对话风格迁移答复信息显示方法、装置、设备和可读介质与流程

本技术的实施例涉及计算机，具体涉及对话风格迁移答复信息显示方法、装置、设备和可读介质。

背景技术：

1、随着人工智能，机器学习的深入发展，大语言模型的普及，人们对智能对话系统和自然语言生成的需求不断增加，传统的单一风格文本生成已经不能满足用户多样化的需求。对话风格迁移答复信息显示，是将文本信息转换成预设对话风格的文本信息的一项技术。目前，在将文本信息转换成预设对话风格的文本信息时，通常采用的方式为：直接根据预设规则的替换和改写的方式进行转换。

2、然而，当采用上述方式将文本信息转换成预设对话风格的文本信息时，经常会存在如下技术问题：

3、第一，直接根据预设规则的替换和改写的方式进行转换，只能进行表层的替换和改写，难以捕捉文本之间的深层语义关联，导致转换效果可能不够准确或自然。进而导致显示的文本信息语义表达连贯性较差，降低了用户体验感。

4、继续地，实践中，在采用技术方案来解决上述技术问题一的过程中，在对清洗多模态人物对话数据进行内容标注时，通常采用的方式为：直接采用预定义逻辑运算规则进行内容标注，当采用上述方式进行内容标注时进一步存在如下技术问题：

5、第二，预定义的逻辑运算规则通常是基于固定的语法和语义规则，直接采用预定义逻辑运算规则进行内容标注，无法很好地泛化到各种不同类型的对话文本数据。当清洗多模态人物对话数据中的对话文本数据的对话场景较复杂且需要对对话数据中的对话风格进行标注时，采用预定义的逻辑运算规则进行对话风格标注，可能会导致对话风格标注不准确，进而导致内容标注的准确性较差，需要重新对清洗多模态人物对话数据进行内容标注，造成了计算机算力资源的浪费。

6、该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本技术的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本技术的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、本技术的一些实施例提出了对话风格迁移答复信息显示方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

3、第一方面，本技术的一些实施例提供了一种对话风格迁移答复信息显示方法，该方法包括：采集多模态人物对话数据集；对上述多模态人物对话数据集进行数据清洗处理，得到清洗多模态人物对话数据集；对于上述清洗多模态人物对话数据集中的每个清洗多模态人物对话数据，对上述清洗多模态人物对话数据进行内容标注处理，得到标注清洗多模态对话数据；将所得到的各个标注清洗多模态对话数据确定为标注清洗多模态对话数据集；根据上述标注清洗多模态对话数据集，创建人物对话数据库；响应于接收到客户端发送的第一索引风格标识与第二索引风格标识，根据上述第一索引风格标识与上述第二索引风格标识，对上述人物对话数据库进行检索，得到风格对话数据；将上述风格对话数据转换成与上述风格对话数据对应的普通对话数据；将上述风格对话数据与上述普通对话数据确定为待训练数据；根据上述待训练数据，对对话风格迁移模型进行训练，得到训练完成的对话风格迁移模型；响应于接收到客户端发送的目标需求信息，将上述目标需求信息输入至预设大语言模型，得到与上述目标需求信息对应的答复信息；将上述答复信息输入至上述训练完成的对话风格迁移模型，得到与上述答复信息对应的对话风格迁移答复信息；将上述对话风格迁移答复信息发送至上述客户端，以供上述客户端在预设对话界面的预设位置显示上述对话风格迁移答复信息。

