一种基于自然语言大模型实现行为驱动的方法技术

本发明专利技术公开了一种基于自然语言大模型实现行为驱动的方法，属于语音处理及人工智能技术领域；包括以下步骤：S1将自然语言转化为文本：接收自然语言，得到语句文字数据；S2提取关键词：根据语法规则树对语句文字数据进行句式泛化处理，提取语句文字数据中的动作关键词,并对动作关键词进行泛化操作得到泛化动作关键词；S3将关键词与行为进行映射；S4从自然语言中提取行为参数：从语句文字数据中提取行为参数数据；根据提取的行为参数数据以及关键词与行为进行映射的行为匹配结果确定需要的执行动作；S5执行：根据执行动作控制执行单元执行；本发明专利技术的控制方式提升了前端的理解能力，提升前端的智能从而大幅提高前端与人类的交互能力。互能力。互能力。

【技术实现步骤摘要】
一种基于自然语言大模型实现行为驱动的方法


[0001]本专利技术涉及语音处理及人工智能
，具体是一种基于自然语言大模型实现行为驱动的方法。

技术介绍

[0002]自然语言处理(NaturalLanguageProcessing，NLP)是人工智能和语言学领域的分支学科，也是人工智能中最为困难的问题之一，理解复杂的语言也是人工智能的重要组成部分，而对自然语言处理的研究也是充满挑战的。NLP的应用无处不在，因为人们用语言进行大部分沟通，例如网络搜索，广告，电子邮件，客户服务，语言翻译，发布学报告等等都可以应用于NLP之中。
[0003]现有的前端(机器人、APP、小程序、网页、硬件等)控制技术也有向更灵活的控制方式发展的趋势，比如语音控制，然而尽管语音识别与语音合成技术在其他
已趋于成熟，但应用前端上并不完善，如只能和机器人进行设定好的语音交互，机器人并不能准确地理解人类指令，因而并不能很好地实现现场感的随机自然语言的理解和沟通。

