【技术实现步骤摘要】
本公开涉及人工智能，尤其涉及自然语言处理、大语言模型，具体涉及一种基于大模型生成评论的方法、评论生成模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
技术介绍
1、人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
2、在构建高效且用户参与度高的推荐系统中，用户对于推荐内容的消费行为不仅局限于内容本身的浏览与吸收，还深刻体现在他们对该内容附带评论区的互动上。用户倾向于在消费推荐内容的同时，积极探寻其他用户的观点、反馈或补充信息，这一行为模式揭示了社交互动对于提升用户粘性与内容吸引力的重要性。
3、在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
技术实现思路
1、本公开提供了一种基于大模型生成评论的方法、评论生成模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
2、根据本公开的一方面，提供了一种基于大模型生成评论的方法，包括：获取待评论对
3、根据本公开的另一方面，提供了一种评论生成模型的训练方法，包括：获取第一样本数据，第一样本数据包括第一样本对象的第一信息、第一评论风格标签、与第一评论风格标签对应的样本评论，第一信息包括标题和内容摘要中的至少一者；在示例库中获取与第一评论风格标签对应的第一参考示例，第一参考示例包括示例对象描述信息和示例评论；将与第一评论风格标签对应的第一提示文本、第一信息和第一参考示例输入第一初始模型，以通过第一初始模型，根据第一提示文本、第一参考示例和第一信息，生成用于评论第一样本对象的第一评论风格标签对应的第一评论；以及基于第一评论和样本评论，调整第一初始模型的参数。
4、根据本公开的另一方面，提供了一种评论生成装置，包括：第一获取单元，被配置为获取待评论对象的第一信息，第一信息包括标题和内容摘要中的至少一者；第一确定单元，被配置为基于第一信息，确定待评论对象匹配的评论风格标签；第二获取单元，被配置为在示例库中获取与评论风格标签对应的参考示例，参考示例包括示例对象描述信息和示例评论；以及生成单元，被配置为将与评论风格标签对应的第一提示文本、第一信息和参考示例输入评论生成模型，以通过评论生成模型，根据第一提示文本、参考示例和第一信息，生成用于评论待评论对象的评论风格标签对应的目标评论。
5、根据本公开的另一方面，提供了一种评论生成模型的训练装置，包括：第一获取单元，被配置为获取第一样本数据，第一样本数据包括第一样本对象的第一信息、第一评论风格标签、与第一评论风格标签对应的样本评论，第一信息包括标题和内容摘要中的至少一者；第二获取单元，被配置为在示例库中获取与第一评论风格标签对应的第一参考示例，第一参考示例包括示例对象描述信息和示例评论；生成单元，被配置为将与第一评论风格标签对应的第一提示文本、第一信息和第一参考示例输入第一初始模型，以通过第一初始模型，根据第一提示文本、第一参考示例和第一信息，生成用于评论第一样本对象的第一评论风格标签对应的第一评论；以及调整单元，被配置为基于第一评论和样本评论，调整第一初始模型的参数。
6、根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述基于大模型生成评论的方法或评论生成模型的训练方法。
7、根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述基于大模型生成评论的方法或评论生成模型的训练方法。
8、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述基于大模型生成评论的方法或评论生成模型的训练方法。
9、根据本公开的一个或多个实施例，能够生成风格匹配待评论对象的、精准度更高的评论内容。
10、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种基于大模型生成评论的方法，包括：
2.根据权利要求1所述的方法，其中，所述在示例库中获取与所述评论风格标签对应的参考示例包括：
3.根据权利要求2所述的方法，其中，所述基于所述第一信息，在所述示例库中的与所述评论风格标签对应的候选示例中，获取所述参考示例包括：
4.根据权利要求1至3中任一项所述的方法，其中，所述基于所述第一信息，确定所述待评论对象匹配的评论风格标签包括：
5.根据权利要求4所述的方法，其中，所述至少将所述第一信息输入评论风格获取模型，获得输出的所述评论风格标签包括：
6.一种评论生成模型的训练方法，所述方法包括：
7.根据权利要求6所述的方法，其中，所述在示例库中获取与所述第一评论风格标签对应的第一参考示例包括：
8.根据权利要求7所述的方法，其中，所述基于所述第一信息，在所述示例库中的与所述第一评论风格标签对应的候选示例中，获取所述第一参考示例包括：
9.根据权利要求6至8中任一项所述的方法，其中，所述第一初始模型为已完成预训练的通用大语言模型，所述方法还包
10.根据权利要求6至9中任一项所述的方法，还包括：
11.根据权利要求10所述的方法，还包括：
12.一种基于大模型生成评论的装置，包括：
13.根据权利要求12所述的装置，其中，所述第二获取单元被进一步配置为：
14.根据权利要求13所述的装置，其中，所述第二获取单元被进一步配置为：
15.根据权利要求12至14中任一项所述的装置，其中，所述第一确定单元被进一步配置为：
16.根据权利要求15所述的装置，其中，所述第一确定单元被进一步配置为：
17.一种评论生成模型的训练装置，所述装置包括：
18.一种电子设备，包括：
19.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行根据权利要求1-11中任一项所述的方法。
20.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-11中任一项所述的方法。
...【技术特征摘要】
1.一种基于大模型生成评论的方法，包括：
2.根据权利要求1所述的方法，其中，所述在示例库中获取与所述评论风格标签对应的参考示例包括：
3.根据权利要求2所述的方法，其中，所述基于所述第一信息，在所述示例库中的与所述评论风格标签对应的候选示例中，获取所述参考示例包括：
4.根据权利要求1至3中任一项所述的方法，其中，所述基于所述第一信息，确定所述待评论对象匹配的评论风格标签包括：
5.根据权利要求4所述的方法，其中，所述至少将所述第一信息输入评论风格获取模型，获得输出的所述评论风格标签包括：
6.一种评论生成模型的训练方法，所述方法包括：
7.根据权利要求6所述的方法，其中，所述在示例库中获取与所述第一评论风格标签对应的第一参考示例包括：
8.根据权利要求7所述的方法，其中，所述基于所述第一信息，在所述示例库中的与所述第一评论风格标签对应的候选示例中，获取所述第一参考示例包括：
9.根据权利要求6至8中任一项所述的方法，其中，所述第一初始模型为已完...
【专利技术属性】
技术研发人员：刘洁，车永娟，赵鲁南，王千乐，
申请(专利权)人：百度中国有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。