一种数据采集方法、装置、设备及可读存储介质制造方法及图纸

本申请公开了一种数据采集方法、装置、设备及可读存储介质，由于获取了目标项目对应的问答节点集合，集合中包含了目标项目对应的问题信息，基于问题信息实现的机器自动数据采集，不会出现人工漏问导致的采集数据缺失的问题，并且机器采集相比人工采集效率得到了大大提升。

【技术实现步骤摘要】
一种数据采集方法、装置、设备及可读存储介质
本申请涉及自然语言处理
，更具体地说，涉及一种数据采集方法、装置、设备及可读存储介质。
技术介绍
随着时代的发展，当前已经进入了数据时代。各行各业都需要积累基础数据，以支持更高层次的决策。较常见的例子如，审讯内容数据采集，需要通过问答形式采集被审讯人的回答，并最终形成审讯笔录。审讯笔录可以作为后续案件审判的支持材料。再比如，病例采集，即通过医患间的问答交流，由医生获得患者发病及治疗经过，并形成病例书。病例采集是诊断疾病的重要依据之一，作为疾病诊断的支持材料。通过研究发现，现有各项目的问答形式的数据采集过程均是通过人工实现，即由提问方提出问题，由回答方给出问题对应的回答，并由提问方手动记录问题与对应的回答内容。显然，这种数据采集方式，受提问方个人经验及状态的影响，针对复杂的项目，很容易出现提问方考虑不全，导致采集数据缺失的问题。并且，人工采集也存在采集效率低的问题。
技术实现思路
有鉴于此，本申请提供了一种数据采集方法、装置、设备及可读存储介质，用于解决现有人工数据采集所存在的采集数据易缺失、成本高、效率低的问题。为了实现上述目的，现提出的方案如下：一种数据采集方法，包括：获取待进行数据采集的目标项目对应的问答节点集合，所述问答节点集合包含与所述目标项目对应的问答节点，所述问答节点包含问题信息；从所述问答节点集合中选取问答节点，并输出选取的问答节点所包含的问题信息；获取对输出问题信息反馈的回答信息，得到问答节点对应的回答信息。优选地，所述从所述问答节点集合中选取问答节点，包括：按照预设的所述目标项目对应的各问答节点的询问顺序，从所述问答节点集合中选取问答节点。优选地，所述按照预设的所述目标项目对应的各问答节点的询问顺序，从所述问答节点集合中选取问答节点，包括：按照所述问答节点集合中各问答节点的排序顺序，从头至尾选取问答节点，所述问答节点集合中各问答节点的排序顺序与所述询问顺序一致。优选地，所述问答节点还包含下一问答节点槽，用于存储依据所述询问顺序确定的所述问答节点的下一问答节点的索引；所述按照预设的所述目标项目对应的各问答节点的询问顺序，从所述问答节点集合中选取问答节点，包括：在得到当前选取的问答节点对应的回答信息，确定需要选取下一问答节点时，将所述当前选取的问答节点所包含的下一问答节点槽存储的下一问答节点的索引对应的问答节点，作为下一问答节点。优选地，所述从所述问答节点集合中选取问答节点，包括：针对所述问答节点集合中已选取的每一问答节点，根据所述问答节点的问题信息及回答信息，确定所述问答节点的节点特征；按照选取的先后顺序，将已选取的每一问答节点的节点特征组合为节点特征集合；将所述节点特征集合输入预置的节点选择模型，得到节点选择模型输出的下一问答节点的索引；所述节点选择模型为，以所述目标项目对应的已选取问答节点的节点特征训练数据依选取顺序组合成的节点特征训练数据集合为训练样本，以标注的下一待选取问答节点的索引为样本标签训练得到。优选地，所述问答节点还包含下一问答节点槽，用于存储下一问答节点的索引；所述从所述问答节点集合中选取问答节点，还包括：在得到当前选取的问答节点对应的回答信息，确定需要选取下一问答节点时，判断所述当前选取的问答节点所包含的下一问答节点槽内是否存储有下一问答节点的索引；若是，则将所述当前选取的问答节点所包含的下一问答节点槽存储的下一问答节点的索引对应的问答节点，作为下一问答节点；若否，则执行所述针对所述问答节点集合中已选取的每一问答节点，根据所述问答节点的问题信息及回答信息，确定所述问答节点的节点特征的操作。