本發(fā)明涉及人工智能領(lǐng)域，具體地，涉及一種基于大模型進(jìn)行車型推薦的方法、系統(tǒng)及介質(zhì)。

背景技術(shù)：

1、隨著互聯(lián)網(wǎng)技術(shù)和人工智能的發(fā)展，個(gè)性化服務(wù)的需求日益增長，尤其是在汽車銷售行業(yè)，消費(fèi)者對于能夠快速準(zhǔn)確地找到符合自己需求的車型有著強(qiáng)烈的需求。傳統(tǒng)的車型推薦方式主要依賴于銷售人員的經(jīng)驗(yàn)或簡單的問卷調(diào)查，這種方式往往效率低下且難以滿足消費(fèi)者的個(gè)性化需求。

2、近年來，自然語言處理技術(shù)的進(jìn)步，尤其是預(yù)訓(xùn)練大模型的出現(xiàn)，為解決上述問題提供了新的可能性。預(yù)訓(xùn)練大模型如bert、gpt等，通過大規(guī)模語料庫訓(xùn)練，具備了強(qiáng)大的語言理解和生成能力。這些模型能夠從文本中提取深層次的語義信息，包括情感、意圖和需求，從而實(shí)現(xiàn)更精準(zhǔn)的個(gè)性化推薦。

3、然而，將大模型應(yīng)用于車型推薦仍存在挑戰(zhàn)，例如如何有效地將用戶需求轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，如何結(jié)合車型特征和用戶偏好進(jìn)行匹配，以及如何確保推薦結(jié)果的實(shí)時(shí)性和準(zhǔn)確性等。此外，考慮到汽車購買決策的復(fù)雜性，包括價(jià)格、性能、安全、品牌偏好等多個(gè)維度，現(xiàn)有的推薦算法可能無法全面覆蓋所有重要因素，導(dǎo)致推薦效果受限。

4、因此，需要一種創(chuàng)新的方法，利用大模型對用戶需求文本進(jìn)行深入分析，并結(jié)合汽車領(lǐng)域的專業(yè)知識，以更高效、準(zhǔn)確的方式為用戶提供車型推薦，從而提升用戶體驗(yàn)和銷售轉(zhuǎn)化率。

技術(shù)實(shí)現(xiàn)思路

1、針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種基于大模型進(jìn)行車型推薦的方法、系統(tǒng)及介質(zhì)，利用大模型對用戶需求文本進(jìn)行深入分析，并結(jié)合汽車領(lǐng)域的專業(yè)知識，以更高效、準(zhǔn)確的方式為用戶提供車型推薦，從而提升用戶體驗(yàn)和銷售轉(zhuǎn)化率。

2、為實(shí)現(xiàn)上述技術(shù)效果，本發(fā)明采用如下所述技術(shù)方案：

3、根據(jù)本發(fā)明的第一個(gè)方面，提供一種基于大模型進(jìn)行車型推薦的方法，具體包括以下步驟：

4、步驟s1.首先獲取用戶需求文本數(shù)據(jù)，包括歷史訂單和使用大模型生成的數(shù)據(jù)，并利用該數(shù)據(jù)構(gòu)建包含車型特征的詳細(xì)數(shù)據(jù)庫；

5、步驟s2.大模型訓(xùn)練：

6、特征提取模型選擇：使用bert-base-chinese預(yù)訓(xùn)練模型，結(jié)合multi-head機(jī)制處理token?pairs，生成得分矩陣；

7、選擇語義搜索模型進(jìn)行聚類和語義搜索；

8、微調(diào)模型：基于標(biāo)注數(shù)據(jù)微調(diào)上述特征提取模型和語義搜索模型，以提升其對車型相關(guān)上下文的理解；

9、步驟s3.用戶輸入需求文本后，利用微調(diào)后的特征提取模型提取關(guān)鍵信息，并通過語義搜索模型在標(biāo)準(zhǔn)特征向量庫中進(jìn)行檢索；

10、步驟s4.車型匹配算法：結(jié)合用戶定義的標(biāo)準(zhǔn)特征與ai推薦的特征并根據(jù)需求的重要程度調(diào)整各項(xiàng)特征的權(quán)重，使用車型搜索引擎進(jìn)行個(gè)性化車型推薦；

11、步驟s5：通過提供對話式推薦界面和微服務(wù)接口，允許用戶對推薦結(jié)果反饋，持續(xù)優(yōu)化推薦算法；

12、步驟s6：定期使用新數(shù)據(jù)和反饋更新模型，監(jiān)測系統(tǒng)性能和用戶滿意度，及時(shí)調(diào)整策略以優(yōu)化推薦效果。

