线索生成及展示方法、装置、计算机设备、存储介质与流程

1.本技术涉及互联网技术领域，特别是涉及一种线索生成及展示方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.随着互联网技术的发展，网络交友平台的应用越来越广泛，在网络交友平台中，用户可以通过在直播间进行互动的方式开展交友活动。
3.在传统方法中，用户可以在直播间中采用与连麦用户进行聊天互动的方式，来寻找与当前用户具有预设匹配关系的连麦用户，这种通过用户间自主聊天进行互动的方式存在着沟通效率较低的问题。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够提升连麦用户之间沟通效率的线索生成及展示方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
5.第一方面，本技术提供了一种线索生成及展示方法。所述方法包括：
6.在检测到用户账户进入虚拟空间的情况下，获取所述用户账户的回答信息；所述回答信息为所述用户账户在进入所述虚拟空间之前针对目标问卷输入的回答信息；
7.根据所述回答信息，确定针对所述用户账户的人设描述线索信息；
8.响应于所述虚拟空间满足显示线索信息的触发条件，在所述虚拟空间中展示所述人设描述线索信息。
9.在其中一个实施例中，所述根据所述回答信息，确定针对所述用户账户的人设描述线索信息，包括：
10.根据所述回答信息体现的所述用户账户所选择的答案选项，将所述所选择的答案选项对应的解析作为目标解析；
11.通过预训练的线索生成模型，输出与所述目标解析匹配的目标线索，作为所述人设描述线索信息。
12.在其中一个实施例中，所述方法还包括：
13.获取样本数据；所述样本数据包括样本解析和样本线索；
14.根据所述样本解析和所述样本线索，构建针对生成式模型的模型训练数据；
15.采用所述模型训练数据训练所述生成式模型，得到所述预训练的线索生成模型。
16.在其中一个实施例中，根据所述样本解析和所述样本线索，构建针对生成式模型的模型训练数据，包括：
17.根据所述样本解析和所述样本线索，确定针对所述生成式模型的训练指令语句；
18.将所述训练指令语句作为针对所述生成式模型的所述模型训练数据。
19.在其中一个实施例中，根据所述样本解析和所述样本线索，确定针对所述生成式模型的训练指令语句，包括：
20.将所述样本解析和所述样本线索，按照对应关系进行组合，得到模型训练示例；所述对应关系包括每个所述样本解析与所述样本线索的对应关系；
21.根据所述模型训练示例，生成所述训练指令语句。
22.在其中一个实施例中，所述根据所述模型训练示例，生成所述训练指令语句，包括：
23.获取训练要求信息；所述训练要求信息为所述模型训练示例中体现的、用于对模型的输出内容提出具体要求的信息；所述训练要求信息包括需求描述信息和注意点描述信息；
24.根据所述训练要求信息和所述模型训练示例，组合得到所述训练指令语句。
25.第二方面，本技术还提供了一种线索生成及展示装置。所述装置包括：
26.答案获取模块，用于在检测到用户账户进入虚拟空间的情况下，获取所述用户账户的回答信息；所述回答信息为所述用户账户在进入所述虚拟空间之前针对目标问卷输入的回答信息；
27.线索确定模块，用于根据所述回答信息，确定针对所述用户账户的人设描述线索信息；
28.线索展示模块，用于响应于所述虚拟空间满足显示线索信息的触发条件，在所述虚拟空间中展示所述人设描述线索信息。
29.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
30.在检测到用户账户进入虚拟空间的情况下，获取所述用户账户的回答信息；所述回答信息为所述用户账户在进入所述虚拟空间之前针对目标问卷输入的回答信息；
31.根据所述回答信息，确定针对所述用户账户的人设描述线索信息；
32.响应于所述虚拟空间满足显示线索信息的触发条件，在所述虚拟空间中展示所述人设描述线索信息。
33.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
34.在检测到用户账户进入虚拟空间的情况下，获取所述用户账户的回答信息；所述回答信息为所述用户账户在进入所述虚拟空间之前针对目标问卷输入的回答信息；
35.根据所述回答信息，确定针对所述用户账户的人设描述线索信息；
36.响应于所述虚拟空间满足显示线索信息的触发条件，在所述虚拟空间中展示所述人设描述线索信息。
37.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