技术实现思路

[0004]本公开的目的之一是提供一种能够克服现有技术中至少一个缺陷的基于自然语言大模型实现行为驱动的方法。
[0005]为解决上述技术问题，本申请实施例公开了如下技术方案：
[0006]一种基于自然语言大模型实现行为驱动的方法，包括以下步骤：
[0007]S1将自然语言转化为文本：
[0008]接收自然语言，得到语句文字数据；
[0009]S2提取关键词：
[0010]根据语法规则树对所述语句文字数据进行句式泛化处理，提取所述语句文字数据中的动作关键词,并对所述动作关键词进行泛化操作得到泛化动作关键词，所述泛化动作关键词为所述动作关键词的同义词；
[0011]S3将关键词与行为进行映射：
[0012]根据预置的词汇库确定所述语句文字数据中的动作关键词或泛化动作关键词信息是否为空；
[0013]当所述语句文字数据中的动作关键词或所述语句文字数据中的泛化动作关键词信息均不为空时，根据所述语句文字数据中的动作关键词和所述语句文字数据中的泛化动作关键词信息得到一个或多个行为匹配结果；根据行为匹配结果对应的优先级信息，确定优先级最高的行为匹配结果；
[0014]S4从自然语言中提取行为参数：
[0015]从语句文字数据中提取行为参数数据；根据从语句文字数据中提取行为参数数据以及所述优先级最高的行为匹配结果确定需要的执行动作；
[0016]S5执行：
[0017]根据执行动作控制执行单元执行。
[0018]优选地，本申请实施例还公开了：所述自然语言包括语句语音数据和语句文字数据，当自然语言为语句语音数据，得到语句文字数据的具体方法为：通过语音转换器接收所述语句语音数据，对所述语句语音数据进行识别，得到所述语句语音数据的语句文字数据。
[0019]优选地，本申请实施例还公开了：步骤S4中从语句文字数据中提取行为参数的具体方法为：通过词性标注来提取动词，从而提取行为参数。
[0020]优选地，本申请实施例还公开了：步骤S4中从语句文字数据中提取行为参数的具体方法为：通过语义角色标注提取行为参数。
[0021]优选地，本申请实施例还公开了：步骤S4中从语句文字数据中提取行为参数的具体方法为：通过语义抽取提取行为参数。
[0022]优选地，本申请实施例还公开了：当所述语句文字数据中的行为参数数据为空时，获取上一语句文字数据或下一语句文字数据中的行为参数数据。
[0023]优选地，本申请实施例还公开了：当所述语句文字数据中的行为参数数据为空时，提醒操控者重新输入行为参数数据，获取操控者重新输入的行为参数数据。
[0024]优选地，本申请实施例还公开了：步骤4和5之间还包括确认步骤：
[0025]将执行动作反馈给操控者，操控者对执行动作的正确性做出判断，当执行动作出现错误时，对执行动作进行修正。
[0026]优选地，本申请实施例还公开了：步骤S3中：当所述语句文字数据中的动作关键词或所述语句文字数据中的泛化动作关键词信息均为空时，反馈给操作者，使操作者重新输入自然语言。
[0027]本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
[0028]由于是通过对用户的自然语言进行识别，根据语法规则树对所述语句文字数据进行句式泛化处理，提取所述语句文字数据中的动作关键词,并对所述动作关键词进行泛化操作得到泛化动作关键词，所述泛化动作关键词为所述动作关键词的同义词，根据预置的词汇库确定所述语句文字数据中的动作关键词或泛化动作关键词信息是否为空，
[0029]当所述语句文字数据中的动作关键词或所述语句文字数据中的泛化动作关键词信息均不为空时，根据所述语句文字数据中的动作关键词和所述语句文字数据中的泛化动作关键词信息得到一个或多个行为匹配结果；根据行为匹配结果对应的优先级信息，确定优先级最高的行为匹配结果；
[0030]从语句文字数据中提取行为参数数据；根据从语句文字数据中提取行为参数数据以及所述优先级最高的行为匹配结果确定需要的执行动作；根据执行动作控制执行单元执行。因此，本专利技术的技术方案实现了人类通过自然语言控制前端(机器人、APP、小程序、网页、硬件等)的行为，能够大幅度降低对前端进行行为控制的难度。相比较遥控、APP、传感器输入等其它前端控制方式，本专利技术的控制方式提升了前端的理解能力，能够极大提升前端的智能从而大幅提高前端与人类的交互能力。
附图说明
[0031]图1为本专利技术实施例的一种基于自然语言大模型实现行为驱动的方法的流程示意
图。
具体实施方式
[0032]现在将详细提及本专利技术的具体实施方案。尽管结合这些具体的实施方案描述本专利技术，但应认识到不打算限制本专利技术到这些具体实施方案。相反，这些实施方案意欲覆盖可包括在由权利要求限定的专利技术精神和范围内的替代、改变或等价实施方案。在下面的描述中，阐述了大量具体细节以便提供对本专利技术的全面理解。本专利技术可在没有部分或全部这些具体细节的情况下被实施。在其它情况下，为了不使本专利技术不必要地模糊，没有详细描述熟知的工艺操作。
[0033]当与本说明书和附加权利要求中的“包括”、“方法包括”、或类似语言联合使用时，单数形式“某”、“某个”、“该”包括复数引用，除非上下文另外清楚指明。除非另外定义，本文中使用的所有技术和科学术语具有本专利技术所属
的普通技术人员通常理解的相同含义。
[0034]参照图1(一种基于自然语言大模型实现行为驱动的方法的流程示意图)，本专利技术公开了一种基于自然语言大模型实现行为驱动的方法，包括以下步骤：
[0035]S1将自然语言转化为文本：
[0036]接收自然语言，得到语句文字数据；
[0037]S2提取关键词：
[0038]根据语法规则树对所述语句文字数据进行句式泛化处理，提取所述语句文字数据中的动作关键词,并对所述动作关键词进行泛化操作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自然语言大模型实现行为驱动的方法，其特征在于，包括以下步骤：S1将自然语言转化为文本：接收自然语言，得到语句文字数据；S2提取关键词：根据语法规则树对所述语句文字数据进行句式泛化处理，提取所述语句文字数据中的动作关键词,并对所述动作关键词进行泛化操作得到泛化动作关键词，所述泛化动作关键词为所述动作关键词的同义词；S3将关键词与行为进行映射：根据预置的词汇库确定所述语句文字数据中的动作关键词或泛化动作关键词信息是否为空；当所述语句文字数据中的动作关键词或所述语句文字数据中的泛化动作关键词信息均不为空时，根据所述语句文字数据中的动作关键词和所述语句文字数据中的泛化动作关键词信息得到一个或多个行为匹配结果；根据行为匹配结果对应的优先级信息，确定优先级最高的行为匹配结果；S4从自然语言中提取行为参数：从语句文字数据中提取行为参数数据；根据从语句文字数据中提取行为参数数据以及所述优先级最高的行为匹配结果确定需要的执行动作；S5执行：根据执行动作控制执行单元执行。2.根据权利要求1所述的一种基于自然语言大模型实现行为驱动的方法，其特征在于：所述自然语言包括语句语音数据和语句文字数据，当自然语言为语句语音数据，得到语句文字数据的具体方法为：通过语音转换器接收所述语句语音数据，对所述语句语音数据进行识别，得到所述语句语音数据的语句文字数据。3.根据权利要求1或2所述的一种基于自然语言大模型实现行为驱动的方法，其特征在...

【专利技术属性】
技术研发人员：李美玲，潘胜怀，栗世伟，马博译，田勇，武海洋，
申请(专利权)人：广西互真科技有限公司，
类型：发明
国别省市：