基于医学知识图谱检索技术的健康咨询实现方法及装置制造方法及图纸

本发明专利技术涉及自然语言处理领域，特别涉及基于医学知识图谱检索技术的健康咨询实现方法及装置，方法包括：根据医学知识图谱建立实体列表，并处理实体列表的各类实体以实现多模式实体匹配，根据实体关系建立健康咨询意图库和预处理库；对咨询问题进行预处理后过滤出关键实体和实体类型，健康咨询意图库结合实体类型以获取实体关系链；根据实体关系链拼接生成知识图谱检索语句，在医学知识图谱中检索答案并将答案展示。通过医学知识图谱、健康咨询意图库和预处理库对问题答复解决用相似度算法时响应速度慢、准确率较低、仅支持单轮和用深度学习标注工作量大、耗时长的不足，从而实现多轮对话，快速从医学知识图谱中检索答案，实现毫秒级响应。毫秒级响应。毫秒级响应。

【技术实现步骤摘要】
基于医学知识图谱检索技术的健康咨询实现方法及装置


[0001]本专利技术涉及自然语言处理领域，特别涉及基于医学知识图谱检索技术的健康咨询实现方法及装置。

技术介绍

[0002]随着1950年Turing提出著名的图灵测试，智能问答系统就拉开了历史的序幕，大量的学者通过各种方式来研究智能问答系统。目前市面上的问答系统主要采用基于问题相似度计算的方法；也有少量问答系统采用深度学习算法。
[0003]如CN202011064355.9的专利《一种基于长短文本匹配的智能问答方法及系统》，公开日为2020.12.08，一种基于长短文本匹配的智能问答方法及系统，能够准确定位用户输入的问题所在的文档段落，抽取答案。该方法包括：将文本相似度BM25算法与基于senLDA主题模型的长短文本相似度计算方法相融合，分别从词语层级和句子层级匹配用户输入的问题和数据库中相应的段落；并基于机器阅读理解模型，从相应段落中抽取问题所对应的答案；
[0004]CN201710334888.6的专利《基于深度学习的问答系统以及方法》，公开日为20171107，包括问答子系统，用于接收输入问题，并对输入问题进行预处理；深度学习子系统，用于提取预处理后的输入问题中的特征信息并生成对应的第一词向量信息，并根据问题分类模型、问题匹配模型和第一词向量信息获取多个推荐问题,知识库子系统，用于判断所述知识库中是否存在与所述未识别问题对应的标准问题，并在所述知识库中存在与所述未识别问题对应的标准问题时，对与所述未识别问题对应的标准问题进行标注，并在所述知识库中不存在与所述未识别问题对应的标准问题时，根据所述未识别问题创建新标准问题，并对所述新标准问题进行标注。
[0005]然而，相似度算法通常采用一问一答的形式进行对话，响应时长通常与知识库大小成正比，而健康咨询涉及疾病、检查项目、药品、食物等多项内容，相似度算法对应的响应速度往往无法满足需求，且其准确率较低；深度学习算法对语料数据的要求较高，需要大量的训练数据用于模型训练，且医学知识内容较多，标注工作量大，耗时较长的模型训练过程也无法支撑高频率的知识更新。

