本申請涉及信息處理，尤其涉及一種提示詞優(yōu)化方法、設備、存儲介質以及程序產(chǎn)品。

背景技術：

1、當前的圖像生成大模型，使用提示詞中的文字作為標簽，利用擴散模型不斷對原始圖片去除噪聲，從而生成與文字標簽相符合的圖片，因此提示詞質量與生成圖片的效果直接相關。

2、現(xiàn)有的圖像生成大模型的訓練集提示詞通常由英文組成，對中文提示詞的理解能力差，直接將中文作為提示詞會出現(xiàn)詞不達意，表達不精確的問題。同時圖像生成大模型對于使用者輸入的提示詞有很高的技巧要求，不專業(yè)的輸入會使輸出結果不盡人意。

3、因此如何降低圖像生成大模型的提示詞構造門檻，提升圖像生成質量是一個亟待解決的問題。

4、上述內容僅用于輔助理解本申請的技術方案，并不代表承認上述內容是現(xiàn)有技術。

技術實現(xiàn)思路

1、本申請的主要目的在于提供一種提示詞優(yōu)化方法、設備、存儲介質以及程序產(chǎn)品，旨在解決如何降低圖像生成大模型的提示詞構造門檻，提升圖像生成質量的技術問題。

2、為實現(xiàn)上述目的，本申請?zhí)岢鲆环N提示詞優(yōu)化方法，所述方法包括：

3、接收用戶輸入的初始提示詞；

4、基于預先優(yōu)化好的大語言模型，結合檢索增強生成原理，對所述初始提示詞進行優(yōu)化，生成第一提示詞。

5、在一實施例中，所述基于預先優(yōu)化好的大語言模型，結合檢索增強生成原理，對所述初始提示詞進行優(yōu)化，生成第一提示詞的步驟之前，還包括：

6、根據(jù)預設大語言模型任務，構建若干個大語言模型角色；

7、基于思維鏈任務提示與預設樣本數(shù)據(jù)，對所述大語言模型角色進行少樣本學習，學習預設大語言模型任務與子任務之間的對應關系，得到預先優(yōu)化好的大語言模型，其中，思維鏈任務提示是基于思維鏈原理而得到的預設大語言模型任務與所述子任務之間的對應關系。

8、在一實施例中，所述基于預先優(yōu)化好的大語言模型，結合檢索增強生成原理，對所述初始提示詞進行優(yōu)化，生成第一提示詞的步驟，包括：

9、基于預先優(yōu)化好的大語言模型，對所述初始提示詞進行中譯英與擴寫，得到第二提示詞；

10、基于預先優(yōu)化好的大語言模型與預設提示詞排序規(guī)則，對所述第二提示詞進行重排序，得到第三提示詞；

11、基于預先優(yōu)化好的大語言模型與預設風格模板庫，利用檢索增強生成原理，檢索得到所述第三提示詞對應的風格模版；

12、對所述第三提示詞套用所述風格模版，生成得到第一提示詞。

13、在一實施例中，所述基于預先優(yōu)化好的大語言模型與預設風格模板庫，利用檢索增強生成原理，檢索得到所述第三提示詞對應的風格模版的步驟之前，包括：

14、收集若干個圖像生成大模型的專業(yè)提示詞；

15、對所述專業(yè)提示詞進行組合，形成若干個預設風格模板；

16、基于用戶數(shù)據(jù)分析與模板風格特點，對所述若干個預設風格模板進行分類，得到預設風格模板庫。

17、在一實施例中，所述基于預先優(yōu)化好的大語言模型與預設風格模板庫，利用檢索增強生成原理，檢索得到所述第三提示詞對應的風格模版的步驟，包括：

18、從預設風格模板庫中的若干個預設風格模板中提取文本，并對所述文本進行文本分割，得到文本單元；

19、利用詞嵌入模型對所述文本單元進行詞嵌入，得到第一文本向量；

20、利用詞嵌入模型對所述第三提示詞進行詞嵌入，得到第二文本向量；

21、基于預先優(yōu)化好的大語言模型與預設相似度規(guī)則，對所述第一文本向量與第二文本向量進行向量匹配檢索，得到檢索結果；

22、基于所述檢索結果，得到相似度最高的第一文本向量關聯(lián)的風格模版。

23、在一實施例中，所述基于預先優(yōu)化好的大語言模型，結合檢索增強生成原理，對所述初始提示詞進行優(yōu)化，生成第一提示詞的步驟之后，還包括：

24、基于預先優(yōu)化好的大語言模型與預設敏感詞數(shù)據(jù)庫，對所述第一提示詞進行敏感詞審核，得到第一審核結果；

25、當?shù)谝粚徍私Y果為審核成功時，將所述第一提示詞輸入至圖像生成大模型進行圖片生成，得到生成圖像；

26、收集用戶對所述第一提示詞與生成圖像的質量評價，得到質量反饋數(shù)據(jù)；

27、基于所述質量反饋數(shù)據(jù)，對所述大語言模型進行不斷優(yōu)化。

28、在一實施例中，所述接收用戶輸入的初始提示詞的步驟之后，還包括：

29、基于預先優(yōu)化好的大語言模型與預設敏感詞數(shù)據(jù)庫，對所述初始提示詞進行敏感詞審核，得到第二審核結果；

30、當?shù)诙徍私Y果為審核成功時，執(zhí)行步驟：基于預先優(yōu)化好的大語言模型，結合檢索增強生成，對所述初始提示詞進行優(yōu)化，生成第一提示詞。