38.在检测到用户账户进入虚拟空间的情况下，获取所述用户账户的回答信息；所述回答信息为所述用户账户在进入所述虚拟空间之前针对目标问卷输入的回答信息；
39.根据所述回答信息，确定针对所述用户账户的人设描述线索信息；
40.响应于所述虚拟空间满足显示线索信息的触发条件，在所述虚拟空间中展示所述人设描述线索信息。
41.上述线索生成及展示方法、装置、计算机设备、存储介质和计算机程序产品，在检
测到用户账户进入虚拟空间时获取用户账户的回答信息，然后根据回答信息，确定针对用户账户的人设描述线索信息，在虚拟空间满足显示线索信息的触发条件时展示人设描述线索信息，人设描述线索信息能够准确地描述用户的人物设定的特征，将人设描述线索信息以提示语句的形式来指导用户进行沟通，能极大地提升用户间在进行连麦互动时的沟通效率，便于用户根据互动对象的提示完成交友需求。
附图说明
42.图1为一个实施例中线索生成及展示方法的流程示意图。
43.图2为另一个实施例中线索生成及展示方法的流程示意图。
44.图3为另一个实施例中线索生成及展示方法的流程示意图。
45.图4为一个实施例中线索生成及展示装置的结构框图。
46.图5为一个实施例中计算机设备的内部结构图。
47.图6为另一个实施例中计算机设备的内部结构图。
具体实施方式
48.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
49.在一个实施例中，如图1所示，提供了一种线索生成及展示方法，包括以下步骤：
50.s110，在检测到用户账户进入虚拟空间的情况下，获取用户账户的回答信息。
51.其中，用户账户指的是网络交友平台中用户的账户；虚拟空间指的是在网络交友平台中用于网络交友互动的虚拟的空间，如支持连麦的直播间；回答信息为用户账户在进入虚拟空间之前针对目标问卷输入的回答信息。
52.示例性地，在用户需要通过客户端中的账户在网络交友平台中进行交友时，需要先填写客户端针对该用户设置的问卷，问卷包括题目和对应的答案选项，用户针对问卷中的题目进行回答，选择符合自身情况的答案选项作为回答信息，在用户通过客户端进入了用于连麦交友的直播间时，系统查询到该用户的账户对应的回答信息，并将该回答信息用于后续的步骤。
53.s120，根据回答信息，确定针对用户账户的人设描述线索信息。
54.其中，人设描述线索信息指用于描述回答者的人物设定的提示信息，回答者指的是回答了问卷中问题的用户。实际应用中，人设描述线索信息可以是指回答者针对问卷所选择的答案选项对应的线索信息。
55.示例性地，系统查询到用户的账户对应的回答信息之后，将该回答信息转化为人设描述线索信息；具体地，转化的方式可以但不限于为：提取出回答信息中的表征用户人物设定的关键词，并利用该关键词转换原有语句的句式，形成人设描述线索信息。
56.s130，响应于虚拟空间满足显示线索信息的触发条件，在虚拟空间中展示人设描述线索信息。
57.其中，显示线索信息的触发条件指的是用于让客户端显示线索信息给用户的触发条件，在具体应用中，该触发条件指的是用户账户在虚拟空间中进入了用户间连麦的使用
场景。
58.示例性地，系统预先将用户a和用户b的回答信息分别转化成人设描述线索信息，当用户a和用户b在同一个网络交友平台的直播间中连麦成功时，人设表述线索信息会被展示在直播间中，具体地，用户a在该直播间的显示页面中展示有用户b的人设描述线索信息，同样地，用户b在该直播间的显示页面中展示有用户a的人设描述线索信息，用户a和用户b将对方的线索描述作为辅助提示，以直播间连麦为交互手段进行网络交友活动。
59.上述线索生成及展示方法中，在检测到用户账户进入虚拟空间时获取用户账户的回答信息，然后根据回答信息，确定针对用户账户的人设描述线索信息，在虚拟空间满足显示线索信息的触发条件时展示人设描述线索信息，人设描述线索信息能够准确地描述用户的人物设定的特征，将人设描述线索信息以提示语句的形式来指导用户进行沟通，能极大地提升用户间在进行连麦互动时的沟通效率，便于用户根据互动对象的提示完成交友需求。
60.在一个实施例中，s120包括：根据回答信息体现的用户账户所选择的答案选项，将所选择的答案选项对应的解析作为目标解析；通过预训练的线索生成模型，输出与目标解析匹配的目标线索，作为人设描述线索信息。
61.其中，目标解析为在用户的回答信息中的答案选项对应的解析。
