一种互动方法、客户端及服务端与流程

1.本技术涉及语音识别领域，尤其涉及一种互动方法、客户端及服务端。


背景技术：

2.随着互联网的普及，越来越多的人开始选择在网上购物，虽然线上购物越来越受欢迎，但是线下购物仍然是很多人的首选。
3.在线下零售店，用户可以通过询问工作人员获取想要的信息，进而完成购买的流程。近年来由于人工成本的攀升，线下零售店工作人员的数量呈逐年精简趋势，工作人员数量的减少，导致可能不能及时关注到用户的需求，进而给用户带来不好的购物体验。
4.因此，如何提升用户的购物体验，成为本领域亟需解决的问题。


技术实现要素：

5.本技术提供了一种互动方法、客户端及服务端，目的在于提升用户的购物体验。
6.为了实现上述目的，本技术提供了以下技术方案：
7.一种互动方法，应用于服务端，包括：
8.当接收到用户行为、位置信息以及回复文本信息时，将所述文本信息输入至预先训练的大语言模型中，得到所述大语言模型输出的分析结果；所述分析结果至少包括表示用户意图的关键信息；
9.基于所述用户行为、所述位置信息以及所述关键信息生成回应文本信息；
10.将所述回应文本信息进行转换，得到回应语音信息，并将所述回应语音信息发送至客户端。
11.可选的，预先训练大语言模型的过程，包括：
12.获取各个样本文本信息；
13.将各个所述样本文本信息输入至初始模型中，经由所述初始模型的编码器对每个所述样本文本信息进行编码，得到每个特征向量；所述初始模型包括所述编码器和任务损失函数；
14.将各个所述特征向量作为所述初始模型的所述任务损失函数的输入，计算得到样本文本信息的分析结果，不断调整所述任务损失函数的各项参数，直至所述分析结果的正确率大于预设阈值，确认大语言模型训练成功。
15.可选的，所述基于所述用户行为、所述位置信息以及所述关键信息生成回应文本信息，包括：
16.基于所述关键信息在数据库中查找相关信息；所述相关信息指示与关键信息相关的所有信息；
17.根据所述用户行为和所述位置信息，确定购买需求；
18.根据所述购买需求和所述关键信息，匹配对应的待推荐产品；
19.基于所述相关信息和所述待推荐产品，生成回应文本信息。
20.一种互动方法，应用于客户端，包括：
21.当检测到用户到达指定区域时，采集用户行为、用户特征以及用户的位置信息；所述用户特征至少包括面部特征和/或体态特征；
22.基于所述用户行为与所述用户特征生成询问信息，并向所述用户播放所述询问信息，以使所述用户进行回复；
23.在接收到所述用户的回复信息后，将所述回复信息进行转换，得到回复文本信息；
24.将所述用户行为、所述位置信息以及所述回复文本信息发送至服务端，以使所述服务端进行回应；
25.在接收到所述服务端发送的回应语音信息后，将所述回应语音信息进行播放。
26.可选的，所述基于所述用户行为与所述用户特征生成询问信息，包括：
27.对所述面部特征和所述体态特征进行识别，得到所述用户所属的目标群体；所述目标群体包括女性群体和男性群体；
28.基于所述用户所属的目标群体和所述用户行为，生成询问信息。
29.一种服务端，包括：
30.输入单元，用于当接收到用户行为、位置信息以及回复文本信息时，将所述文本信息输入至预先训练的大语言模型中，得到所述大语言模型输出的分析结果；所述分析结果至少包括表示用户意图的关键信息；
31.生成单元，用于基于所述用户行为、所述位置信息以及所述关键信息生成回应文本信息；
32.转换单元，用于将所述回应文本信息进行转换，得到回应语音信息，并将所述回应语音信息发送至客户端。
33.可选的，所述输入单元具体用于：
34.获取各个样本文本信息；
35.将各个所述样本文本信息输入至初始模型中，经由所述初始模型的编码器对每个所述样本文本信息进行编码，得到每个特征向量；所述初始模型包括所述编码器和任务损失函数；
36.将各个所述特征向量作为所述初始模型的所述任务损失函数的输入，计算得到样本文本信息的分析结果，不断调整所述任务损失函数的各项参数，直至所述分析结果的正确率大于预设阈值，确认大语言模型训练成功。
37.可选的，所述生成单元具体用于：
38.基于所述关键信息在数据库中查找相关信息；所述相关信息指示与关键信息相关的所有信息；
39.根据所述用户行为和所述位置信息，确定购买需求；
40.根据所述购买需求和所述关键信息，匹配对应的待推荐产品；