技术实现思路

[0006]为解决上述现有技术中健康咨询使用相似度算法时响应速度慢、准确率较低、仅支持单轮和使用深度学习标注工作量大、耗时较长的不足，本专利技术提供一种基于医学知识图谱检索技术的健康咨询实现方法，包括以下步骤：
[0007]根据医学知识图谱建立实体列表，并处理实体列表的各类实体以实现多模式实体匹配，根据实体关系建立健康咨询意图库和预处理库；
[0008]对咨询问题进行预处理后过滤出关键实体和实体类型，所述健康咨询意图库结合所述实体类型以获取实体关系链；
[0009]根据所述实体关系链拼接生成知识图谱检索语句，在医学知识图谱中检索答案并将答案展示。
[0010]在一实施例中，基于医学知识图谱建立实体列表，并采用AC自动机处理各类实体以实现多模式实体匹配，具体包括如下步骤：
[0011]初始化Trie；
[0012]添加医学实体Keyword到Trie中并根据success函数构建success表；
[0013]医学实体Keyword全部添加完成后检查并创建failure表；
[0014]当输入健康咨询问题时根据failure表输出被命中的模式串。
[0015]在一实施例中，根据医学知识图谱的实体关系情况，建立健康咨询意图库，所述实体关系情况包括疾病症状、病因、并发症、药品适应症、疾病饮食推荐预处理库。
[0016]在一实施例中，所述预处理库包括相似词替换库和去停词库；其中，整理各类疾病名称、药品名称的别名信息以建立所述相似词替换库，所述相似词替换库用于对输入的健康咨询问题进行相似词替换以实现咨询问题预处理。
[0017]在一实施例中，通过AC自动机过滤出关键实体和实体类型，当问题中未过滤出实体名称时，则从历史问题记录中获取对应实体类型的实体名称。
[0018]在一实施例中，AC自动机从预处理后的咨询问题中过滤出关键的实体名称，并根据预先处理好的实体字典获取对应实体类型的实体名称；
[0019]采用卡槽的形式存放历史实体名称，当所述卡槽再次获取到同一类型的实体名称时，则替换更新。
[0020]在一实施例中，当问题中未捕获到实体名称时，通过健康咨询意图库并根据意图倒推出实体类型，并从历史问题记录中获取对应实体类型的实体名称。
[0021]在一实施例中，根据咨询问题检索得到答案，将答案进行拼接后在问答系统中进行展示。
[0022]本专利技术还提供一种基于医学知识图谱检索技术的健康咨询装置，其特征在于：包括生成模块，用于根据医学知识图谱建立实体列表，并处理实体列表的各类实体以实现多模式实体匹配，根据实体关系建立健康咨询意图库和预处理库；
[0023]处理模块，用于对咨询问题进行预处理后过滤出关键实体和实体类型，通过健康咨询意图库并结合所述实体类型，获取实体关系链；
[0024]检索展示模块，用于根据所述实体关系链拼接生成知识图谱检索语句，在医学知识图谱中检索答案并将答案展示。
[0025]本专利技术还提供一种处理器和存储器的装置，存储器用于存储有计算机程序指令，所述计算机程序指令被处理器执行以完成上述任一项所述的基于医学知识图谱检索技术的健康咨询实现方法。
[0026]基于上述，与现有技术相比，本专利技术提供的一种基于医学知识图谱检索技术的健康咨询实现方法及装置，通过医学知识图谱、健康咨询意图库和预处理库对咨询的健康问题进行答复解决了现有技术中健康咨询使用相似度算法时响应速度慢、准确率较低、仅支持单轮对话和使用深度学习时标注工作量大、耗时较长的不足，从而实现多轮对话，快速从医学知识图谱中检索答案，实现毫秒级响应。
[0027]本专利技术的其它特征和有益效果将在随后的说明书中阐述，并且，部分地从说明书
中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他有益效果可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
[0028]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图；在下面描述中附图所述的位置关系，若无特别指明，皆是图示中组件绘示的方向为基准。
[0029]图1为本专利技术提供的基于医学知识图谱检索技术的健康咨询实现方法步骤图；
[0030]图2为本专利技术提供的AC自动机处理各类实体以实现多模式实体匹配流程图。
具体实施方式
[0031]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于医学知识图谱检索技术的健康咨询实现方法，其特征在于：包括以下步骤：根据医学知识图谱建立实体列表，并处理实体列表的各类实体以实现多模式实体匹配，根据实体关系建立健康咨询意图库和预处理库；对咨询问题进行预处理后过滤出关键实体和实体类型，所述健康咨询意图库结合所述实体类型以获取实体关系链；根据所述实体关系链拼接生成知识图谱检索语句，在医学知识图谱中检索答案并将答案展示。2.根据权利要求1所述的基于医学知识图谱检索技术的健康咨询实现方法，其特征在于：基于医学知识图谱建立实体列表，并采用AC自动机处理各类实体以实现多模式实体匹配，具体包括如下步骤：初始化Trie；添加医学实体Keyword到Trie中并根据success函数构建success表；医学实体Keyword全部添加完成后检查并创建failure表；当输入健康咨询问题时根据failure表输出被命中的模式串。3.根据权利要求1所述的基于医学知识图谱检索技术的健康咨询实现方法，其特征在于：根据医学知识图谱的实体关系情况，建立健康咨询意图库，所述实体关系情况包括疾病症状、病因、并发症、药品适应症、疾病饮食推荐。4.根据权利要求1所述的基于医学知识图谱检索技术的健康咨询实现方法，其特征在于：所述预处理库包括相似词替换库和去停词库；其中，整理各类疾病名称、药品名称的别名信息以建立所述相似词替换库，所述相似词替换库用于对输入的健康咨询问题进行相似词替换以实现咨询问题预处理。5.根据权利要求1所述的基于医学知识图谱检索技术的健康咨询实现方法，其特征在于：通过AC自动机过滤出关键实体...

【专利技术属性】
技术研发人员：章瑶，庄国强，童良宇，詹进林，
申请(专利权)人：易联众信息技术股份有限公司，
类型：发明
国别省市：