用户交互方法、系统、车辆、设备及存储介质与流程

本发明涉及人工智能，尤其涉及一种用户交互方法、系统、车辆、设备及存储介质。

背景技术：

1、随着人工智能技术的快速发展，基于人工智能的对话系统应运而生。在用户购买产品和接受服务时，大多数用户常常难以描述其具体需求，相关人员通常需要与用户进行多轮对话以引导用户明确其真实的需求；但是，在现有对话系统的应用过程中，由于对话系统智能化程度不高，难以处理复杂的多轮对话内容，无法准确理解用户真实需求，导致推送的信息无法满足用户需求，信息推送准确性不高，用户交互体验较差。

技术实现思路

1、本发明提供一种用户交互方法、系统、车辆、设备及存储介质，以解决现有会话系统无法准确理解用户真实需求，导致信息推送准确性不高，用户交互体验较差的问题。

2、第一方面，本技术实施例提供了一种用户交互方法，其特征在于，包括：

3、基于用户的店铺查询信息进行多路数据召回，得到多路店铺召回数据；

4、基于店铺查询信息和多路店铺召回数据中各召回店铺的店铺信息，采用大语言模型进行基于用户意图的店铺排序，得到目标推荐店铺数据；

5、基于目标推荐店铺数据与用户进行交互。

6、可选地，基于店铺查询信息和多路店铺召回数据中各召回店铺的店铺信息，采用大语言模型进行基于用户意图的店铺排序，得到目标推荐店铺数据，包括：

7、对多路店铺召回数据进行融合排序，得到目标召回店铺数据；

8、基于店铺查询信息和目标召回店铺数据中各召回店铺的店铺信息，采用大语言模型进行基于用户意图的店铺排序，得到目标推荐店铺数据。

9、可选地，基于店铺查询信息和目标召回店铺数据中各召回店铺的店铺信息，采用大语言模型进行基于用户意图的店铺排序，得到目标推荐店铺数据，包括：

10、基于用户的画像信息、店铺查询信息和目标召回店铺数据中各召回店铺的店铺信息，生成大语言模型的模型提示信息，模型提示信息包括各召回店铺的店铺信息、店铺查询信息、筛选店铺数量和推荐理由生成指示；

11、将模型提示信息输入大语言模型，进行基于用户意图的店铺排序和推荐理由生成，得到满足筛选店铺数量的目标推荐店铺数据，目标推荐店铺数据包括各推荐店铺的推荐信息、排序号和店铺信息。

12、可选地，对多路店铺召回数据进行融合并排序，得到目标召回店铺数据，包括：

13、基于用户的画像信息对多路店铺召回数据进行优化融合排序，得到优化店铺召回数据；

14、采用倒数排序融合方法，对多路店铺召回数据和优化店铺召回数据进行融合排序，得到目标召回店铺数据。

15、可选地，基于用户的画像信息对多路店铺召回数据进行优化融合排序，得到优化店铺召回数据，包括：

16、根据多路店铺召回数据中各召回店铺的店铺信息，确定各召回店铺的店铺特征信息；

17、基于用户的画像信息，采用大语言模型进行用户兴趣信息筛选，得到画像特征信息；

18、基于画像特征信息和店铺特征信息，对多路店铺召回数据进行优化融合排序，得到优化店铺召回数据。

19、可选地，多路店铺召回数据包括基于店铺查询信息进行结构化查询语句召回的第一店铺召回数据、基于店铺查询信息进行语义向量召回的第二店铺召回数据，基于画像特征信息和店铺特征信息，对多路店铺召回数据进行优化融合排序，得到优化店铺召回数据，包括：

20、根据各召回店铺的店铺信息和车辆行驶轨迹数据，确定各召回店铺与用户的空间距离类信息；

21、根据空间距离类信息、画像特征信息和店铺特征信息，采用预先训练的重排序模型对第一店铺召回数据和第二店铺召回数据进行融合排序，得到优化店铺召回数据。

22、可选地，多路店铺召回数据包括第一店铺召回数据和第二店铺召回数据，基于用户的店铺查询信息进行多路数据召回，得到多路店铺召回数据，包括：

23、将店铺查询信息转换为结构化查询语句，并基于结构化查询语句对结构化店铺信息进行数据召回，得到第一店铺召回数据；

24、当第一店铺召回数据未满足大语言模型的数量输入要求时，将店铺查询信息转换为语义向量信息，并基于语义向量信息对向量化店铺信息进行数据召回，得到第二店铺召回数据。