13、優(yōu)選地，在步驟s1中還包括數(shù)據(jù)的清洗與標(biāo)注步驟，清理文本數(shù)據(jù)并標(biāo)注出與車型和特征相關(guān)的關(guān)鍵信息。

14、優(yōu)選地，步驟s4中的車型搜索引擎為java開發(fā)的基于neo4j圖數(shù)據(jù)庫的車型搜索引擎。

15、優(yōu)選地，步驟s2中的選擇語義搜索模型進(jìn)行聚類和語義搜索具體包括選擇sbert的paraphrase-mult?ilingual-minilm-l12-v2模型，適用于聚類和語義搜索，映射到384維稠密向量空間。

16、根據(jù)本發(fā)明的第二個(gè)方面，提供一種基于大模型進(jìn)行車型推薦的系統(tǒng)，用于實(shí)施上述的基于大模型進(jìn)行車型推薦的方法。

17、優(yōu)選地，還包括以下功能：

18、(1)提供對話式互動助手，便于模型訓(xùn)練后支持快速效果驗(yàn)證；

19、(2)初始訓(xùn)練數(shù)據(jù)可以通過線下導(dǎo)入，并控制數(shù)據(jù)版本進(jìn)行模型訓(xùn)練；

20、(3)存取ai模型匹配結(jié)果，并可以在此基礎(chǔ)上進(jìn)行標(biāo)注修正；修正后的數(shù)據(jù)會自動加入待訓(xùn)練數(shù)據(jù)集，同時(shí)支持模型訓(xùn)練；

21、(4)模型分解的每個(gè)車型特征匹配得分率可查，可對低匹配率特征監(jiān)控并及時(shí)訓(xùn)練。

22、根據(jù)本發(fā)明的第三個(gè)方面，提供一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，該程序被處理器執(zhí)行，以用于實(shí)現(xiàn)上述的基于大模型進(jìn)行車型推薦的方法。

23、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：

24、本發(fā)明提供的基于大模型進(jìn)行車型推薦的方法能夠利用大模型對用戶需求文本進(jìn)行深入分析，并結(jié)合廠內(nèi)汽車產(chǎn)品配置專業(yè)知識，實(shí)現(xiàn)特殊改裝車提報(bào)時(shí)車型/訂單自動推薦，在快速滿足客戶需求的同時(shí)減少重復(fù)訂單提報(bào)，避免重復(fù)評審人工浪費(fèi)并推進(jìn)銷售車型集中。

技術(shù)特征：

1.一種基于大模型進(jìn)行車型推薦的方法，其特征在于，具體包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于大模型進(jìn)行車型推薦的方法，其特征在于，在步驟s1中還包括數(shù)據(jù)的清洗與標(biāo)注步驟，清理文本數(shù)據(jù)并標(biāo)注出與車型和特征相關(guān)的關(guān)鍵信息。

3.根據(jù)權(quán)利要求1所述的基于大模型進(jìn)行車型推薦的方法，其特征在于，步驟s4中的車型搜索引擎為java開發(fā)的基于neo4j圖數(shù)據(jù)庫的車型搜索引擎。

4.根據(jù)權(quán)利要求1所述的基于大模型進(jìn)行車型推薦的方法，其特征在于，步驟s2中的選擇語義搜索模型進(jìn)行聚類和語義搜索具體包括選擇sbert的paraphrase-multilingual-minilm-l12-v2模型，適用于聚類和語義搜索，映射到384維稠密向量空間。

5.一種基于大模型進(jìn)行車型推薦的系統(tǒng)，其特征在于，用于實(shí)施權(quán)利要求1-3任一權(quán)利要求所述的基于大模型進(jìn)行車型推薦的方法。

6.根據(jù)權(quán)利要求5所述的基于大模型進(jìn)行車型推薦的系統(tǒng)，其特征在于，還包括以下功能：

7.一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行，以用于實(shí)現(xiàn)權(quán)利要求1-4任一項(xiàng)所述的基于大模型進(jìn)行車型推薦的方法。

技術(shù)總結(jié)
本發(fā)明提供了一種基于大模型進(jìn)行車型推薦的方法、系統(tǒng)及介質(zhì)，利用大模型對用戶需求文本進(jìn)行深入分析，并結(jié)合廠內(nèi)汽車產(chǎn)品配置專業(yè)知識，以更高效、準(zhǔn)確的方式為用戶提供特殊改裝車提報(bào)時(shí)車型/訂單自動推薦，從而提升用戶體驗(yàn)和銷售轉(zhuǎn)化率，在快速滿足客戶需求的同時(shí)減少重復(fù)訂單提報(bào)，避免重復(fù)評審人工浪費(fèi)并推進(jìn)銷售車型集中。

技術(shù)研發(fā)人員：周鵬飛,黃薇,饒南婷
受保護(hù)的技術(shù)使用者：江鈴汽車股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9