62.具体地，若用户回答的问题为“如果你在一家咖啡店里等待你的朋友，你会选择做以下哪一件事情”，该问题的答案选项包括：“a.在手机上浏览社交媒体或玩游戏；b.聆听周围的音乐或看书；c.主动和陌生人交流或结识新朋友；d.略微沉思或思考事情”，与答案选项对应的答案解析包括：“a.对应内向、独处、安静的性格类型；b.对应开朗、享受生活、自律的性格类型；c.对应外向、好交际、开放性的性格类型；d.对应思考深度、感性、有创意的性格类型”。若用户的回答信息为“用户选择了a选项”，则该用户针对该题目的目标解析为“对应内向、独处、安静的性格类型”。
63.其中，预训练的线索生成模型指的是预先训练好的模型，线索生成模型用于输出与每个所述目标解析对应的目标线索，具体地，线索生成模型包括但不限于生成式对抗网络(gan，generative adversarial networks)、大型语言模型(llm，large language model)等。
64.其中，目标线索为线索生成模型生成的、与每个所述目标解析对应的线索。具体地，若用户针对题目的目标解析为“对应内向、独处、安静的性格类型”，则目标线索可以为“他可能比较内向，相对安静，喜欢独处”。
65.本实施例中，将用户账户所选择的答案选项对应的解析作为目标解析，通过预训练的线索生成模型，输出与目标解析匹配的目标线索，并将输出的目标线索作为人设描述线索信息，通过对题目中每个答案选项对应的解析进行转化，得到与用户的人物设定相关联的线索，提升了人设描述线索信息在对用户描述过程的准确性。
66.在一个实施例中，方法还包括：获取样本数据；样本数据包括样本解析和样本线索；根据样本解析和样本线索，构建针对生成式模型的模型训练数据；采用模型训练数据训练生成式模型，得到预训练的线索生成模型。
67.其中，样本数据为用于形成针对模型进行训练的数据，样本解析为样本数据中答案选项对应的解析，样本线索为与样本解析对应的线索，样本线索用于表征选择了对应答
案选项的用户具有的人设特征。
68.其中，生成式模型为训练前的神经网络模型，具体地，生成式模型包括但不限于生成式对抗网络(gan，generative adversarial networks)、大型语言模型(llm，large language model)等。
69.其中，模型训练数据用于对生成式模型进行训练，得到训练后的线索生成模型，进而完成后续的线索输出任务。
70.示例性地，由于生成式模型的类型的不同，为其配备的模型训练数据的组合方式也不同，同时，利用模型训练数据进行模型训练的方式也自然不同。以生成式模型为大型语言模型为例，模型训练方式包括但不限于提示语(prompt)方式。
71.本实施例中，先获取样本数据，然后根据样本数据中的样本解析和样本线索来构建模型训练数据，进而采用模型训练数据训练生成式模型，得到预训练的线索生成模型，利用预设的样本数据进行线索生成模型预训练，保证了人设描述线索信息生成的实时性，进而提升了用户间在进行连麦互动时的沟通效率。
72.在一个实施例中，根据样本解析和样本线索，构建针对生成式模型的模型训练数据，包括：根据样本解析和样本线索，确定针对生成式模型的训练指令语句；将训练指令语句作为针对生成式模型的模型训练数据。
73.其中，在生成式模型为大型语言模型时，训练指令语句等同于模型训练数据，训练指令语句表征模型训练数据的作用为以训练指令语句的形式控制模型进行训练。
74.本实施例中，根据样本解析和样本线索，确定针对生成式模型的训练指令语句，并将训练指令语句作为针对生成式模型的模型训练数据，通过引入训练指令语句完成对模型训练过程的控制，将模型的训练方式与训练数据本身进行紧密地结合，提升了模型训练的效率。
75.在一个实施例中，根据样本解析和样本线索，确定针对生成式模型的训练指令语句，包括：将样本解析和样本线索，按照对应关系进行组合，得到模型训练示例；对应关系包括每个样本解析与样本线索的对应关系；根据模型训练示例，生成训练指令语句。
76.其中，模型训练示例为用于构建训练指令语句的，表征样本解析和样本线索之间对应关系的示例。
77.示例性地，一个模型训练示例为：
78.样本解析：对应内向、独处、安静的性格类型。
79.样本解析对应的样本线索：他可能比较内向，相对安静，喜欢独处。
80.另一个模型训练示例为：
81.样本解析：对应外向、好交际、开放性的性格类型。
82.样本解析对应的样本线索：他可能比较开放，喜欢交际。
83.本实施例中，将样本解析和样本线索，按照对应关系进行组合，得到模型训练示例，进而根据模型训练示例生成训练指令语句，对应关系使得示例中信息之间形成了紧密的联系，以此生成的训练指令语句能够更有力地为模型提供依据，从而提升题库生成模型输出题库的数据精准度。
84.在一个实施例中，根据模型训练示例，生成训练指令语句，包括：获取训练要求信息；训练要求信息为模型训练示例中体现的、用于对模型的输出内容提出具体要求的信息；
