【技術實現步驟摘要】
本申請涉及語言模型，特別涉及一種語言模型的提示詞生成方法、問答方法及電子設備。
技術介紹
1、在人工智能(artificial?intelligence，ai)和機器學習(machine?learning，ml)領域，大型語言模型(large?language?model，llm)如生成式預訓練transformer(generative?pre-trained?transformer，gpt)模型、雙向編碼transformer(bidirectional?encoder?representations?from?transformers)模型等已經取得了顯著的進步。這些語言模型能夠通過海量的文本數據訓練，學會語言的深層結構和規則，進而進行自然語言的生成與理解。
2、在語言模型進行自然語言的生成與理解過程中，提示詞(prompt)是文本與語言模型進行交互的重要橋梁，合適的提示詞能夠準確地傳達用戶的需求，引導語言模型生成高質量、符合要求的輸出，不恰當的提示詞會導致模型的輸出不滿足用戶要求。因此，如何得到更為準確的提示詞對于語言模型的訓練以及模型分類的使用是非常重要的。
技術實現思路
1、本申請實施例提供了一種語言模型的提示詞生成方法、問答方法及電子設備，用于解決現有技術中存在的如何得到更準確的提示詞以應用于語言模型的訓練以及模型分類使用的問題。
2、為解決上述技術問題，第一方面，本申請實施例的實現方式公開了一種語言模型的提示詞生成方法，應用于第一電子設備，該
3、采用上述技術方案，在第一電子設備提前預設多個目標業務相關的存儲提示詞樣本的提示詞數據庫，在接收到與語言模型的目標業務相關的業務問詢信息(例如第一信息，可以是用戶通過用戶終端輸入并發送給第一電子設備的，第一電子設備比如可以為電腦、服務器、云服務器等，用戶終端可以為車機、手機、平板等)時，從多個提示詞數據庫各獲取至少一個提示詞樣本，由于各提示詞數據庫存儲的提示詞樣本的類型不同，并且該類型與目標業務的應用場景相對應(例如目標業務的應用場景包括哪些，提示詞樣本的類型便可以分別與這些應用場景相對應)，因此得到的提示詞樣本涵蓋的范圍也就比較廣，根據獲取到的提示詞樣本能夠確定第一信息對應的比較準確(例如相對較優)的目標提示詞。由此，得到的目標提示詞更加準確地反映了與目標業務相關的第一信息的關鍵信息，能夠得到用戶輸入第一信息對應的相對較優的提示詞，提升了語言模型(比如llm模型)輸出的準確性，增加了用戶體驗。
4、根據本申請實施例的另一具體實現方式，本申請實施例的實現方式公開的一種語言模型的提示詞生成方法，該方法還包括：將目標提示詞輸入至語言模型進行分類處理，得到分類結果；在根據分類結果確定目標提示詞不滿足預設要求的情況下，生成反饋信息，以用于用戶根據反饋信息更新提示詞數據庫。
5、采用上述技術方案，在根據分類結果確定目標提示詞不滿足預設要求的情況下，生成反饋信息，用戶根據反饋信息便能更新提示詞數據庫。由此，可以根據分類結果實時動態更新提示詞數據庫，有效增加了提示詞數據庫的提示詞樣本數量以及類型，進而提升根據用戶信息得到的對應目標提示詞的準確性，提升了模型輸出的準確性，增加了用戶體驗。
6、根據本申請實施例的另一具體實現方式，本申請實施例的實現方式公開的一種語言模型的提示詞生成方法，確定第一信息對應的業務標識信息，包括：確定第一信息包括的與業務標識相關的第一關鍵字；根據第一關鍵字確定業務標識信息。
7、采用上述技術方案，根據第一信息包括的與業務標識相關的第一關鍵字確定出的業務標識信息更加準確。
8、根據本申請實施例的另一具體實現方式，本申請實施例的實現方式公開的一種語言模型的提示詞生成方法，根據業務標識信息從目標業務對應的多個提示詞數據庫中各獲取至少一個提示詞樣本，包括：根據業務標識信息確定目標業務；確定目標業務對應的提示詞數據庫中包括的提示詞樣本與第一信息的匹配分數；選取匹配分數滿足目標條件的提示詞樣本，得到至少一個提示詞樣本。
9、采用上述技術方案，通過計算提示詞樣本與第一信息的匹配分數，并根據匹配分數選擇滿足目標條件的提示詞樣本，選擇過程更加直觀，也進一步地提升了根據用戶信息得到的對應目標提示詞的準確性。
