业务标签集更新方法、装置、介质及电子设备与流程

1.本公开涉及电子信息技术领域，具体地，涉及一种业务标签集更新方法、装置、介质及电子设备。


背景技术：

2.标签可以用于对内容进行分类，多个标签可以形成标签体系。标签体系是与内容相关的互联网产品的重要基础，互联网产品可以提供不同的业务，例如可以包括内容推荐业务、内容搜索业务、内容运营业务、内容分析业务和内容创作业务等等。而随着上传到互联网的内容在不断发送变化，为了提升与内容相关的业务的处理能力，表征内容的标签也需要随之迭代。
3.因此，如何实现标签体系中标签的更新是至关重要的。


技术实现要素：

4.提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
5.第一方面，本公开提供一种业务标签集更新方法，包括：
6.获取目标内容；
7.基于目标内容和第一模板，构造第一提示词；
8.将所述第一提示词输入至预训练好的大语言模型，得到第一回答文本，所述第一回答文本中包括第一候选标签集，所述第一候选标签集中包括至少一个第一候选标签，每个第一候选标签为所述目标内容的关键词；
9.基于业务标签集中的分类标签、第二模板和所述第一候选标签，构造第二提示词；
10.将所述第二提示词输入至所述大语言模型，得到第二回答文本，所述第二回答文本用于表征所述第一候选标签是否为目标候选标签，所述目标候选标签为所述业务标签集中缺失的分类标签；
11.利用所述大语言模型，将属于所述目标候选标签的第一候选标签写入所述业务标签集中。
12.第二方面，本公开提供一种业务标签集更新装置，包括：
13.获取模块，用于获取目标内容；
14.第一构造模块，用于基于目标内容和第一模板，构造第一提示词；
15.第一处理模块，用于将所述第一提示词输入至预训练好的大语言模型，得到第一回答文本，所述第一回答文本中包括第一候选标签集，所述第一候选标签集中包括至少一个第一候选标签，每个第一候选标签为所述目标内容的关键词；
16.第二构造模块，用于基于业务标签集中的分类标签、第二模板和所述第一候选标签，构造第二提示词；
17.第二处理模块，用于将所述第二提示词输入至所述大语言模型，得到第二回答文本，所述第二回答文本用于表征所述第一候选标签是否为目标候选标签，所述目标候选标签为所述业务标签集中缺失的分类标签；
18.写入模块，用于利用所述大语言模型，将属于所述目标候选标签的第一候选标签写入所述业务标签集中。
19.第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现第一方面中所述业务标签集更新方法的步骤。
20.第四方面，本公开提供一种电子设备，包括：
21.存储装置，其上存储有计算机程序；
22.处理装置，用于执行所述存储装置中的所述计算机程序，以实现第一方面中所述业务标签集更新方法的步骤。
23.通过上述技术方案，利用大语言模型的文本理解能力，实现基于全链路的大语言模型对业务标签集进行更新，确保了业务标签集中标签的完整性，为基于业务标签集实现业务处理提供良好的数据支持。
24.本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
25.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
26.图1是根据本公开一示例性实施例示出的一种业务标签集更新方法的流程图。
27.图2是根据本公开一示例性实施例示出的一种以树结构展示的业务标签集的示意图。
28.图3是根据本公开一示例性实施例示出的一种以树结构展示的业务标签集的另一示意图。
29.图4是根据本公开一示例性实施例示出的一种业务标签集更新装置的框图。
30.图5是根据本公开一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
31.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
32.应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
33.本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定
义将在下文描述中给出。
34.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
35.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
36.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
