基于语料库的提示文本优化方法、装置及电子设备与流程

本申请涉及自然语言处理，尤其涉及基于语料库的提示文本优化方法、装置及电子设备。

背景技术：

1、近年来，随着深度学习技术的飞速发展，大语言模型以其强大的自然语言处理能力在学术界和工业界引起了广泛关注。

2、大语言模型通过在海量文本数据上进行预训练，能够捕获复杂的语言结构和语义信息，进而在诸如问答、文本生成、翻译、摘要等多种自然语言处理任务中展现出卓越性能。目前，大语言模型的高效应用依赖于精心设计的提示（prompt）。提示是人类与大模型交互的桥梁，它不仅决定了模型对任务的理解程度，还直接影响了最终的输出质量。

3、然而，传统的提示设计往往过于直白或缺乏指导性，导致模型在面对复杂或新颖任务时表现不佳，无法充分发挥其潜在能力。

技术实现思路

1、本申请的主要目的在于提供一种基于语料库的提示文本优化方法、装置及电子设备，旨在解决传统的提示设计缺乏指导性，导致模型推理效果不佳的技术问题。

2、为实现上述目的，本申请提供一种基于语料库的提示文本优化方法，包括：

3、在检测到第一提示文本后，从所述第一提示文本中提取出操作指令文本和操作对象文本；

4、基于所述操作指令文本和所述操作对象文本，从预设的所述语料库中获取与所述第一提示文本匹配的正样本；

5、基于所述正样本，对所述第一提示文本进行优化，得到第二提示文本。

6、在一实施例中，所述基于所述操作指令文本和所述操作对象文本，从预设的所述语料库中获取与所述第一提示文本匹配的正样本的步骤，包括：

7、基于所述操作指令文本，从预设的多个所述语料库中确定目标语料库；

8、基于所述操作对象文本，从所述目标语料库中获取与所述第一提示文本匹配的正样本。

9、在一实施例中，所述基于所述操作指令文本，从预设的多个所述语料库中确定目标语料库的步骤，包括：

10、对所述操作指令文本进行领域类型识别和任务类型识别，确定所述第一提示文本的领域类型和任务类型；

11、从预设的多个所述语料库中，将与所述领域类型和所述任务类型匹配的语料库确定为目标语料库。

12、在一实施例中，所述目标语料库中存储有多个样本示例，所述基于所述操作对象文本，从所述目标语料库中获取与所述第一提示文本匹配的正样本的步骤，包括：

13、通过预设的相似度算法，计算各所述样本示例与所述操作对象文本之间的样本相似度；

14、基于所述样本相似度，将满足预设相似度条件的样本示例，确定目标样本示例；

15、根据所述目标样本示例，确定与所述第一提示文本匹配的正样本。

16、在一实施例中，所述样本示例由操作对象示例和输出结果示例组成，所述通过预设的相似度算法，计算各所述样本示例与所述操作对象文本之间的样本相似度的步骤，包括：

17、通过预设的相似度算法，计算各所述样本示例的操作对象示例与所述操作对象文本之间的对象相似度；

18、基于所述对象相似度，确定各所述样本示例与所述操作对象文本之间的样本相似度；

19、所述根据所述目标样本示例，确定与所述第一提示文本匹配的正样本的步骤，包括：

20、将所述目标样本示例的输出结果示例，确定为与所述第一提示文本匹配的正样本。

21、在一实施例中，预设的相似度算法为余弦相似度算法，所述通过预设的相似度算法，计算各所述样本示例的操作对象示例与所述操作对象文本之间的对象相似度的步骤，包括：

22、通过所述余弦相似度算法，计算各所述样本示例的操作对象示例的文本向量，与所述操作对象文本的文本向量之间的余弦相似度；

23、基于所述余弦相似度，确定各所述样本示例的操作对象示例与所述操作对象文本之间的对象相似度。

24、在一实施例中，所述基于所述正样本，对所述第一提示文本进行优化，得到第二提示文本的步骤，包括：

25、将所述正样本与所述第一提示文本拼接，得到第二提示文本。

26、此外，为实现上述目的，本申请还提供一种基于语料库的提示文本优化装置，所述装置包括：

27、文本提取模块，用于在检测到第一提示文本后，从所述第一提示文本中提取出操作指令文本和操作对象文本；

28、样本匹配模块，用于基于所述操作指令文本和所述操作对象文本，从预设的所述语料库中获取与所述第一提示文本匹配的正样本；

