在线网络技术（北京）有限公司
技术研发日：
技术公布日：2024/4/29