本技術(shù)涉及人工智能開發(fā)與金融科技領(lǐng)域，尤其涉及基于大語言模型的回復(fù)處理方法、裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、在當(dāng)今的數(shù)字化時代，隨著人工智能技術(shù)的飛速發(fā)展，智能客服系統(tǒng)已成為企業(yè)提升客戶服務(wù)質(zhì)量、降低運(yùn)營成本的重要工具。智能客服通過自然語言處理技術(shù)(nlp)和機(jī)器學(xué)習(xí)算法，能夠自動解析用戶輸入，提供即時反饋與解決方案，極大地提升了用戶體驗(yàn)和滿意度。然而，在應(yīng)對用戶提出的復(fù)雜推理問題時，傳統(tǒng)的智能客服實(shí)現(xiàn)方式(即傳統(tǒng)icl方法，integrated?conversational?logic，集成對話邏輯)面臨著諸多挑戰(zhàn)與局限性。

2、傳統(tǒng)icl方法主要依賴于預(yù)設(shè)的規(guī)則庫和大量預(yù)定義的對話場景模板來指導(dǎo)對話流程。為了覆蓋盡可能多的用戶需求和問題類型，開發(fā)者需要事先考慮并編碼各種可能的情況，通過編寫詳盡的示例和對話腳本作為觸發(fā)條件或提示，拼接至用戶查詢之前，以引導(dǎo)系統(tǒng)做出正確響應(yīng)。這種方法雖然在一定程度上提高了系統(tǒng)的響應(yīng)能力，但其固有的缺陷也日益凸顯：

3、高昂的維護(hù)成本：隨著業(yè)務(wù)場景的不斷擴(kuò)展和用戶需求的日益多樣化，需要不斷更新和維護(hù)龐大的規(guī)則庫和對話模板，這不僅耗時費(fèi)力，還增加了系統(tǒng)的復(fù)雜性和出錯率。

4、靈活性差：面對未曾在規(guī)則庫中定義的新問題或變異情況，傳統(tǒng)icl方法往往無法有效應(yīng)對，導(dǎo)致用戶體驗(yàn)下降，甚至無法滿足基本的客戶需求。

5、精準(zhǔn)度低：傳統(tǒng)icl方法在提供個性化、精準(zhǔn)服務(wù)方面存在局限，難以滿足用戶日益增長的期望和需求。

6、因此，現(xiàn)有的智能客服實(shí)現(xiàn)方式在進(jìn)行回復(fù)處理時存在處理成本高、靈活性差以及回復(fù)精準(zhǔn)度低的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例的目的在于提出一種基于大語言模型的回復(fù)處理方法、裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)，以解決現(xiàn)有的智能客服實(shí)現(xiàn)方式在進(jìn)行回復(fù)處理時存在處理成本高、靈活性差以及回復(fù)精準(zhǔn)度低的技術(shù)問題。

2、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例提供一種基于大語言模型的回復(fù)處理方法，采用了如下所述的技術(shù)方案：

3、接收客戶輸入的提問文本；

4、對所述提問文本進(jìn)行解析處理，得到對應(yīng)的關(guān)鍵信息點(diǎn)；

5、對所述關(guān)鍵信息點(diǎn)進(jìn)行技能匹配處理，得到對應(yīng)的技能匹配結(jié)果；

6、基于所述技能匹配結(jié)果，從預(yù)設(shè)的技能庫中調(diào)用出對應(yīng)的目標(biāo)技能；

7、基于所述目標(biāo)技能與所述提問文本構(gòu)建對應(yīng)的輸入序列；

8、基于預(yù)設(shè)的目標(biāo)大語言模型對所述輸入序列進(jìn)行處理，得到對應(yīng)的答案文本；

9、基于所述答案文本對所述客戶進(jìn)行回復(fù)處理。

10、進(jìn)一步的，所述對所述提問文本進(jìn)行解析處理，得到對應(yīng)的關(guān)鍵信息點(diǎn)的步驟，具體包括：

11、對所述提問文本進(jìn)行分詞處理，得到對應(yīng)的目標(biāo)詞匯；

12、對所述目標(biāo)詞匯進(jìn)行詞性標(biāo)注處理，得到對應(yīng)的詞性標(biāo)注結(jié)果；

13、對所述提問文本進(jìn)行命名實(shí)體識別處理，得到對應(yīng)的實(shí)體識別結(jié)果；

14、基于所述詞性標(biāo)注結(jié)果與所述實(shí)體識別結(jié)果，從所述提問文本中提取出與目標(biāo)業(yè)務(wù)對應(yīng)的相關(guān)信息；