41.基于所述相关信息和所述待推荐产品，生成回应文本信息。
42.一种客户端，包括：
43.检测单元，用于当检测到用户到达指定区域时，采集用户行为、用户特征以及用户的位置信息；所述用户特征至少包括面部特征和/或体态特征；
44.生成单元，用于基于所述用户行为与所述用户特征生成询问信息，并向所述用户
播放所述询问信息，以使所述用户进行回复；
45.转换单元，用于在接收到所述用户的回复信息后，将所述回复信息进行转换，得到回复文本信息；
46.发送单元，用于将所述用户行为、所述位置信息以及所述回复文本信息发送至服务端，以使所述服务端进行回应；
47.播放单元，用于在接收到所述服务端发送的回应语音信息后，将所述回应语音信息进行播放。
48.可选的，生成单元具体用于：
49.对所述面部特征和所述体态特征进行识别，得到所述用户所属的目标群体；所述目标群体包括女性群体和男性群体；
50.基于所述用户所属的目标群体和所述用户行为，生成询问信息。
51.本技术提供的技术方案，当接收到用户行为、位置信息以及回复文本信息时，将文本信息输入至预先训练的大语言模型中，得到大语言模型输出的分析结果；分析结果至少包括表示用户意图的关键信息；基于用户行为、位置信息以及关键信息生成回应文本信息；将回应文本信息进行转换，得到回应语音信息，并将回应语音信息发送至客户端，以使客户端播放回应语音信息。在本技术中，服务端生成回应文本信息，并将回应文本信息转换成回应语音信息，将回应语音信息发送给客户端，使得客户端能够快速完成与用户之间的交互，进而提升用户的购物体验感。
附图说明
52.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
53.图1为本技术实施例提供的一种互动方法的流程图；
54.图2为本技术实施例提供的一种大语言模型的训练方法的流程图；
55.图3为本技术实施例提供的一种回应文本信息的生成方法的流程图；
56.图4为本技术实施例提供的另一种互动方法的流程图；
57.图5为本技术实施例提供的互动平台的架构示意图；
58.图6为本技术实施例提供的一种互动方法的交互流程图；
59.图7为本技术实施例提供的一种服务端的架构示意图；
60.图8为本技术实施例提供的一种客户端的架构示意图。
具体实施方式
61.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
62.在本技术中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与
另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
63.如图1所示，为本技术实施例提供的一种互动方法的流程图，应用于服务端，包括：
64.s101：当接收到用户行为、位置信息以及回复文本信息时，将文本信息输入至预先训练的大语言模型中，得到大语言模型输出的分析结果。
65.可选的，大语言模型可以为llm模型。
66.其中，分析结果至少包括表示用户意图的关键信息；关键信息指示从回复文本信息中提取的关键词。例如，回复文本信息为“我想知道这款奶粉的价格”，将回复文本信息输入至预先训练的大语言模型，得到的代表用户意图的关键信息为“奶粉的价格”。
67.所谓的用户行为，实质就是指用户与特定产品进行交互的方式。例如，用户查看某一款奶粉。
68.可选的，位置信息指示用户所处的位置。
69.需要说明的是，在本技术实施例中也可以采用其他的方式对回复文本信息进行分析，不局限于将回复文本信息输入至大语言模型进行分析的方式。
70.可选的，本技术实施例提供了一种大语言模型的训练方法，如图2所示，包括如下步骤：
71.s201：获取各个样本文本信息。
72.s202：将各个样本文本信息输入至初始模型中，经由初始模型的编码器对每个样本文本信息进行编码，得到每个特征向量。
73.其中，初始模型包括编码器和任务损失函数。
74.需要说明的是，本实施例中所采用的初始模型的类型可以为大语言模型。
75.s203：将各个特征向量作为初始模型的任务损失函数的输入，计算得到样本文本信息的分析结果，不断调整任务损失函数的各项参数，直至分析结果的正确率大于预设阈值，确认大语言模型训练成功。