37.可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
38.例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
39.作为一种可选的但非限定性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
40.可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本公开的实现方式构成限定，其它满足相关法律法规的方式也可应用于本公开的实现方式中。
41.同时，可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
42.标签体系，又可以称为标签集。在相关技术中，通常采用人工对内容进行分析和标注，得到内容所对应的内容标签，并人工查找未在标签集中出现的内容标签。然而，这种基于人工分析和查找标签的方式处理效率较低。
43.有鉴于此，本公开实施例公开一种业务标签集更新方法、装置、介质及电子设备，利用大语言模型的文本理解能力，实现基于全链路的大语言模型对业务标签集进行更新，确保了业务标签集中标签的完整性，为基于业务标签集实现业务处理提供良好的数据支持。
44.为了便于理解，首先对本公开涉及到的名词进行解释如下：
45.大语言模型(large language model，llm)，是在经过海量文本数据的训练之后，可用于开发的神经网络模型。大语言模型可以对输入的文本数据进行理解，使用深度学习技术生成类似人类的响应，可应用于各种任务，包括语言翻译、问题回答和文本生成等。在本公开使用的大语言模型，是经过预训练得到的模型，可以通过提供调用该模型的外部接口，实现大语言模型的使用。
46.以下结合附图对本公开实施例进行解释说明。
47.图1是根据本公开一示例性实施例示出的一种业务标签集更新方法的流程图，该业务标签集更新方法可以应用于服务器或移动终端等电子设备，如图1所示，该业务标签集更新方法可以包括以下步骤：
48.步骤110，获取目标内容。
49.以互联网产品为内容平台为例，该内容平台可以提供内容推荐、内容搜索、内容运营、内容分析和内容创作等业务。
50.其中，目标内容可以是新上传到内容平台的内容的正文，目标内容也可以是新上传到内容平台的内容所对应的标题。进一步地，可以采取流式方式或定期方式从内容平台获取目标内容。值得说明的是，流式方式能够获取到流式的数据，通过对流式的数据提取关键词，可以确保更新业务标签集的实时性和完整性。然而，由于互联网的信息量增长过快，且考虑到一段时间内，用户上传内容所对应的热点可能是一致的，该热点可以理解为业务标签集中的分类标签，若实时对上传的目标内容进行获取并分析，得到的标签大概率是一致的。因此，为了降低数据分析量，可以采用定期方式从内容平台获取目标内容。作为一种示例，可以每间隔一周从内容平台获取目标内容。
51.步骤120，基于目标内容和第一模板，构造第一提示词。
52.值得说明的是，第一提示词是用于表征获取目标内容中关键词的请求文本。将目标内容填充至第一模板，得到对应的第一提示词。
53.例如，第一模板可以是：“标题为___的视频中，体现的兴趣点是什么？”，目标内容可以填充至该第一模板中的下划线处，从而得到对应的第一提示词。
54.再例如，第一模板可以是：“标题为___的视频中，用关键词概括其主要内容是什么？”，目标内容可以填充至该第一模板中的下划线处，从而得到对应的第一提示词。
55.步骤130，将第一提示词输入至预训练好的大语言模型，得到第一回答文本，第一回答文本中包括第一候选标签集，第一候选标签集中包括至少一个第一候选标签，每个第一候选标签为目标内容的关键词。
56.值得说明的是，预训练好的大语言模型可以对输入的提示词进行响应，基于大语言模型的文本理解能力，输出对应的回答文本。
57.示例地，针对第一提示词“标题为“今天你要跳舞吗”的视频中，用关键词概括其主要内容是什么？”，得到的第一回答文本可以是“跳舞”。
58.步骤140，基于业务标签集中的分类标签、第二模板和第一候选标签，构造第二提示词。
59.值得说明的是，第二提示词是用于确定第一候选标签是否为目标候选标签的请求文本，目标候选标签为业务标签集中缺失的分类标签。将业务标签集中的分类标签和第一候选标签填充至第一模板，得到对应的第一提示词。
60.例如，第二模板可以是：“___标签是否是下列标签的同义标签，或者被下列标签所包含，如果是，请指出对应的标签：下列标签包括：___。”，第一候选标签可以填充至该第一模板中的第一个下划线处，业务标签集中的分类标签可以填充至该第一模板中的第二个下划线处。
