内容生成方法、装置、电子设备、存储介质和程序产品与流程
本公开涉及人工智能领域,尤其涉及一种内容生成方法、装置、电子设备、存储介质和程序产品。
背景技术:
1、人工智能技术的应用日益广泛,但在面对客户的检索请求或更进一步的内容生成请求时,处理方法单一,难以与请求自身的语义复杂度及实时性要求相匹配,进而导致用户体验感下降。
技术实现思路
1、为克服相关技术中存在的问题,本公开提供一种内容生成方法、装置、电子设备、存储介质和程序产品。
2、根据本公开实施例的第一方面,提供一种内容生成方法,包括:
3、响应于接收到生成请求,对所述生成请求的复杂度进行判断;
4、响应于所述生成请求为第一复杂度的生成请求,利用第一推理链路对所述生成请求进行匹配处理,得到生成结果;或,响应于所述生成请求为第二复杂度的生成请求,利用第二推理链路对所述生成请求进行语义解析,得到生成结果,所述第一复杂度低于所述第二复杂度;
5、输出所述生成结果;
6、其中,所述第一推理链路为基于关键词检索引擎的推理链路,所述第二推理链路为基于大模型的推理链路。
7、在上述技术方案中,根据生成请求的复杂度动态选择推理链路,低复杂度请求由关键词检索引擎快速响应,降低时延与算力消耗;高复杂度请求调用大模型保障语义理解深度与内容质量。如此,能够兼顾结果的生成效率与生成结果质量,提高用户体验。
8、在一些可能的实施方式中,所述对所述生成请求的复杂度进行判断,包括:
9、响应于所述生成请求中不包括除预设实体名称以外的生成约束信息,判断所述生成请求为第一复杂度的生成请求;或,
10、响应于所述生成请求中包括除所述预设实体名称以外的生成约束信息,判断所述生成请求为第二复杂度的生成请求;
11、其中,所述生成约束信息用于限定待生成内容的生成条件。
12、在上述技术方案中,基于生成请求中是否包括预设实体名称以外的约束信息,可实现对生成请求的复杂度的精准判断,以调用合适的推理链路生成结果,保障用户体验。
13、在一些可能的实施方式中,除所述预设实体名称以外的生成约束信息包括以下中的至少一者:内容定义信息、剔除补充信息、时序控制信息、上下文信息、以及排序规则信息;
14、所述内容定义信息用于指示待生成内容的内容特征,包括场景描述信息、风格描述信息、情感描述信息、数量信息和细粒度约束信息中的至少一者;
15、所述剔除补充信息用于指示对待生成或已生成的内容集合执行删除、增补,和/或,替换操作;
16、所述时序控制信息用于控制所述待生成内容的时间维度,包括展示时间信息和时序分段信息中的至少一者。
17、在上述技术方案中,通过设置上述多维度的生成约束信息,可以实现对生成内容的精准限制,进而提高生成结果与用户需求的匹配度,优化用户体验。
18、在一些可能的实施方式中,所述生成请求还包括输出控制信息,所述输出控制信息包括停止输出条件,和/或,所述生成结果中各个内容条目的切换规则,所述方法还包括:
19、在输出所述生成结果的过程中,监测是否满足所述停止输出条件或所述切换规则;
20、响应于满足所述停止输出条件,停止输出所述生成结果;或,响应于满足所述切换规则,则切换至所述生成结果中的下一内容条目。
21、在上述技术方案中,可在内容输出过程中实现对输出行为的精细控制,满足用户的个性化需求,提升用户体验,进一步完善内容生成与输出控制的链路。
22、在一些可能的实施方式中,所述第二推理链路用于:
23、解析所述生成请求;
24、若所述生成请求包括内容定义信息和时序分段信息,则根据所述时序分段信息将所述生成结果的展示时间划分为至少两个时序区间,且不同时序区间对应不同的内容定义信息,所述内容定义信息用于指示待生成内容的内容特征;
25、根据各个所述时序区间对应的内容定义信息,对目标库中的内容条目进行筛选,分别生成与各个所述时序区间匹配的生成子结果;
26、按照所述时序分段信息拼接各个生成子结果,得到所述生成结果。
27、在上述技术方案中,使生成结果在时间维度上呈现动态变化与差异适配,可以提高生成结果与用户需求的匹配度,优化用户体验。
28、在一些可能的实施方式中,所述生成请求中包括多模态素材;所述第二推理链路用于:
29、提取所述多模态素材中的内容标识信息;
30、根据所述内容标识信息,对目标库中的内容条目进行筛选,得到所述生成结果;
31、以及,执行以下中的至少一者:
32、将所述生成结果与用户收藏资源信息进行比对,从所述生成结果中滤除已被所述用户收藏的内容条目;
33、按照预设排序规则进行排序,并将排序后的生成结果归档至指定存储位置。
