【技术实现步骤摘要】
医疗领域意图识别方法、装置、设备及存储介质
本专利技术涉及医疗数据领域，尤其涉及一种医疗领域意图识别方法、装置、设备及存储介质。
技术介绍
随着计算机技术在医疗领域的应用，在线问诊方式逐步打破了传统就医局限，为用户带来便利且高效的医疗体验，用户可足不出户满足自己的就医需求，免去路途遥远、挂号排队等问题的困扰，同时节约了医疗资源，提高了问诊效率。随着自然语言处理技术的发展，在线问诊系统逐步向着智能化的方向发展，如在问诊系统中引入智能问答引擎，可在问诊过程中替代医生回答用户问题，同时可为医生提供辅助的决策支持，使得问诊过程更加高效。传统的医疗问答系统是以大量人工校对的问题答案作为知识库，基于文本相似度的方式，匹配和用户问题相似度最高的问题答案反馈给用户。但由于就诊过程中患病群体、疾病症状的描述方式、以及相应的治疗方式等具有多样性和特殊性，固定的问答知识无法覆盖，并且无法形成推理机制，加上维护知识库需要大量的人工成本，因此基于模板的医疗问答系统采用规则匹配或者句式匹配的方式进行意图识别，无法对多样的问题描述形式进行全覆盖，...
【技术保护点】
1.一种医疗领域意图识别方法，其特征在于，包括：/n从终端获取初始问题语句，所述初始问题语句为目标用户在医疗智能问答系统中输入的问题语句；/n调用预置的识别模型对所述初始问题语句进行实体识别，得到实体识别结果，所述实体识别结果包括多个粗粒度实体标签和多个实体关系；/n根据预置的医疗实体同义词表对所述多个粗粒度实体标签进行实体链接，得到链接后的实体标签；/n根据预置的意图识别模型、所述实体识别结果和所述链接后的实体标签对所述初始问题语句进行意图识别，得到候选医疗意图；/n根据所述候选医疗意图生成知识图谱查询语句；/n基于所述知识图谱查询语句在预置的医疗知识图谱进行知识图谱查询...
【技术特征摘要】
1.一种医疗领域意图识别方法，其特征在于，包括：
从终端获取初始问题语句，所述初始问题语句为目标用户在医疗智能问答系统中输入的问题语句；
调用预置的识别模型对所述初始问题语句进行实体识别，得到实体识别结果，所述实体识别结果包括多个粗粒度实体标签和多个实体关系；
根据预置的医疗实体同义词表对所述多个粗粒度实体标签进行实体链接，得到链接后的实体标签；
根据预置的意图识别模型、所述实体识别结果和所述链接后的实体标签对所述初始问题语句进行意图识别，得到候选医疗意图；
根据所述候选医疗意图生成知识图谱查询语句；
基于所述知识图谱查询语句在预置的医疗知识图谱进行知识图谱查询，得到知识图谱查询结果，根据所述知识图谱查询结果生成对应的目标话术并发送至所述终端。
2.根据权利要求1所述的医疗领域意图识别方法，其特征在于，所述调用预置的识别模型对所述初始问题语句进行实体识别，得到实体识别结果，所述实体识别结果包括多个粗粒度实体标签和多个实体关系，包括：
调用第一预置识别模型对所述初始问题语句进行实体识别，得到多个粗粒度实体标签；
调用第二预置识别模型对所述初始问题语句进行关系抽取，得到多个实体关系；
根据所述多个粗粒度实体标签和所述多个实体关系生成实体识别结果。
3.根据权利要求2所述的医疗领域意图识别方法，其特征在于，所述调用第一预置识别模型对所述初始问题语句进行实体识别，得到多个粗粒度实体标签，包括：
调用第一预置识别模型对所述初始问题语句按照细粒度进行实体识别，得到多个细粒度实体标签；
调用第一预置识别模型对所述多个细粒度实体标签按照粗粒度进行实体识别，得到多个粗粒度实体标签。
4.根据权利要求3所述的医疗领域意图识别方法，其特征在于，所述调用第一预置识别模型对所述初始问题语句按照细粒度进行实体识别，得到多个细粒度实体标签，包括：
按照细粒度对所述初始问题提取多个特征维度向量，所述多个特征维度向量包括词向量、词标签向量、词位置向量和词性特征向量；
将所述多个特征维度向量输入到第一预置识别模型的BiLSTM层中，得到BiLSTM层输出的多个中间向量；
将所述多个中间向量输入到第一预置识别模型的CRF层中，生成多个细粒度实体标签。
5.根据权利要求3所述的医疗领域意图识别方法，其特征在于，所述调用第一预置识别模型对所述多个细粒度实体标签按照粗粒度进行实体识别，得到多个粗粒度实体标签，包括：
调用第一预置识别模型按照粗粒度对所述多个细粒度实体标签进行识别，得到多个狭义实体特征和多个限定实体特征，所述多个狭义实体特征包括症状、疾病、部位、医学、检查和治疗，所述多个限定实体特征包括时间、频率、程度、否定词、描述和数值；
将所述多个狭义实体特征和所述多个限定实体特征按照预置规则进行组合，...
【专利技术属性】
技术研发人员：原丽娜，
申请(专利权)人：康键信息技术深圳有限公司，
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。