61.步骤150，将第二提示词输入至大语言模型，得到第二回答文本，第二回答文本用于表征第一候选标签是否为目标候选标签。
62.示例地，针对第二提示词“跳舞标签是否是下列标签的同义标签，或者被下列标签所包含，如果是，请指出对应的标签：下列标签包括：唱歌、下棋、跑步和跳远。”，得到的第二回答文本可以是“跳舞标签不是下列标签的同义标签，也未被下列标签所包含，“跳舞”属于
目标候选标签”。
63.步骤160，利用大语言模型，将属于目标候选标签的第一候选标签写入业务标签集中。
64.值得说明的是，业务标签集的分类标签存在父子关系，在一对具备父子关系的分类标签中，子分类标签属于父分类标签所属的领域。
65.举例来讲，业务标签集中至少一个根分类标签和根分类标签的至少一个后代分类标签，根分类标签的后代分类标签属于该根分类标签所属的领域，这些后代分类标签中，可以包括根分类标签的子分类标签，还可以存在该子分类标签的子分类标签，依次类推。
66.参照图2所示的一种以树结构展示的业务标签集，标签1和标签2均为根分类标签，标签3、标签4、标签5、标签7、标签8和标签11为标签1的后代分类标签。标签6、标签9和标签10为标签2的后代分类标签，在图2中，连接同一边的两个标签存在父子关系。
67.因此，由于业务标签集的分类标签存在父子关系，可以利用大语言模型来确定属于目标候选标签的第一候选标签的父标签，再进行写入。关于步骤160的具体实施过程可以参照下述相关实施例，本实施例在此不作赘述。
68.通过上述方案，利用大语言模型的文本理解能力，实现基于全链路的大语言模型对业务标签集进行更新，确保了业务标签集中标签的完整性，为基于业务标签集实现业务处理提供良好的数据支持。
69.在一些实施例中，上述基于业务标签集中的分类标签、第二模板和第一候选标签，构造第二提示词的步骤可以通过以下方式实施：基于第三模板和第一候选标签集，构造第三提示词；将第三提示词输入至大语言模型，得到第三回答文本，第三回答文本中包括第二候选标签集，第二候选标签集中包括对第一候选标签集中各第一候选标签进行改写的第二候选标签；基于业务标签集中的分类标签、第二模板和第二候选标签，构造第二提示词，基于第二提示词得到的第二回答文本用于表征第二候选标签是否为目标候选标签。
70.值得说明的是，第三提示词用于表征对第一候选标签集中的第一候选标签进行改写的请求文本。将第一候选标签集中的第一候选标签填充至第一模板，得到对应的第一提示词。
71.其中，第三模板可以包括样本对应关系，样本对应关系包括第一样本标签和对第一样本标签改写得到的第二样本标签。例如，第三模板可以是：
[0072]“下面两列表示了原关键词和其标签词的对应关系：
[0073]
超火手势舞-手势舞
[0074]
大花钻纹龟-大花钻纹龟
[0075]
定制汽车座套-汽车座套
[0076]
甜瓜种植-甜瓜种植
[0077]
种兔养殖基地-种兔养殖
[0078]
那么下面的原关键词对应的标签词是什么：
[0079]
_____。”[0080]
如上述示例的第三模板，可以将第一候选标签集中的第一候选标签填充至下划线处，即可以得到第三提示词。在利用大语言模型时，样本对应关系可以起到微调预训练好的大语言模型的作用，从而使得大语言模型改写后的标签的质量更高。
[0081]
继续承接上述第三模板的示例，若第一候选标签集中的第一候选标签为小原流插花、头手倒立和会写书法的女生。对应的，第三回答文本可以是：
[0082]
根据上面的对应关系，下面的原关键词对应的标签词可能是：
[0083]“小原流插花-插花
[0084]
头手倒立-倒立
[0085]
会写书法的女生-书法”[0086]
即，插花、倒立和书法可以作为对第一候选标签集中各第一候选标签进行改写的第二候选标签。
[0087]
值得说明的是，在第一候选标签足够精炼时，第三回答文本中对该第一候选标签的改写结果是输出第一候选标签本身。
[0088]
与图1所示的实施例相比，在本实施例中，构造的第二提示词将第一候选标签替换为对该第一候选标签进行改写得到的第二候选标签。
[0089]
在上述得到第三回答文本的基础上，上述利用大语言模型，将属于目标候选标签的第一候选标签写入业务标签集中的步骤可以通过以下方式实施：利用大语言模型，将属于目标候选标签的第二候选标签写入业务标签集中。
[0090]
由于考虑到抽取到的关键词往往不够精炼和概括，因此，往往不能直接用来作为标签进行使用，因此，可以对抽取到的关键词进行改写，再将属于目标候选标签的第二候选标签写入到业务标签集，提升业务标签集中标签的质量。
[0091]
