[發明專利]智能輔助線上問診方法和系統、計算機設備及存儲介質

在審

• 申請號: 202210949746.1
• 申請日: 2022-08-09
• 公開（公告）號: CN116598022A
• 公開（公告）日: 2023-08-15
• 發明（設計）人: 查冠友
• 申請（專利權）人: 康鍵信息技術（深圳）有限公司
• 主分類號: G16H80/00
• 分類號: G16H80/00;G16H50/20;G06F18/241
• 代理公司: 北京中強智尚知識產權代理有限公司 11448
• 代理人: 焦禹

1.一種智能輔助線上問診方法，其特征在于，包括：

接收來自客戶端的線上問診請求，其中所述線上問診請求中包括當前用戶基礎信息和當前咨詢信息；

對所述當前用戶基礎信息和當前咨詢信息進行特征提取，得到用于智能輔助線上問診的多個當前特征；

利用預先構建和訓練的智能輔助問診模型，對所述多個當前特征進行分類預測，得到所述多個當前特征對應的輔助問診當前推薦數據；

將所述多個當前特征對應的輔助問診當前推薦數據發送給所述客戶端。

2.根據權利要求1所述的智能輔助線上問診方法，其特征在于，通過以下步驟構建和訓練智能輔助問診模型：

獲取原始數據集，根據所述原始數據集確定多個訓練數據集，其中各個訓練數據集中各樣本包括歷史用戶基礎信息、歷史咨詢信息和輔助問診歷史推薦數據；

基于所述各個訓練數據集構建基分類器；

對所述各個訓練數據集中各樣本的歷史用戶基礎信息和歷史咨詢信息進行特征提取，得到用于模型訓練的多個歷史特征；

利用所述各個訓練數據集對應的多個歷史特征和多個歷史特征對應的輔助問診歷史推薦數據，對所述各個訓練數據集對應的基分類器進行訓練，得到訓練的基分類器，作為訓練的智能輔助問診模型。

3.根據權利要求2所述的智能輔助線上問診方法，其特征在于，所述方法還包括：

根據所述原始數據集確定驗證數據集，其中所述驗證數據集中各樣本包括歷史用戶基礎信息、歷史咨詢信息和輔助問診歷史推薦數據；

對所述驗證數據集中各樣本的歷史用戶基礎信息和歷史咨詢信息進行特征提取，得到用于模型驗證的多個歷史特征；

利用所述驗證數據集對應的多個歷史特征和多個歷史特征對應的輔助問診歷史推薦數據，對所述訓練的智能輔助問診模型進行驗證；

根據驗證結果確定是否對所述訓練的智能輔助問診模型進行優化調整，進而得到最優訓練的智能輔助問診模型。

4.根據權利要求2或3所述的智能輔助線上問診方法，其特征在于，所述根據所述原始數據集確定多個訓練數據集，包括：

從所述原始數據集中使用隨機有放回的采樣方式抽取指定數量個樣本，生成第一訓練數據集；

得到所述第一訓練數據集后，再從所述原始數據集中使用隨機有放回的采樣方式抽取指定數量個樣本，生成第二訓練數據集；

得到所述第二訓練數據集后，再從所述原始數據集中使用隨機有放回的采樣方式抽取指定數量個樣本，生成第三訓練數據集，以此類推，生成第N訓練數據集，N為大于或等于1的正整數，從而得到多個訓練數據集。

5.根據權利要求4所述的智能輔助線上問診方法，其特征在于，所述基于所述各個訓練數據集構建基分類器，包括：

基于所述第一訓練數據集構建第一基分類器；

基于所述第二訓練數據集構建第二基分類器；

基于所述第三訓練數據集構建第三基分類器；

以此類推，基于所述第N訓練數據集構建第N基分類器；其中，各個基分類器包含特征項和分類結果輔助問診推薦數據項。

6.根據權利要求2所述的智能輔助線上問診方法，其特征在于，所述利用所述各個訓練數據集對應的多個歷史特征和多個歷史特征對應的輔助問診歷史推薦數據，對所述各個訓練數據集對應的基分類器進行訓練，得到訓練的基分類器，包括：

從所述各個訓練數據集對應的多個歷史特征中選取一個或多個目標特征，利用所述一個或多個目標特征和多個歷史特征對應的輔助問診歷史推薦數據，對所述各個訓練數據集對應的基分類器進行訓練，得到訓練的基分類器。

7.根據權利要求2所述的智能輔助線上問診方法，其特征在于，所述利用預先構建和訓練的智能輔助問診模型，對所述多個當前特征進行分類預測，得到所述多個當前特征對應的輔助問診當前推薦數據，包括：

利用所述各個訓練數據集對應的訓練的基分類器，對所述多個當前特征進行分類預測，得到所述各個訓練數據集訓練的基分類器的分類預測結果；

基于所述各個訓練數據集訓練的基分類器的分類預測結果和預設的投票機制，得到投票決定的最終分類結果，作為所述多個當前特征對應的輔助問診當前推薦數據。