29、提示优化模块，用于基于所述正样本，对所述第一提示文本进行优化，得到第二提示文本。

30、此外，为实现上述目的，本申请还提供一种电子设备，所述电子设备包括：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基于语料库的提示文本优化程序，所述基于语料库的提示文本优化程序被所述处理器执行时实现如上述的基于语料库的提示文本优化方法。

31、此外，为实现上述目的，本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的基于语料库的提示文本优化方法的步骤。

32、本申请实施例提供一种基于语料库的提示文本优化方法、装置及电子设备，本申请实施例的技术方案是通过在检测到第一提示文本后，从第一提示文本中提取出操作指令文本和操作对象文本，然后基于该操作指令文本和操作对象文本，从预设的语料库中获取与第一提示文本匹配的正样本，最后基于该正样本，对第一提示文本进行优化，得到更具有指导性的第二提示文本，从而使得本申请实施例能够通过动态生成正向少样本用例，增强提示文本的指导性，使大语言模型能够更准确地理解用户的意图，进而提升模型推理效果，解决传统的提示设计缺乏指导性，导致模型推理效果不佳的技术问题。

技术特征：

1.一种基于语料库的提示文本优化方法，其特征在于，所述方法包括：

2.如权利要求1所述的基于语料库的提示文本优化方法，其特征在于，所述基于所述操作指令文本和所述操作对象文本，从预设的所述语料库中获取与所述第一提示文本匹配的正样本的步骤，包括：

3.如权利要求2所述的基于语料库的提示文本优化方法，其特征在于，所述基于所述操作指令文本，从预设的多个所述语料库中确定目标语料库的步骤，包括：

4.如权利要求2或3所述的基于语料库的提示文本优化方法，其特征在于，所述目标语料库中存储有多个样本示例，所述基于所述操作对象文本，从所述目标语料库中获取与所述第一提示文本匹配的正样本的步骤，包括：

5.如权利要求4所述的基于语料库的提示文本优化方法，其特征在于，所述样本示例由操作对象示例和输出结果示例组成，所述通过预设的相似度算法，计算各所述样本示例与所述操作对象文本之间的样本相似度的步骤，包括：

6.如权利要求5所述的基于语料库的提示文本优化方法，其特征在于，预设的相似度算法为余弦相似度算法，所述通过预设的相似度算法，计算各所述样本示例的操作对象示例与所述操作对象文本之间的对象相似度的步骤，包括：

7.如权利要求1所述的基于语料库的提示文本优化方法，其特征在于，所述基于所述正样本，对所述第一提示文本进行优化，得到第二提示文本的步骤，包括：

8.一种基于语料库的提示文本优化装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，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基于语料库的提示文本优化程序，所述基于语料库的提示文本优化程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于语料库的提示文本优化方法。

10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于语料库的提示文本优化方法的步骤。

技术总结
本申请公开了一种基于语料库的提示文本优化方法、装置、电子设备及计算机程序产品，本申请涉及自然语言处理技术领域，该基于语料库的提示文本优化方法包括：在检测到第一提示文本后，从第一提示文本中提取出操作指令文本和操作对象文本；基于操作指令文本和操作对象文本，从预设的语料库中获取与第一提示文本匹配的正样本；基于该正样本，对第一提示文本进行优化，得到第二提示文本。本申请能够增强提示文本的指导性，提升模型推理效果。

技术研发人员：陆志鹏,韩光,符兴斌,郑曦,国丽,周崇毅,杨伟伟,郭红刚,唐超,王欢,张婧莹
受保护的技术使用者：中电数据产业集团有限公司
技术研发日：
技术公布日：2024/9/9