在一些实施例中，上述的基于业务标签集中的分类标签、第二候选标签和第二模板，构造第二提示词的步骤的实施方式可以是：基于第二候选标签、业务标签集中所有根分类标签和第四模板，构造第四提示词；将第四提示词输入到大语言模型中，得到第四回答文本，第四回答文本用于表征第二候选标签在所有根分类标签中所属的目标根分类标签；基于分类标签子集中的分类标签、第二候选标签和第二模板，构造第二提示词，分类标签子集中包括目标根分类标签的所有后代分类标签。
[0092]
其中，不存在父分类标签的分类标签为根分类标签，例如图2所示的标签1和标签2。业务标签集中的分类标签可以携带是否为根分类标签的属性，从而可以依据这类属性确定分类标签是否为根分类标签。另外，分类标签还可以具备标识其父分类标签和子分类标签的属性，从而可以确定出目标根分类标签的所有后代分类标签。
[0093]
值得说明的是，第四提示词用于表征获取第二候选标签在所有根分类标签中所属的目标根分类标签的请求文本。
[0094]
例如第四模板可以是：
[0095]“___属于下列标签中哪个，下列标签包括：___”。
[0096]
第二候选标签可以填充至该第四模板中的第一个下划线处，根分类标签可以填充至该第四模板中的第二个下划线处，从而得到构造的第四提示词。
[0097]
以第二候选标签为手势霹雳舞，根分类标签包括跳舞、唱歌和打球为例，第四回答文本可以是：“手势霹雳舞的目标根分类标签是跳舞”。
[0098]
与上述实施例相比，在本实施例中，构造的第二提示词中将业务标签集替换为分类标签子集，该分类标签子集中包括得是第二候选分类标签所属的目标根分类标签的所有后代分类标签。
[0099]
由于需要确定第二候选标签是否为着业务标签集中缺失的分类标签，必然会涉及到第二候选标签与业务标签集中的分类标签的比较，而随着业务标签集中分类标签的数量的增长，若将全量的分类标签与第二候选标签进行比较，会增加计算量，这对更新的实时性要求较高的业务不是友好的，且全量比较会占用较多的资源。
[0100]
因此，可以先确定第二候选标签在所有所述根分类标签中所属的目标根分类标签，进行标签的粗分类，在此基础上，将第二候选标签仅与目标根分类标签的所有所述后代分类标签进行比较，降低需要比较的次数，从而达到提高实时性和降低资源占用的目的。
[0101]
在一些实施例中，大语言模型通过计算分类标签子集中分类标签与第二候选标签的语义相似度，并基于预设相似度阈值与语义相似度的大小关系确定第二回答文本。
[0102]
这里的大小关系意指预设相似度阈值大于或等于语义相似度，或预设相似度阈值小于语义相似度。
[0103]
举例来讲，大语言模型依次将分类标签子集中分类标签与第二候选标签进行语义相似度的计算，直至计算得到的语义相似度大于或等于预设相似度阈值，或者分类标签子集中所有分类标签完成语义相似度的计算。在计算得到的语义相似度大于或等于预设相似度阈值的情况下，确定的第二回答文本是用于表征第二候选标签是属于目标候选标签的文本；在分类标签子集中所有分类标签完成语义相似度的计算后，仍不存在大于或等于预设相似度阈值的情况，则确定的第二回答文本是用于表征第二候选标签不属于目标候选标签的文本。
[0104]
其中，预设相似度阈值可以根基实际情况进行设定，本实施例在此不作限定。
[0105]
通过上述方案，利用相似度计算，来确定第二回答文本。
[0106]
在一些实施例中，大语言模型通过计算分类标签子集中分类标签的文本与第二候选标签的文本是否完全相同，并基于文本是否完全相同确定第二回答文本。
[0107]
在分类标签的文本与第二候选标签的文本完全相同的情况下，确定的第二回答文本是用于表征第二候选标签是属于目标候选标签的文本；在分类标签子集中所有分类标签完成文本是否完全相同的计算后，仍不存在与第二候选标签相同的分类标签，则确定的第二回答文本是用于表征第二候选标签不属于目标候选标签的文本。
[0108]
通过上述方案，利用文本是否完全相同来确定第二回答文本。
[0109]
在一些实施例中，上述利用大语言模型，将属于目标候选标签的第二候选标签写入业务标签集中的步骤可以通过以下方式实施：基于第五模板、属于目标候选标签的第二候选标签和业务标签集中的分类标签，构造第五提示词；将第五提示词输入到大语言模型中，得到第五回答文本，第五回答文本用于表征第二候选标签是否为分类标签的子标签；将第二候选标签作为分类标签的子标签写入业务标签集中。
[0110]
由上述内容可知，由于业务标签集的分类标签存在父子关系，需要利用大语言模型来确定属于目标候选标签的第一候选标签的父分类标签，再进行写入。
[0111]
值得说明的是，第五提示词是用于请求获取用于表征第二候选标签是否为分类标签的子标签的请求文本。
[0112]
例如，第五模板可以是：“__是否为__的子标签？”，属于目标候选标签的第二候选标签可以填充至该第五模板中的第一个下划线处，业务标签集中的分类标签可以填充至该第五模板中的第二个下划线处，从而得到第五提示词。
