面向共情会话的多维度检索调度方法、设备及存储介质

摘要: 本技术涉及人工智能人机交互,尤其涉及一种面向共情会话的多维度检索调度方法、设备及存储介质。背景技术:1、随着大语言模型在对话系统中的应用,面向日常陪伴、车载交互...
面向共情会话的多维度检索调度方法、设备及存储介质

本技术涉及人工智能人机交互,尤其涉及一种面向共情会话的多维度检索调度方法、设备及存储介质。

背景技术:

1、随着大语言模型在对话系统中的应用,面向日常陪伴、车载交互、长者陪伴和儿童陪伴等场景的对话产品开始从“单轮问答”向“长期陪伴”演进。长期陪伴系统不仅需要理解用户当下输入,还需要在后续对话中适度记住用户偏好、重要事件、关系信息、既往情绪状态以及对该用户有效或无效的回应方式。

2、现有对话系统通常将最近若干轮对话直接放入提示词,或将用户历史内容统一向量化后按语义相似度召回。该方式在通用问答中具有一定效果,但在共情对话中容易出现三类问题:第一,语义相似并不等于当下有用,模型可能召回时间上过期、情绪上不匹配或已被新事实覆盖的内容;第二,长期记忆写入缺少证据强度、敏感信息和冲突处理,容易把一次性抱怨、模型推断或过期信息写成稳定事实;第三,不同人格和不同场景的短期历史容易混用,导致回复语气、风险处置和提问策略不稳定。

3、因此,亟需一种面向共情对话场景的长期记忆技术方案,使系统能够区分不同类型记忆,明确记忆的写入条件和调度依据,并在回复生成前按照语义、时间、情绪和策略多维度选择上下文。

4、上述内容仅用于辅助理解本技术的技术方案,并不代表承认上述内容是现有技术。

技术实现思路

1、本技术的主要目的在于提供一种面向共情会话的多维度检索调度方法、设备及存储介质,旨在解决现有共情对话系统中长期记忆写入缺乏证据筛选与冲突检测、检索依赖单一语义相似度导致记忆污染与调度失准的技术问题。

2、为实现上述目的,本技术提出一种面向共情会话的多维度检索调度方法,所述的方法包括:

3、响应于用户的当前提问内容,基于所述当前提问内容在所述分层结构中并行执行三路检索以召回候选记忆,其中,预先将对话记忆划分为分层结构进行存储,所述分层结构包括语义画像层、情节时间线层及情绪与策略记忆层;

4、对所召回的所述候选记忆进行混合评分得到综合评分,根据所述综合评分选取被调度的记忆记录,将所述记忆记录注入提示词后输入至大语言模型以生成基于所述当前提问内容的当前回复;

5、从所述当前提问内容和/或当前回复中提取候选信息,对所述候选信息进行证据强度分级;

6、将通过所述证据强度分级的所述候选信息在所述分层结构中与同一存储类别的旧记录进行冲突检测;

7、若查找到与所述候选信息冲突的旧记录,则在所述候选信息的证据等级高于所述旧记录的证据等级时,将所述候选信息写入对应层级并将所述旧记录标记为被覆盖状态;若未查找到与所述候选信息冲突的旧记录,则将所述候选信息写入所述对应层级。

8、在一实施例中,所述响应于用户的当前提问内容,基于所述当前提问内容在所述分层结构中并行执行三路检索以召回候选记忆的步骤,包括:

9、基于所述当前提问内容生成查询向量,根据所述查询向量在所述语义画像层和所述情节时间线层中进行向量相似度检索,召回第一候选集合;

10、以当前时间点为基准,读取预设历史时间窗口内的所述情节时间线层中的事件记录,将所读取的事件记录作为第二候选集合;

11、对所述当前提问内容进行情绪识别得到当前情绪状态,根据所述当前情绪状态在所述情绪与策略记忆层中查找情绪匹配的历史记录,将查找到的所述历史记录作为第三候选集合;

12、将所述第一候选集合、所述第二候选集合和所述第三候选集合合并为所述候选记忆。

13、在一实施例中,所述对所述候选信息进行证据强度分级的步骤,包括:

14、识别所述候选信息的陈述类型;

15、若所述陈述类型为基于单次对话的弱推断类型,则获取所述弱推断的置信度,在所述置信度低于预设阈值时拒绝所述候选信息;

16、若所述陈述类型为重复出现类型,则统计所述候选信息在历史对话中的出现次数,在所述出现次数达到预设次数阈值时将所述候选信息标记为可写入;

17、若所述陈述类型为对已有陈述的明确纠正类型,则将所述候选信息标记为可写入并生成覆盖指令,所述覆盖指令用于指示在后续冲突检测中优先保留所述候选信息。

18、在一实施例中,所述对所召回的所述候选记忆进行混合评分得到综合评分的步骤,包括:

