一种基于知识的深度医疗问题路由方法及系统技术方案

本发明专利技术公开了一种基于知识的深度医疗问题路由方法及系统，所述方法包括：接收训练数据，所述训练数据中包括成对的训练医疗问题和相应的医生数据；对训练数据中的所有医疗问题进行特征表示；将训练医疗问题的低维向量表示作为输入，相应的医生问题作为输出，训练深度神经网络，得到深度医疗问题路由模型；所述深度医疗问题路由模型用于为医疗问题匹配医生；其中，对医疗问题进行特征表示包括：对所述医疗问题分别进行分词和医学实体提取，得到文本通道表示和知识通道表示；将文本通道表示和知识通道表示进行拼接得到所述医疗问题的最终表示。本发明专利技术基于文本和知识对医疗问题进行描述，构造问题和医生之间的匹配关系，更加具有说服力和可信性。

A Knowledge-based Routing Method and System for Deep Medical Problems

【技术实现步骤摘要】
一种基于知识的深度医疗问题路由方法及系统
本专利技术涉及医学数据处理
，尤其涉及一种基于知识的深度医疗问题路由方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。问题路由目的是为新发布的问题在问答社区中找到合适的回答者来回答。从提问者的角度来说，问题路由技术可以帮助他们在较短的时间内找到合适的回答者，以减少等待答复的时间；从回答者的角度来说，问题路由技术可以预先为他们筛选符合他们专业能力的问题；从问答网站的角度来说，问题路由技术可以同时增加提问者和回答者的参与度，同时网站运行的效率也会提升，回答者资源会得到充分的利用。在医学领域，各种疾病和症状复杂且难以区分。即使是轻微的理解错误也可能会导致误诊。因此，获得对问题的全面和专业理解变得越来越重要。医疗问题路由是将用户或者病人新提交的问题推送给拥有专业医疗知识的医生来回答。相比于其他领域的问题路由技术，医疗问题路由因为其依托的医疗知识更加繁杂更加具有专业性，比其他领域的问题路由更具挑战性，同时应该兼顾专业性和及时性。医疗问题路由中的一个关键问题是问题-医生匹配问题，传统问题路由方法大多是基于结构信息计算医生的专业程度或者利用问题和医生之间的统计概率特征、话题相关性等进行匹配。
技术实现思路
为克服上述现有技术的不足，本专利技术提供了一种基于知识的深度医疗问题路由方法及系统，充分利用了医疗专业知识，构建问题和医生专业之间的知识匹配，从而找到适合回答该问题的医生，结合深度学习和医疗知识图谱提升了医疗问答社区中问题路由的效果。为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：一种基于知识的深度医疗问题路由方法，包括以下步骤：接收训练数据，所述训练数据中包括成对的训练医疗问题和相应的医生数据；对训练数据中的所有医疗问题进行特征表示；将训练医疗问题的低维向量表示作为输入，相应的医生问题作为输出，训练深度神经网络，得到深度医疗问题路由模型；所述深度医疗问题路由模型用于为医疗问题匹配医生；其中，对医疗问题进行特征表示包括：对所述医疗问题分别进行分词和医学实体提取，得到文本通道表示和知识通道表示；将文本通道表示和知识通道表示进行拼接得到所述医疗问题的最终表示。一个或多个实施例提供了一种基于知识的深度医疗问题路由系统，包括：模型训练模块，接收训练数据，所述训练数据中包括成对的训练医疗问题和相应的医生数据；调用特征表示模块对训练数据中的所有医疗问题进行低维向量表示；将训练医疗问题的低维向量表示作为输入，相应的医生问题作为输出，训练深度神经网络，得到深度医疗问题路由模型；模型应用模块，接收测试医疗问题，调用特征表示模块进行低维向量表示；将测试医疗问题的低维向量表示输入深度医疗问题路由模型，得到相应的医生；特征表示模块，包括：通道提取模块，对所述医疗问题分别进行分词和医学实体提取，得到文本通道表示和知识通道表示；解释器，将文本通道表示和知识通道表示进行拼接得到所述医疗问题的最终表示。一个或多个实施例提供了一种计算装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的一种基于知识的深度医疗问题路由方法。一个或多个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的一种基于知识的深度医疗问题路由方法。以上一个或多个技术方案存在以下有益效果：本专利技术构建了问题与医生之间的知识匹配方法。首先从问题中提取医学实体，然后在知识库中检索包含这些实体的三元组，构造文本和知识两个通道并利用知识图嵌入方法得到的实体低维向量表示，从而得到问题的向量表示，最后用多标签分类方法去得到医生列表。由于问题的特征向量表示既包含了文本又包含了医疗知识，因而能够最准确地对该问题进行描述，更加适应医疗领域中疾病症状复杂难辨的应用环境。从知识的角度去构造问题和医生之间的匹配关系，能使模型的结果更加具有说服力和可信性，也使模型的结果具有一定的可解释性，能同时满足提问者和回答者双方的要求。附图说明构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。图1为本专利技术一个或多个实施例中一种基于知识的深度医疗问题路由方法流程图；图2为本专利技术一个或多个实施例中对医疗问题进行低维向量表示的流程图；图3为本专利技术一个或多个实施例中深度医疗问题路由模型的框架图；图4为本专利技术一个或多个实施例中知识匹配的一个示例。具体实施方式应该指出，以下详细说明都是示例性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。实施例一本实施例的目的是基于深度学习和知识图谱，寻求问题与医生之间的知识匹配方法，名称为DeepMedicalQuestionRouting(简称为DMQR)，模型的整体架构如图3所示。为了实现上述目的，本实施例公开了一种基于知识的深度医疗问题路由方法，如图1所示，包括以下步骤：步骤1：接收训练数据，所述训练数据中包括成对的训练医疗问题和相应的医生数据；步骤2：对训练数据中的所有医疗问题进行低维向量表示；步骤3：将训练医疗问题的低维向量表示作为输入，相应的医生问题作为输出，训练深度神经网络，得到深度医疗问题路由模型；步骤4：接收测试医疗问题，并进行低维向量表示；步骤5：将测试医疗问题的低维向量表示输入深度医疗问题路由模型，得到相应的医生。其中，如图2所示，所述步骤2与步骤4中医疗问题的特征表示生成方法包括：(1)将医疗问题进行分词得到由单词构成的文本通道表示；(2)基于医学术语词典对所述医疗问题进行医学实体提取，采用这些医学实体替换文本通道表示中的相应单词，得到知识通道表示；(3)将所述医学实体在医学知识库中进行检索，得到三元组，对各三元组进行低维向量表示，即医学实体的低维向量表示；(4)将这些医学实体的低维向量表示应用到文本通道表示和知识通道表示；(5)对文本通道表示和知识通道表示分别采用长短期记忆网络进行编码，并将两个编码结果进行拼接，得到所述医疗问题的最终表示。所述步骤(1)中，得到的文本通道表示记为q：(w1，w2，...，wi，...，wn)，其中wi表示单词标号。所述步骤(2)中，基于医学术语词典进行医学实体提取，得到的医学实体序列记为qmt：(mt1，mt2，...，mtj，...，mtm)，其中mtj表示医学术语标号。采用这些医学实体替换文本通道表示中的相应单词，得到知识通道表示q′：(...，wi，...，mti，...)。为了更清楚地表达该步骤，采用数字序列进行说明，若某一医疗问题的文本通道表示为q：(1，3，9，2，7，11，8)，假设其中(2，7，11)被识别为本文档来自技高网...