[0113]
作为一种示例，第五回答文本可以是“手势霹雳舞是否为跳舞的子标签”。该第五回答文本表征第二候选标签手势霹雳舞是分类标签跳舞的子标签。
[0114]
值得说明的是，将第二候选标签作为分类标签的子标签写入业务标签集中可以理解为不仅向业务标签集中添加标签，还可以添加表征父子关系的属性。
[0115]
结合图2和图3，在图3中，标签12作为标签4的子标签加入到图2所示的原有业务标签集中，从而实现原有业务标签集中标签的更新。
[0116]
通过上述方案，利用大语言模型，实现对新增的分类标签确定父子关系，依据确定的父子关系将新增的分类标签写入业务标签集中，以便于更好的处理基于业务标签集的业务。
[0117]
基于同一发明构思，本公开实施例提供一种业务标签集更新装置，图4是根据本公开一示例性实施例示出的一种业务标签集更新装置的框图。参照图4，该装置400包括：
[0118]
获取模块401，用于获取目标内容；
[0119]
第一构造模块402，用于基于目标内容和第一模板，构造第一提示词；
[0120]
第一处理模块403，用于将所述第一提示词输入至预训练好的大语言模型，得到第一回答文本，所述第一回答文本中包括第一候选标签集，所述第一候选标签集中包括至少一个第一候选标签，每个第一候选标签为所述目标内容的关键词；
[0121]
第二构造模块404，用于基于业务标签集中的分类标签、第二模板和所述第一候选标签，构造第二提示词；
[0122]
第二处理模块405，用于将所述第二提示词输入至所述大语言模型，得到第二回答文本，所述第二回答文本用于表征所述第一候选标签是否为目标候选标签，所述目标候选标签为所述业务标签集中缺失的分类标签；
[0123]
写入模块406，用于利用所述大语言模型，将属于所述目标候选标签的第一候选标签写入所述业务标签集中。
[0124]
可选地，所述第二构造模块404包括：
[0125]
第一构造子模块，用于基于第三模板和所述第一候选标签集，构造第三提示词；
[0126]
第一处理子模块，用于将所述第三提示词输入至所述大语言模型，得到第三回答文本，所述第三回答文本中包括第二候选标签集，所述第二候选标签集中包括对所述第一候选标签集中各所述第一候选标签进行改写的第二候选标签；
[0127]
第二构造子模块，用于基于业务标签集中的分类标签、第二模板和所述第二候选标签，构造第二提示词，基于所述第二提示词得到的第二回答文本用于表征所述第二候选标签是否为目标候选标签；
[0128]
所述写入模块406具体用于利用所述大语言模型，将属于所述目标候选标签的第二候选标签写入所述业务标签集中。
[0129]
可选地，所述业务标签集包括至少一个根分类标签和属于根分类标签的后代分类标签，所述第二构造子模块具体用于：
[0130]
基于所述第二候选标签、所述业务标签集中所有根分类标签和第四模板，构造第四提示词；
[0131]
将所述第四提示词输入到所述大语言模型中，得到第四回答文本，所述第四回答文本用于表征所述第二候选标签在所有所述根分类标签中所属的目标根分类标签；
[0132]
基于分类标签子集中的分类标签、所述第二候选标签和第二模板，构造第二提示词，所述分类标签子集中包括所述目标根分类标签的所有所述后代分类标签。
[0133]
可选地，所述第三模板包括样本对应关系，所述样本对应关系包括第一样本标签和对所述第一样本标签改写得到的第二样本标签。
[0134]
可选地，所述大语言模型通过计算所述分类标签子集中分类标签与所述第二候选标签的语义相似度，并基于预设相似度阈值与所述语义相似度的大小关系确定所述第二回答文本。
[0135]
可选地，所述大语言模型通过计算所述分类标签子集中分类标签的文本与所述第二候选标签的文本是否完全相同，并基于文本是否完全相同确定所述第二回答文本。
[0136]
可选地，所述写入模块406具体用于：
[0137]
基于第五模板、属于所述目标候选标签的第二候选标签和所述业务标签集中的分类标签，构造第五提示词；
[0138]
将所述第五提示词输入到所述大语言模型中，得到第五回答文本，所述第五回答文本用于表征所述第二候选标签是否为所述分类标签的子标签；
[0139]
将所述第二候选标签作为所述分类标签的子标签写入所述业务标签集中。
[0140]
其中，关于装置400中各模块的实施方式也可以参照上述相关实施例，本实施例在此不作赘述。
[0141]
基于同一发明构思，本公开实施例提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现上述方法的步骤。
[0142]
基于同一发明构思，本公开实施例提供一种电子设备，包括：
[0143]
存储装置，其上存储有计算机程序；
[0144]
