一种基于大语言模型的虚拟接线管理系统及方法与流程

本发明涉及自然语言处理，具体为一种基于大语言模型的虚拟接线管理系统及方法。

背景技术：

1、虚拟接线是一种基于技术的服务，对传统接线员的工作进行模拟，使用电话、网络和语音识别等方式与用户进行互动。虚拟接线技术主要运用人工智能和语音识别等技术，自动化为用户提供解决方案等服务。

2、大语言模型是一种基于深度学习技术的自然语言处理模型，能够处理和生成自然语言文本。模型由大量文本数据进行训练，通过学习语言中的词汇、语法、结构和上下文关系进而理解和生成人类语言。

3、大语言模型在虚拟接线服务过程中应用十分广泛，但是在情感识别和处理方面还存在一些问题。大文本模型主要依赖文本数据，而情感常常通过语气和语调表达，这些非语言特征在文本中难以体现。此外，模型在处理不同情感状态时，可能会缺乏灵活性，无法提供有效的情感支持。

技术实现思路

1、本发明的目的在于提供一种基于大语言模型的虚拟接线管理系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：一种基于大语言模型的虚拟接线管理系统，该系统包括输入模块、选择模块、语音分析模块、文本分析模块以及输出模块；

3、所述输入模块用于用户输入文本内容以及语音内容，并将语音内容转换为文本；所述选择模块用于根据输入模块的文本进行初步匹配以选择相应的处理政策；所述语音分析模块用于根据用户输入的语音内容分析用户的情感状态；所述文本分析模块用于理解文本内容以及根据文本内容分析用户意图和情感；所述输出模块用于理解用户的输入后，结合用户的意图和情感生成文本对用户进行回复；

4、所述输入模块的输出端与所述选择模块和语音分析模块的输入端相连接；所述选择模块的输出端与所述文本分析模块和输出模块的输入端相连接；所述语音分析模块的输出端与所述输出模块的输入端相连接；所述文本分析模块的输出端与所述输出模块的输入端相连接。

5、所述输入模块包括文本接口单元、语音接口单元和文本转换单元；

6、所述文本接口单元用于接收用户输入的文本内容；所述语音接口单元用于接收用户输入的语音内容；所述文本转换单元用于将用户输入的语音内容转换为文本；

7、所述文本接口单元的输出端与所述选择模块的输入端相连接；所述语音接口单元的输出端与所述文本转换单元和所述语音分析模块的输入端相连接；所述文本转换单元的输出端与所述选择模块的输入端相连接。

8、所述选择模块包括政策选择单元、问答匹配单元、信息请求单元、信息验证单元和转换人工单元；

9、所述政策选择单元用于通过关键词的匹配对文本选择合适的处理政策；所述问答匹配单元用于对文本和预设问题进行匹配；所述信息请求单元用于对用户进行进一步的信息请求；所述信息验证单元用于对信息请求单元得到的信息做正确性验证；所述转换人工单元用于将交互转换至人工；

10、所述政策选择单元的输出端与所述问答匹配单元、信息请求单元和转换人工单元的输入端相连接；所述问答请求单元的输出端与所述文本分析模块和所述输出模块的输入端相连接；所述信息请求单元的输出端与所述信息验证单元的输入端相连接；所述信息验证单元的输出端与所述信息请求单元和问答匹配单元的输入端相连接。

11、所述语音分析模块包括特征收集单元、预训练模型单元和分类预测单元；

12、所述特征收集单元用于收集语音输入的语音特征；所述预训练模型单元用于根据语音特征及其对应的情感状态训练出情感分类模型；所述分类预测单元用于根据预训练模型对特征进行训练得到相应的情感分类；

13、所述特征收集单元的输出端与所述预训练模型单元的输入端相连接；所述预训练模型单元的输出端与所述分类预测单元的输入端相连接；所述分类预测单元的输出端与所述输出模块的输入端相连接。

14、所述文本分析模块包括意图分析单元、文本理解单元和情感分析单元；

15、所述意图分析单元用于根据文本内容进行匹配分析得出用户意图；所述文本理解单元用于对文本内容进行理解；所述情感分析单元用于分析文本内容包含的情感状态；

16、所述意图分类单元的输出端与所述文本理解单元的输入端相连接；所述文本理解单元的输出端与所述情感分析单元的输入端相连接；所述情感分析单元的输出端与所述输出模块的输入端相连接。

17、所述输出模块包括数据库单元、文本生成单元、文本输出单元、语音转换单元和输出单元；

18、所述数据库单元用于存取预先设定的政策关键词、部分常用问题对应的回复以及不同情感对应的文本生成模板；所述文本生成单元用于根据用户的输入内容及情感状态生成相应的回复；所述文本输出单元用于输出文本生成单元生成的回复；所述语音转换单元用于当输入格式为语音时将文本内容转化为语音内容；所述输出单元用于根据用户输入的内容格式输出相应的文本和语音内容；

