【技术实现步骤摘要】
基于神经网络模型的分诊方法、装置和计算机设备
本申请涉及到人工智能领域，特别是涉及到一种基于神经网络模型的分诊方法、装置和计算机设备。
技术介绍
分诊产品是指根据病症信息自动进行分诊，以提醒用户应该挂哪一个科室的号进行看病的人工智能产品。现有产品对于症状识别主要依赖于规则，灵活性欠缺。分诊产品定位于普通用户，输入以口语化症状为主，难以直接映射到标准症状，分诊准确性较差。
技术实现思路
本申请的主要目的为提供基于神经网络模型的分诊方法、装置和计算机设备，旨在解决分诊产品分诊准确性不高的问题。为了实现上述专利技术目的，本申请提出一种基于神经网络模型的分诊方法，包括：接收待分诊者输入的病症信息；利用预训练模型BERT对所述病症信息进行语意编码，得到病症编码，其中，所述预训练模型BERT对所述病症信息中的每一个字符向量化，得到每一个字符的字符向量，以及给每一个字符标记位置向量，得到字符位置向量，将所述每一个字符向量及其对应的字符标记位置向量合并，得到每一个字符的编码向量，将所述每一个字符的...
【技术保护点】
1.一种基于神经网络模型的分诊方法，其特征在于，包括：/n接收待分诊者输入的病症信息；/n利用预训练模型BERT对所述病症信息进行语意编码，得到病症编码，其中，所述预训练模型BERT对所述病症信息中的每一个字符向量化，得到每一个字符的字符向量，以及给每一个字符标记位置向量，得到字符位置向量，将所述每一个字符向量及其对应的字符标记位置向量合并，得到每一个字符的编码向量，将所述每一个字符的编码向量组合得到所述病症编码；/n将所述病症编码输入到预设的BiLSTM+CRF序列标注模型中进行计算，得到对应所述病症信息的症状实体，并依据所述症状实体得到对应病症信息的标准症状，其中，所述...
【技术特征摘要】
1.一种基于神经网络模型的分诊方法，其特征在于，包括：
接收待分诊者输入的病症信息；
利用预训练模型BERT对所述病症信息进行语意编码，得到病症编码，其中，所述预训练模型BERT对所述病症信息中的每一个字符向量化，得到每一个字符的字符向量，以及给每一个字符标记位置向量，得到字符位置向量，将所述每一个字符向量及其对应的字符标记位置向量合并，得到每一个字符的编码向量，将所述每一个字符的编码向量组合得到所述病症编码；
将所述病症编码输入到预设的BiLSTM+CRF序列标注模型中进行计算，得到对应所述病症信息的症状实体，并依据所述症状实体得到对应病症信息的标准症状，其中，所述BiLSTM对所述病症编码进行encode操作，对所述病症编码进行前后遍历提取特征，并将所述特征输入到CRF中，所述CRF进行解码操作，计算每个字的标签，得到所述症状实体；
依据所述标准症状得到分诊信息，并将分诊信息反馈给所述待分诊者。
2.根据权利要求1所述的基于神经网络模型的分诊方法，其特征在于，所述接收待分诊者输入的病症信息的步骤，包括：
呈现预设的病症信息输入窗口，以及结束输入的确认按钮；
判断所述确认按钮是否被触发；
若是，则检测所述病症信息输入窗口中是否为空；
若所述病症信息输入窗口中不为空，则将所述输入窗口中所记录的信息作为所述病症信息。
3.根据权利要求2所述的基于神经网络模型的分诊方法，其特征在于，所述检测所述病症信息输入窗口中是否为空的步骤之后，还包括：
若所述病症信息输入窗口中为空，则调用预设的人体医疗知识图谱，其中，所述人体医疗知识图谱为多层映射关系的知识图谱；
接收待分诊者点击人体医疗知识图谱的点击信息，并将所述点击信息作为所述病症信息，其中，所述点击信息为用户依据人体医疗知识图谱的多层映射关系逐层筛选后得到的症状信息。
4.根据权利要求1所述的基于神经网络模型的分诊方法，其特征在于，所述依据所述标准症状得到分诊信息，并将分诊信息反馈给所述待分诊者的步骤之后，还包括：
接收所述待分诊者被分诊治疗后的反馈信息，其中，所述反馈信息为所述待分诊者分诊治疗后确定分诊是否正确的信息；
将所述反馈信息，以及所述待分诊者输入的病症信息进行关联存储作为训练数据；
当所述训练数据大于预设数据量后，对所述预训练模型BERT和BiLSTM+CRF序列标注模型进行更新训练。
5.根据权利要求1所述的基于神经网络模型的分诊方法，其特征在于，所述接收待分诊者输入的病症信息的步骤之前，包括：
获取所述待分诊者的ID信息；<...
【专利技术属性】
技术研发人员：林桂，黎旭东，
申请(专利权)人：平安科技深圳有限公司，
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。