问诊模板生成方法、装置、电子设备及存储介质制造方法及图纸

本实施例涉及人工智能技术领域，尤其涉及一种问诊模板生成方法、装置、电子设备及存储介质。该方法包括：获取多个原始问诊模板；每一原始问诊模板包括问诊问题数据、问题选项数据和初诊结果数据，问诊问题数据包括多个原始问诊问题，问题选项数据包括多个原始问题选项，每一原始问诊问题至少对应两个原始问题选项；然后对原始问诊模板中的原始问诊问题、原始问题选项和初诊结果数据进行训练处理，得到问题维度分数值和选项维度分数值；再根据问题维度分数值和选项维度分数值对原始问诊模板中的原始问诊问题进行筛选处理，得到目标问诊模板。本申请实施例的技术方案，能够提高患者的问诊体验，增强了在线问诊服务的作用。增强了在线问诊服务的作用。增强了在线问诊服务的作用。

【技术实现步骤摘要】
问诊模板生成方法、装置、电子设备及存储介质


[0001]本申请涉及人工智能
，尤其涉及一种问诊模板生成方法、装置、电子设备及存储介质。

技术介绍

[0002]近年来，随着互联网技术的快速发展，传统的医疗领域也逐步进入了互联网时代，越来越多的医疗机构通过互联网提供在线问诊服务。在线问诊服务是指医生以互联网作为媒介和患者进行交流从而实现问诊的过程。
[0003]相关技术中，在在线问诊服务中，医生常常用一些问诊模板来实现对患者的问诊服务。然而，现有的问诊模板存在问诊问题数目过多的缺陷，导致患者不愿回答，造成问诊效能低下的后果。

