The application relates to an online problem normalization processing method, device, computer equipment and storage medium. The method includes: receiving the inquiry request uploaded by the user terminal; carrying the user identification; assigning the corresponding doctor to the user identification according to the inquiry request; storing the user identification in the corresponding queue for the doctor, and returning the corresponding question to the user terminal; and receiving the user terminal uploading. When the answer type is numbered, the corresponding numbering information is extracted from the answer information, and the numbering information is matched with the answer options to obtain the answer to the question; when the answer type is semantic, the answer type is first adopted. The neural network performs the prediction operation based on the reply information and obtains the answers to the questions. This method can effectively improve the accuracy of matching between users' answers and questions.
【技术实现步骤摘要】
在线问题归一化处理方法、装置、计算机设备和存储介质
本申请涉及计算机
,特别是涉及一种在线问题归一化处理方法、装置、计算机设备和存储介质。
技术介绍
通过在线问诊平台可以方便用户就疾病问题在线向医生咨询。用户提出问题之后,期望能够得到医生及时的答复。医生在做出回复之前,需要结合用户的基本信息以及相应的症状信息进行诊断。如果症状信息较少,则需要医生向用户提问。为了减少症状信息的收集耗时,以便医生能及时诊断,在线问诊平台需要自动向用户发送问题,在收集到用户回答之后,自动对用户回答与问题进行匹配。在医疗领域内,用户回答与问题匹配的准确率要求非常高,如果对用户回答匹配错误,对在线问诊的后续处理可以造成直接影响,甚至造成误诊。尤其当用户通过语音进行回答时,回答内容是开放式的。面对同一个问题,不同的用户可以有不同的回答。因此在线问诊中有效如何提高用户回答与问题之间的匹配准确率成为目前亟需解决的一个技术问题。
技术实现思路
基于此,有必要针对上述技术问题,提供一种在线问诊时能够有效提高用户回答与问题之间的匹配准确率的在线问题归一化处理方法、装置、计算机设备和存储介质。一种在线 ...
【技术保护点】
1.一种在线问题归一化处理方法,所述方法包括:接收用户终端上传的问诊请求;所述问诊请求携带了用户标识;根据所述问诊请求为所述用户标识分配对应的医生;将所述用户标识存入相应队列等待医生,向所述用户终端返回相应的问题;接收用户终端上传的答复信息,识别所述答复信息对应的答复类型;当所述答复类型为编号类型时,在所述答复信息中提取相应的编号信息,将所述编号信息与答案选项进行匹配,得到所述问题的答案;当所述答复类型为语义类型时,通过第一神经网络基于所述答复信息进行预测运算,得到所述问题的答案。
【技术特征摘要】
1.一种在线问题归一化处理方法,所述方法包括:接收用户终端上传的问诊请求;所述问诊请求携带了用户标识;根据所述问诊请求为所述用户标识分配对应的医生;将所述用户标识存入相应队列等待医生,向所述用户终端返回相应的问题;接收用户终端上传的答复信息,识别所述答复信息对应的答复类型;当所述答复类型为编号类型时,在所述答复信息中提取相应的编号信息,将所述编号信息与答案选项进行匹配,得到所述问题的答案;当所述答复类型为语义类型时,通过第一神经网络基于所述答复信息进行预测运算,得到所述问题的答案。2.根据权利要求1所述的方法,其特征在于,所述在所述答复信息中提取相应的编号信息,将所述编号信息与答案选项进行匹配包括:在所述答复信息中提取编号信息;获取所述问题中多个答案选项的排列顺序;根据所述编号信息与所述排列顺序,识别与所述答复信息对应的答案选项。3.根据权利要求1所述的方法,其特征在于,所述通过第一神经网络基于所述答复信息进行预测运算包括:在所述答复信息中提取与答案选项对应的关键词,生成每个关键词对应的一维向量;对多个关键词对应的一维向量进行转换,得到第一向量矩阵;通过第一神经网络基于所述第一向量矩阵进行预测预算,得到与所述答复信息对应的答案选项。4.根据权利要求4所述的方法,其特征在于,所述方法还包括:获取多个问题的答案选项,对所述多个问题的答案选项进行拆分,得到多个选项词;为每个选项词添加对应的同义词;将多个选项词以及对应的同义词作为训练数据,通过所述训练数据对所述第一神经网络进行训练。5.根据权利要求1所述的方法,其特征在于,所述方法还包括:当所述答复类型为数值抽取类型时,在所述答复信息中进行数值抽取,得到答复数值;获取所述问题对应的动态规则,根据所述动态规则以及所述答复数值生成相应的正则表达式;对所述正则表达式进行解析,得到与所述答复数值对应的度量单位;将所述答复数值以及对应的度量单位作为所述问题的答案...
【专利技术属性】
技术研发人员:高羽,柳恭,葛培明,
申请(专利权)人:平安医疗科技有限公司,平安健康互联网股份有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。