记忆构建方法、记忆更新方法、信息检索方法及电子设备与流程

摘要: 本发明涉及人机交互,具体涉及一种记忆构建方法、记忆更新方法、信息检索方法及电子设备。背景技术:1、随着大语言模型在ai对话产品中的大规模落地,用户对ai对话产品...
记忆构建方法、记忆更新方法、信息检索方法及电子设备与流程

本发明涉及人机交互,具体涉及一种记忆构建方法、记忆更新方法、信息检索方法及电子设备。

背景技术:

1、随着大语言模型在ai对话产品中的大规模落地,用户对ai对话产品的期望已从"能对话"升级为"懂我"。用户希望ai对话产品能够记住自己的偏好、习惯、过往约定乃至情感状态,从而提供真正连贯、个性化的交互体验。

2、用户每完成一次与ai对话后会生成交互会话信息,上述与用户偏好信息相关的记忆信息通常基于该交互会话信息对应的摘要信息提取得到。现有技术中,交互会话信息对应的记忆信息通常以压缩摘要形式存储,不能提供有层次、细粒度的记忆信息,另外,当用户质疑ai对话产品确定的与用户偏好信息相关的记忆信息时,ai对话产品无法追溯用户偏好信息的来源,产品可信度将面临崩塌风险,对用户造成不良的使用体验。

技术实现思路

1、本公开实施例提供了一种新的记忆构建方法的技术方案。

2、根据本公开的第一方面,提供了一种用于用户画像的记忆构建方法,该方法包括:

3、获取关联于用户标识的至少一个对话记录;

4、分别针对每一对话记录生成相应的摘要信息,并构建包含各对话记录的摘要信息的第一记忆层,其中,每一摘要信息包括用户标识和话题标签信息,每一摘要信息对应唯一的摘要标识;

5、根据摘要信息中的话题标签信息,将每一摘要信息的摘要标识关联至一个或多个话题,并构建记录各摘要标识与各话题间映射关系的第二记忆层,其中,所述话题携带有话题标识;

6、根据每一话题和每一话题关联的摘要标识对应的摘要信息中的用户标识,确定关联于所述用户标识的多个用户画像特征,并生成包括多个用户画像条目的第三记忆层,其中,每一用户画像条目记录对应的用户画像特征、第二记忆层的对应摘要标识与话题的映射关系。

7、可选地,每一用户画像条目记录的对应摘要标识与话题的映射关系为从话题标识到摘要标识的指向关系,作为查找所对应用户画像特征的确定依据的溯源路径。

8、可选地,每一对话记录包括至少一轮对话信息,其中,所述针对每一对话记录生成相应的摘要信息,包括:

9、确定每一轮对话信息对应的交互日志信息,其中,所述交互日志信息携带有日志标识;

10、从各轮对话信息对应的交互日志信息提取得到相应的摘要信息,并将每一交互日志信息的日志标识关联至相应摘要信息的摘要标识。

11、可选地,每一用户画像条目还记录第一记忆层的对应摘要标识和日志标识的关联关系;其中,

12、每一用户画像条目记录的对应摘要标识与话题的映射关系为从话题标识到摘要标识的第一指向关系,

13、每一用户画像条目记录的对应摘要标识和日志标识的关联关系为从摘要标识到日志标识的第二指向关系,其中,

14、所述第一指向关系和所述第二指向关系作为查找所对应用户画像特征的确定依据的溯源路径。

15、可选地,所述方法还包括:

16、在所述对话记录包括用户输入的记忆指令的情况下,构建记录用户标识与记忆指令的映射关系的第四记忆层。

17、根据本公开的第二方面,提供了一种记忆更新方法,包括:

18、获取用户的当前对话记录,以及基于所述用户对应的用户标识下的历史对话记录构建的记忆体,其中,所述记忆体中各记忆层基于如第一方面中任一项所述的方法所构建;

19、确定所述当前对话记录相对于所述记忆体中第一记忆层和第二记忆层的增量特征信息;

20、根据所述增量特征信息确定所述第三记忆层的更新策略,其中,所述更新策略为静默或更新。

21、可选地,所述确定所述当前对话记录相对于所述记忆体中第一记忆层和第二记忆层的增量特征信息,包括:

22、基于所述当前对话记录确定第一语义特征向量,以及确定所述当前对话记录所关联的话题;

23、从所述第一记忆层和所述第二记忆层中,获得所述当前对话记录所关联的话题对应的摘要信息;

24、根据所述当前对话记录所关联的话题对应的摘要信息,确定第二语义特征向量;

25、根据所述第一语义特征向量和所述第二语义特征向量,确定所述增量特征信息。

26、可选地,所述确定所述当前对话记录相对于所述记忆体中第一记忆层和第二记忆层的增量特征信息,包括:

27、基于所述当前对话记录更新所述第一记忆层和所述第二记忆层,得到更新后的第一记忆层和第二记忆层;

28、根据所述历史对话记录对应的第一记忆层和第二记忆层、所述更新后的第一记忆层和第二记忆层,确定新增摘要标识数量,作为所述增量特征信息。

29、根据本公开的第三方面,提供了一种信息检索方法,包括:

30、响应于用户输入的携带有问询信息的检索请求,将所述问询信息输入至设定检索意图分类模型,以获得检索意图类型;

31、根据所述检索意图类型确定所述检索请求的检索范围,其中,所述检索范围基于如第一方面中任一方法生成的各记忆层确定;

32、基于所述检索请求的检索范围,检索得到对应于所述问询信息的应答信息。

33、可选地,所述检索意图类型为事实回顾类检索、深度理解类检索、直接应答类中的一种;其中,

34、在所述检索意图类型为事实回顾类检索的情况下,所述检索请求的检索范围为所述第一记忆层和所述第二记忆层;

35、在所述检索意图类型为深度理解类检索的情况下,所述检索请求的检索范围为所述第二记忆层和所述第三记忆层;

36、在所述检索意图类型为直接应答类的情况下,所述检索请求的检索范围为空。

37、可选地,在构建有第四记忆层的情况下,所述检索意图类型还包括记忆指令类检索,

38、在所述检索意图类型为记忆指令类检索时,所述检索请求的检索范围为所述第四记忆层。

39、根据本公开的第四方面,提供了一种电子设备,包括存储器和处理器,所述存储器存储计算机程序,所述计算机程序用于控制所述处理器进行操作以执行根据第一方面、第二方面和第三方面中任意一项所述的方法。

40、根据本公开的第五方面,提供了一种非易失性计算机可读存储介质,其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根据本公开的第一方面、第二方面和第三方面中任意一项所述的方法。

41、本公开的一个有益效果在于,本公开提供了一种用于用户画像的记忆构建方法,构建包含各对话记录的摘要信息的第一记忆层、记录各摘要标识与各话题间映射关系的第二记忆层、记录用户画像条目的第三记忆层,第二记忆层通过摘要标识与第一记忆层建立关联,第三记忆层通过画像条目与对应摘要标识、对应话题建立关联,在用户基于用户画像条目产生质疑时,通过各层之间的关联关系,查找到确定用户画像条目的依据,提升用户的信任度。另外,将用户对话记录进行摘要级、话题级、画像级的细粒度的分层构建,形成从具体到抽象、从浅层事实类到深度理解类的记忆体系,既保留了原始对话记录的关键信息,又实现了对关键信息的归纳与提炼,为后续基于问询信息的精准检索提供了准确的基础。

42、通过以下参照附图对本公开的示例性实施例的详细描述,本公开实施例的其它特征及其优点将会变得清楚。