技术实现思路

[0004]本公开实施例的主要目的在于提出一种问诊模板生成方法、装置、电子设备及存储介质，能够提高患者的问诊体验，增强了在线问诊服务的作用。
[0005]为实现上述目的，本公开实施例的第一方面提出了一种问诊模板生成方法，包括：
[0006]获取多个原始问诊模板；其中，每一所述原始问诊模板包括问诊问题数据、问题选项数据和初诊结果数据，所述问诊问题数据包括多个原始问诊问题，所述问题选项数据包括多个原始问题选项，每一所述原始问诊问题至少对应两个所述原始问题选项；
[0007]将所述原始问诊问题和所述初诊结果数据输入到预设的问题学习模型中，通过所述原始问诊问题和所述初诊结果数据对所述问题学习模型中的问题学习模型参数进行调整处理，将调整处理后的问题学习模型参数作为问题维度分数值；其中，所述问题维度分数值用于表征所述原始问诊问题从问题维度在所述原始问诊模板中的重要程度；
[0008]将所述初诊结果数据和所述原始问题选项输入到预设的选项学习模型中，通过所述初诊结果数据和所述原始问题选项对所述选项学习模型中的选项学习模型参数进行调整处理，将调整处理后的选项学习模型参数作为选项分数值；其中，所述选项分数值用于表征所述原始问题选项在所述原始问诊问题中的重要程度；
[0009]根据预设的映射分类规则对所述选项分数值进行分类匹配处理，得到选项维度分数值；其中，所述映射分类规则用于表征每一所述原始问诊问题和所述原始问题选项的对应关系，所述选项维度分数值用于表征所述原始问诊问题从选项维度在所述原始问诊模板中的重要程度；
[0010]根据所述问题维度分数值和所述选项维度分数值对所述原始问诊模板中的原始问诊问题进行筛选处理，得到目标问诊题目；
[0011]根据所述目标问诊题目构建得到目标问诊模板。
[0012]在一些实施例中，所述问题学习模型包括问题转换模型和问题分类模型；
[0013]所述通过所述原始问诊问题和所述初诊结果数据对所述问题学习模型中的问题
学习模型参数进行调整处理，将调整处理后的问题学习模型参数作为问题维度分数值，包括：
[0014]获取所述原始问诊问题之间的共现关系，得到问题共现关系；
[0015]基于所述问题共现关系构建所述原始问诊问题的问题共现对；
[0016]通过所述问题共现对对所述问题转换模型进行训练处理，得到训练后的问题转换模型；
[0017]通过所述训练后的问题转换模型对每一所述原始问诊问题进行转换处理，得到对应的问诊问题向量；
[0018]根据所述问诊问题向量和所述初诊结果数据对所述问题分类模型进行更新处理，并将更新处理后的问题分类模型中的问题分类模型参数作为所述问题维度分数值。
[0019]在一些实施例中，所述问题转换模型包括问题编码模型和编码转化模型；
[0020]所述通过所述训练后的问题转换模型对每一所述原始问诊问题进行转换处理，得到对应的问诊问题向量，包括：
[0021]通过所述问题编码模型对每一所述原始问诊问题进行编码处理，得到对应的问诊问题编码；
[0022]通过所述编码转化模型对所述问诊问题编码进行向量转化处理，得到所述问诊问题向量。
[0023]在一些实施例中，所述根据所述问诊问题向量和所述初诊结果数据对所述问题分类模型进行更新处理，并将更新处理后的问题分类模型中的问题分类模型参数作为所述问题维度分数值，包括：
[0024]根据所述问诊问题向量和所述初诊结果数据对所述问题分类模型进行参数精调；
[0025]获取参数精调后问题分类模型中的每一问诊问题向量的权重，得到问题权重值；
[0026]对所述问题权重值进行归一化处理，并将归一化处理后的问题权重值作为所述问题维度分数值。
[0027]在一些实施例中，所述选项学习模型包括选项转换模型和选项分类模型；
[0028]所述通过所述初诊结果数据和所述原始问题选项对所述选项学习模型中的选项学习模型参数进行调整处理，将调整处理后的选项学习模型参数作为选项分数值，包括：
[0029]获取所述原始问题选项之间的的共现关系，得到选项共现关系；
[0030]基于所述选项共现关系构建所述原始问题选项的选项共现对；
[0031]通过所述选项共现对对所述选项转换模型进行训练处理，得到训练后的选项转换模型；
[0032]通过所述训练后的选项转换模型对每一所述原始问题选项进行转换处理，得到对应的问题选项向量；
[0033]根据所述问题选项向量和所述初诊结果数据对所述选项分类模型进行更新处理，并将更新处理后的选项分类模型中的选项分类模型参数作为所述选项分数值。
[0034]在一些实施例中，所述根据所述问题选项向量和所述初诊结果数据对所述选项分类模型进行更新处理，并将更新处理后的选项分类模型中的选项分类模型参数作为所述选项分数值，包括：
[0035]根据所述问题选项向量和所述初诊结果数据对所述选项分类模型进行参数精调；
[0036]获取参数精调后选项分类模型中每一问题选项向量的权重，得到选项权重值；