76.其中，分析结果包括样本文本信息中的关键信息，正确率指示样本文本信息中的关键信息与样本文本信息中的实际关键信息之间的差距。正确率的计算原理，为本领域人员所公知的常识，这里不再赘述。
77.需要说明的是，在训练得到大语言模型之后，还需要对大语言模型进行验证和测试，当然，大语言模型的验证过程与测试过程的具体实现方式，与训练过程一致，这里不再赘述。
78.综上所述，利用本实施例所示的方案，可以有效训练得到大语言模型。
79.s102：基于用户行为、位置信息以及关键信息生成回应文本信息。
80.其中，根据用户行为以及位置信息获悉用户的想要购买的产品类型，并且根据产品类型和关键信息生成回应文本信息。
81.具体的，假设关键信息为询问奶粉的价格，基于用户行为、位置信息以及关键信息
生成回应文本信息为：这款奶粉性价比最高，价格是299元，这款奶粉之所以性价比最高是因为这款奶粉是产自新西兰的天然牧场、生牛乳一次入料。
82.可选的，在本技术的另一实施例中，步骤s102的一种具体实施方式，如图3所示，包括以下步骤：
83.s301：基于关键信息在数据库中查找相关信息。
84.其中，相关信息指示与关键信息相关的所有信息。
85.具体的，假设关键信息为某款奶粉的价格，从数据库中查找与关键信息对应的相关信息包括但不限于为：具体的价格(例如299元一包)、该奶粉的原料、营养价值、适合的年龄段。
86.具体的，假设关键信息为某款空调的价格，基于关键信息从数据库中查找的相关信息包括但不限于为：具体的价格、耗电量、型号、出厂厂家地址。
87.从上述过程可以看出，不同的关键信息所对应的相关信息不同。
88.需要说明的是，基于关键信息在数据库中查找相关信息，以便后续根据相关信息生成回应文本信息。
89.s302：根据用户行为和位置信息，确定购买需求。
90.其中，根据用户行为和位置信息确定购买需求，若用户在某一位置查看某一款产品的时间超过预设时间，那么此时用户的购买需求比较强烈，若用户随意拿起某款产品查看，且在不同的位置查看不同的产品，那么此时用户的购买产品的几率不大。
91.s303：根据购买需求和关键信息，匹配对应的待推荐产品。
92.其中，待推荐产品为预先存储在产品数据库中。
93.具体的，假设关键信息为奶粉的价格，且购买需求比较强烈，根据关键信息以及购买需求，匹配对应的待推荐产品为xx牌子的奶粉。
94.s304：基于相关信息和待推荐产品，生成回应文本信息。
95.可以理解的是，基于相关信息和待推荐产品生成的回应文本信息，既包括对文本信息的回复，又包括对待推荐产品进行推荐的信息，从而通过回应文本信息引导用户购买待推荐产品。
96.s103：将回应文本信息进行转换，得到回应语音信息，并将回应语音信息发送至客户端。
97.可选的，可通过tts技术将回应文本信息进行转换。
98.需要说明的是，通过tts技术将回应文本信息进行转换的具体实现过程，为本领域人员公知的常识，这里不再赘述。
99.综上所述，当接收到用户行为、位置信息以及回复文本信息时，将文本信息输入至预先训练的大语言模型中，得到大语言模型输出的分析结果，基于用户行为、位置信息以及关键信息生成回应文本信息，将回应文本信息进行转换，得到回应语音信息，并将回应语音信息发送至客户端，在本技术实施例中，服务端生成回应文本信息，并将回应文本信息转换成回应语音信息，将回应语音信息发送给客户端，使得客户端能够快速完成与用户之间的交互，进而提升用户的购物体验感。
100.如图4所示，为本技术实施例提供的另一种互动方法的流程图，应用于客户端，包括：
101.s401：当检测到用户到达指定区域时，采集用户行为、用户特征以及用户的位置信息。
102.其中，用户特征至少包括面部特征(例如五官)和/或体态特征(例如高、矮、胖、瘦)。
103.需要说明的是，指定区域包括不限于为：电器区域、奶粉区域，可根据实际情况设置指定区域，在此不做具体限制。
104.可选的，可通过传感器检测用户是否到达指定区域。
105.可选的，可通过传感器和摄像头采集用户行为、用户特征以及用户的位置信息。
106.具体的，假设指定区域为电器区域，当检测到用户到达电器区域时，采集用户行为、用户特征以及用户的位置信息。
107.s402：基于用户行为与用户特征生成询问信息，并向用户播放询问信息，以使用户进行回复。