4、第二方面，本技术的一些实施例提供了一种对话风格迁移答复信息显示装置，装置包括：采集单元，被配置成采集多模态人物对话数据集；数据清洗处理单元，被配置成对上述多模态人物对话数据集进行数据清洗处理，得到清洗多模态人物对话数据集；内容标注处理单元，被配置成对于上述清洗多模态人物对话数据集中的每个清洗多模态人物对话数据，对上述清洗多模态人物对话数据进行内容标注处理，得到标注清洗多模态对话数据；第一确定单元，被配置成将所得到的各个标注清洗多模态对话数据确定为标注清洗多模态对话数据集；创建单元，被配置成根据上述标注清洗多模态对话数据集，创建人物对话数据库；检索单元，被配置成响应于接收到客户端发送的第一索引风格标识与第二索引风格标识，根据上述第一索引风格标识与上述第二索引风格标识，对上述人物对话数据库进行检索，得到风格对话数据；转换单元，被配置成将上述风格对话数据转换成与上述风格对话数据对应的普通对话数据；第二确定单元，被配置成将上述风格对话数据与上述普通对话数据确定为待训练数据；训练单元，被配置成根据上述待训练数据，对对话风格迁移模型进行训练，得到训练完成的对话风格迁移模型；第一输入单元，被配置成响应于接收到客户端发送的目标需求信息，将上述目标需求信息输入至预设大语言模型，得到与上述目标需求信息对应的答复信息；第二输入单元，被配置成将上述答复信息输入至上述训练完成的对话风格迁移模型，得到与上述答复信息对应的对话风格迁移答复信息；发送单元，被配置成将上述对话风格迁移答复信息发送至上述客户端，以供上述客户端在预设对话界面的预设位置显示上述对话风格迁移答复信息。

5、第三方面，本技术的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

6、第四方面，本技术的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

7、本技术的上述各个实施例具有如下有益效果：通过本技术的一些实施例的对话风格迁移答复信息显示方法，提高了文本信息语义表达的连贯性与用户体验感。具体来说，造成文本信息语义表达的连贯性较差与用户体验感较差的原因在于：直接根据预设规则的替换和改写的方式进行转换，只能进行表层的替换和改写，难以捕捉文本之间的深层语义关联，导致转换效果可能不够准确或自然。进而导致显示的文本信息语义表达连贯性较差，降低了用户体验感。基于此，本技术的一些实施例的对话风格迁移答复信息显示方法，首先，采集多模态人物对话数据集。由此，可以得到用于生成清洗多模态人物对话数据集的多模态人物对话数据集。然后，对上述多模态人物对话数据集进行数据清洗处理，得到清洗多模态人物对话数据集。由此，可以对多模态人物对话数据集进行数据清洗。接着，对于上述清洗多模态人物对话数据集中的每个清洗多模态人物对话数据，对上述清洗多模态人物对话数据进行内容标注处理，得到标注清洗多模态对话数据。然后，将所得到的各个标注清洗多模态对话数据确定为标注清洗多模态对话数据集。由此，可以得到用于创建人物对话数据库的标注清洗多模态对话数据集。根据上述标注清洗多模态对话数据集，创建人物对话数据库。由此，可以创建用于生成风格对话数据的人物对话数据库。然后，响应于接收到客户端发送的第一索引风格标识与第二索引风格标识，根据上述第一索引风格标识与上述第二索引风格标识，对上述人物对话数据库进行检索，得到风格对话数据。由此，可以得到用于生成待训练数据的风格对话数据。接着，将上述风格对话数据转换成与上述风格对话数据对应的普通对话数据。由此，可以得到用于生成待训练数据的普通对话数据。然后，将上述风格对话数据与上述普通对话数据确定为待训练数据。由此，可以得到用于进行训练对话风格迁移模型的待训练数据。上述对话风格迁移模型可以为将文本信息转换成预设对话风格的文本信息的模型。接着，根据上述待训练数据，对对话风格迁移模型进行训练，得到训练完成的对话风格迁移模型。由此，可以得到将文本信息转换成预设对话风格的文本信息训练完成的对话风格迁移模型。然后，响应于接收到客户端发送的目标需求信息，将上述目标需求信息输入至预设大语言模型，得到与上述目标需求信息对应的答复信息。由此，可以得到表征用于转换文本信息的目标需求信息。然后，将上述答复信息输入至上述训练完成的对话风格迁移模型，得到与上述答复信息对应的对话风格迁移答复信息。由此，可以得到对话风格转换后的对话风格迁移答复信息。将上述对话风格迁移答复信息发送至上述客户端，以供上述客户端在预设对话界面的预设位置显示上述对话风格迁移答复信息。也因为是在将目标需求信息转换成预设对话风格的对话风格迁移答复信息过程中，采用了训练完成的对话风格迁移模型进行转换，对话风格迁移模型可以捕捉文本之间的深层语义关联，使得对话风格转换后的对话风格迁移答复信息的转换效果更加准确、自然。进而，使得客户端显示的对话风格迁移答复信息的语义表达更加连贯，提高了用户体验感。