优选地，所述根据所述问答节点的问题信息及回答信息，确定所述问答节点的节点特征，包括：将所述问答节点的问题信息及回答信息作为输入数据，输入预置的节点编码模型，所述节点编码模型为，能够对输入数据进行特征提取，并依据提取的特征，预测第三方项目的项目结果的模型，所述第三方项目为应用所述目标项目所采集的数据的项目；获取所述节点编码模型对所述输入数据提取的特征，作为所述问答节点的节点特征。优选地，所述输出选取的问答节点所包含的问题信息，包括：若所述问题信息为文本形式，则以文本形式输出选取的问答节点所包含的问题信息，或，将选取的问答节点所包含的问题信息进行语音合成，并输出合成的语音形式的问题信息；若所述问题信息为语音形式，则以语音形式输出选取的问答节点所包含的问题信息，或，将选取的问答节点所包含的问题信息进行语音转写，并输出转写后的文本形式的问题信息。优选地，所述获取对输出的问题信息反馈的回答信息，得到问答节点对应的回答信息，包括：获取对输出的问题信息反馈的语音形式的回答信息，并将其转写为文本形式的回答信息；或，获取对输出的问题信息反馈的图像形式的回答信息，并对其进行图像文本识别，识别出文本形式的回答信息；或，获取对输出的问题信息反馈的文本形式的回答信息；对获取的回答信息进行标准化，得到问答节点对应的标准回答信息。优选地，所述问答节点还包含问题类型槽，用于存储问题信息的类型；所述对获取的回答信息进行标准化，得到问答节点对应的标准回答信息，包括：若根据问题类型槽确定获取的回答信息对应问题信息的类型为是否类问题，则根据获取的回答信息对肯定类或否定类关键词的包含情况，确定标准回答信息为肯定或否定；若根据问题类型槽确定获取的回答信息对应问题信息的类型为描述类问题，则将获取的回答信息作为标准回答信息。优选地，所述问答节点还包含候选答案槽，用于存储与问题信息匹配的候选答案信息；所述对获取的回答信息进行标准化，得到问答节点对应的标准回答信息，还包括：若根据问题类型槽确定获取的回答信息对应问题信息的类型为选择类问题，则计算获取的回答信息与候选答案槽中存储的每一候选答案信息的相似度；根据相似度的大小，从候选答案信息中确定标准回答信息。优选地，所述目标项目包括病例采集项目、审讯内容采集项目、面试数据采集项目中的任意一种或多种。优选地，所述目标项目为病例采集项目，则所述目标项目对应的问答节点集合的生成过程，包括：根据病例采集项目对应的科室疾病，获取与所述科室疾病相关的症状术语；从医学问答资源中收集与所述症状术语相关的问答数据，并整理成问题信息与回答信息；将整理后的问题信息节点化，并按照预设的问诊流程将节点化后的问题信息组成问答节点集合。一种数据采集装置，包括：问答节点集合获取单元，用于获取待进行数据采集的目标项目对应的问答节点集合，所述问答节点集合包含与所述目标项目对应的问答节点，所述问答节点包含问题信息；问答节点选取单元，用于从所述问答节点集合中选取问答节点；问题信息输出单元，用于输出选取的问答节点所包含的问题信息；回答信息获取单元，用于获取对输出的问题信息反馈的回答信息，得到问答节点对应的回答信息。优选地，所述问答节点选取单元包括：依序选取单元，用于按照预设的所述目标项目对应的各问答节点的询问顺序，从所述问答节点集合中选取问答节点。优选地，所述依序选取单元包括：集合内顺序选取单元，用于按照所述问答节点集合中各问答节点的排序顺序，从头至尾选取问答节点，所述问答节点集合中各问答节点的排序顺序与所述询问顺序一致。优选地，所述问答节点还包含下一问答节点槽，用于存本文档来自技高网...