10、根據本申請實施例的另一具體實現方式，本申請實施例的實現方式公開的一種語言模型的提示詞生成方法，確定目標業務對應的提示詞數據庫中包括的提示詞樣本與第一信息的匹配分數，包括：確定提示詞數據庫中包括的提示詞樣本對應的第二關鍵字，以及確定第一信息包括的第三關鍵字；根據提示詞樣本和第三關鍵字確定匹配分數。
11、采用上述技術方案，根據提示詞樣本對應的第二關鍵字以及第一信息包括的第三關鍵字確定出的匹配分數更加準確。
12、根據本申請實施例的另一具體實現方式，本申請實施例的實現方式公開的一種語言模型的提示詞生成方法，選取匹配分數滿足目標條件的提示詞樣本，包括：按照匹配分數從高到低的順序選取預設數量的匹配分數對應的提示詞樣本作為滿足目標條件的提示詞樣本。
13、采用上述技術方案，按照匹配分數從高到低的順序選取預設數量的匹配分數對應的提示詞樣本，能夠使得選取的提示詞樣本與第一信息的匹配度更高，由此提升根據用戶信息得到的對應目標提示詞的準確性。
14、根據本申請實施例的另一具體實現方式，本申請實施例的實現方式公開的一種語言模型的提示詞生成方法，多個提示詞數據庫包括多個正提示詞數據庫和多個負提示詞數據庫，正提示詞數據庫存儲有正提示詞樣本，負提示詞數據庫存儲有負提示詞樣本，根據業務標識信息從目標業務對應的多個提示詞數據庫中各獲取至少一個提示詞樣本，包括：根據業務標識信息從各正提示詞數據庫中獲取至少一個正提示詞樣本，以及從各負提示詞數據庫中獲取至少一個負提示詞樣本。
15、采用上述技術方案，將多個提示詞數據庫分為正提示詞數據庫和負提示詞數據庫，并根據業務標識信息從各正提示詞數據庫中獲取至少一個正提示詞樣本，從各負提示詞數據庫中獲取至少一個負提示詞樣本，增加了提示詞樣本覆蓋的全面性，進而提升根據用戶信息得到的對應目標提示詞的準確性。
16、根據本申請實施例的另一具體實現方式，本申請實施例的實現方式公開的一種語言模型的提示詞生成方法，各提示詞數據庫對應的預設數量相同。
17、采用上述技術方案，從每個提示詞數據庫選取的提示詞樣本數量相同，也就是各種類型的提示詞樣本占據的比例相同，由此能夠得到比較準確的目標提示詞。
18、根據本申請實施例的另一具體本文檔來自技高網...
【技術保護點】
1.一種語言模型的提示詞生成方法，應用于第一電子設備，其特征在于，所述方法包括：
2.如權利要求1所述的語言模型的提示詞生成方法，其特征在于，所述方法還包括：
3.如權利要求1或2所述的語言模型的提示詞生成方法，其特征在于，確定所述第一信息對應的業務標識信息，包括：
4.如權利要求1-3任意一項所述的語言模型的提示詞生成方法，其特征在于，根據所述業務標識信息從所述目標業務對應的多個提示詞數據庫中各獲取至少一個提示詞樣本，包括：
5.如權利要求4所述的語言模型的提示詞生成方法，其特征在于，確定所述目標業務對應的所述提示詞數據庫中包括的所述提示詞樣本與所述第一信息的匹配分數，包括：
6.如權利要求5所述的語言模型的提示詞生成方法，其特征在于，選取所述匹配分數滿足目標條件的所述提示詞樣本，包括：
7.如權利要求1-6任意一項所述的語言模型的提示詞生成方法，其特征在于，所述多個提示詞數據庫包括多個正提示詞數據庫和多個負提示詞數據庫，所述正提示詞數據庫存儲有正提示詞樣本，所述負提示詞數據庫存儲有負提示詞樣本，根據所述業
8.如權利要求1-7任意一項所述的語言模型的提示詞生成方法，其特征在于，根據獲取到的所述提示詞樣本確定目標提示詞，包括：
9.一種問答方法，其特征在于，所述方法包括：
10.一種電子設備，其特征在于，包括：
...【技術特征摘要】
1.一種語言模型的提示詞生成方法，應用于第一電子設備，其特征在于，所述方法包括：
2.如權利要求1所述的語言模型的提示詞生成方法，其特征在于，所述方法還包括：
3.如權利要求1或2所述的語言模型的提示詞生成方法，其特征在于，確定所述第一信息對應的業務標識信息，包括：
4.如權利要求1-3任意一項所述的語言模型的提示詞生成方法，其特征在于，根據所述業務標識信息從所述目標業務對應的多個提示詞數據庫中各獲取至少一個提示詞樣本，包括：
5.如權利要求4所述的語言模型的提示詞生成方法，其特征在于，確定所述目標業務對應的所述提示詞數據庫中包括的所述提示詞樣本與所述第一信息的匹配分數，包括：
6.如權利要求...
【專利技術屬性】
技術研發人員：時坤效，
申請(專利權)人：超聚變數字技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。