108.在具体实现s402的过程中，基于用户行为与用户特征中包含面部特征和体态特征，生成询问信息。
109.可选的，在本技术的另一实施例中，步骤s402的一种具体实施方式，包括以下步骤：
110.对面部特征和体态特征进行识别，得到用户所属的目标群体。
111.其中，目标群体包括女性群体和男性群体。
112.可选的，目标群体还可以包括老年群体、儿童群体。
113.可以理解的是，女性、男性、老年以及儿童的体态特征和面部特征存在差异，因此，可以通过对面部特征和体态特征进行识别，得到用户所属的目标群体。
114.基于用户所属的目标群体和用户行为，生成询问信息。
115.可以理解的是，通过用户所属的目标群体可以确定向用户打招呼的称呼语(例如女士、男士)，具体的，基于用户所属的目标群体和用户行为，生成询问信息可以为：女士/男士，您好，请问您需要了解什么信息。
116.s403：在接收到用户的回复信息后，将回复信息进行转换，得到回复文本信息。
117.可选的，可通过asr技术将回复信息转换回复文本信息。
118.s404：将用户行为、位置信息以及回复文本信息发送至服务端，以使服务端进行回应。
119.需要说明的是，将用户行为、位置信息以及回复文本信息发送至服务端，以使服务端基于用户行为、位置信息以及回复文本信息生成针对性的回复。
120.s405：在接收到服务端发送的回应语音信息后，将回应语音信息进行播放。
121.可选的，若用户在听到回应语言信息后，还想要进行下一步的交流，则可以与客户端继续进行交互，直至用户获取到自己想要的信息。
122.综上所述，将采集到的用户行为、位置信息以及回复文本信息发送至服务端，以使服务端进行回应，在接收到服务端发送的回应语音信息后，将回应语音信息进行播放，进而完成与用户之间的交互，使得用户快速获得想要的信息，因此，提升了用户的购物体验。
123.如图5所示，为本技术实施例提供的一种互动平台的架构示意图，包括：
124.客户端100以及服务端200，其中，客户端100与服务端200之间的信息交互过程，如
图6所示，包括如下步骤：
125.s601：当客户端检测到用户到达指定区域时，采集用户行为、用户特征以及用户的位置信息。
126.其中，用户特征面部特征和/或体态特征。
127.需要说明的是，s601的具体执行过程和实现原理，与上述s401的具体执行过程和实现原理一致，这里不再赘述。
128.s602：客户端基于用户行为与用户特征生成询问信息，并向用户播放询问信息，以使用户进行回复。
129.需要说明的是，s602的具体执行过程和实现原理，与上述s402的具体执行过程和实现原理一致，这里不再赘述。
130.s603：在接收到用户的回复信息后，客户端将回复信息进行转换，得到回复文本信息。
131.需要说明的是，s603的具体执行过程和实现原理，与上述s403的具体执行过程和实现原理一致，这里不再赘述。
132.s604：客户端将用户行为、位置信息以及回复文本信息发送至服务端。
133.需要说明的是，s604的具体执行过程和实现原理，与上述s404的具体执行过程和实现原理一致，这里不再赘述。
134.s605：当接收到用户行为、位置信息以及回复文本信息时，服务端将文本信息输入至预先训练的大语言模型中，得到大语言模型输出的分析结果。
135.其中，分析结果至少包括表示用户意图的关键信息。
136.需要说明的是，s605的具体执行过程和实现原理，与上述s101的具体执行过程和实现原理一致，这里不再赘述。
137.s606：服务端基于用户行为、位置信息以及关键信息生成回应文本信息。
138.需要说明的是，s606的具体执行过程和实现原理，与上述s102的具体执行过程和实现原理一致，这里不再赘述。
139.s607：服务端将回应文本信息进行转换，得到回应语音信息，并将回应语音信息发送至客户端。
140.需要说明的是，s607的具体执行过程和实现原理，与上述s103的具体执行过程和实现原理一致，这里不再赘述。
141.s608：在接收到服务端发送的回应语音信息后，客户端将回应语音信息进行播放。
142.需要说明的是，s608的具体执行过程和实现原理，与上述s405的具体执行过程和实现原理一致，这里不再赘述。
143.综上所述，服务端生成回应文本信息，并将回应文本信息转换成回应语音信息，将回应语音信息发送给客户端，客户端将回应语音信息进行播放，能够快速完成与用户之间的交互，进而提升用户的购物体验感。
