[發(fā)明專(zhuān)利]一種護(hù)理用機(jī)器人的自然語(yǔ)言處理系統(tǒng)及其方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010197009.1
• 申請(qǐng)日: 2020-03-19
• 公開(kāi)（公告）號(hào): CN111430044A
• 公開(kāi)（公告）日: 2020-07-17
• 發(fā)明（設(shè)計(jì)）人: 虎婕;路祥毅;楚淑嫻;楊靜;肖琬
• 申請(qǐng)（專(zhuān)利權(quán)）人: 鄭州大學(xué)第一附屬醫(yī)院
• 主分類(lèi)號(hào): G16H80/00
• 分類(lèi)號(hào): G16H80/00;G06F16/33;G06F40/289;G06F40/30;G10L15/22;G10L17/24
• 代理公司: 北京權(quán)智天下知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11638
• 代理人: 王新愛(ài)

本發(fā)明公開(kāi)了一種護(hù)理用機(jī)器人的自然語(yǔ)言處理系統(tǒng)及其方法，可以快速應(yīng)用在Raspberry Pi、(Ubuntu)Linux和Mac OS X等多種系統(tǒng)上；結(jié)合實(shí)際情況設(shè)計(jì)了基于C/S架構(gòu)的工作模式，服務(wù)器端負(fù)責(zé)運(yùn)行模型，而終端設(shè)備只需運(yùn)行語(yǔ)音交互模塊和數(shù)據(jù)交換模塊。此結(jié)構(gòu)大大降低了終端設(shè)備的硬件成本，加速了程序的運(yùn)行，有助于提高用戶(hù)體驗(yàn)，且使用此機(jī)構(gòu)開(kāi)發(fā)可為后期拓展終端設(shè)備提供極大的便利。創(chuàng)新性地提出了基于子字信息的句向量語(yǔ)義計(jì)算模型，并通過(guò)維基百科數(shù)據(jù)對(duì)模型進(jìn)行預(yù)訓(xùn)練得到了子字信息的向量化表示。可隨時(shí)隨地地為用戶(hù)提供醫(yī)護(hù)知識(shí)以及回答用戶(hù)提出地健康問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明屬于自然語(yǔ)言處理領(lǐng)域，具體設(shè)計(jì)一種護(hù)理用機(jī)器人的自然語(yǔ)言處理系統(tǒng)及其方法。

背景技術(shù)

NLP(Natural Language Processing)是人工智能(AI)的一個(gè)子領(lǐng)域。自然語(yǔ)言是人類(lèi)智慧的結(jié)晶，自然語(yǔ)言處理是人工智能中最為困難的問(wèn)題之一，而對(duì)自然語(yǔ)言處理的研究也是充滿魅力和挑戰(zhàn)的。自然語(yǔ)言處理往往應(yīng)用在智能問(wèn)答領(lǐng)域，在隨著人口增加，我國(guó)的醫(yī)療資源日益緊張，而醫(yī)療需求不斷增長(zhǎng)。利用人工智能輔助醫(yī)生、提高醫(yī)療系統(tǒng)運(yùn)轉(zhuǎn)效率是發(fā)展的必由之路。

醫(yī)療問(wèn)答的具體定義是：用戶(hù)(患者)提出具體的問(wèn)題，系統(tǒng)通過(guò)人工智能技術(shù)向用戶(hù)提供相應(yīng)答案。醫(yī)療問(wèn)答同時(shí)也能滿足用戶(hù)的泛醫(yī)療需求，即用戶(hù)對(duì)醫(yī)療知識(shí)、日常保健等醫(yī)療健康知識(shí)的獲取。醫(yī)療問(wèn)答可以更加精準(zhǔn)地滿足用戶(hù)的需求，而不需要用戶(hù)從大量信息中進(jìn)行篩選。現(xiàn)有的醫(yī)療問(wèn)答技術(shù)方案主要有以下三種：1)基于信息抽取，通過(guò)信息抽取獲取關(guān)鍵詞，再進(jìn)行排序。2)基于知識(shí)圖譜，通過(guò)構(gòu)建實(shí)體及其關(guān)系的知識(shí)圖譜，在圖譜上進(jìn)行推理回答問(wèn)題。3)基于深度學(xué)習(xí)。基于深度神經(jīng)網(wǎng)絡(luò)建模，計(jì)算問(wèn)答匹配程度。

