眼科预问诊装置的多轮对话实现方法及装置制造方法及图纸

本发明专利技术公开了一种眼科预问诊装置的多轮对话实现方法及装置，其中，方法包括以下步骤：依次采集患者的基本信息、现病史信息和既往史信息；根据基本信息、现病史信息、既往史信息和眼科医学知识库预测患者的疾病信息；采集患者的追问信息，并根据追问信息和用户口语表达表生成答疑信息，及生成信息清单。该方法采用了整体串行，部分并行的对话设计流程，从而更好的符合场景要求，大幅度提升了流程实现速度和减小了标注成本。

The realization method and device of multi round dialogue in ophthalmic pre consultation device

【技术实现步骤摘要】
眼科预问诊装置的多轮对话实现方法及装置
本专利技术涉及语音识别
，特别涉及一种眼科预问诊装置的多轮对话实现方法及装置。
技术介绍
相关技术，多轮对话的实现目前主要有两种方式：1、基于NLUDMNLG实现任务型多轮对话任务型机器人核心模块主要包括三个模块：自然语言理解模块(NLU)对话管理模块自然语言生成模块(NLG)。其中，自然语言理解和对话管理是核心。自然语言理解的作用是理解用户话语，理解的含义是按照不同的语义表示方式对用户话语进行解析。当用户语言经过自然语言理解模块时，即需要经过领域识别，用户意图识别以及槽位提取三个子模块。领域识别，即识别该语句是不是属于这个任务场景，一般有多个机器人集成时，如闲聊机器人，问答机器人等，领域识别应当在进入任务型机器人之前做判断与分发；意图识别，即识别用户意图，细分该任务型场景下的子场景；实体识别与槽位填充，用于对话管理模块的输入。对话管理模块相当于任务型机器人的大脑，它分为对话状态维护DST+动作候选排序Policy。这两部分形成了人机间的多轮对话体验。DM主要分为两个功能，一部分是记录用户历史话语，另一部分是生成系统决策。自然语言理解模块的三元组输出将作为对话管理系统的输入。状态追踪模块包括持续对话的各种信息，根据旧状态，用户状态(即上述的三元组)与系统状态(即通过与数据库的查询情况)来更新当前的对话状态。对话策略与所在任务场景息息相关，通常作为对话管理模块的输出，如对该场景下缺失槽位的反问策略等。2、端到端方法构建对话模型另外一种实现医疗问诊对话的技术方案便是采用端到端生成(Seq2Seq)的模型方法。比如：一种端到端的任务型对话系统，包括数据预处理模块、命名体抽取模块、编译模块、对话历史编码器模块和解码输出模块。虽然这种端到端的对话系统可以减少繁琐的人工规则，减少训练模型的数据量，但是难以应付医疗导诊的对话逻辑。采用端到端系统会引入一定的不确定性和不可解释性，让每一轮的对话无法严格依据之前设计好的流程，导致逻辑无序或者重复询问等问题。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种眼科预问诊装置的多轮对话实现方法，该方法采用了整体串行，部分并行的对话设计流程，从而更好的符合场景要求，大幅度提升了流程实现速度和减小了标注成本。本专利技术的另一个目的在于提出一种眼科预问诊装置的多轮对话实现装置。为达到上述目的，本专利技术一方面实施例提出了一种眼科预问诊装置的多轮对话实现方法，包括以下步骤：依次采集患者的基本信息、现病史信息和既往史信息；根据所述基本信息、所述现病史信息、所述既往史信息和眼科医学知识库预测所述患者的疾病信息；采集所述患者的追问信息，并根据所述追问信息和用户口语表达表生成答疑信息，及生成信息清单。本专利技术实施例的眼科预问诊装置的多轮对话实现方法，融合了模型和模板决策方案提出了一套针对于医疗预问诊的对话设计流程，并从对话流程到各个子模型模块的训练数据设计了一整套医疗问诊的模型数据设计规范，从而在眼科预问诊装置中采用了整体串行，部分并行的对话设计流程，使得系统实现更高效和更好适用于医疗问诊任务；针对于整套问诊流程设计了各个部分的数据格式，完整系统呈现了整套眼科问诊对话所需要的各式设计；采用创新地引入了训练数据生成方法，能在有限的标注数据下完成算法模块的训练，具有适用性和高效性。另外，根据本专利技术上述实施例的眼科预问诊装置的多轮对话实现方法还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，所述根据所述追问信息和用户口语表达表生成答疑信息，包括：从所述追问信息中得到追问语料；将所述追问语料输入训练好的NL2SQL模型，以将问题直接转换为SQL查询语句；根据所述SQL查询语句确定所述答疑信息。进一步地，在本专利技术的一个实施例中，还包括：从所述追问信息中匹配结束关键词；若匹配成功，则结束对话流程。进一步地，在本专利技术的一个实施例中，所述根据所述基本信息、所述现病史信息、所述既往史信息和眼科医学知识库预测所述患者的疾病信息，包括：获取所有意图，并对于每一个意图从预先写好的槽值中选取并填入到数据模板中。进一步地，在本专利技术的一个实施例中，所述根据所述基本信息、所述现病史信息、所述既往史信息和眼科医学知识库预测所述患者的疾病信息，包括：采用Rank模型，将信息和所述眼科医学知识库中的内容做短句匹配。为达到上述目的，本专利技术另一方面实施例提出了一种眼科预问诊装置的多轮对话实现装置，包括：采集模块，用于依次采集患者的基本信息、现病史信息和既往史信息；预测模块，用于根据所述基本信息、所述现病史信息、所述既往史信息和眼科医学知识库预测所述患者的疾病信息；生成模块，用于采集所述患者的追问信息，并根据所述追问信息和用户口语表达表生成答疑信息，及生成信息清单。本专利技术实施例的眼科预问诊装置的多轮对话实现装置，融合了模型和模板决策方案提出了一套针对于医疗预问诊的对话设计流程，并从对话流程到各个子模型模块的训练数据设计了一整套医疗问诊的模型数据设计规范，从而在眼科预问诊装置中采用了整体串行，部分并行的对话设计流程，使得系统实现更高效和更好适用于医疗问诊任务；针对于整套问诊流程设计了各个部分的数据格式，完整系统呈现了整套眼科问诊对话所需要的各式设计；采用创新地引入了训练数据生成方法，能在有限的标注数据下完成算法模块的训练，具有适用性和高效性。另外，根据本专利技术上述实施例的眼科预问诊装置的多轮对话实现装置还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，所述生成模块进一步用于从所述追问信息中得到追问语料；将所述追问语料输入训练好的NL2SQL模型，以将问题直接转换为SQL查询语句；根据所述SQL查询语句确定所述答疑信息。进一步地，在本专利技术的一个实施例中，还包括：匹配模块，用于从所述追问信息中匹配结束关键词，并在匹配成功时，结束对话流程。进一步地，在本专利技术的一个实施例中，所述预测模块进一步用于获取所有意图，并对于每一个意图从预先写好的槽值中选取并填入到数据模板中。进一步地，在本专利技术的一个实施例中，所述预测模块进一步用于采用Rank模型，将信息和所述眼科医学知识库中的内容做短句匹配。本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为根据本专利技术实施例的眼科预问诊装置的多轮对话实现方法的流程图；图2为根据本专利技术实施例的问诊流程图；图3为根据本专利技术实施例的疾病预测流程图；图4为根据本专利技术实施例的眼科预问诊装置的多轮对话实现装置的结构示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件本文档来自技高网...

