[發明專利]基于文本識別的問診方法、裝置、設備及存儲介質

在審

• 申請號: 202011473887.8
• 申請日: 2020-12-15
• 公開（公告）號: CN112509682A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 方亮;傅航聰
• 申請（專利權）人: 康鍵信息技術（深圳）有限公司
• 主分類號: G16H40/20
• 分類號: G16H40/20;G16H50/20;G16H20/10;G06F40/289;G06F16/903;G06F16/332
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明涉及智能決策領域，提供了一種基于文本識別的問診方法、裝置、設備及存儲介質。通過用戶問診信息中的關鍵信息，為用戶分配科室信息，將關鍵信息及科室輸入模板匹配模型中得到多個初始匹配模板后選取出目標模板信息并反饋至用戶，接收用戶反饋的初始對話信息并選取出目標對話信息，根據目標對話信息和問診輔助模型得到多個初始診斷結果并反饋至預設終端，接收預設終端選取的目標診斷結果，將目標診斷結果、問診信息、科室信息及目標對話信息輸入藥品推薦模型，將得到的藥品推薦結果和目標診斷結果反饋至用戶，利用本發明可以提高問診輔助的準確性。本發明還涉及區塊鏈技術領域，上述問診信息及目標對話信息還可以存儲于一區塊鏈的節點中。

技術領域

本發明涉及智能決策領域，尤其涉及一種基于文本識別的問診方法、裝置、設備及存儲介質。

背景技術

隨著人工智能的高速發展以及醫院信息化的發展，智能輔助問診方式也隨之產生，由于多數患者的自身醫療知識有限，多數患者很難準確地判斷自己要掛號或者問診咨詢的科室，而現有的智能輔助問診的方式大多需要用戶自己選擇科室及醫生進行問診，且在問診過程中現有的智能輔助問診系統也僅是針對患者描述的信息這單一對象進行分析，并沒有將問診過程中產生的相關信息結合分析，導致問診輔助的準確性較低。

發明內容

鑒于以上內容，本發明提供一種基于文本識別的問診方法、裝置、設備及存儲介質，其目的在于解決現有技術中問診輔助的準確性較低的技術問題。

為實現上述目的，本發明提供一種基于文本識別的問診方法，該方法包括：

獲取用戶輸入的問診信息，從所述問診信息中提取關鍵信息，基于所述關鍵信息為所述用戶分配科室信息；

將所述關鍵信息及所述科室信息輸入模板匹配模型中得到多個初始匹配模板，從所述多個初始匹配模板中選取出目標模板信息并反饋至所述用戶；

接收所述用戶基于所述目標模板信息反饋的初始對話信息，從所述初始對話信息中選取出目標對話信息，將所述問診信息、所述科室信息、所述目標模板信息及所述目標對話信息輸入預先訓練的問診輔助模型得到多個初始診斷結果并反饋至預設終端；

接收預設終端基于所述多個診斷結果選取的目標診斷結果，將所述目標診斷結果、所述問診信息、所述科室信息及所述目標對話信息輸入藥品推薦模型，得到藥品推薦結果，將所述目標診斷結果和藥品推薦結果反饋至所述用戶。

優選的，所述從所述問診信息中提取關鍵信息，包括：

對所述問診信息對應的問診文本執行分詞操作，計算各分詞在所述問診文本中的詞頻，基于所述詞頻計算出各分詞的IDF值及TF值，將各分詞的IDF值與各分詞對應的TF值相乘得到各分詞的TF-IDF值，基于各分詞的TF-IDF值選取第一預設數量的預設詞性的關鍵詞。

優選的，所述基于所述關鍵信息為所述用戶分配科室信息，包括：

將所述關鍵信息對應的多個關鍵詞向量化后拼接成特征序列，將所述特征序列輸入預先訓練好的科室識別模型中得到所述科室信息，其中，所述科室識別模型是基于BERT預訓練模型得到的。

優選的，所述從所述多個初始匹配模板中選取出目標模板信息，包括：

基于各個初始匹配模板對應的匹配概率由大到小對各個初始匹配模板進行排序，選取出排序靠前的第二預設數量的模板作為候選匹配模板，基于預設選取規則從所述候選匹配模板中選取出目標模板。

優選的，所述基于預設選取規則從所述候選匹配模板中選取出目標模板，包括：

將各個候選匹配模板分別與預先配置的正則表達式進行匹配，當候選匹配模板與任一正則表達式匹配成功時，將匹配成功的正則表達式對應的預設權重賦予該候選匹配模板，基于權重由大到小對各候選模板進行排序，選取權重最高的候選模板作為所述目標模板。