一种基于细粒度用户需求满意度推理的回复内容生成方法

本发明公开了一种基于细粒度用户需求满意度推理的回复内容生成方法。方法包括：获取用户的历史对话文本进行预处理和表征学习，然后进行聚类、无监督学习、关联和匹配后构建满意树，对满意树进行自底向上层层推理后预测整体满意度，进行有监督学习构建多粒度满意度归因模型；获得用户不满意的细粒度需求输入大语言模型中优化，根据优化后的整体满意度对模型进行自监督适应优化；将待答复文本处理后输入模型中生成回复内容。本发明方法能够基于对话文本识别用户细粒度需求，并推理用户对回复内容的多粒度满意度，结合多粒度满意度的推理归因判断，来实现提示自适应和自监督的微调，由此实现大语言模型的个性化内容生成，以满足细粒度的用户需求。