上述方法均存在缺陷：基于信息抽取的方式只能匹配一些關(guān)鍵詞，無(wú)法有效處理同義詞、近義詞，以及醫(yī)療術(shù)語(yǔ)的口語(yǔ)化表達(dá)，因此獲得一種應(yīng)用于醫(yī)療問(wèn)答裝置的護(hù)理用機(jī)器人的自然語(yǔ)言處理系統(tǒng)及其處理方法十分重要。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決上述技術(shù)的不足而設(shè)計(jì)的一種護(hù)理用機(jī)器人的自然語(yǔ)言處理系統(tǒng)，包括：語(yǔ)音喚醒模塊，利用特定的詞語(yǔ)來(lái)進(jìn)行喚醒，運(yùn)行完整的自動(dòng)語(yǔ)音識(shí)別來(lái)執(zhí)行熱詞檢測(cè)，從而使得系統(tǒng)在自動(dòng)語(yǔ)音識(shí)別轉(zhuǎn)錄中獲取特定的觸發(fā)詞；錄音模塊，用于在進(jìn)行語(yǔ)音錄制的同時(shí)，根據(jù)語(yǔ)音的特征判斷是否結(jié)實(shí)語(yǔ)音；語(yǔ)音轉(zhuǎn)寫(xiě)以及合成模塊，根據(jù)語(yǔ)速、音調(diào)、音量、音頻碼率設(shè)置，將語(yǔ)音轉(zhuǎn)寫(xiě)成文字形式；播放模塊，將語(yǔ)音合成模塊合成的語(yǔ)音進(jìn)行轉(zhuǎn)換播放。

語(yǔ)音喚醒模塊采用Snowboy可指定喚醒詞檢測(cè)引擎；錄音模塊能夠特征提取、訓(xùn)練并使用分類(lèi)器、語(yǔ)音分割和內(nèi)容關(guān)系可視化工作，例如pyAudio軟件；還包括跨平臺(tái)的、可通過(guò)網(wǎng)絡(luò)工作的聲音服務(wù)，用以解決系統(tǒng)不兼容，例如pulseaudio。

其中語(yǔ)音轉(zhuǎn)寫(xiě)以及合成模塊將轉(zhuǎn)化成的文字形式進(jìn)行數(shù)據(jù)分析處理，其中：數(shù)據(jù)來(lái)源部分，包括系統(tǒng)處理所需要的語(yǔ)言數(shù)據(jù)，由專(zhuān)業(yè)知識(shí)數(shù)據(jù)、日常數(shù)據(jù)以及生成數(shù)據(jù)；神經(jīng)網(wǎng)絡(luò)對(duì)話生成部分，利用分詞工具進(jìn)行分詞，隨后根據(jù)構(gòu)建的日常對(duì)話數(shù)據(jù)生成句子；匹配問(wèn)答部分，通過(guò)計(jì)算文本間的相似度可以實(shí)現(xiàn)對(duì)提問(wèn)者的問(wèn)題與問(wèn)答庫(kù)中的問(wèn)題進(jìn)行匹配，從而得到提問(wèn)者可能想要的答案；匹配問(wèn)答部分包括：詞向量模型，對(duì)兩個(gè)句子特征提取后得到向量進(jìn)行向量積計(jì)算即可求得語(yǔ)義相似度；基于子字信息的句向量模型，對(duì)無(wú)法通過(guò)語(yǔ)義相似計(jì)算方法無(wú)法區(qū)別具有相同特征而序列不同的句子進(jìn)行計(jì)算。

數(shù)據(jù)包括：

靜態(tài)訓(xùn)練數(shù)據(jù)，包括日常聊天對(duì)話數(shù)據(jù)，醫(yī)療護(hù)理相關(guān)知識(shí)數(shù)據(jù)；動(dòng)態(tài)預(yù)測(cè)數(shù)據(jù)，在問(wèn)答服務(wù)系統(tǒng)存在著一些問(wèn)題并沒(méi)有答案，或者答案事件并沒(méi)有發(fā)生，而這類(lèi)問(wèn)題是用戶(hù)切實(shí)需要了解，并根據(jù)答案對(duì)做出未來(lái)規(guī)劃的，以大規(guī)模、多種類(lèi)的歷史性數(shù)據(jù)進(jìn)行學(xué)習(xí)，并對(duì)此事件未來(lái)的發(fā)生情況進(jìn)行預(yù)測(cè)；動(dòng)態(tài)爬取數(shù)據(jù)，對(duì)部分網(wǎng)絡(luò)上已存在數(shù)據(jù)量大且格式較為固定的數(shù)據(jù)使用網(wǎng)絡(luò)爬蟲(chóng)的方式獲得，不將其添加入靜態(tài)訓(xùn)練數(shù)據(jù)之中。