25、可选地，得到第一店铺召回数据之后，该方法还包括：

26、当第一店铺召回数据满足大语言模型的数量输入要求时，采用大语言模型对第一店铺召回数据进行基于用户意图的店铺排序，得到目标推荐店铺数据，并基于目标推荐店铺数据与用户进行交互。

27、可选地，基于目标推荐店铺数据与用户进行交互，包括：

28、将目标推荐店铺数据反馈至用户，并在再次接收到用户的输入信息后，利用大语言模型对用户的输入信息进行结合上下文的意图识别和输入拓展，得到店铺问询信息和问询目标店铺；

29、基于店铺问询信息和问询目标店铺的店铺信息，利用大语言模型进行回复答案生成，得到当前输入信息的回复信息并推送给用户。

30、可选地，目标推荐店铺数据包括各推荐店铺的排序号、店铺信息和推荐信息，将目标推荐店铺数据反馈至用户，包括：

31、基于各推荐店铺的店铺信息和推荐信息，按照各推荐店铺的排序号生成店铺图文展示页面；

32、将店铺图文展示页面作为用户的输入响应，通过终端设备的交互界面展示给用户。

33、可选地，目标推荐店铺数据包括推荐店铺的排序号、店铺信息和推荐信息，推荐信息包括推荐店铺的个性化推荐理由和综合有前m个推荐店铺特点的综合推荐信息，将目标推荐店铺数据反馈至用户，包括：

34、将各推荐店铺的个性化推荐理由，以突出标签的形式插入至各推荐店铺的店铺信息中，按照各推荐店铺的排序号生成店铺图文展示页面；

35、将店铺图文展示页面作为用户的输入响应，通过终端设备的交互界面展示给用户，并通过交互界面中的虚拟角色对综合推荐信息进行语音播报。

36、可选地，基于用户的店铺查询信息进行多路数据召回，得到多路店铺召回数据之前，该方法还包括：

37、利用大语言模型对用户当前的输入信息进行问题类型识别，得到输入信息的问题类型，问题类型包括店铺查询类和店铺介绍类；

38、当输入信息的问题类型为店铺查询类时，采用大语言模型对输入信息进行基于上下文的扩展改写，得到用户的店铺查询信息，以基于用户的店铺查询信息进行多路数据召回，得到多路店铺召回数据。

39、第二方面，本技术实施例提供了一种用户交互系统，包括车载终端和服务器，服务器用于：

40、基于用户的店铺查询信息进行多路数据召回，得到多路店铺召回数据；

41、基于店铺查询信息和多路店铺召回数据中各召回店铺的店铺信息，采用大语言模型进行基于用户意图的店铺排序，得到目标推荐店铺数据；

42、基于目标推荐店铺数据，通过终端设备与用户进行交互。

43、第三方面，本技术实施例提供了一种1计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述用户交互方法的步骤。

44、第四方面，本技术实施例提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述基于联邦学习的参数聚合方法的步骤。

45、第五方面，本技术实施例提供了一种可读存储介质，可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述用户交互方法的步骤。

46、上述用户交互方法、系统、车辆、设备及存储介质所提供的一个方案中，基于用户的店铺查询信息进行多路数据召回，得到多路店铺召回数据，然后基于店铺查询信息和多路店铺召回数据中各召回店铺的店铺信息，采用大语言模型进行基于用户意图的店铺排序，得到目标推荐店铺数据，最后基于目标推荐店铺数据与用户进行交互。通过进行多路数据召回实现对用户输入信息的检索增强，并采用大语言模型对召回店铺进行基于用户意图的店铺排序，能够准确理解用户真实需求，可以得到更符合用户意图的目标推荐店铺数据，从而能够提高信息推送的准确性，进而提高用户交互体验。