[發明專利]一種人工智能輔助問答方法、裝置、設備及介質

在審

• 申請號: 202210253548.1
• 申請日: 2022-03-15
• 公開（公告）號: CN114664431A
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 吳信朝;郭維;阮曉雯;陳遠旭
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H80/00;G06F16/332;G06F40/284;G06F40/30
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 李小朋

1.一種人工智能輔助問答方法，其特征在于，所述方法包括：

接收并解析待處理患者的病癥描述文本，生成多個第一病癥關鍵詞；

將所述多個第一病癥關鍵詞輸入預先訓練的醫學科屬判斷模型中，輸出所述待處理患者對應的目標科屬；

連接所述目標科屬對應的問答數據庫，并根據所述問答數據庫確定出最優答復文本；

根據所述最優答復文本確定出多個第二病癥關鍵詞；

根據所述多個第一病癥關鍵詞與所述多個第二病癥關鍵詞生成患者最終問答報告。

2.根據權利要求1所述的方法，其特征在于，所述接收并解析待處理患者的病癥描述文本，生成多個第一病癥關鍵詞，包括：

接收待處理患者的病癥描述文本；

調用自然語言理解服務；

根據所述自然語言理解服務處理所述病癥描述文本，得到患者狀態描述信息；

構建醫學領域詞典，并基于所述醫學領域詞典對所述患者狀態描述信息進行分詞后得到分詞結果；

將所述分詞結果逐一輸入預設滑動窗口算法中進行癥狀關鍵詞匹配，輸出多個第一病癥關鍵詞。

3.根據權利要求1所述的方法，其特征在于，按照以下步驟生成預先訓練的醫學科屬判斷模型，包括：

采用n-gram模型構建醫學科屬判斷模型；

收集醫療領域中不同科屬的多條醫學描述文本；

將所述不同科屬的多條醫學描述文本輸入所述醫學科屬判斷模型中，得到所述不同科屬的多條醫學描述文本對應的語義向量；

根據所述不同科屬的多條醫學描述文本對應的語義向量計算目標損失值；其中，所述語義向量是所述醫學科屬判斷模型中的句子向量化模塊對每條醫學描述文本處理后生成的；

根據所述目標損失值生成預先訓練的醫學科屬判斷模型；其中，

所述不同科屬的多條醫學描述文本語義向量計算公式為：X_i為不同科屬的多條醫學描述文本對應的向量表示。

4.根據權利要求1所述的方法，其特征在于，所述根據所述問答數據庫確定出最優答復文本，包括：

根據所述多個第一病癥關鍵詞分析待處理患者的患病嚴重度；

獲取所述問答數據庫中不同答復深度的多個預設候選答復文本集合；

根據所述待處理患者的患病嚴重度從所述多個預設候選答復文本集合中確定出目標候選答復文本集合；

計算所述多個第一病癥關鍵詞與所述目標候選答復文本集合中各答復文本之間的相似度；

將相似度最大的答復本文確定為最優答復文本。

5.根據權利要求1所述的方法，其特征在于，所述根據所述最優答復文本確定出多個第二病癥關鍵詞，包括：

根據所述待處理患者的病癥描述文本確定待處理患者語言類型；

根據所述待處理患者語言類型將所述最優答復文本進行語言轉換，得到轉換后的語言文本；

將所述轉換后的語言文本進行顯示；

接收并解析針對顯示的語言文本所輸入的病癥描述文本，生成多個第二病癥關鍵詞。

6.根據權利要求1所述的方法，其特征在于，所述接收并解析待處理患者的病癥描述文本之前，還包括：

加載待處理患者信息；

根據所述待處理患者信息創建初始問答報告。

7.根據權利要求6所述的方法，其特征在于，所述根據所述多個第一病癥關鍵詞與所述多個第二病癥關鍵詞生成患者最終問答報告，包括：

當所述多個第一病癥關鍵詞與所述多個第二病癥關鍵詞的關鍵詞數量大于等于預設閾值時，將所述多個第一病癥關鍵詞與所述多個第二病癥關鍵詞映射關聯至所述初始問答報告中，得到患者最終問答報告；

或者，

當所述多個第一病癥關鍵詞與所述多個第二病癥關鍵詞的關鍵詞數量小于預設閾值時，繼續執行所述根據所述問答數據庫確定出最優答復文本的步驟。