大语言模型提示信息确定方法、服务器及存储介质与流程

本申请涉及车辆语音处理，具体涉及一种大语言模型提示信息确定方法、语义标签校核模型训练方法、语义标签校核方法、服务器及计算机可读存储介质。

背景技术：

1、车载语音助手的自然语言处理模块通常是以数据进行驱动，数据的质量与数量决定了自然语言处理模块的表现好坏，但是获取标注数据往往是费时、费力的，同时标注过程的难度与复杂度因车机功能点的繁多而进一步提高，另外用户针对相同的功能点使用的语音请求表达方式多样，同时又具有较强的专业性，在需要保证高准确率标注结果的标注过程中，上述实际情况都带来了较大的挑战。

技术实现思路

1、本申请提供了一种大语言模型提示信息确定方法、语义标签校核模型训练方法、语义标签校核方法、服务器及计算机可读存储介质。

2、本申请实施方式涉及的大语言模型提示信息确定方法，包括：

3、根据多个预设提示信息模板以及语音请求样本，通过预设的大语言模型，分别获取与每个所述预设提示信息模板对应的语义标签识别结果；

4、根据所述语义标签识别结果，在所述多个预设提示信息模板中确定目标提示信息，其中所述目标提示信息用于所述大语言模型。

5、如此，本申请能够针对同一个语音请求样本通过向预设的大语言模型投放不同的提示信息模板确定出语音请求样本对应的多个语义标签识别结果，并对上述的语义标签识别结果进行评估，并将评估过后能够满足条件的提示信息模板确定为能够针对实际应用时的语音请求进行应用的目标提示信息，以在实际应用过程中对语音请求样本进行语义标签识别，从而在大语言模型的辅助下通过确定提示信息的方式筛选出最能够保证语义标注准确率的语义标签识别结果，有效提高了效率的同时克服了语义标注难度过高的问题。

6、在某些实施方式中，所述根据多个预设提示信息模板以及语音请求样本，通过预设的大语言模型，分别获取与每个所述预设提示信息模板对应的语义标签识别结果，包括：

7、根据多个所述预设提示信息模板中的输出信息格式、以及所述语音请求样本，通过预设的大语言模型，分别获取多个所述输出信息格式下的语义标签识别结果。

8、如此，本申请提供的预设提示信息模板可以为输出的语义标签识别结果规定信息格式。

9、在某些实施方式中，所述根据所述语义标签识别结果，在所述多个预设提示信息模板中确定目标提示信息，包括：

10、针对所述语义标签识别结果执行校核；

11、根据所述校核的结果，将满足预设校核结果条件的所述语义标签识别结果对应的所述预设提示信息模板，确定为所述目标提示信息。

12、如此，本申请还能够根据对每一个提示信息模板对应的语义标签识别结果，对予以变迁识别结果进行校核，并进一步根据校核的结果从众多提示信息模板中敲定采用的目标提示信息。

13、在某些实施方式中，所述根据所述校核的结果，将满足预设校核结果条件的所述语义标签识别结果对应的所述预设提示信息模板，确定为所述目标提示信息，包括：

14、根据所述校核的结果，将校核结果为第一结果的所述语义标签识别结果对应的所述预设提示信息模板，确定为所述目标提示信息。

15、如此，本申请还能够根据校核结果是否为第一结果来判定提示信息模板是否是可用的目标提示信息。

16、在某些实施方式中，所述语音请求样本存在多个，所述根据所述校核的结果，将满足预设校核结果条件的所述语义标签识别结果对应的所述预设提示信息模板，确定为所述目标提示信息，包括：

17、根据所述校核的结果，将校核结果为第一结果的所述语义标签识别结果所占比率最高的所述预设提示信息模板，确定为目标提示信息。

18、如此，本申请还能够在语音请求样本存在多个的情况下，根据校核结果为第一结果的比率来确定预设提示信息模板是否是可用的目标提示信息。

19、在某些实施方式中，所述方法还包括：

20、根据在目标垂直领域内的预设提示信息，将所述大语言模型的解码侧重引导至所述目标垂直领域。

21、如此，本申请的大语言模型被预先引导到了目标垂直领域，以便于在该领域进行提示信息的确定。

22、本申请实施方式中的语义标签校核模型训练方法，包括：

23、根据上述的目标提示信息，对上述的预设的大语言模型进行训练处理，确定所述语义标签校核模型。

24、本申请实施方式中的语义标签校核方法，包括：

25、根据当前语音请求以及上述的预设的大语言模型，确定与所述当前语音请求对应的语义标签；

26、根据所述语义标签以及上述的语义标签校核模型，确定所述语义标签的校核结果。

27、本申请实施方式中的服务器，包括存储器与处理器，所述存储器存储有计算机程序，在所述计算机程序被所述处理器执行的情况下，实现上述的方法。

28、本申请实施方式中的计算机可读存储介质存储有计算机程序，在所述计算机程序被一个或多个处理器执行的情况下，实现上述的方法。

29、本申请的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实施方式的实践了解到。

技术特征：

1.一种大语言模型提示信息确定方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据多个预设提示信息模板以及语音请求样本，通过预设的大语言模型，分别获取与每个所述预设提示信息模板对应的语义标签识别结果，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据所述语义标签识别结果，在所述多个预设提示信息模板中确定目标提示信息，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述校核的结果，将满足预设校核结果条件的所述语义标签识别结果对应的所述预设提示信息模板，确定为所述目标提示信息，包括：

5.根据权利要求3所述的方法，其特征在于，所述语音请求样本存在多个，所述根据所述校核的结果，将满足预设校核结果条件的所述语义标签识别结果对应的所述预设提示信息模板，确定为所述目标提示信息，包括：

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

7.一种语义标签校核模型训练方法，其特征在于，所述方法包括：

8.一种语义标签校核方法，其特征在于，所述方法包括：

9.一种服务器，其特征在于，所述服务器包括存储器与处理器，所述存储器存储有计算机程序，在所述计算机程序被所述处理器执行的情况下，实现权利要求1-8任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，在所述计算机程序被一个或多个处理器执行的情况下，实现权利要求1-8任一项所述的方法。

技术总结本申请公开了一种大语言模型提示信息确定方法，包括：根据多个预设提示信息模板以及语音请求样本，通过预设的大语言模型，分别获取与每个预设提示信息模板对应的语义标签识别结果；根据语义标签识别结果，在多个预设提示信息模板中确定目标提示信息。本申请能够针对同一个语音请求样本确定出语音请求样本对应的多个语义标签识别结果，并对上述的语义标签识别结果进行评估，并将满足条件的提示信息模板确定为能够针对实际应用时的语音请求进行应用的目标提示信息，以在实际应用过程中对语音请求样本进行语义标签识别，从而通过确定提示信息的方式筛选出最能够保证语义标注准确率的语义标签识别结果，提高效率的同时克服了语义标注难度过高的问题。技术研发人员：蔡恩磊,孙仿逊,秦如雨,曹川,李嘉辉,谢晓烜,唐祥光,徐谦受保护的技术使用者：广州小鹏汽车科技有限公司技术研发日：技术公布日：2024/3/31