31、此外，為實現(xiàn)上述目的，本申請還提出一種提示詞優(yōu)化設備，所述提示詞優(yōu)化設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序配置為實現(xiàn)如上文所述的提示詞優(yōu)化方法的步驟。

32、此外，為實現(xiàn)上述目的，本申請還提出一種存儲介質，所述存儲介質為計算機可讀存儲介質，所述存儲介質上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上文所述的提示詞優(yōu)化方法的步驟。

33、此外，為實現(xiàn)上述目的，本申請還提出一種計算機程序產(chǎn)品，所述計算機程序產(chǎn)品包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上文所述的提示詞優(yōu)化方法的步驟。

34、本申請?zhí)岢龅囊粋€或多個技術方案，至少具有以下技術效果：

35、本申請實施例提出的提示詞優(yōu)化方法、設備、存儲介質以及程序產(chǎn)品，具體通過接收用戶輸入的初始提示詞；基于預先優(yōu)化好的大語言模型，結合檢索增強生成原理，對所述初始提示詞進行優(yōu)化，生成第一提示詞。

36、本申請通過接收用戶輸入的用于圖像生成大模型的初始提示詞，通過預先優(yōu)化好的大語言模型，結合增強生成原理，對接收的初始提示詞進行自動優(yōu)化，從而降低了圖像生成大模型的提示詞構造門檻，節(jié)約用戶學習成本，同時可將經(jīng)過優(yōu)化后的第一提示詞用于圖像生成大模型，有效提升圖像生成的質量與效果。

技術特征：

1.一種提示詞優(yōu)化方法，其特征在于，所述方法包括：

2.如權利要求1所述的方法，其特征在于，所述基于預先優(yōu)化好的大語言模型，結合檢索增強生成原理，對所述初始提示詞進行優(yōu)化，生成第一提示詞的步驟之前，還包括：

3.如權利要求2所述的方法，其特征在于，所述基于預先優(yōu)化好的大語言模型，結合檢索增強生成原理，對所述初始提示詞進行優(yōu)化，生成第一提示詞的步驟，包括：

4.如權利要求3所述的方法，其特征在于，所述基于預先優(yōu)化好的大語言模型與預設風格模板庫，利用檢索增強生成原理，檢索得到所述第三提示詞對應的風格模版的步驟之前，包括：

5.如權利要求4所述的方法，其特征在于，所述基于預先優(yōu)化好的大語言模型與預設風格模板庫，利用檢索增強生成原理，檢索得到所述第三提示詞對應的風格模版的步驟，包括：

6.如權利要求1所述的方法，其特征在于，所述基于預先優(yōu)化好的大語言模型，結合檢索增強生成原理，對所述初始提示詞進行優(yōu)化，生成第一提示詞的步驟之后，還包括：

7.如權利要求1所述的方法，其特征在于，所述接收用戶輸入的初始提示詞的步驟之后，還包括：

8.一種提示詞優(yōu)化設備，其特征在于，所述提示詞優(yōu)化設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序配置為實現(xiàn)如權利要求1至7中任一項所述的提示詞優(yōu)化方法的步驟。

9.一種存儲介質，其特征在于，所述存儲介質為計算機可讀存儲介質，所述存儲介質上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至7中任一項所述的提示詞優(yōu)化方法的步驟。

10.一種計算機程序產(chǎn)品，其特征在于，所述計算機程序產(chǎn)品包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至7中任一項所述的提示詞優(yōu)化方法的步驟。

技術總結
本申請公開了一種提示詞優(yōu)化方法、設備、存儲介質以及程序產(chǎn)品，涉及信息處理技術領域，所述提示詞優(yōu)化方法，包括：接收用戶輸入的初始提示詞；基于預先優(yōu)化好的大語言模型，結合檢索增強生成原理，對所述初始提示詞進行優(yōu)化，生成第一提示詞。本申請通過上述方案，能夠有效降低圖像生成大模型的提示詞構造門檻，節(jié)約用戶學習成本。

技術研發(fā)人員：程一鎮(zhèn)
受保護的技術使用者：招商銀行股份有限公司
技術研發(fā)日：
技術公布日：2024/12/10