本发明涉及人工智能人机对话方法，具体为一种基于ai智能大模型的人机对话方法。
背景技术：
1、基于ai智能大模型的人机对话方法是一种模拟人类对话行为的技术，它允许计算机系统与人类进行自然语言交流。这种技术结合了自然语言处理、机器学习、深度学习等先进的人工智能技术，以实现高效、智能的对话系统。随着技术的进步，人机对话系统将更加智能化，能够更好地理解复杂的语言环境和用户意图，提供更加丰富和自然的交互体验。此外，多模态对话系统，结合文本、语音、图像等多种交互方式，也是未来发展的重要方向。
2、中国专利公开号为cn206839959u，公开了一种人机对话方法、装置、电子装置和存储介质。该人机对话方法包括：接收用户当前轮次的对话语音，并对所述对话语音进行预处理，得到文本信息，其中，所述预处理包括文本转换、文本纠错；通过预设语意分析大模型对所述文本信息进行处理，得到意图信息，其中，所述意图信息至少包括所述用户当前轮次对应的意图；获取历史应答信息，并根据所述历史应答信息和所述意图信息确定当前轮次的对话状态，其中，所述历史应答信息包括根据上一轮次对话的对话状态生成的应答信息；根据预设应答配置大模型配置与所述对话状态对应的所述应答信息，并生成与所述应答信息对应的应答语音，其中，所述预设应答配置大模型至少包括以下之一：对话策略学习大模型、知识库问答大模型，解决了相关技术中对话系统实现对话效率低、对话效果不佳的问题，实现了快速、有效地实现各场景的ai机器人外呼功能，降低人力成本，提高对话效率与对话效果的有益效果。
3、上述中的现有技术方案存在以下缺陷：在中文语境的人机对话时，词义和句意在不同语境以及不同方言使用习惯下都不同，人机对话难以对此进行准确分析，从而对话时容易出现答不对题的情况，所以我们提出了一种基于ai智能大模型的人机对话方法，以便于解决上述中提出的问题。
技术实现思路
1、本发明的目的在于提供一种基于ai智能大模型的人机对话方法，以解决上述背景技术中提出的在中文语境的人机对话时，词义和句意在不同语境以及不同方言使用习惯下都不同，人机对话难以对此进行准确分析，从而对话时容易出现答不对题情况的问题。
2、为实现上述目的，本发明提供如下技术方案：一种基于ai智能大模型的人机对话方法，包括以下步骤：
3、步骤1：构建一个大模型，通过文本数据进行预训练，文本数据分析时对不同语境和方言下的词义分别录入，大模型能够学习到语言的结构、语义以及上下文的关联，预训练阶段是大模型获取广泛知识和语言理解能力的基础；
4、步骤2：预训练完成后，大模型需要针对特定任务或领域进行微调，来适应特定任务或领域，以优化其在特定对话场景下的表现，这通常涉及在对话数据集上进行训练，让大模型学习到更具体的人机对话模式和策略；
5、步骤3：增加程序让大模型在对话中，理解对话的历史，即之前的对话内容，以便生成连贯和恰当的回复，这要求大模型能够处理和记忆多轮对话的上下文信息；
6、步骤4：基于理解的上下文，大模型使用生成技术来生成自然语言回复，让生成的回复符合对话的逻辑，来模拟人类的表达方式；
7、步骤5：设置大模型的对话管理能力，即能够根据对话的进展和目标调整对话策略，这可能包括话题引导、问题澄清、信息确认等；
8、步骤6：大模型编辑学习程序让其能够适应不同的对话风格和情感，这可能涉及到学习不同说话人的语气、礼貌程度、幽默感；
9、步骤7：大模型增加分析程序纵增加实施过滤机制和设置对话规则，在设计人机对话系统时，涉及到安全性和伦理问题，大模型不会生成有害、误导或不适当的内容；
10、步骤8：与用户交互时，用户可以根据使用需求设置所需领域，同时根据用户的喜好可设置系统交互语言表达角色的性别、年龄和性格；
11、步骤9：根据用户选择的领域进一步学习上述用户选择领域的专业知识，同时根据用户选择的角色属性学习对应的表达方式；
12、步骤10：对用户提出的问题进行分析，通过分析的语句的词义和句意判断用户的语境和方言使用习惯，从而根据对应情况分析出用户的问题，再针对其进行回复并收集用户对大模型回复的反馈，进一步优化大模型的性能，大模型能够从与用户的互动中不断学习和改进，提升对话质量和用户体验。
13、优选的，所述步骤1中预训练的文本数据先进行文本预处理，通过词元化将句子切分成一个个词元，词元可以是一个单词、多个单词、词组或字符。再对每个词元做索引，目的是将词转变为数字序列，以方便后续处理，再将文本数据转换为数学向量和矩阵，优选的方法包括词袋法和词嵌入，后者能够保留单词的上下文信息，并通过距离表示语义间的关系。
14、优选的，所述步骤4中生成技术为序列到序列大模型和变换器架构其中一种。
