一种多源用户画像的分级置信采集与跨会话累积升格方法及系统与流程
本发明属于人工智能与自然语言处理,具体涉及对话式人工智能系统中的用户画像采集、长期记忆管理与置信度控制,尤其涉及一种多源用户画像的分级置信采集与跨会话累积升格方法及系统。
背景技术:
1、在智能对话助手、语音交互终端与客服机器人等场景中,系统需要跨会话记住用户的称呼、年龄、爱好与偏好等结构化属性,以便后续回复保持一致性与个性化。常见做法是在会话结束时调用大模型从对话中抽取用户画像字段并直接写入正式档案,或仅保存用户字面自述。
2、现有技术大体可分为以下几类:
3、一类是大模型驱动的用户画像生成与更新方案,通过多智能体从交互文本结构化用户画像,并按变化特征触发更新,或以时间粒度分层兼顾短期意图与长期偏好。该类方案通常未在写入正式档案前区分「用户明确自述」与「模型推断」的置信等级,也未针对「爱好类可累积属性」与「昵称类应被新值纠正属性」设置不同的内容合并与计数复位规则。
4、一类是基于历史对话特征分类得到多维用户标签以构建画像的方案,属于传统标签构建,缺少面向大模型幻觉风险的观察池隔离,也无跨会话命中计数升格机制。
5、一类是对话记忆分层构建与检索召回方案,例如模拟人类记忆机制构建多级节点并做向量检索,或划分短/长期记忆池进行匹配注入。该类方案侧重记忆构建与召回,并不解决结构化画像槽位被推断幻觉污染的问题,亦未按槽位语义类型对候选内容做并集合并或命题重置。
6、还有一类通用的「候选确认 + 置信度累积达阈再触发」思路,可见于其他领域的观察池或姿态置信累积等,但通常不区分用户画像槽位语义类型,无法在同一套候选库内同时满足「爱好并集累积」与「昵称变更重置」两类矛盾需求。
7、综上,现有技术至少存在以下不足:
8、将大模型抽取结果直接写库易被幻觉污染正式档案;
9、仅信显式自述又会漏掉大量可跨会话印证的偏好信息;
10、对所有槽位使用同一套更新规则,无法同时满足数组型累积与标量型纠正;
11、同一会话内重复提及若计入次数,会造成伪增强并过早升格;
12、用户否认后若仍允许自动覆盖,可控性不足。
13、因此,亟需一种多源分级置信采集、按槽位类型分岔更新、跨会话累积升格并支持否认冻结的技术方案。
技术实现思路
1、本发明所要解决的技术问题
2、本发明要解决的技术问题是:在对话式人工智能系统中,如何对多源用户画像信息进行分级置信采集,使高置信显式信息可写入正式档案、低置信推断信息仅进入观察池;如何在观察池中按槽位语义类型分别执行可演进并集合并与标量命题重置;如何以「同会话不增计数、跨会话达阈升格」的方式自动将充分印证的候选写入正式档案,并在用户否认后冻结该槽位的自动覆盖。
3、技术方案
4、为解决上述技术问题,本发明提供如下技术方案。
5、第一方面,提供一种多源用户画像的分级置信采集与跨会话累积升格方法,包括:
6、s1:获取用户对话文本以及会话标识 convid;对用户发言执行规则快车道抽取,得到显式槽位增量;调用大模型对会话上下文进行画像抽取,得到推断画像 profile 以及本轮显式自述 explicit;
7、s2:将所述规则快车道抽取结果与所述 explicit 合并为高置信显式增量,赋予显式置信度 ce;将所述高置信显式增量合并写入正式用户档案,并以所述 ce 写入观察池;将所述 profile 以推断置信度 cp 写入观察池,且默认不以所述 profile 直接覆盖正式用户档案;其中 ce>cp;
8、s3:对观察池中按规范化槽位键 k 进行写入或更新:若该槽位已被否认,则拒绝自动覆盖;否则,当内容发生变化时,若 k 属于可演进数组型槽位集合 sarr,则对候选内容做去重并集合并,并在 convid 为新会话标识时累加跨会话命中数 n;若 k 属于标量型槽位集合 ssca,则用新内容替换原内容,并将已命中会话标识集合重置为仅含当前convid(若 convid 非空),同时重置 n;当内容未发生变化时,仅当 convid 不在已命中会话标识集合中时追加该 convid 并更新 n,同一会话标识重复出现不增加 n;
9、s4:当候选状态为待观察、未被否认且 n≥nmin 时,将候选内容按槽位语义合并入正式用户档案,并将该候选标记为已升格;其中 nmin 为预设升格阈值;
10、s5:当接收到针对某候选的否认或拒绝指令时,将该候选标记为已拒绝或设置否认标志,此后禁止对该槽位执行自动覆盖与自动升格。
11、在一种实施方式中,所述 ce 取 1.0,所述 cp 取 0.45,所述 nmin 取不小于 2的正整数。
12、在一种实施方式中,所述规则快车道采用正则或规则匹配从用户发言中抽取昵称、年龄、爱好等槽位,并对职业、地点类捕获结果施加弱词过滤,以拒绝无信息取值。
13、在一种实施方式中,所述可演进数组型槽位包括爱好、偏好、规避、家庭、关系、性格、宠物、目标、健康注意、重要日期中的至少一类;所述标量型槽位包括昵称、年龄、性别、职业、所在地、生日中的至少一类。
14、在一种实施方式中,还将观察池中处于待观察状态的候选格式化为提示段落注入大模型上下文,提示以试探语气核实,未确认前不作为既定事实。
15、在一种实施方式中,同键多次写入时,观察池记录的置信度取历史置信度与本次写入置信度的较大值。
16、第二方面,提供一种多源用户画像的分级置信采集与跨会话累积升格系统,包括:
17、规则快车道模块,用于对用户发言进行规则抽取并施加弱词过滤,得到显式槽位增量;
18、大模型画像抽取模块,用于输出推断画像 profile 与本轮显式自述 explicit;
19、显式自述分流模块,用于将快车道结果与 explicit 合并为高置信显式增量,写入正式用户档案并以 ce 写入观察池;
20、推断画像分流模块,用于将 profile 以 cp 写入观察池且默认不直接覆盖正式用户档案;
21、槽位语义分支更新模块,用于按可演进数组型或标量型对观察池候选执行并集合并或命题重置,并按会话标识去重累加跨会话命中数;
22、自动升格模块,用于在跨会话命中数达到阈值且未否认时将候选合并入正式用户档案;
23、否认冻结模块,用于在用户否认或拒绝后禁止该槽位的自动覆盖与升格。
24、上述各模块相互连接,按照本发明方法步骤协同工作。
25、第三方面,还可提供一种电子设备与计算机可读存储介质,所述电子设备包括处理器与存储器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法。
26、有益效果
27、与现有技术相比,本发明至少具有以下有益效果:
28、通过分级写库,使推断画像默认只进入观察池,抑制一次抽取即污染正式档案;
29、通过规则快车道与显式自述高置信直写,保证明确自述信息即时生效;
30、通过槽位类型分岔,同时满足爱好类并集累积与昵称类新值纠正;
31、通过同会话去重与跨会话达阈升格,降低偶然提及误晋升;
32、通过否认冻结,形成可人工干预的安全阀;
33、可嵌入既有会话摘要流水线,无需更换底座模型。
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