训练要求信息包括需求描述信息和注意点描述信息；根据训练要求信息和模型训练示例，组合得到训练指令语句。
85.其中，训练要求信息为模型训练示例中体现的、用于对模型的输出内容提出具体要求的信息，训练要求信息包括需求描述信息和注意点描述信息，一般地，注意点描述信息为比需求描述信息更为具体的硬性要求，如字数限制等。
86.示例性地，一个训练要求信息为：“请将答案的解析内容转化成具有一定格式的线索；注意：线索的字数应该在20个字以内”，其中，需求描述信息为“请将答案的解析内容转化成具有一定格式的线索”，注意点描述信息为“注意：线索的字数应该在20个字以内”。
87.本实施例中，先获取训练要求信息，然后根据训练要求信息和模型训练示例，组合得到训练指令语句，借助训练要求信息提出对线索生成模型输出数据的具体要求，可以在模型训练阶段通过逐步改进训练要求信息的方式实现模型的调优，提升生成式模型的模型训练的效率。
88.在一个实施例中，采用模型训练数据训练生成式模型，得到预训练的线索生成模型，包括：
89.将训练要求信息以问题的形式输入生成式模型中；
90.将训练要求信息对应的模型训练示例以针对问题的回答的方式输入生成式模型中。
91.示例性地，以问题的形式训练要求信息可以为：“请将答案的解析内容转化成具有一定格式的线索；注意：线索的字数应该在20个字以内”，与之对应的，以针对问题的回答的方式存在的模型训练示例可以为：“样本解析：对应内向、独处、安静的性格类型。样本解析对应的样本线索：他可能比较内向，相对安静，喜欢独处”。
92.本实施例中，通过将训练要求信息以问题的形式输入生成式模型，并将模型训练示例以针对问题的回答的方式输入生成式模型中，使得训练要求信息与模型训练示例逐一对应并紧密结合，不仅以具体的要求指导了模型的训练，同时，还以具体的示例指导了模型的输出内容，提升了模型训练的效率，保证了模型输出内容的准确度。
93.在一个实施例中，如图2所示，采用模型训练数据训练生成式模型，得到预训练的线索生成模型,包括：
94.s210，将样本解析作为输入信息。
95.s220，将样本线索作为输出信息。
96.s230，根据输入信息和输出进行组合，将组合后的数据作为模型训练数据。
97.其中，本实施中的模型的训练方式为基于数据标签的神经网络模型训练方式，输入信息为需要输入到生成式模型中的数据，输出信息为设定生成式模型要输出的信息。
98.本实施例中，将样本解析作为输入信息，将样本线索作为输出信息，根据输入信息和输出进行组合，将组合后的数据作为模型训练数据，即以设定输入信息和输出信息的方式来限定数据格式并实现模型训练，提升了模型训练的效率。
99.在另一个实施例中，如图3所示，提供了一种线索生成及展示方法，包括以下步骤：
100.s301，获取样本数据。
101.s302，将样本解析和样本线索，按照对应关系进行组合，得到模型训练示例。
102.s303，获取训练要求信息。
103.s304，根据训练要求信息和模型训练示例，组合得到训练指令语句。
104.s305，将训练指令语句作为针对生成式模型的模型训练数据。
105.s306，将训练要求信息以问题的形式输入生成式模型中。
106.s307，将训练要求信息对应的模型训练示例以针对问题的回答的方式输入生成式模型中。
107.s308，根据数据输入对生成式模型进行训练，得到预训练的线索生成模型。
108.s309，通过预训练的线索生成模型，输出与目标解析匹配的目标线索，作为人设描述线索信息。
109.s310，响应于虚拟空间满足显示线索信息的触发条件，在虚拟空间中展示人设描述线索信息。
110.需要说明的是，上述步骤的具体限定可以参见上文对一种线索生成及展示方法的具体限定，在此不再赘述。
111.在一个实施例中，基于人工编辑或者关键词库的方式来生成线索，本实施例的线索生成方式效率较低，缺乏动态生成方式，无法快速生成符合用户需求的线索，而且难以准确描述用户的特征，难以准确描述用户特征，导致后续的用户间的匹配效果不理想。基于此，本技术提出了一种线索生成及展示方法来准确地、高效地输出人设描述线索信息，实现线索的动态生成，满足了用户不断变化的需求，提升了用户间在进行连麦互动时的沟通效率，进而提升了用户在连麦过程中的匹配准确性。
112.下面以一个具体的实施例详细描述线索生成及展示方法。值得理解的是，下述描述仅是示例性说明，而不是对申请的具体限制。
113.在本实施例中，需要预先进行模型训练。