144.如图7所示，为本技术实施例提供的一种服务端的架构示意图，包括：
145.输入单元701，用于当接收到用户行为、位置信息以及回复文本信息时，将文本信息输入至预先训练的大语言模型中，得到大语言模型输出的分析结果；分析结果至少包括表示用户意图的关键信息。
146.输入单元701具体用于：获取各个样本文本信息；将各个样本文本信息输入至初始模型中，经由初始模型的编码器对每个样本文本信息进行编码，得到每个特征向量；初始模型包括编码器和任务损失函数；将各个特征向量作为初始模型的任务损失函数的输入，计算得到样本文本信息的分析结果，不断调整任务损失函数的各项参数，直至分析结果的正确率大于预设阈值，确认大语言模型训练成功。
147.生成单元702，用于基于用户行为、位置信息以及关键信息生成回应文本信息。
148.生成单元702具体用于：基于关键信息在数据库中查找相关信息；相关信息指示与关键信息相关的所有信息；根据用户行为和位置信息，确定购买需求；根据购买需求和关键信息，匹配对应的待推荐产品；基于相关信息和待推荐产品，生成回应文本信息。
149.转换单元703，用于将回应文本信息进行转换，得到回应语音信息，并将回应语音信息发送至客户端。
150.综上所述，当接收到用户行为、位置信息以及回复文本信息时，将文本信息输入至预先训练的大语言模型中，得到大语言模型输出的分析结果，基于用户行为、位置信息以及关键信息生成回应文本信息，将回应文本信息进行转换，得到回应语音信息，并将回应语音信息发送至客户端，在本技术实施例中，服务端生成回应文本信息，并将回应文本信息转换成回应语音信息，将回应语音信息发送给客户端，使得客户端能够快速完成与用户之间的交互，进而提升用户的购物体验感。
151.如图8所示，为本技术实施例提供的一种客户端的架构示意图，包括：
152.检测单元801，用于当检测到用户到达指定区域时，采集用户行为、用户特征以及用户的位置信息；用户特征至少包括面部特征和/或体态特征。
153.生成单元802，用于基于用户行为与用户特征生成询问信息，并向用户播放询问信息，以使用户进行回复。
154.生成单元802具体用于：对面部特征和体态特征进行识别，得到用户所属的目标群体；目标群体包括女性群体和男性群体；基于用户所属的目标群体和用户行为，生成询问信息。
155.转换单元803，用于在接收到用户的回复信息后，将回复信息进行转换，得到回复文本信息。
156.发送单元804，用于将用户行为、位置信息以及回复文本信息发送至服务端，以使服务端进行回应。
157.播放单元805，用于在接收到服务端发送的回应语音信息后，将回应语音信息进行播放。
158.综上所述，将采集到的用户行为、位置信息以及回复文本信息发送至服务端，以使服务端进行回应，在接收到服务端发送的回应语音信息后，将回应语音信息进行播放，进而完成与用户之间的交互，使得用户快速获得想要的信息，因此，提升了用户的购物体验。
159.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
160.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术
将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种互动方法，其特征在于，应用于服务端，包括：当接收到用户行为、位置信息以及回复文本信息时，将所述文本信息输入至预先训练的大语言模型中，得到所述大语言模型输出的分析结果；所述分析结果至少包括表示用户意图的关键信息；基于所述用户行为、所述位置信息以及所述关键信息生成回应文本信息；将所述回应文本信息进行转换，得到回应语音信息，并将所述回应语音信息发送至客户端。2.根据权利要求1所述的方法，其特征在于，预先训练大语言模型的过程，包括：获取各个样本文本信息；将各个所述样本文本信息输入至初始模型中，经由所述初始模型的编码器对每个所述样本文本信息进行编码，得到每个特征向量；所述初始模型包括所述编码器和任务损失函数；将各个所述特征向量作为所述初始模型的所述任务损失函数的输入，计算得到样本文本信息的分析结果，不断调整所述任务损失函数的各项参数，直至所述分析结果的正确率大于预设阈值，确认大语言模型训练成功。