CN119444317A 生成广告脚本的方法和装置以及存储介质 （富士通株式会社）

公开了生成广告脚本的方法和装置以及存基于从所述多个步骤的描述内容中提取的关键2由所述大型语言模型接收用户的第一提示语，并且基于所述第一提示语生成任务列基于从所述多个步骤的描述内容中提取的关键字在网络上搜索与所述产品有关的信在所述本地知识库中的文档无法被输入所述大型针对所述多个步骤中的每一个步骤，对所述步骤的描3计算所述第二提示语的向量表示与所述报告的每个片段的向量表将相似度大于第三阈值的一个或多个片段输指令所述大型语言模型根据所述第一提示语来基于从所述多个步骤的描述内容中提取的关键字在网络上搜索与所述产品有关的信指令所述大型语言模型基于所述本地知识库中的10.一种存储有程序的非暂态计算机可读介质，所述程序在被计算机执行时使得所述4[0003]随着LLM技术的发展，在现代广告行业中已经越来越多地将其应用于广告脚本的[0005]针对LLM在生成广告脚本的应用中存在的上述不足，本公开内容提出了一种新的[0006]根据本公开内容的一个方面，提供了一种利用大型语言模型生成广告脚本的方5[0008]根据本公开内容的另一个方面，提供了一种存储有程序的非暂态计算机可读介[0018]以下是模型LLM所生成的任务列表的一个示例，在这个例子中产品是Kindle6[0025]图2示意性地示出了用户向模型LLM输入的提示语，其可以包括例如以下四个部域技术人员可以根据实际需求而选择其中的一些或全部，或者也可以输入图2中未示出的基于所提取的关键字，优选地基于关键字与产品名(例如KindleScribe)的组合，在网络中的一个步骤(例如步骤1)，计算本地知识库中的每个文档与该步骤的步骤描述内容(例内容来生成与该步骤相对应的内容(例如，具体描述KindleScribe的当前竞争格局的内[0035]在自然语言处理和大型语言模型领域，token(词元)通常指语言文本中的最小离token，然后将一串token输入至大型语言模型，大型语言模型尝试预测下一个最可能的7多个子文档(图3中示出的相似子文档)输入至模型LLM。模型LLM利用输入的子文档中包含的内容来生成与该步骤相对应的内容。依次地针对任务计划中的所有步骤生成相应的内[0045]相比于前文所述的简单实施方式，这个实施方式中由模型LLM生成的广告脚本可8[0050]在步骤S540，由模型LLM基于报告来生成能够突显出产品的特点和优势的广告脚[0051]以上已经结合具体实施方式描述了根据本公开内容的利用大型语言模型自动生内容中LLM可以根据包含有产品信息以及产品特点和优势的报告内容来生成广告脚本，因此可以避免由于LLM不了解产品的知识而生成与产品不相符的广告内容，并且更重要的是[0052]在上述实施方式中描述的方法可以由软件、硬件或者软件和硬件的组合来实[0053]图7示出了根据程序执行本公开内容的方法的计算机硬件的示例配置框图，该计算机硬件是根据本公开内容的用于生成广告脚本的[0056]在具有上述结构的计算机中，CPU701将存储在存储装置708中的程序经由输入/[0057]要由计算机(CPU701)执行的程序可以被记录在作为封装介质的可移除介质7119[0060]本文中所描述的模块或装置仅是逻辑意义上的，并不严格对应于物理设备或实[0065]基于从所述多个步骤的描述内容中提取的关键字在网络上搜索与所述产品有关[0089]由所述大型语言模型基于所述报告以及所述第二提示语生成所述产品的广告脚[0094]计算所述第二提示语的向量表示与所述报告的每个片段的向量表示之间的相似[0102]基于从所述多个步骤的描述内容中提取的关键字在网络上搜索与所述产品有关[0119]指令所述大型语言模型将所生成的分别对应于所述多个步骤的[0124]指令所述大型语言模型将所生成的分别对应于所述多个步骤的[0127]指令所述大型语言模型基于所述报告以及所述第二提示语生成所述产品的广告[0132]计算所述第二提示语的向量表示与所述报告的每个片段的向量表示之间的相似