34、在上述技术方案中,通过多模态素材提取内容标识信息进行筛选,并结合用户收藏过滤及排序归档,可实现从非结构化输入到个性化结果的全链路自动化处理,进而提升用户体验。
35、在一些可能的实施方式中,所述第二推理链路还用于:
36、对所述生成结果进行有效性校验,滤除所述生成结果中校验结果为失效的内容条目,和/或,替换所述失效的内容条目。
37、在上述技术方案中,针对生成内容进行有效性校验,滤除或替换失效条目,可提升输出质量与可靠性,进而确保用户体验。
38、在一些可能的实施方式中,所述输出所述生成结果包括:
39、响应于当前交互场景为可视化交互场景,渲染可视化卡片,所述可视化卡片用于展示所述生成结果;
40、响应于当前交互场景为语音交互场景,通过语音合成模块对所述生成结果进行全自动连续展示。
41、在上述技术方案中,通过自适应匹配交互场景,可以兼顾可视化直观性与语音交互便捷性,提升用户体验。
42、在一些可能的实施方式中,所述利用第二推理链路对所述生成请求进行语义解析,得到生成结果,包括:
43、将所述生成请求输入生成式推荐大模型,由所述生成式推荐大模型生成与所述生成请求对应的生成结果。
44、在上述技术方案中,可通过生成式推荐大模型直接生成与请求对应的结果,实现端到端的语义理解与内容生成,保障生成结果的质量。
45、在一些可能的实施方式中,所述生成式推荐大模型包括离散语义标识生成模块;所述离散语义标识生成模块包括:
46、特征输入层,用于构建所述生成请求的多维结构化元数据;
47、编码压缩层,用于对由所述特征输入层提供的输入特征进行编码压缩,输出隐变量均值;
48、分层残差量化层,用于通过多层码本对所述隐变量均值进行残差量化,输出离散语义标识;
49、解码损失约束层,用于逆向拼接所述离散语义标识,重构所述输入特征。
50、基于上述技术方案中的模块结构可以实现离散语义标识的精准生成。
51、在一些可能的实施方式中,所述分层残差量化层包括多个量化层,各量化层分别具有独立的码本,当前量化层用于对前一量化层的残差进行量化,各量化层的量化结果组合为所述离散语义标识。
52、在上述技术方案中,通过多层残差迭代更新策略,可逐层剥离高阶特征残差,有效抑制码本沙漏效应,提高离散表征的精度与表达能力。
53、在一些可能的实施方式中,所述生成式推荐大模型包括对齐模块,所述对齐模块是通过以下步骤训练得到的:
54、对第一训练样本的结构化元数据样本与离散语义标识样本进行对比学习,直至第一对比损失函数小于第一阈值;
55、对所述第一训练样本的生成请求的文本样本与结构化元数据样本进行对比学习,直至第二对比损失函数小于第二阈值;
56、根据用户历史交互序列的上下文特征,将所述第一训练样本中的成请求的文本样本直接映射至对应的离散语义标识样本。
57、在上述技术方案中,通过对对齐模块的多阶段的训练,可有效提升生成式推荐大模型的语义理解与离散化表征能力。
58、在一些可能的实施方式中,所述方法还包括:
59、完成基础序列生成能力的构建,并根据第二训练样本的结构化元数据样本,生成基础序列,所述基础序列包括基础生成结果;
60、基于奖励函数的奖励值,针对所述基础序列中的每一元素的词元,确定对应的优势函数值,实现逐位置的梯度评估;
61、根据梯度评估结果,采用同位置分组梯度更新策略对所述对齐模块进行参数调整。
62、在上述技术方案中,通过逐位置的梯度评估以及同位置分组梯度更新策略,可以实现对齐模块的精细化参数调整,有效解决整序列强化学习的梯度冲突问题。
63、在一些可能的实施方式中,所述奖励函数包括用户行为奖励、序列一致性奖励和内容多样性奖励中的至少一者。
64、在上述技术方案中,可从多维度评估生成质量,进而提高模型可靠性以得到质量更优的生成结果。
65、根据本公开实施例的第二方面,提供一种内容生成装置,该内容生成装置用于实现本公开第一方面所提的内容生成方法的步骤。
66、根据本公开实施例的第三方面,提供一种电子设备,包括:
67、处理器;
68、用于存储处理器可执行指令的存储器;
69、其中,所述处理器被配置为执行所述存储器中的所述可执行指令,以实现本公开第一方面所提的内容生成方法的步骤。
70、根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现本公开第一方面所提的内容生成方法的步骤。
71、根据本公开实施例的第五方面,提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本公开第一方面所提的内容生成方法的步骤。
72、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com