车机交互意图预测方法、装置及存储介质与流程
本发明涉及车辆领域,特别涉及一种车机交互意图预测方法、装置及存储介质。
背景技术:
1、随着科学技术的不断发展,大部分车载智能座舱中都搭载有ai助手,通过ai助手能够实现对用户指令的理解及响应。相关技术中,ai助手在接收到用户指令后,可以从历史交互内容中检索出与用户指令在文本语义上相关的一条或多条交互内容,从而对用户指令进行理解。虽然通过这种方式检索出的结果与用户指令在文本语义上相似,但无法保证与用户的真实意图相匹配,导致最终出现错误响应,降低用户体检。
技术实现思路
1、本发明实施例提供一种车机交互意图预测方法、装置及存储介质,以实现对用户当前交互指令的精准响应,使最终生成的交互内容与用户当前的真实意图相匹配。
2、第一方面,本发明实施例提供一种车机交互意图预测方法,包括:
3、若接收到用户的当前交互指令,获取用于表征车辆当前驾驶场景语义的目标车机数据,并基于所述目标车机数据对所述当前交互指令进行增强处理,得到目标增强指令;
4、对所述目标增强指令进行向量转换,得到目标向量;
5、在预设记忆向量库中检索出与所述目标向量相关联的m条候选记忆向量,其中,m为正整数,所述预设记忆向量库中包含有所述用户与车辆的历史交互内容所对应的向量;
6、基于预设评分模型,对每条候选记忆向量在当前驾驶场景语义下与所述目标向量之间的匹配度进行评分,并筛选出评分最高的k条候选记忆向量,k为正整数;
7、基于所述k条候选记忆向量,生成与所述当前交互指令对应的目标交互内容。
8、在一些实施方式中,所述获取用于表征车辆当前驾驶场景语义的目标车机数据,包括:
9、获取接收到所述当前交互指令的当前时刻、所述车辆在所述当前时刻的目标位置、所述车辆在所述当前时刻的目标车速以及所述用户在预设时段内的日程信息,其中,所述预设时段的起始时刻与所述当前时刻之间的时间差小于阈值;
10、所述基于所述目标车机数据对所述当前交互指令进行增强处理,得到目标增强指令,包括:
11、基于所述当前时刻、所述目标位置、所述目标车速以及所述日程信息对所述当前交互指令进行拼接,得到所述目标增强指令。
12、在一些实施方式中,所述在预设记忆向量库中检索出与所述目标向量相关联的m条候选记忆向量,包括:
13、通过hnsw算法从所述记忆向量库中确定出与所述目标向量距离最近的m条向量作为所述m条候选记忆向量。
14、在一些实施方式中,所述预设评分模型通过以下方式构建:
15、对用户的n条历史交互指令进行向量转换,得到对应的n条历史交互向量,n为正整数;
16、针对每条历史交互向量,从所述预设记忆向量库中检索出与该历史交互向量相关联的m条记忆向量;
17、针对每条历史交互向量,确定该历史交互向量对应的每条记忆向量的监督标签,其中,所述每条历史交互向量对应的m条记忆向量以及m个监督标签作为一组训练样本;
18、基于所述训练样本对初始预设评分模型进行训练,并将训练好的评分模型作为所述预设评分模型。
19、在一些实施方式中,所述针对每条历史交互向量,确定该历史交互向量对应的每条记忆向量的监督标签,包括:
20、针对每条历史交互向量,将该条历史交互向量以及对应的m条记忆向量输入到预设大语言模型中,以通过所述预设大语言模型分析在对应的驾驶场景语义下,每条记忆向量与对应的历史交互指令的真实意图的匹配分值,并基于所述匹配分值,确定所述每条记忆向量的监督标签。
21、在一些实施方式中,所述方法还包括:
22、确定所述k条候选记忆向量中每条候选记忆向量对应的目标标签;
23、基于所述目标增强指令、所述k条候选记忆向量以及所述k条候选记忆向量中每条候选记忆向量对应的目标标签,构建目标样本;
24、基于所述目标样本对所述预设评分模型进行更新。
25、在一些实施方式中,所述确定所述k条候选记忆向量中每条候选记忆向量对应的目标标签,包括:
26、若接收到所述用户针对所述目标交互内容的反馈结果,基于所述反馈结果,确定用户行为标签;
27、通过预设大语言模型分析在所述当前驾驶场景语义下,所述k条候选记忆向量中每条候选记忆向量与所述当前交互指令的真实意图的匹配分值,得到与所述k条候选记忆向量中每条候选记忆向量对应的模型判定标签;
28、针对所述k条候选记忆向量中每条候选记忆向量,将该候选记忆向量对应的模型判定标签与所述用户行为标签进行融合处理,得到该候选记忆向量对应的目标标签。
29、第二方面,本发明实施例提供一种车机交互意图预测装置,包括:
30、指令增强模块,用于在接收到用户的当前交互指令时,获取用于表征车辆当前驾驶场景语义的目标车机数据,并基于所述目标车机数据对所述当前交互指令进行增强处理,得到目标增强指令;
31、向量转换模块,用于对所述目标增强指令进行向量转换,得到目标向量;
32、检索模块,用于在预设记忆向量库中检索出与所述目标向量相关联的m条候选记忆向量,其中,m为正整数,所述预设记忆向量库中包含有所述用户与车辆的历史交互内容所对应的向量;
33、第一处理模块,用于基于预设评分模型,对每条候选记忆向量在当前驾驶场景语义下与所述目标向量之间的匹配度进行评分,并筛选出评分最高的k条候选记忆向量,k为正整数;
34、第二处理模块,用于基于所述k条候选记忆向量,生成与所述当前交互指令对应的目标交互内容。
35、第三方面,本发明实施例提供一种车机交互装置,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,所述处理器执行程序时实现上述车机交互方法中的步骤。
36、第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述车机交互方法中的步骤。
37、本技术实施例中的上述一个或至少一个技术方案,至少具有如下技术效果:
38、本说明书实施例提供的车机交互意图预测方法,在接收到用户的当前交互指令时,获取用于表征车辆当前驾驶场景语义的目标车机数据,基于目标车机数据对当前交互指令进行增强处理,得到目标增强指令,并对目标增强指令进行向量转换,得到目标向量;在预设记忆向量库中检索出与目标向量相关联的m条候选记忆向量,其中,预设记忆向量库中包含有用户与车辆的历史交互内容所对应的向量;基于预设评分模型,对每条候选记忆向量在当前驾驶场景语义下与目标向量之间的匹配度进行评分,并筛选出评分最高的k条候选记忆向量;基于k条候选记忆向量,生成与当前交互指令对应的目标交互内容。本方案,通过目标车机数据对当前交互指令进行增强处理,将当前驾驶场景语义融合到用户指令中,因此,采用增强指令对应的目标向量进行检索时,能够召回与当前驾驶场景语义相关的候选记忆向量,即召回的候选记忆向量更贴合用户在当前驾驶场景下的隐含的真实意图和任务目标。另外,本方案通过两阶段检索,通过第一阶段筛选出与目标向量语义相关的m条候选记忆向量,在第二阶段对每条候选记忆向量与目标向量在当前驾驶场景语义下的匹配度进行评估,能够确定每条候选记忆向量在当前任务目标下的有效性,实现了语义相关和任务有效的双重过滤,显著提升了候选记忆向量召回的有效性,进而,基于k条候选记忆向量生成的目标交互内容能够实现对用户当前交互指令的精准响应,提高用户体验。
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