15、优选的，所述步骤8中可选的领域为：教育领域、健康咨询领域和娱乐游戏领域中至少一种，还可以根据使用需求更具体的拓展教育、健康咨询和娱乐游戏的具体领域，如教育的科目或学生年级、健康咨询中的科室以及娱乐游戏的类目。
16、优选的，所述步骤8、步骤9和步骤10中用户所选择的对话领域、语言表达角色、其对话习惯、以及往期对话内容进行存储，后续对话时，直接调用，客户也可根据喜好再次对对话领域和语言表达角色进行更换。
17、与现有技术相比，本发明的有益效果是：
18、1.本发明在预训练时，录入的文本数据中对不同语境和方言下的词义分别录入，对用户提出的问题进行分析，通过分析的语句的词义和句意判断用户的语境和方言使用习惯，从而根据对应情况分析出用户的问题。语境是理解语言含义的关键因素之一，对话系统如果能够判断不同的语境，就能更准确地理解用户的话语意图，避免误解和歧义。例如，在正式场合和日常闲聊中，同样的词汇可能有不同的含义和语气。同时，支持方言则意味着系统能够识别并理解用户的地域性语言特点，从而提供更加贴近用户需求的响应。用户在使用对话系统时，期望能够以一种自然、流畅的方式进行交流。当系统能够准确捕捉并响应不同语境下的需求，以及支持用户习惯使用的方言时，用户的沟通体验将得到极大提升。这种个性化的交流方式让用户感到被尊重和理解，从而增强了用户的满意度和忠诚度。方言是地域文化的重要组成部分，支持方言意味着对话系统能够跨越语言和文化的界限，与更广泛的人群建立联系。这种包容性不仅有助于保护和传承地方文化，还能促进不同地区、不同人群之间的相互理解和尊重，增强社会的凝聚力和向心力，解决了在中文语境的人机对话时，词义和句意在不同语境以及不同方言使用习惯下都不同，人机对话难以对此进行准确分析，从而对话时容易出现答不对题情况的问题。
19、2.本发明根据用户选择的领域进一步学习上述用户选择领域的专业知识，同时根据用户选择的角色属性学习对应的表达方式，通过针对特定领域的训练，对话系统能够深入学习和理解该领域的专业术语、行业规范以及常见问题。这使得系统在面对该领域的用户时，能够提供更准确、更专业的回答和建议。不同领域有其独特的语境和表达方式，通过针对性训练，对话系统能够更好地适应这些特点，减少因语境差异而导致的误解。用户可以根据自己的需求选择对话系统的领域，从而获得更加个性化的服务体验。例如，医疗领域的用户可以获得专业的医疗咨询，教育领域的用户则可以得到学习上的帮助。针对领域的训练使得对话系统能够更快速地理解用户的问题和需求，从而提供更为高效的沟通体验。用户无需花费额外的时间解释背景信息或澄清问题，直接获得所需的答案或解决方案。通过让用户选择领域进行训练，对话系统可以应用于更广泛的场景和领域。无论是金融、医疗、教育还是娱乐等领域，都可以通过针对性训练来满足不同用户的需求。可以根据自身的业务需求和用户群体特点，定制专属的对话系统领域训练方案。这有助于提升企业的服务质量和品牌形象，增强用户粘性和忠诚度。针对领域的训练需要不断优化算法和模型，以适应不同领域的特点和需求。这有助于推动对话系统技术的创新和发展，提升系统的整体性能和稳定性。通过收集和分析不同领域的用户数据和反馈，可以为对话系统的研究和开发提供有力的支持。研究人员可以根据这些数据来优化算法、改进模型，从而推动对话系统技术的不断进步。
1.一种基于ai智能大模型的人机对话方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于ai智能大模型的人机对话方法，其特征在于，所述步骤1中预训练的文本数据先进行文本预处理，通过词元化将句子切分成一个个词元，词元可以是一个单词、多个单词、词组或字符。再对每个词元做索引，目的是将词转变为数字序列，以方便后续处理，再将文本数据转换为数学向量和矩阵，优选的方法包括词袋法和词嵌入，后者能够保留单词的上下文信息，并通过距离表示语义间的关系。
3.根据权利要求1所述的一种基于ai智能大模型的人机对话方法，其特征在于，所述步骤4中生成技术为序列到序列大模型和变换器架构其中一种。
4.根据权利要求1所述的一种基于ai智能大模型的人机对话方法，其特征在于，所述步骤8中可选的领域为：教育领域、健康咨询领域和娱乐游戏领域中至少一种，还可以根据使用需求更具体的拓展教育、健康咨询和娱乐游戏的具体领域，如教育的科目或学生年级、健康咨询中的科室以及娱乐游戏的类目。
5.根据权利要求1所述的一种基于ai智能大模型的人机对话方法，其特征在于，所述步骤8、步骤9和步骤10中用户所选择的对话领域、语言表达角色、其对话习惯、以及往期对话内容进行存储，后续对话时，直接调用，客户也可根据喜好再次对对话领域和语言表达角色进行更换。
