本申请涉及文本处理，具体而言，涉及一种基于因果大模型生成产品讲解文本的方法、装置及电子设备。
背景技术：
1、随着人工智能技术的不断发展，其被广泛应用于不同的业务领域中。
2、目前，在保险产品或银行产品的业务领域中，产品的条款篇幅很长，涉及的内容很多。用户通过智能客服想要了解一种产品的条款内容时可以输入相关的产品信息后，智能客服可以将对应的条款内容推荐给用户。但是，智能客服推荐的条款内容较长，用户需要花费较长的时间和耐心进行查看，用户体验较差。
3、因此，如何提供一种既简洁又准确的基于因果大模型生成产品讲解文本的方法的技术方案成为亟需解决的技术问题。
技术实现思路
1、本申请的一些实施例的目的在于提供一种基于因果大模型生成产品讲解文本的方法、装置及电子设备，通过本申请的实施例的技术方案可以针对用户需求为用户提供易于理解且准确的产品讲解文本，提升用户体验和产品营销精准度。
2、第一方面，本申请的一些实施例提供了一种基于因果大模型生成产品讲解文本的方法，包括：确定用户的原始问题对应的标准问题；从产品条款文档中检索出与所述标准问题相匹配的产品条款内容；根据所述标准问题、所述产品条款内容和目标因果大模型，生成产品讲解文本。
3、本申请的一些实施例通过为用户的原始问题匹配标准问题后检索出相关的产品条款内容，之后结合目标因果大模型生成产品讲解文本。本申请的一些实施例可以针对不同的用户为其生成简洁且准确的产品讲解文本，避免了长篇大论，提升了用户体验和产品营销精准度。
4、在一些实施例，所述确定用户的原始问题对应的标准问题，包括：利用训练好的语义向量模型对所述原始问题和预设标准语句进行计算，得到向量距离集合；获取所述向量距离集合中小于设定阈值的目标语句；将所述目标语句中向量距离中的最小值对应的语句作为所述标准问题。
5、本申请的一些实施例通过训练好的语义向量模型对原始问题和预设标准语句进行处理和分析确定出对应的标准问题，以便于精确检索出与用户需求相关的产品条款内容。
6、在一些实施例，所述方法还包括：确认所述向量距离集合中的向量距离均不小于所述设定阈值，则记录所述原始问题；设定所述原始问题对应的标准语句，并迭代更新所述训练好的语义向量模型。
7、本申请的一些实施例通过对原始问题进行记录更新语义向量模型，提升语义向量模型的使用精度和广度。
8、在一些实施例，在所述从产品条款文档中检索出与所述标准问题相匹配的产品条款内容之前，所述方法包括：将预设标准语句和原始产品条款内容输入至大语言模型中，获取实际参考产品条款；对所述实际参考产品条款进行核验标注，确定产品条款参考内容；基于所述预设标准语句、所述产品条款参考内容以及每款产品的产品信息构建所述产品条款文档。
9、本申请的一些实施例通过对检索出的实际参考产品条款进行核验标注后构建对应的产品条款文档，提升最终构建的文档的准确性。
10、在一些实施例，所述根据所述标准问题、所述产品条款内容和目标因果大模型，生成产品讲解文本，包括：生成与所述标准问题、所述产品条款内容、所述原始问题、对话上下文数据和当前用户情境对应的提示信息；将所述提示信息输入至所述目标因果大模型中，输出所述产品讲解文本。
11、本申请的一些实施例通过向目标因果大模型中输入相关的提示信息得到产品讲解文本，既高效又便捷，还可以提升用户体验。
12、在一些实施例，所述目标因果大模型是通过训练数据集对初始大模型进行训练得到的；所述训练数据集中包括：用户问题样本、产品需求样本、用户情境、产品条款样本和讲解文本样本。
13、本申请的一些实施例通过训练数据集训练目标因果大模型，使得其可以针对不同的场景产品输出不同的产品讲解文本，提升模型的实用性。
14、第二方面，本申请的一些实施例提供了一种基于因果大模型生成产品讲解文本的装置，包括：确定模块，用于确定用户的原始问题对应的标准问题；检索模块，用于从产品条款文档中检索出与所述标准问题相匹配的产品条款内容；生成模块，用于根据所述标准问题、所述产品条款内容和目标因果大模型，生成产品讲解文本。
15、在一些实施例，确定模块，用于利用训练好的语义向量模型对所述原始问题和预设标准语句进行计算，得到向量距离集合；获取所述向量距离集合中小于设定阈值的目标语句；将所述目标语句中向量距离中的最小值对应的语句作为所述标准问题。
16、在一些实施例，确定模块，用于确认所述向量距离集合中的向量距离均不小于所述设定阈值，则记录所述原始问题；设定所述原始问题对应的标准语句，并迭代更新所述训练好的语义向量模型。
17、在一些实施例，检索模块，用于将预设标准语句和原始产品条款内容输入至大语言模型中，获取实际参考产品条款；对所述实际参考产品条款进行核验标注，确定产品条款参考内容；基于所述预设标准语句、所述产品条款参考内容以及每款产品的产品信息构建所述产品条款文档。
18、在一些实施例，生成模块，用于生成与所述标准问题、所述产品条款内容、所述原始问题、对话上下文数据和当前用户情境对应的提示信息；将所述提示信息输入至所述目标因果大模型中，输出所述产品讲解文本。
19、在一些实施例，所述目标因果大模型是通过训练数据集对初始大模型进行训练得到的；所述训练数据集中包括：用户问题样本、产品需求样本、用户情境、产品条款样本和讲解文本样本。
20、第三方面，本申请的一些实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时可实现如第一方面任一实施例所述的方法。
21、第四方面，本申请的一些实施例提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述程序时可实现如第一方面任一实施例所述的方法。
22、第五方面，本申请的一些实施例提供一种计算机程序产品，所述的计算机程序产品包括计算机程序，其中，所述的计算机程序被处理器执行时可实现如第一方面任一实施例所述的方法。
1.基于因果大模型生成产品讲解文本的方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述确定用户的原始问题对应的标准问题，包括：
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
4.如权利要求1-3中任一项所述的方法，其特征在于，在所述从产品条款文档中检索出与所述标准问题相匹配的产品条款内容之前，所述方法包括：
5.如权利要求1-3中任一项所述的方法，其特征在于，所述根据所述标准问题、所述产品条款内容和目标因果大模型，生成产品讲解文本，包括：
6.如权利要求1-3中任一项所述的方法，其特征在于，所述目标因果大模型是通过训练数据集对初始大模型进行训练得到的；所述训练数据集中包括：用户问题样本、产品需求样本、用户情境、产品条款样本和讲解文本样本。
7.一种基于因果大模型生成产品讲解文本的装置，其特征在于，包括：
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，其中，所述计算机程序被处理器运行时执行如权利要求1-6中任意一项权利要求所述的方法。
9.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器上并在所述处理器上运行的计算机程序，其中，所述计算机程序被所述处理器运行时执行如权利要求1-6中任意一项权利要求所述的方法。
10.一种计算机程序产品，其特征在于，所述的计算机程序产品包括计算机程序，其中，所述的计算机程序被处理器运行时执行如权利要求1-6中任意一项权利要求所述的方法。