114.在模型训练阶段，包括一般模型训练方法和大模型训练方法；一般模型训练为以《输入信息，输出内容》的数据形式进行生成式模型的训练；大模型训练方法可以使用最新的基于大模型的prompt方式进行训练，按照《描述需求，添加示例，描述注意点》的形式进行问卷生成，直接进行推理产生内容；也可基于大模型使用特定领域数据进行finetune后进行推理生成人设描述线索信息。
115.根据本发明，首先基于答题用户输入的答案信息和生成题目所采用的人设词信息，利用深度学习模型对用户特征进行实时分析。模型训练过程中，可以采用《输入信息，输出线索内容》的数据形式，也可以基于大模型的prompt方式进行训练。
116.比如，在基于大模型的prompt方式下，prompt模板可以为：
117.请将答案的解析内容转化成具有一定格式的线索，如下示例：
118.示例为：
119.解析1：对应内向、独处、安静的性格类型；
120.线索1：他可能比较内向，相对安静，喜欢独处；
121.解析2：对应外向、好交际、开放性的性格类型；
122.线索2：他可能比较开放，喜欢交际；
123.注意：线索的字数应该在20个字以内。
124.最后，系统根据模型预测的结果，自动生成描述答题用户特征的线索信息，供其他用户寻找。整个过程实现了动态生成符合用户需求的线索，提高了匹配效率和效果。
125.应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
126.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的线索生成及展示方法的线索生成及展示装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个线索生成及展示装置实施例中的具体限定可以参见上文中对于线索生成及展示方法的限定，在此不再赘述。
127.在一个实施例中，如图4所示，提供了一种线索生成及展示装置，包括：答案获取模块401、线索确定模块402、线索展示模块403，其中：
128.答案获取模块，用于在检测到用户账户进入虚拟空间的情况下，获取用户账户的回答信息；回答信息为用户账户在进入虚拟空间之前针对目标问卷输入的回答信息；
129.线索确定模块，用于根据回答信息，确定针对用户账户的人设描述线索信息；
130.线索展示模块，用于响应于虚拟空间满足显示线索信息的触发条件，在虚拟空间中展示人设描述线索信息。
131.在一个实施例中，线索确定模块还用于：
132.根据回答信息体现的用户账户所选择的答案选项，将所选择的答案选项对应的解析作为目标解析；
133.通过预训练的线索生成模型，输出与目标解析匹配的目标线索，作为人设描述线索信息。
134.在一个实施例中，线索生成及展示装置还包括模型训练模块，模型训练模块用于：
135.获取样本数据；样本数据包括样本解析和样本线索；
136.根据样本解析和样本线索，构建针对生成式模型的模型训练数据；
137.采用模型训练数据训练生成式模型，得到预训练的线索生成模型。
138.在一个实施例中，模型训练模块还用于：
139.根据样本解析和样本线索，确定针对生成式模型的训练指令语句；
140.将训练指令语句作为针对生成式模型的模型训练数据。
141.在一个实施例中，模型训练模块还用于：
142.将样本解析和样本线索，按照对应关系进行组合，得到模型训练示例；对应关系包括每个样本解析与样本线索的对应关系；
143.根据模型训练示例，生成训练指令语句。
144.在一个实施例中，模型训练模块还用于：
145.获取训练要求信息；训练要求信息为模型训练示例中体现的、用于对模型的输出内容提出具体要求的信息；训练要求信息包括需求描述信息和注意点描述信息；
146.根据训练要求信息和模型训练示例，组合得到训练指令语句。
147.上述线索生成及展示装置中的各个模块可全部或部分通过软件、硬件及其组合来
实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
148.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口(input/output，简称i/o)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储线索信息等相关数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种线索生成及展示方法。
149.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种线索生成及展示方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