处理装置，用于执行所述存储装置中的所述计算机程序，以实现上述方法的步骤。
[0145]
下面参考图5，其示出了适于用来实现本公开实施例的电子设备500的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0146]
如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(rom)502中的程序或者从存储装置508加载到随机访问存储器(ram)503中的程序而执行各种适当的动作和处理。在ram 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、rom 502以及ram 503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
[0147]
通常，以下装置可以连接至i/o接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
[0148]
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机
软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从rom 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。
[0149]
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0150]
在一些实施方式中，电子设备可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0151]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
[0152]
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标内容；基于目标内容和第一模板，构造第一提示词；将所述第一提示词输入至预训练好的大语言模型，得到第一回答文本，所述第一回答文本中包括第一候选标签集，所述第一候选标签集中包括至少一个第一候选标签，每个第一候选标签为所述目标内容的关键词；基于业务标签集中的分类标签、第二模板和所述第一候选标签，构造第二提示词；将所述第二提示词输入至所述大语言模型，得到第二回答文本，所述第二回答文本用于表征所述第一候选标签是否为目标候选标签，所述目标候选标签为所述业务标签集中缺失的分类标签；利用所述大语言模型，将属于所述目标候选标签的第一候选标签写入所述业务标签集中。
[0153]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言——诸如“c”语言或类似的程序设计语
言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0154]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0155]
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定。
[0156]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0157]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0158]
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
[0159]
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
[0160]
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

技术特征：
