基于文本识别的问诊方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及智能决策领域，提供了一种基于文本识别的问诊方法、装置、设备及存储介质。通过用户问诊信息中的关键信息，为用户分配科室信息，将关键信息及科室输入模板匹配模型中得到多个初始匹配模板后选取出目标模板信息并反馈至用户，接收用户反馈的初始对话信息并选取出目标对话信息，根据目标对话信息和问诊辅助模型得到多个初始诊断结果并反馈至预设终端，接收预设终端选取的目标诊断结果，将目标诊断结果、问诊信息、科室信息及目标对话信息输入药品推荐模型，将得到的药品推荐结果和目标诊断结果反馈至用户，利用本发明专利技术可以提高问诊辅助的准确性。本发明专利技术还涉及区块链技术领域，上述问诊信息及目标对话信息还可以存储于一区块链的节点中。

【技术实现步骤摘要】
基于文本识别的问诊方法、装置、设备及存储介质
本专利技术涉及智能决策领域，尤其涉及一种基于文本识别的问诊方法、装置、设备及存储介质。
技术介绍
随着人工智能的高速发展以及医院信息化的发展，智能辅助问诊方式也随之产生，由于多数患者的自身医疗知识有限，多数患者很难准确地判断自己要挂号或者问诊咨询的科室，而现有的智能辅助问诊的方式大多需要用户自己选择科室及医生进行问诊，且在问诊过程中现有的智能辅助问诊系统也仅是针对患者描述的信息这单一对象进行分析，并没有将问诊过程中产生的相关信息结合分析，导致问诊辅助的准确性较低。
技术实现思路
鉴于以上内容，本专利技术提供一种基于文本识别的问诊方法、装置、设备及存储介质，其目的在于解决现有技术中问诊辅助的准确性较低的技术问题。为实现上述目的，本专利技术提供一种基于文本识别的问诊方法，该方法包括：获取用户输入的问诊信息，从所述问诊信息中提取关键信息，基于所述关键信息为所述用户分配科室信息；将所述关键信息及所述科室信息输入模板匹配模型中得到多个初始匹配模板，从所述多个初始匹配模板中选取出目标模板信息并反馈至所述用户；接收所述用户基于所述目标模板信息反馈的初始对话信息，从所述初始对话信息中选取出目标对话信息，将所述问诊信息、所述科室信息、所述目标模板信息及所述目标对话信息输入预先训练的问诊辅助模型得到多个初始诊断结果并反馈至预设终端；接收预设终端基于所述多个诊断结果选取的目标诊断结果，将所述目标诊断结果、所述问诊信息、所述科室信息及所述目标对话信息输入药品推荐模型，得到药品推荐结果，将所述目标诊断结果和药品推荐结果反馈至所述用户。优选的，所述从所述问诊信息中提取关键信息，包括：对所述问诊信息对应的问诊文本执行分词操作，计算各分词在所述问诊文本中的词频，基于所述词频计算出各分词的IDF值及TF值，将各分词的IDF值与各分词对应的TF值相乘得到各分词的TF-IDF值，基于各分词的TF-IDF值选取第一预设数量的预设词性的关键词。优选的，所述基于所述关键信息为所述用户分配科室信息，包括：将所述关键信息对应的多个关键词向量化后拼接成特征序列，将所述特征序列输入预先训练好的科室识别模型中得到所述科室信息，其中，所述科室识别模型是基于BERT预训练模型得到的。优选的，所述从所述多个初始匹配模板中选取出目标模板信息，包括：基于各个初始匹配模板对应的匹配概率由大到小对各个初始匹配模板进行排序，选取出排序靠前的第二预设数量的模板作为候选匹配模板，基于预设选取规则从所述候选匹配模板中选取出目标模板。优选的，所述基于预设选取规则从所述候选匹配模板中选取出目标模板，包括：将各个候选匹配模板分别与预先配置的正则表达式进行匹配，当候选匹配模板与任一正则表达式匹配成功时，将匹配成功的正则表达式对应的预设权重赋予该候选匹配模板，基于权重由大到小对各候选模板进行排序，选取权重最高的候选模板作为所述目标模板。优选的，所述从所述初始对话信息中选取出目标对话信息，包括：将所述初始对话信息转换成对话文本，基于TF-IDF算法提取出对话文本的关键词，并选取出第三预设数量的关键词作为目标关键词；将所述对话文本拆分为多个句子，分别判断每个句子中是否存在第四预设数量的目标关键词，当判断任一句子中存在第四预设数量的目标关键词时，将该句子作为目标对话信息中的句子。优选的，所述将该句子作为目标对话信息中的句子之后，所述方法还包括：判断目标对话信息中是否存在句子序列长度超过预设长度的句子，若存在，对该句子执行截断操作。为实现上述目的，本专利技术还提供一种基于文本识别的问诊装置，该基于文本识别的问诊装置包括：接收模块：用于接收客户端发出的模型调用的请求，根据所述请求携带的标识从预设数据库获取待调用模型的配置信息；生成模块：用于基于预设选取规则从预先配置的服务器IP地址集合中选取出目标服务器，将所述待调用模型的配置信息发送至所述目标服务器，所述目标服务器基于所述配置信息生成所述请求对应的URL地址；调用模块：用于基于所述URL地址向所述目标服务器调用所述请求对应的模型，判断是否调用到所述请求对应的模型，当判断调用到所述请求对应的模型时，将该模型反馈至所述客户端。为实现上述目的，本专利技术还提供一种电子设备，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的程序，所述程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的基于文本识别的问诊方法的任意步骤。为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有基于文本识别的问诊程序，所述基于文本识别的问诊程序被处理器执行时，实现如上所述基于文本识别的问诊方法的任意步骤。本专利技术提出的基于文本识别的问诊方法、装置、设备及存储介质，本方案可以为问诊患者自动分配科室，并根据患者的信息和科室信息匹配出对话模板，根据对话模板获取患者的目标对话信息，之后将目标对话信息、目标模板信息、科室信息及问诊信息输入预先训练的疾病诊断模型，得到多个初始结果反馈至医生，接收医生反馈的目标诊断结果，并根据目标诊断结果得到药品推荐结果，结合多种信息进行问诊分析，提高问诊辅助的准确率。附图说明图1为本专利技术基于文本识别的问诊方法较佳实施例的流程图示意图；图2为本专利技术基于文本识别的问诊装置较佳实施例的模块示意图；图3为本专利技术电子设备较佳实施例的示意图；本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术提供一种基于文本识别的问诊方法。参照图1所示，为本专利技术基于文本识别的问诊方法的实施例的方法流程示意图。该方法可以由一个电子设备执行，该电子设备可以由软件和/或硬件实现。基于文本识别的问诊方法包括：步骤S10：获取用户输入的问诊信息，从所述问诊信息中提取关键信息，基于所述关键信息为所述用户分配科室信息。在本实施例中，当用户需要在线上问诊时，用户可以开启终端上用于线上问诊的应用程序并发起问诊请求，并根据应用程序的提示输入的问诊信息，其中，问诊信息可以是语音信息，也可以是文本信息，若问诊信息为语音信息时，可以将语音信息转换成文本信息，用户通过该应用程序输入相关的问诊信息后，可以将问诊信息提交并发起问诊请求，终端接收到用户发出的问诊请求后，解析该请求获取请求中携带的问诊信息，其中，请求中可以包括相关的问诊信息，也可以包括待相关问诊信息的存储路径。本文档来自技高网...