150.本领域技术人员可以理解，图5至6中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
151.在一个实施例中，一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
152.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
153.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
154.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
155.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
156.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
157.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种线索生成及展示方法，其特征在于，所述方法包括：在检测到用户账户进入虚拟空间的情况下，获取所述用户账户的回答信息；所述回答信息为所述用户账户在进入所述虚拟空间之前针对目标问卷输入的回答信息；根据所述回答信息，确定针对所述用户账户的人设描述线索信息；响应于所述虚拟空间满足显示线索信息的触发条件，在所述虚拟空间中展示所述人设描述线索信息。2.根据权利要求1所述的方法，其特征在于，所述根据所述回答信息，确定针对所述用户账户的人设描述线索信息，包括：根据所述回答信息体现的所述用户账户所选择的答案选项，将所述所选择的答案选项对应的解析作为目标解析；通过预训练的线索生成模型，输出与所述目标解析匹配的目标线索，作为所述人设描述线索信息。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：获取样本数据；所述样本数据包括样本解析和样本线索；根据所述样本解析和所述样本线索，构建针对生成式模型的模型训练数据；采用所述模型训练数据训练所述生成式模型，得到所述预训练的线索生成模型。4.根据权利要求3所述的方法，其特征在于，根据所述样本解析和所述样本线索，构建针对生成式模型的模型训练数据，包括：根据所述样本解析和所述样本线索，确定针对所述生成式模型的训练指令语句；将所述训练指令语句作为针对所述生成式模型的所述模型训练数据。5.根据权利要求4所述的方法，其特征在于，根据所述样本解析和所述样本线索，确定针对所述生成式模型的训练指令语句，包括：将所述样本解析和所述样本线索，按照对应关系进行组合，得到模型训练示例；所述对应关系包括每个所述样本解析与所述样本线索的对应关系；根据所述模型训练示例，生成所述训练指令语句。6.根据权利要求5所述的方法，其特征在于，所述根据所述模型训练示例，生成所述训练指令语句，包括：获取训练要求信息；所述训练要求信息为所述模型训练示例中体现的、用于对模型的输出内容提出具体要求的信息；所述训练要求信息包括需求描述信息和注意点描述信息；根据所述训练要求信息和所述模型训练示例，组合得到所述训练指令语句。7.一种线索生成及展示装置，其特征在于，所述装置包括：答案获取模块，用于在检测到用户账户进入虚拟空间的情况下，获取所述用户账户的回答信息；所述回答信息为所述用户账户在进入所述虚拟空间之前针对目标问卷输入的回答信息；线索确定模块，用于根据所述回答信息，确定针对所述用户账户的人设描述线索信息；线索展示模块，用于响应于所述虚拟空间满足显示线索信息的触发条件，在所述虚拟空间中展示所述人设描述线索信息。8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结
本申请涉及一种线索生成及展示方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：在检测到用户账户进入虚拟空间的情况下，获取用户账户的回答信息；回答信息为用户账户在进入虚拟空间之前针对目标问卷输入的回答信息；根据回答信息，确定针对用户账户的人设描述线索信息；响应于虚拟空间满足显示线索信息的触发条件，在虚拟空间中展示人设描述线索信息。采用本方法能够提升连麦用户之间沟通效率。间沟通效率。间沟通效率。


技术研发人员：张政统 吴辉扬 马金龙 佟佳奇 吴文亮 邓其春 黎子骏 盘子圣 黄祥康 曾锐鸿 兰翔 廖艳冰 马飞 熊佳 徐志坚 谢睿 陈光尧
受保护的技术使用者：广州趣研网络科技有限公司
技术研发日：2023.06.30
技术公布日：2023/9/20