3.根据权利要求1所述的方法，其特征在于，所述基于所述用户行为、所述位置信息以及所述关键信息生成回应文本信息，包括：基于所述关键信息在数据库中查找相关信息；所述相关信息指示与关键信息相关的所有信息；根据所述用户行为和所述位置信息，确定购买需求；根据所述购买需求和所述关键信息，匹配对应的待推荐产品；基于所述相关信息和所述待推荐产品，生成回应文本信息。4.一种互动方法，其特征在于，应用于客户端，包括：当检测到用户到达指定区域时，采集用户行为、用户特征以及用户的位置信息；所述用户特征至少包括面部特征和/或体态特征；基于所述用户行为与所述用户特征生成询问信息，并向所述用户播放所述询问信息，以使所述用户进行回复；在接收到所述用户的回复信息后，将所述回复信息进行转换，得到回复文本信息；将所述用户行为、所述位置信息以及所述回复文本信息发送至服务端，以使所述服务端进行回应；在接收到所述服务端发送的回应语音信息后，将所述回应语音信息进行播放。5.根据权利要求4所述的方法，其特征在于，所述基于所述用户行为与所述用户特征生成询问信息，包括：对所述面部特征和所述体态特征进行识别，得到所述用户所属的目标群体；所述目标群体包括女性群体和男性群体；基于所述用户所属的目标群体和所述用户行为，生成询问信息。6.一种服务端，其特征在于，包括：输入单元，用于当接收到用户行为、位置信息以及回复文本信息时，将所述文本信息输入至预先训练的大语言模型中，得到所述大语言模型输出的分析结果；所述分析结果至少
包括表示用户意图的关键信息；生成单元，用于基于所述用户行为、所述位置信息以及所述关键信息生成回应文本信息；转换单元，用于将所述回应文本信息进行转换，得到回应语音信息，并将所述回应语音信息发送至客户端。7.根据权利要求6所述的服务端，其特征在于，所述输入单元具体用于：获取各个样本文本信息；将各个所述样本文本信息输入至初始模型中，经由所述初始模型的编码器对每个所述样本文本信息进行编码，得到每个特征向量；所述初始模型包括所述编码器和任务损失函数；将各个所述特征向量作为所述初始模型的所述任务损失函数的输入，计算得到样本文本信息的分析结果，不断调整所述任务损失函数的各项参数，直至所述分析结果的正确率大于预设阈值，确认大语言模型训练成功。8.根据权利要求6所述的服务端，其特征在于，所述生成单元具体用于：基于所述关键信息在数据库中查找相关信息；所述相关信息指示与关键信息相关的所有信息；根据所述用户行为和所述位置信息，确定购买需求；根据所述购买需求和所述关键信息，匹配对应的待推荐产品；基于所述相关信息和所述待推荐产品，生成回应文本信息。9.一种客户端，其特征在于，包括：检测单元，用于当检测到用户到达指定区域时，采集用户行为、用户特征以及用户的位置信息；所述用户特征至少包括面部特征和/或体态特征；生成单元，用于基于所述用户行为与所述用户特征生成询问信息，并向所述用户播放所述询问信息，以使所述用户进行回复；转换单元，用于在接收到所述用户的回复信息后，将所述回复信息进行转换，得到回复文本信息；发送单元，用于将所述用户行为、所述位置信息以及所述回复文本信息发送至服务端，以使所述服务端进行回应；播放单元，用于在接收到所述服务端发送的回应语音信息后，将所述回应语音信息进行播放。10.根据权利要求9所述的客户端，其特征在于，生成单元具体用于：对所述面部特征和所述体态特征进行识别，得到所述用户所属的目标群体；所述目标群体包括女性群体和男性群体；基于所述用户所属的目标群体和所述用户行为，生成询问信息。

技术总结
本申请公开了一种互动方法、客户端及服务端，当接收到用户行为、位置信息以及回复文本信息时，将文本信息输入至预先训练的大语言模型中，得到大语言模型输出的分析结果；基于用户行为、位置信息以及关键信息生成回应文本信息；将回应文本信息进行转换，得到回应语音信息，并将回应语音信息发送至客户端，以使客户端播放回应语音信息。在本申请中，服务端生成回应文本信息，并将回应文本信息转换成回应语音信息，将回应语音信息发送给客户端，使得客户端能够快速完成与用户之间的交互，进而提升用户的购物体验感。用户的购物体验感。用户的购物体验感。


技术研发人员：宋崇国
受保护的技术使用者：郑州市墨策实业有限公司
技术研发日：2023.06.19
技术公布日：2023/8/16