19、分别获取所述候选记忆与所述当前提问内容之间的多维匹配度,以及所述候选记忆对应的多项记忆属性信息,所述多维匹配度包括语义相似度、时间匹配度、情绪匹配度,所述多项记忆属性信息包括用户特异性、显著性、新近性和与已知事实的冲突程度;

20、根据所述多维匹配度和所述多项记忆属性信息,计算所述候选记忆的综合评分,其中所述综合评分与所述多维匹配度及所述多项记忆属性信息中表征正面贡献的部分正相关,且与所述多项记忆属性信息中表征负面贡献的部分负相关。

21、在一实施例中,所述从所述当前提问内容和/或当前回复中提取候选信息,对所述候选信息进行证据强度分级的步骤之前,还包括:

22、将所述当前提问内容和所述当前回复保存至所述分层结构中的工作记忆层;

23、累计当前会话的对话轮数,在所述对话轮数达到预设的反思触发阈值时,启动后台反思任务;

24、在所述后台反思任务中,提取所述工作记忆层中最近预设轮数的对话内容,根据所提取的对话内容生成会话摘要,将所述会话摘要写入所述分层结构中的会话记忆层;

25、在所述后台反思任务中,根据所提取的对话内容生成情节事件记录,将所述情节事件记录写入所述情节时间线层,所述情节事件记录包含事件主题、事件起因、事件结果及涉及的对话方。

26、在一实施例中,所述从所述当前提问内容和/或当前回复中提取候选信息,对所述候选信息进行证据强度分级的步骤之后,还包括:

27、对所述候选信息进行敏感词检测;

28、若所述候选信息包含预设敏感词,则识别所述候选信息的信息粒度;

29、在所述信息粒度低于预设粒度阈值时拒绝写入所述候选信息;

30、在所述信息粒度高于或等于所述预设粒度阈值时,从所述候选信息中提取所述候选信息的概括性描述,以所述概括性描述替代所述候选信息进入所述冲突检测。

31、在一实施例中,所述将所述候选信息写入对应层级并将所述旧记录标记为被覆盖状态的步骤之后,还包括:

32、在所述被覆盖状态中保留所述旧记录的原内容、原写入时间及被覆盖时间;

33、在接收到调试查询请求时,根据所述调试查询请求返回所述旧记录的原内容、原写入时间及被覆盖时间,以展示对应层级的记忆变更历史。

34、在一实施例中,所述将所述候选信息写入对应层级并将所述旧记录标记为被覆盖状态的步骤之后,还包括:

35、获取所述当前提问内容所对应的场景类型,在确定所述场景类型处于预设的受限场景集合时,根据所述场景类型确定回复长度上限和主动提问门控规则;

36、在生成所述当前回复时,根据所述回复长度上限裁剪所述大语言模型输出的初始回复,得到所述当前回复;

37、在生成所述当前回复后,根据所述主动提问门控规则判定是否允许在所述当前回复的尾部追加追问语句,若允许追加则将所述追问语句拼接至所述当前回复的尾部。

38、此外,为实现上述目的,本技术还提出一种面向共情会话的多维度检索调度设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序配置为实现如上文所述的面向共情会话的多维度检索调度方法的步骤。

39、此外,为实现上述目的,本技术还提出一种存储介质,所述存储介质为计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上文所述的面向共情会话的多维度检索调度方法的步骤。

40、本技术提出的一个或多个技术方案,至少具有以下技术效果:

41、本技术的技术方案,响应于用户的当前提问内容,基于所述当前提问内容在所述分层结构中并行执行三路检索以召回候选记忆,其中,预先将对话记忆划分为分层结构进行存储,所述分层结构包括语义画像层、情节时间线层及情绪与策略记忆层;对所召回的所述候选记忆进行混合评分得到综合评分,根据所述综合评分选取被调度的记忆记录,将所述记忆记录注入提示词后输入至大语言模型以生成基于所述当前提问内容的当前回复;从所述当前提问内容和/或当前回复中提取候选信息,对所述候选信息进行证据强度分级;将通过所述证据强度分级的所述候选信息在所述分层结构中与同一存储类别的旧记录进行冲突检测;若查找到与所述候选信息冲突的旧记录,则在所述候选信息的证据等级高于所述旧记录的证据等级时,将所述候选信息写入对应层级并将所述旧记录标记为被覆盖状态;若未查找到与所述候选信息冲突的旧记录,则将所述候选信息写入所述对应层级。

42、本技术的技术方案,在写入端通过证据分级与冲突检测筛选高信度记忆,在检索端通过多维并行召回与冲突惩罚排序避免低质和矛盾记忆被调度,解决了开环记忆管理方式下记忆质量持续退化的技术难题,实现了共情对话长期记忆从被动记录到主动质控、从单维检索到多维调度的技术跨越。