[0037]对所述选项权重值进行归一化处理，并将归一化处理后的选项权重值作为所述选项分数值。
[0038]在一些实施例中，所述根据所述问题维度分数值和所述选项分数值对所述原始问诊模板中的原始问诊问题进行筛选处理，得到目标问诊题目，包括：
[0039]获取预设的问诊问题权重和预设的问题选项权重；
[0040]获取预设的分数阈值；
[0041]根据所述问诊问题权重对所述问题维度分数值进行加权处理，得到问题加权值；
[0042]根据所述问题选项权重对所述选项分数值进行加权处理，得到选项加权值；
[0043]根据所述问题加权值和所述选项加权值，得到目标分数值；
[0044]若所述目标分数值大于或等于所述分数阈值，从所述原始问诊模板中获取与所述目标分数值对应的所述原始问诊问题，得到所述目标问诊题目。
[0045]为实现上述目的，本公开实施例的第二方面提出了一种问诊模板生成装置，包括：
[0046]获取模块，用于获取多个原始问诊模板；其中，每一所述原始问诊模板包括问诊问题数据、问题选项数据和初诊结果数据，所述问诊问题数据包括多个原始问本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种问诊模板生成方法，其特征在于，包括：获取多个原始问诊模板；其中，每一所述原始问诊模板包括问诊问题数据、问题选项数据和初诊结果数据，所述问诊问题数据包括多个原始问诊问题，所述问题选项数据包括多个原始问题选项，每一所述原始问诊问题至少对应两个所述原始问题选项；将所述原始问诊问题和所述初诊结果数据输入到预设的问题学习模型中，通过所述原始问诊问题和所述初诊结果数据对所述问题学习模型中的问题学习模型参数进行调整处理，将调整处理后的问题学习模型参数作为问题维度分数值；其中，所述问题维度分数值用于表征所述原始问诊问题从问题维度在所述原始问诊模板中的重要程度；将所述初诊结果数据和所述原始问题选项输入到预设的选项学习模型中，通过所述初诊结果数据和所述原始问题选项对所述选项学习模型中的选项学习模型参数进行调整处理，将调整处理后的选项学习模型参数作为选项分数值；其中，所述选项分数值用于表征所述原始问题选项在所述原始问诊问题中的重要程度；根据预设的映射分类规则对所述选项分数值进行分类匹配处理，得到选项维度分数值；其中，所述映射分类规则用于表征每一所述原始问诊问题和所述原始问题选项的对应关系，所述选项维度分数值用于表征所述原始问诊问题从选项维度在所述原始问诊模板中的重要程度；根据所述问题维度分数值和所述选项维度分数值对所述原始问诊模板中的原始问诊问题进行筛选处理，得到目标问诊题目；根据所述目标问诊题目构建得到目标问诊模板。2.根据权利要求1所述的方法，其特征在于，所述问题学习模型包括问题转换模型和问题分类模型；所述通过所述原始问诊问题和所述初诊结果数据对所述问题学习模型中的问题学习模型参数进行调整处理，将调整处理后的问题学习模型参数作为问题维度分数值，包括：获取所述原始问诊问题之间的共现关系，得到问题共现关系；基于所述问题共现关系构建所述原始问诊问题的问题共现对；通过所述问题共现对对所述问题转换模型进行训练处理，得到训练后的问题转换模型；通过所述训练后的问题转换模型对每一所述原始问诊问题进行转换处理，得到对应的问诊问题向量；根据所述问诊问题向量和所述初诊结果数据对所述问题分类模型进行更新处理，并将更新处理后的问题分类模型中的问题分类模型参数作为所述问题维度分数值。3.根据权利要求2所述的方法，其特征在于，所述问题转换模型包括问题编码模型和编码转化模型；所述通过所述训练后的问题转换模型对每一所述原始问诊问题进行转换处理，得到对应的问诊问题向量，包括：通过所述问题编码模型对每一所述原始问诊问题进行编码处理，得到对应的问诊问题编码；通过所述编码转化模型对所述问诊问题编码进行向量转化处理，得到所述问诊问题向量。
4.根据权利要求2所述的方法，其特征在于，所述根据所述问诊问题向量和所述初诊结果数据对所述问题分类模型进行更新处理，并将更新处理后的问题分类模型中的问题分类模型参数作为所述问题维度分数值，包括：根据所述问诊问题向量和所述初诊结果数据对所述问题分类模型进行参数精调；获取参数精调后问题分类模型中的每一问诊问题向量的权重，得到问题权重值；对所述问题权重值进行归一化处理，并将归一化处理后的问题权重值作为所述问题维度分数值。5.根据权利要求1所述的方法，其特征在于，所述选项学习模型包括选项转换模型和选项分类模型；所述通过所述初诊结果数据和所述原始问题选项对所述选项学习模型中的选项学习模型参数进行调整处理，将调整处理后的选项学习模型参数作为选项分数值，包括：获取所述原始问题选项之间的的共现关系，得到选项共现关系；基于所述选项共现关系构建所述原始问题...

【专利技术属性】
技术研发人员：唐蕊，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：