【技术保护点】
1.一种基于知识的深度医疗问题路由方法，其特征在于，包括以下步骤：接收训练数据，所述训练数据中包括成对的训练医疗问题和相应的医生数据；对训练数据中的所有医疗问题进行特征表示；将训练医疗问题的低维向量表示作为输入，相应的医生问题作为输出，训练深度神经网络，得到深度医疗问题路由模型；所述深度医疗问题路由模型用于为医疗问题匹配医生；其中，对医疗问题进行特征表示包括：对所述医疗问题分别进行分词和医学实体提取，得到文本通道表示和知识通道表示；将文本通道表示和知识通道表示进行拼接得到所述医疗问题的最终表示。

【技术特征摘要】
1.一种基于知识的深度医疗问题路由方法，其特征在于，包括以下步骤：接收训练数据，所述训练数据中包括成对的训练医疗问题和相应的医生数据；对训练数据中的所有医疗问题进行特征表示；将训练医疗问题的低维向量表示作为输入，相应的医生问题作为输出，训练深度神经网络，得到深度医疗问题路由模型；所述深度医疗问题路由模型用于为医疗问题匹配医生；其中，对医疗问题进行特征表示包括：对所述医疗问题分别进行分词和医学实体提取，得到文本通道表示和知识通道表示；将文本通道表示和知识通道表示进行拼接得到所述医疗问题的最终表示。2.如权利要求1所述的一种基于知识的深度医疗问题路由方法，其特征在于，所述为医疗问题匹配医生包括：接收测试医疗问题，并进行特征表示；将测试医疗问题的低维向量表示输入深度医疗问题路由模型，得到相应的医生。3.如权利要求1或2所述的一种基于知识的深度医疗问题路由方法，其特征在于，所述知识通道表示获取方法为：基于医学术语词典对所述医疗问题进行医学实体提取，采用这些医学实体替换文本通道表示中的相应单词，得到知识通道表示。4.如权利要求3所述的一种基于知识的深度医疗问题路由方法，其特征在于，构建医学知识库，其中包括三元组(h，r，t)，其中h，t和r分别表示头实体、尾实体以及它们之间的关系，头实体和尾实体均为医学术语；得到所述医疗问题的最终表示包括：将医学实体在医学知识库中进行检索，输出相应的三元组；对这些三元组进行低维向量表示，并应用到文本通道表示和知识通道表示；对文本通道表示和知识通道表示分别采用长短期记忆网络进行编码，并将两个编码结果进行拼接，得到所述医疗问题的最终表示。5.如权利要求4所述的一种基于知识的深度医疗问题路由方法，其特征在于，检索过程中，对于每个医学实体，将医学知识库中头实体和尾实体其中之一与该医学实体相同的三元组，均进行输出。6.如权利要求4所述的一种基于知识的深度医疗问题路由方法，其特征在于，所述深度医疗问题路由模型中，Softmax函数如下：其中，K...

【专利技术属性】
技术研发人员：陈竹敏，孙文超，任鹏杰，马军，任昭春，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东,37