15、將所述相關(guān)信息作為所述關(guān)鍵信息點(diǎn)。

16、進(jìn)一步的，所述基于所述技能匹配結(jié)果，從預(yù)設(shè)的技能庫中調(diào)用出對應(yīng)的目標(biāo)技能的步驟，具體包括：

17、基于所述技能匹配結(jié)果構(gòu)建有序的技能調(diào)用序列；

18、調(diào)用所述技能庫；

19、按照所述技能調(diào)用序列，從所述技能庫中依次調(diào)用出相應(yīng)的指定技能；

20、將所述指定技能作為所述目標(biāo)技能。

21、進(jìn)一步的，所述基于所述目標(biāo)技能與所述提問文本構(gòu)建對應(yīng)的輸入序列的步驟，具體包括：

22、獲取所述目標(biāo)技能的技能名稱；

23、獲取預(yù)設(shè)的描述指令；

24、對所述提問文本、所述技能名稱以及所述描述指令進(jìn)行拼接處理，得到對應(yīng)的拼接序列；

25、將所述拼接序列作為所述輸入序列。

26、進(jìn)一步的，所述對所述提問文本、所述技能名稱以及所述描述指令進(jìn)行拼接處理，得到對應(yīng)的拼接序列的步驟，具體包括：

27、調(diào)用預(yù)設(shè)的字符串模板；其中，所述字符串模板中包括指令占位符、技能占位符以及提問占位符；

28、使用所述描述指令對所述指令占位符進(jìn)行替換處理，使用所述技能名稱對所述技能占位符進(jìn)行替換處理，以及使用所述提問文本對所述提問占位符進(jìn)行替換處理，得到替換后的字符串模板；

29、將所述替換后的字符串模板作為所述拼接序列。

30、進(jìn)一步的，所述基于所述答案文本對所述客戶進(jìn)行回復(fù)處理的步驟，具體包括：

31、獲取預(yù)設(shè)的格式化策略以及驗(yàn)證規(guī)則；

32、基于所述格式化策略對所述答案文本進(jìn)行格式化處理，得到對應(yīng)的目標(biāo)答案文本；

33、基于所述驗(yàn)證規(guī)則對所述目標(biāo)答案文本進(jìn)行驗(yàn)證；

34、若所述目標(biāo)答案文本通過驗(yàn)證，則獲取預(yù)設(shè)的指定通信方式；

35、基于所述指定通信方式，將所述目標(biāo)答案文本返回給所述客戶。

36、進(jìn)一步的，在所述基于所述技能匹配結(jié)果，從預(yù)設(shè)的技能庫中調(diào)用出對應(yīng)的目標(biāo)技能的步驟之前，還包括：

37、獲取預(yù)定義的多個技能；

38、獲取與各所述技能分別對應(yīng)的技能描述；

39、調(diào)用預(yù)設(shè)的初始數(shù)據(jù)庫；

40、將各所述技能的技能描述存儲至所述初始數(shù)據(jù)庫內(nèi)，得到所述技能庫。

41、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例還提供一種基于大語言模型的回復(fù)處理裝置，采用了如下所述的技術(shù)方案：

42、接收模塊，用于接收客戶輸入的提問文本；

43、解析模塊，用于對所述提問文本進(jìn)行解析處理，得到對應(yīng)的關(guān)鍵信息點(diǎn)；

44、匹配模塊，用于對所述關(guān)鍵信息點(diǎn)進(jìn)行技能匹配處理，得到對應(yīng)的技能匹配結(jié)果；

45、第一調(diào)用模塊，用于基于所述技能匹配結(jié)果，從預(yù)設(shè)的技能庫中調(diào)用出對應(yīng)的目標(biāo)技能；

46、構(gòu)建模塊，用于基于所述目標(biāo)技能與所述提問文本構(gòu)建對應(yīng)的輸入序列；

47、處理模塊，用于基于預(yù)設(shè)的目標(biāo)大語言模型對所述輸入序列進(jìn)行處理，得到對應(yīng)的答案文本；

48、回復(fù)模塊，用于基于所述答案文本對所述客戶進(jìn)行回復(fù)處理。

49、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例還提供一種計(jì)算機(jī)設(shè)備，采用了如下所述的技術(shù)方案：