【技术保护点】
1.一种数据采集方法，其特征在于，包括：获取待进行数据采集的目标项目对应的问答节点集合，所述问答节点集合包含与所述目标项目对应的问答节点，所述问答节点包含问题信息；从所述问答节点集合中选取问答节点，并输出选取的问答节点所包含的问题信息；获取对输出问题信息反馈的回答信息，得到问答节点对应的回答信息。

【技术特征摘要】
1.一种数据采集方法，其特征在于，包括：获取待进行数据采集的目标项目对应的问答节点集合，所述问答节点集合包含与所述目标项目对应的问答节点，所述问答节点包含问题信息；从所述问答节点集合中选取问答节点，并输出选取的问答节点所包含的问题信息；获取对输出问题信息反馈的回答信息，得到问答节点对应的回答信息。2.根据权利要求1所述的方法，其特征在于，所述从所述问答节点集合中选取问答节点，包括：按照预设的所述目标项目对应的各问答节点的询问顺序，从所述问答节点集合中选取问答节点。3.根据权利要求1所述的方法，其特征在于，所述从所述问答节点集合中选取问答节点，包括：针对所述问答节点集合中已选取的每一问答节点，根据所述问答节点的问题信息及回答信息，确定所述问答节点的节点特征；按照选取的先后顺序，将已选取的每一问答节点的节点特征组合为节点特征集合；将所述节点特征集合输入预置的节点选择模型，得到节点选择模型输出的下一问答节点的索引；所述节点选择模型为，以所述目标项目对应的已选取问答节点的节点特征训练数据依选取顺序组合成的节点特征训练数据集合为训练样本，以标注的下一待选取问答节点的索引为样本标签训练得到。4.根据权利要求3所述的方法，其特征在于，所述问答节点还包含下一问答节点槽，用于存储下一问答节点的索引；所述从所述问答节点集合中选取问答节点，还包括：在得到当前选取的问答节点对应的回答信息，确定需要选取下一问答节点时，判断所述当前选取的问答节点所包含的下一问答节点槽内是否存储有下一问答节点的索引；若是，则将所述当前选取的问答节点所包含的下一问答节点槽存储的下一问答节点的索引对应的问答节点，作为下一问答节点；若否，则执行所述针对所述问答节点集合中已选取的每一问答节点，根据所述问答节点的问题信息及回答信息，确定所述问答节点的节点特征的操作。5.根据权利要求3所述的方法，其特征在于，所述根据所述问答节点的问题信息及回答信息，确定所述问答节点的节点特征，包括：将所述问答节点的问题信息及回答信息作为输入数据，输入预置的节点编码模型，所述节点编码模型为，能够对输入数据进行特征提取，并依据提取的特征，预测第三方项目的项目结果的模型，所述第三方项目为应用所述目标项目所采集的数据的项目；获取所述节点编码模型对所述输入数据提取的特征，作为所述问答节点的节点特征。6.根据权利要求1所述的方法，其特征在于，所述获取对输出的问题信息反馈的回答信息，得到问答节点对应的回答信息，包括：获取对输出的问题信息反馈的语音形式的回答信息，并将其转写为文本形式的回答信息；或，获取对输出的问题信息反馈的图像形式的回答信息，并对其进行图像文本识别，识别出文本形式的回答信息；或，获取对输出的问题信息反馈的文本形式的回答信息；对获取的回答信息进行标准化，得到问答节点对应的标准回答信息。7.根据权利要求6所述的方法，其特征在于，所述问答节点还包含问题类型槽，用于存储问题信息的类型；所述对获取的回答信息进行标准化，得到问答节点对应的标准回答信息，包括：若根据问题类型槽确定获取的回答信息对应问题信息的类型为是否类问题，则根据获取的回答信息对肯定类或否定类关键词的包含情况，确定标准回答信息为肯定或否定；若根据问题类型槽确...

【专利技术属性】
技术研发人员：国家喜，吴及，李承程，吕萍，岳阔，赵湖勇，李群，
申请(专利权)人：清华大学，科大讯飞股份有限公司，
类型：发明
国别省市：北京,11