【技术保护点】
1.一种基于文本识别的问诊方法，其特征在于，所述方法包括：/n获取用户输入的问诊信息，从所述问诊信息中提取关键信息，基于所述关键信息为所述用户分配科室信息；/n将所述关键信息及所述科室信息输入模板匹配模型中得到多个初始匹配模板，从所述多个初始匹配模板中选取出目标模板信息并反馈至所述用户；/n接收所述用户基于所述目标模板信息反馈的初始对话信息，从所述初始对话信息中选取出目标对话信息，将所述问诊信息、所述科室信息、所述目标模板信息及所述目标对话信息输入预先训练的问诊辅助模型得到多个初始诊断结果并反馈至预设终端；/n接收预设终端基于所述多个诊断结果选取的目标诊断结果，将所述目标诊断结果、所述问诊信息、所述科室信息及所述目标对话信息输入药品推荐模型，得到药品推荐结果，将所述目标诊断结果和药品推荐结果反馈至所述用户。/n

【技术特征摘要】
1.一种基于文本识别的问诊方法，其特征在于，所述方法包括：
获取用户输入的问诊信息，从所述问诊信息中提取关键信息，基于所述关键信息为所述用户分配科室信息；
将所述关键信息及所述科室信息输入模板匹配模型中得到多个初始匹配模板，从所述多个初始匹配模板中选取出目标模板信息并反馈至所述用户；
接收所述用户基于所述目标模板信息反馈的初始对话信息，从所述初始对话信息中选取出目标对话信息，将所述问诊信息、所述科室信息、所述目标模板信息及所述目标对话信息输入预先训练的问诊辅助模型得到多个初始诊断结果并反馈至预设终端；
接收预设终端基于所述多个诊断结果选取的目标诊断结果，将所述目标诊断结果、所述问诊信息、所述科室信息及所述目标对话信息输入药品推荐模型，得到药品推荐结果，将所述目标诊断结果和药品推荐结果反馈至所述用户。


2.如权利要求1所述的基于文本识别的问诊方法，其特征在于，所述从所述问诊信息中提取关键信息，包括：
对所述问诊信息对应的问诊文本执行分词操作，计算各分词在所述问诊文本中的词频，基于所述词频计算出各分词的IDF值及TF值，将各分词的IDF值与各分词对应的TF值相乘得到各分词的TF-IDF值，基于各分词的TF-IDF值选取第一预设数量的预设词性的关键词。


3.如权利要求1所述的基于文本识别的问诊方法，其特征在于，所述基于所述关键信息为所述用户分配科室信息，包括：
将所述关键信息对应的多个关键词向量化后拼接成特征序列，将所述特征序列输入预先训练好的科室识别模型中得到所述科室信息，其中，所述科室识别模型是基于BERT预训练模型得到的。


4.如权利要求1所述的基于文本识别的问诊方法，其特征在于，所述从所述多个初始匹配模板中选取出目标模板信息，包括：
基于各个初始匹配模板对应的匹配概率由大到小对各个初始匹配模板进行排序，选取出排序靠前的第二预设数量的模板作为候选匹配模板，基于预设选取规则从所述候选匹配模板中选取出目标模板。


5.如权利要求4所述的基于文本识别的问诊方法，其特征在于，所述基于预设选取规则从所述候选匹配模板中选取出目标模板，包括：
将各个候选匹配模板分别与预先配置的正则表达式进行匹配，当候选匹配模板与任一正则表达式匹配成功时，将匹配成功的正则表达式对应的预设权重赋予该候选匹配模板，基于权重由大到小对各候选模板进行...

【专利技术属性】
技术研发人员：方亮，傅航聪，
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