19、所述数据库单元的输出端与所述文本生成单元的输入端相连接；所述文本生成单元的输出端与所述文本输出单元的输入端相连接；所述文本输出单元的输出端与所述语音转换单元和输出单元的输入端相连接；所述语音转换单元的输出端与所述输出单元的输入端相连接。

20、一种基于大语言模型的虚拟接线管理方法，该方法包括以下步骤：

21、s1、接收用户输入，对语音内容进行特征采集并将其转化为文本；

22、s2、对用户的输入进行关键词的匹配以选择对应的处理政策；

23、s3、设置匹配阈值，对文本进行问答匹配，当匹配度高于阈值时，根据数据库预设问题及其对应答案对用户进行回复；

24、s4、当匹配度不高于阈值时，对用户意图、文本内容及情感进行分析，根据分析情况生成回复文本；

25、s5、根据预测语音内容情感分类以及情感分类在数据库中对应的文本模板对步骤s4中生成的文本进行修改；

26、s6、对步骤s5中得到的文本根据输入格式进行输出。

27、在步骤s1中，使用transformer asr模型，将语音内容转化为文本内容；

28、在步骤s2中，根据匹配用户输入关键词选择处理政策，具体方法为：

29、处理政策分为3种：转换至人工、请求更多信息以及问题答案匹配；

30、转换至人工政策预先设定关键词[keyword1，keyword2，…，keywordn]；请求更多信息政策预先设定关键词[keyword1，keyword2…，keywordm]；使用jieba分词工具对文本内容进行分词，使用预训练的word2vec词向量模型，将文本分词和政策关键词映射到词向量空间；对于每个分词的词向量，计算其与每个关键词向量的余弦相似度；

31、其中，m，n均为正整数，表示关键词的数量；

32、当存在分词向量与[keyword1，keyword2，…，keywordn]中任意关键词向量余弦相似度为1时，处理政策选择为转换至人工；

33、当存在分词向量与[keyword1，keyword2…，keywordm]中任意关键词向量余弦相似度为1时，处理政策选择为请求更多信息；

34、当以上两种情况同时存在时，处理政策选择为转换至人工；当以上两种情况同时不存在时，处理政策选择为问题答案匹配；

35、信息验证用于验证文本内容涉及到用户隐私信息时对用户做进一步的信息请求所得到的信息，验证方式为：

36、对用户的原有隐私信息使用hash算法，得到固定长度的hash值；对用户输入的隐私信息使用同样的hash算法，得到同等长度的hash值；对用户原有的隐私信息hash值和用户输入的隐私信息生成的hash值做异或运算处理，当结果为0时验证通过，否则验证失败；

37、验证通过后，对文本进行问答匹配；验证失败时，告知用户，并再次请求信息。

38、在步骤s3中，设置匹配阈值为a；问答匹配方法为：

39、使用sbert模型将数据库中预设常用问题文本分别转换为固定维度的向量；使用相同sbert模型生成文本内容的同等维度的向量；

40、分别计算文本内容生成向量与数据库中预设常见问题生成向量的余弦相似度；选取数值最大的余弦相似度smax；

41、当smax>a时，选择smax对用向量的预设问题以及答案对用户进行回复；

42、在步骤s4中，当smax≤a时，使用预训练模型bert根据对文本意图、内容及情感的分析生成回复文本。

43、在步骤s5中，使用线性svm预测语音内容情感分类，具体方法为：

44、收集含有不同情感状态的语音数据；

45、从语音信号中提取音量特征及其对应的情感状态：

46、收集n个样本，每个样本由一个d维特征向量xi和一个情感标签yi组成；其中，yi∈{1，2，…，k}，i∈{1，2，…，n}，k为情感类别总数，n为样本个数，d为特征数量；

47、对于每个情感类别，训练一个二元的线性svm模型，将该类别标记为正类，其他所有类别标记为负类；

48、对于情感类别k，构建目标向量yk：

49、当样本xi属于第k类情感，则yik＝+1；

50、当样本xi不属于第k类情感，则yik＝-1；

51、得到k个二元分类器；对于每个二元分类器，最小化目标函数：

52、

53、得到线性svm的权重向量wk，偏置项bk；

54、其中，c为正则化参数；

55、对于新的语音特征xnew，对于每个情感类别k，使用对应的线性svm模型(wk，bk)计算决策函数：

56、预测xnew的情感类别为具有最大决策函数值的类别：

57、根据分类得到的情感以及对应情感预先设定的文本输出模板对步骤s5中生成的回复内容进行修改并输出文本；

58、在步骤s6中，对于语音格式的输入，使用transformer tts模型对步骤s5中得到的内容进行文本转换语音输出。

59、与现有技术相比，本发明所达到的有益效果是：在虚拟接线管理过程中，使用线性svm分析语音特征进而对用户情感进行分类，可以有效提高情感的识别能力；根据不同的情感分类生成相应的模板，根据模板对回复进行修改，快速、准确的情感分析和相应回复可以显著提升用户体验，使用户感受到更加个性化的服务，增强用户满意度。