[發明專利]基于醫療大數據的智能醫療機器人數據處理方法和裝置

在審

• 申請號: 202110009469.1
• 申請日: 2021-01-05
• 公開（公告）號: CN112863498A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 房桂麗;郭燕
• 申請（專利權）人: 房桂麗
• 主分類號: G10L15/16
• 分類號: G10L15/16;G10L15/22;G10L15/26
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于醫療大數據的智能醫療機器人數據處理方法，其特征在于，包括：

獲取患者的當前時刻的目標語音段，以及當前時刻之前的歷史語音段；

對所述目標語音段和歷史語音段進行語音識別，分別得到目標文字段和歷史文字段；

根據所述目標文字段，獲取所述目標文字段的第一特征，根據所述歷史文字段，獲取所述歷史文字段的第二特征；

融合所述第一特征和第二特征，得到融合特征；

將所述融合特征輸入至預設意圖識別模型，獲取患者的目標意圖；

將所述目標意圖輸入至預設的應答結果識別模型，獲取與所述目標意圖相對應的目標應答結果；

輸出所述目標應答結果。

2.根據權利要求1所述的基于醫療大數據的智能醫療機器人數據處理方法，其特征在于，所述獲取患者的當前時刻的目標語音段，以及當前時刻之前的歷史語音段之后，所述智能醫療機器人數據處理方法還包括：

對所述目標語音段和所述歷史語音段進行預處理。

3.根據權利要求2所述的基于醫療大數據的智能醫療機器人數據處理方法，其特征在于，所述對所述目標語音段和所述歷史語音段進行預處理具體為：

依次對所述目標語音段和所述歷史語音段進行濾波處理、預加重處理以及加窗分幀處理。

4.根據權利要求1所述的基于醫療大數據的智能醫療機器人數據處理方法，其特征在于，所述根據所述目標文字段，獲取所述目標文字段的第一特征具體為：

根據所述目標文字段，獲取所述目標文字段中的各詞語的詞特征；

所述根據所述歷史文字段，獲取所述歷史文字段的第二特征，具體為：

所述根據所述歷史文字段，獲取所述歷史文字段的段特征。

5.根據權利要求4所述的基于醫療大數據的智能醫療機器人數據處理方法，其特征在于，所述融合所述第一特征和第二特征，得到融合特征具體為：

按照所述各詞語在所述目標文字段中的由先至后的正向順序，分別將所述各詞語的詞特征和所述歷史文字段的段特征輸入至預設的記憶網絡模型中，得到與所述各詞語一一對應的正向融合特征；

按照所述各詞語在所述目標文字段中的由后至先的反向順序，分別將所述各詞語的詞特征和所述歷史文字段的段特征輸入至所述記憶網絡模型中，得到與所述各詞語一一對應的反向融合特征；

相應地，所述將所述融合特征輸入至預設意圖識別模型，獲取患者的目標意圖具體為：

將所述正向融合特征和所述反向融合特征輸入至預設意圖識別模型，獲取患者的目標意圖。

6.根據權利要求5所述的基于醫療大數據的智能醫療機器人數據處理方法，其特征在于，所述按照所述各詞語在所述目標文字段中的由先至后的順序，分別將所述各詞語的詞特征和所述歷史文字段的段特征輸入至預設的記憶網絡模型中，得到與所述各詞語一一對應的正向融合特征具體為：

按照所述各詞語在所述目標文字段中的由先至后的順序，逐個提取第i個詞語的詞特征，并獲取第i個詞語的正向附加融合特征，所述第i個詞語的正向附加融合特征為第i-1個詞語的正向融合特征；

將第i個詞語的詞特征、所述歷史文字段的段特征以及第i個詞語的正向附加融合特征，輸入至所述記憶網絡模型中進行特征處理，得到第i個詞語的正向融合特征，以此得到與所述各詞語一一對應的正向融合特征。

7.根據權利要求6所述的基于醫療大數據的智能醫療機器人數據處理方法，其特征在于，所述將第i個詞語的詞特征、所述歷史文字段的段特征以及第i個詞語的正向附加融合特征，輸入至所述記憶網絡模型中進行特征處理，得到第i個詞語的正向融合特征具體為：

將第i個詞語的詞特征拼接在所述歷史文字段的段特征之后，得到第i個詞語的拼接特征；

將第i個詞語的拼接特征和第i個詞語的正向附加融合特征分別輸入至所述記憶網絡模型中進行特征處理，得到第i個詞語的正向融合特征。