摘要
本发明公开了一种基于大模型的智能客服对话生成方法,基于输入数据提取不同模态的结构化特征,利用知识图谱匹配任务标签,获得任务相关性优化后的模态特征矩阵,之后根据该态特征矩阵,生成修正后的调整特征矩阵,结合历史调整特征矩阵,进行加权融合和线性变换,生成任务分支特征向量,对每个任务分支进行量化评分,基于相关性得分对分支按优先级排序,最后根据优先级结果及背景知识上下文动态构造Prompt,通过大语言模型生成回复文本。本方案可以有效融合多模态数据,并全面挖掘不同模态输入隐含的信息,保证了在多模态输入复杂场景中的语义可靠性和任务执行鲁棒性,通过将任务描述嵌入与知识图谱进行相似度匹配,提升了系统的智能性和稳定性。
技术关键词
模态特征
对话生成方法
矩阵
智能客服
分支
文本
图谱
数据
计算机可存储介质
Softmax函数
对话生成系统
鲁棒性
标签
YOLO模型
偏差
短时傅里叶变换
语义
融合特征
交互注意力
系统为您推荐了相关专利信息
风险隐患管理系统
财务报表数据
大数据
隐患管理方法
语义特征提取
空气悬架
转移概率矩阵
牵引车
特征数据信息
车辆前轴
数据中心管控系统
多模态特征融合
数据采集模块
运维
预警模块
图像分类方法
图像分类模型
可读存储介质
特征提取器
分支
红外图像分割方法
灰度共生矩阵
光伏组件
图像分割模型
融合特征