【技术保护点】
1.一种眼科预问诊装置的多轮对话实现方法，其特征在于，包括以下步骤：/n依次采集患者的基本信息、现病史信息和既往史信息；/n根据所述基本信息、所述现病史信息、所述既往史信息和眼科医学知识库预测所述患者的疾病信息；以及/n采集所述患者的追问信息，并根据所述追问信息和用户口语表达表生成答疑信息，及生成信息清单。/n

【技术特征摘要】
1.一种眼科预问诊装置的多轮对话实现方法，其特征在于，包括以下步骤：
依次采集患者的基本信息、现病史信息和既往史信息；
根据所述基本信息、所述现病史信息、所述既往史信息和眼科医学知识库预测所述患者的疾病信息；以及
采集所述患者的追问信息，并根据所述追问信息和用户口语表达表生成答疑信息，及生成信息清单。


2.根据权利要求1所述的方法，其特征在于，所述根据所述追问信息和用户口语表达表生成答疑信息，包括：
从所述追问信息中得到追问语料；
将所述追问语料输入训练好的NL2SQL模型，以将问题直接转换为SQL查询语句；
根据所述SQL查询语句确定所述答疑信息。


3.根据权利要求1所述的方法，其特征在于，还包括：
从所述追问信息中匹配结束关键词；
若匹配成功，则结束对话流程。


4.根据权利要求1所述的方法，其特征在于，所述根据所述基本信息、所述现病史信息、所述既往史信息和眼科医学知识库预测所述患者的疾病信息，包括：
获取所有意图，并对于每一个意图从预先写好的槽值中选取并填入到数据模板中。


5.根据权利要求1所述的方法，其特征在于，所述根据所述基本信息、所述现病史信息、所述既往史信息和眼科医学知识库预测所述患者的疾病信息...

【专利技术属性】
技术研发人员：鄂海红，宋美娜，韩梦宁，詹泽诚，王晓晖，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11