基于大模型的自然语言美食偏好理解与意图解析方法与流程

本发明涉及自然语言处理，特别是基于大模型的自然语言美食偏好理解与意图解析方法。

背景技术：

1、随着大语言模型在自然语言处理中的广泛应用，出现了利用大语言模型对用户输入文本进行意图解析的技术方案。

2、例如，一种现有技术公开号为cn119577125a的专利申请，其公开了一种基于大语言模型的用户意图识别方案。该方案设置意图预分类模块、提示词工程和语言模型模块。意图预分类模块对用户意图输入进行向量化，并与意图函数库中各意图函数的描述向量计算相似度，筛选出与用户意图输入接近的候选意图函数集合；提示词工程将候选意图函数的功能描述与参数描述构建为提示词，并将提示词与用户意图输入拼接整合，形成语言模型的输入；语言模型模块进行模型推理，输出包含意图函数名称和参数的字符串文本，经解析后得到用户意图。

3、再例如，一种现有技术公开号为cn118797137a的专利申请，其公开了一种基于大语言模型的意图识别方案。该方案根据预配置的模型提示数据库为用户请求构造模型提示，将拼接有模型提示的目标用户请求输入目标大语言模型，得到结构化用户意图。

4、上述现有技术方案的共同点在于，将用户输入文本与预定义的提示信息拼接后输入语言模型，由语言模型输出预定义的意图类别或者意图函数的名称与参数。其输入侧仅对提升意图类别识别准确率的提示信息进行了构造，并未对用户输入文本中所包含的需求信息的维度结构进行定义；其输出侧被限定在意图类别的取值范围或者意图函数的参数取值范围内。

5、当用户以一则自然语言文本表达美食需求时，该文本通常同时涉及口味、菜系、食材、价格、环境、场景、时间、距离和社交等多个偏好维度，且其中一部分偏好维度以显式语句表达、另一部分偏好维度以隐含语义表达。例如用户输入想吃点暖胃的、别太油腻、步行就能到的餐厅，其中暖胃属于以隐含语义表达的偏好并隐含指示对温热菜品或者汤类食材的偏好，油腻与步行能够到达属于以显式语句表达的偏好，且上述各个偏好维度在用户需求中的相对重要程度并不相同。

6、由于上述现有技术方案的输入未对偏好维度的槽位结构进行定义，输出被限定在意图类别的取值范围内，因此语言模型无法将一则表达美食需求的自然语言文本中分散表达、且部分以显式语句表达、部分以隐含语义表达的多个偏好维度，映射为具有统一维度结构、且各个偏好维度权重可区分的偏好向量，导致针对美食需求的解析结果存在偏好维度缺失以及偏好维度权重无法区分，使得后续对美食对象的筛选无法据此确定统一的偏好约束。

技术实现思路

1、为解决现有技术中存在的技术问题，本发明提供了基于大模型的自然语言美食偏好理解与意图解析方法。

2、本发明采用的技术方案是：

3、本申请提供了基于大模型的自然语言美食偏好理解与意图解析方法，包括以下内容：

4、步骤1，获取待解析的自然语言文本，所述自然语言文本用于表达用户的美食需求；

5、步骤2，按照预设的偏好维度模板对所述自然语言文本进行结构化编码，得到模型输入序列，所述偏好维度模板定义多个偏好维度槽位以及各所述偏好维度槽位对应的槽位标识符和取值域；

6、步骤3，将所述模型输入序列输入大语言模型，按照各所述偏好维度槽位对应的槽位语法，约束所述大语言模型的输出词元序列，得到结构化偏好解析结果，所述结构化偏好解析结果中每个所述偏好维度槽位对应包含偏好取值、极性标识、显隐式标识和解析置信度；

7、步骤4，根据所述显隐式标识、所述极性标识和所述解析置信度确定各所述偏好维度槽位的置信因子，按照预设的语言线索映射关系确定各所述偏好维度槽位的线索因子，由所述置信因子与所述线索因子确定各所述偏好维度槽位的维度权重，由各所述偏好维度槽位及其维度权重构成加权偏好向量；

8、步骤5，对所述加权偏好向量进行约束冲突检测，得到冲突维度对，按照所述冲突维度对对应的冲突级别对所述加权偏好向量进行消解，得到目标偏好向量；

9、步骤6，将所述目标偏好向量与预设的美食对象向量库进行相似度匹配，得到并输出美食推荐结果。

10、本发明的有益效果是：

11、本发明通过偏好维度模板对表达美食需求的自然语言文本进行结构化编码，使模型输入序列中的偏好维度槽位、槽位标识符与取值域被明确定义，语言模型能够据此并在受槽位语法约束的条件下生成输出词元序列，从而将表达美食需求的文本中分散表达且显隐混杂的多个偏好维度映射为具有统一维度结构的结构化偏好解析结果，克服了针对美食需求的解析结果中偏好维度缺失的问题；

12、本发明通过显隐式标识、极性标识与解析置信度确定置信因子、通过语言线索映射关系确定线索因子，并由置信因子与线索因子确定维度权重，使表达美食需求的文本中各个偏好维度在加权偏好向量中的权重可区分，从而解决了偏好维度权重无法区分的问题；

13、本发明通过对加权偏好向量进行约束冲突检测与分级消解，使得在表达美食需求的文本中存在互斥取值时仍能够确定可执行的目标偏好向量，从而使目标偏好向量能够与预设的美食对象向量库进行相似度匹配。

1.基于大模型的自然语言美食偏好理解与意图解析方法，其特征在于，包括以下内容：

2.根据权利要求1所述的基于大模型的自然语言美食偏好理解与意图解析方法，其特征在于，所述步骤2中按照预设的偏好维度模板对所述自然语言文本进行结构化编码，得到模型输入序列，包括：

3.根据权利要求1所述的基于大模型的自然语言美食偏好理解与意图解析方法，其特征在于，所述步骤3中按照各所述偏好维度槽位对应的槽位语法，约束所述大语言模型的输出词元序列，得到结构化偏好解析结果，包括：

4.根据权利要求1所述的基于大模型的自然语言美食偏好理解与意图解析方法，其特征在于，所述步骤4中按照预设的语言线索映射关系确定各所述偏好维度槽位的线索因子，包括：

5.根据权利要求1所述的基于大模型的自然语言美食偏好理解与意图解析方法，其特征在于，步骤4中，在根据所述显隐式标识、所述极性标识和所述解析置信度确定各所述偏好维度槽位的置信因子之前，还包括：

6.根据权利要求3所述的基于大模型的自然语言美食偏好理解与意图解析方法，其特征在于，在将所述偏好维度槽位的显隐式标识确定为隐式标识之后，还包括：

7.根据权利要求1所述的基于大模型的自然语言美食偏好理解与意图解析方法，其特征在于，所述步骤5中对所述加权偏好向量进行约束冲突检测，得到冲突维度对，包括：

8.根据权利要求7所述的基于大模型的自然语言美食偏好理解与意图解析方法，其特征在于，所述步骤5中按照所述冲突维度对对应的冲突级别对所述加权偏好向量进行消解，得到目标偏好向量，包括：

9.根据权利要求7所述的基于大模型的自然语言美食偏好理解与意图解析方法，其特征在于，所述步骤5还包括：

10.根据权利要求1所述的基于大模型的自然语言美食偏好理解与意图解析方法，其特征在于，在所述步骤6之后，还包括：