50、接收客戶輸入的提問文本；

51、對所述提問文本進(jìn)行解析處理，得到對應(yīng)的關(guān)鍵信息點(diǎn)；

52、對所述關(guān)鍵信息點(diǎn)進(jìn)行技能匹配處理，得到對應(yīng)的技能匹配結(jié)果；

53、基于所述技能匹配結(jié)果，從預(yù)設(shè)的技能庫中調(diào)用出對應(yīng)的目標(biāo)技能；

54、基于所述目標(biāo)技能與所述提問文本構(gòu)建對應(yīng)的輸入序列；

55、基于預(yù)設(shè)的目標(biāo)大語言模型對所述輸入序列進(jìn)行處理，得到對應(yīng)的答案文本；

56、基于所述答案文本對所述客戶進(jìn)行回復(fù)處理。

57、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例還提供一種計(jì)算機(jī)可讀存儲介質(zhì)，采用了如下所述的技術(shù)方案：

58、接收客戶輸入的提問文本；

59、對所述提問文本進(jìn)行解析處理，得到對應(yīng)的關(guān)鍵信息點(diǎn)；

60、對所述關(guān)鍵信息點(diǎn)進(jìn)行技能匹配處理，得到對應(yīng)的技能匹配結(jié)果；

61、基于所述技能匹配結(jié)果，從預(yù)設(shè)的技能庫中調(diào)用出對應(yīng)的目標(biāo)技能；

62、基于所述目標(biāo)技能與所述提問文本構(gòu)建對應(yīng)的輸入序列；

63、基于預(yù)設(shè)的目標(biāo)大語言模型對所述輸入序列進(jìn)行處理，得到對應(yīng)的答案文本；

64、基于所述答案文本對所述客戶進(jìn)行回復(fù)處理。

65、與現(xiàn)有技術(shù)相比，本技術(shù)實(shí)施例主要有以下有益效果：

66、本技術(shù)首先接收客戶輸入的提問文本，并對所述提問文本進(jìn)行解析處理，得到對應(yīng)的關(guān)鍵信息點(diǎn)；然后對所述關(guān)鍵信息點(diǎn)進(jìn)行技能匹配處理，得到對應(yīng)的技能匹配結(jié)果；之后基于所述技能匹配結(jié)果，從預(yù)設(shè)的技能庫中調(diào)用出對應(yīng)的目標(biāo)技能；后續(xù)基于所述目標(biāo)技能與所述提問文本構(gòu)建對應(yīng)的輸入序列；進(jìn)一步基于預(yù)設(shè)的目標(biāo)大語言模型對所述輸入序列進(jìn)行處理，得到對應(yīng)的答案文本；最后基于所述答案文本對所述客戶進(jìn)行回復(fù)處理。本技術(shù)通過對接收到的客戶輸入的提問文本進(jìn)行解析處理得到關(guān)鍵信息點(diǎn)，并對所述關(guān)鍵信息點(diǎn)進(jìn)行技能匹配處理得到技能匹配結(jié)果，然后基于技能庫的使用調(diào)用出與技能匹配結(jié)果對應(yīng)的目標(biāo)技能，后續(xù)基于所述目標(biāo)技能與所述提問文本構(gòu)建對應(yīng)的輸入序列，并基于預(yù)設(shè)的目標(biāo)大語言模型對所述輸入序列進(jìn)行處理得到對應(yīng)的答案文本。本技術(shù)基于技能庫的使用能夠教授模型不同的基礎(chǔ)任務(wù)技能，為大語言模型提供處理復(fù)雜推理問題的能力，而且這種提升不依賴于大量示例的可用性，從而增強(qiáng)了大語言模型處理新任務(wù)的能力，有效增加了基于示例的學(xué)習(xí)的魯棒性，使得大語言模型能夠更好地適應(yīng)各種現(xiàn)實(shí)場景，提高了回復(fù)處理的靈活性，且有效降低了回復(fù)處理的處理成本。且本技術(shù)通過基于從技能庫中調(diào)用的目標(biāo)技能與提問文本構(gòu)建相應(yīng)的輸入序列，實(shí)現(xiàn)了為大語言模型賦予了特定的校色，這種角色扮演的方式有助于激發(fā)模型的潛在性能，并在需要處理的任務(wù)中提高了其推理能力，使得大語言模型能夠更全面的理解問題，進(jìn)而能夠提供更加精準(zhǔn)確和高效的回復(fù)服務(wù)，有效地提高了回復(fù)處理的準(zhǔn)確性。