1.一种业务标签集更新方法，其特征在于，包括：获取目标内容；基于目标内容和第一模板，构造第一提示词；将所述第一提示词输入至预训练好的大语言模型，得到第一回答文本，所述第一回答文本中包括第一候选标签集，所述第一候选标签集中包括至少一个第一候选标签，每个第一候选标签为所述目标内容的关键词；基于业务标签集中的分类标签、第二模板和所述第一候选标签，构造第二提示词；将所述第二提示词输入至所述大语言模型，得到第二回答文本，所述第二回答文本用于表征所述第一候选标签是否为目标候选标签，所述目标候选标签为所述业务标签集中缺失的分类标签；利用所述大语言模型，将属于所述目标候选标签的第一候选标签写入所述业务标签集中。2.根据权利要求1所述的方法，其特征在于，所述基于业务标签集中的分类标签、第二模板和所述第一候选标签，构造第二提示词，包括：基于第三模板和所述第一候选标签集，构造第三提示词；将所述第三提示词输入至所述大语言模型，得到第三回答文本，所述第三回答文本中包括第二候选标签集，所述第二候选标签集中包括对所述第一候选标签集中各所述第一候选标签进行改写的第二候选标签；基于业务标签集中的分类标签、第二模板和所述第二候选标签，构造第二提示词，基于所述第二提示词得到的第二回答文本用于表征所述第二候选标签是否为目标候选标签；所述利用所述大语言模型，将属于所述目标候选标签的第一候选标签写入所述业务标签集中，包括：利用所述大语言模型，将属于所述目标候选标签的第二候选标签写入所述业务标签集中。3.根据权利要求2所述的方法，其特征在于，所述业务标签集包括至少一个根分类标签和属于根分类标签的后代分类标签，所述基于业务标签集中的分类标签、所述第二候选标签和第二模板，构造第二提示词，包括：基于所述第二候选标签、所述业务标签集中所有根分类标签和第四模板，构造第四提示词；将所述第四提示词输入到所述大语言模型中，得到第四回答文本，所述第四回答文本用于表征所述第二候选标签在所有所述根分类标签中所属的目标根分类标签；基于分类标签子集中的分类标签、所述第二候选标签和第二模板，构造第二提示词，所述分类标签子集中包括所述目标根分类标签的所有所述后代分类标签。4.根据权利要求2所述的方法，其特征在于，所述第三模板包括样本对应关系，所述样本对应关系包括第一样本标签和对所述第一样本标签改写得到的第二样本标签。5.根据权利要求3所述的方法，其特征在于，所述大语言模型通过计算所述分类标签子集中分类标签与所述第二候选标签的语义相似度，并基于预设相似度阈值与所述语义相似度的大小关系确定所述第二回答文本。6.根据权利要求3所述的方法，其特征在于，所述大语言模型通过计算所述分类标签子
集中分类标签的文本与所述第二候选标签的文本是否完全相同，并基于文本是否完全相同确定所述第二回答文本。7.根据权利要求3所述的方法，其特征在于，所述利用所述大语言模型，将属于所述目标候选标签的第二候选标签写入所述业务标签集中，包括：基于第五模板、属于所述目标候选标签的第二候选标签和所述业务标签集中的分类标签，构造第五提示词；将所述第五提示词输入到所述大语言模型中，得到第五回答文本，所述第五回答文本用于表征所述第二候选标签是否为所述分类标签的子标签；将所述第二候选标签作为所述分类标签的子标签写入所述业务标签集中。8.一种业务标签集更新装置，其特征在于，包括：获取模块，用于获取目标内容；第一构造模块，用于基于目标内容和第一模板，构造第一提示词；第一处理模块，用于将所述第一提示词输入至预训练好的大语言模型，得到第一回答文本，所述第一回答文本中包括第一候选标签集，所述第一候选标签集中包括至少一个第一候选标签，每个第一候选标签为所述目标内容的关键词；第二构造模块，用于基于业务标签集中的分类标签、第二模板和所述第一候选标签，构造第二提示词；第二处理模块，用于将所述第二提示词输入至所述大语言模型，得到第二回答文本，所述第二回答文本用于表征所述第一候选标签是否为目标候选标签，所述目标候选标签为所述业务标签集中缺失的分类标签；写入模块，用于利用所述大语言模型，将属于所述目标候选标签的第一候选标签写入所述业务标签集中。9.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-7中任一项所述方法的步骤。10.一种电子设备，其特征在于，包括：存储装置，其上存储有计算机程序；处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-7中任一项所述方法的步骤。

技术总结
本公开涉及一种业务标签集更新方法、装置、介质及电子设备，方法包括：将基于目标内容和第一模板构造的第一提示词输入至预训练好的大语言模型，得到第一回答文本，第一回答文本中包括第一候选标签集，第一候选标签集中包括至少一个第一候选标签，每个第一候选标签为目标内容的关键词；将基于业务标签集中的分类标签、第二模板和第一候选标签构造的第二提示词输入至大语言模型，得到第二回答文本，第二回答文本用于表征第一候选标签是否为目标候选标签，目标候选标签为业务标签集中缺失的分类标签；利用大语言模型，将属于目标候选标签的第一候选标签写入业务标签集中，实现基于全链路的大语言模型对业务标签集进行更新。链路的大语言模型对业务标签集进行更新。链路的大语言模型对业务标签集进行更新。


技术研发人员：杜正印 袁泽寰
受保护的技术使用者：北京有竹居网络技术有限公司
技术研发日：2023.07.17
技术公布日：2023/10/19