症状识别方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例公开了一种症状识别方法、装置、电子设备及存储介质，属于自然语言处理技术领域。该方法包括：基于语料文本、正症状文本和第一负症状文本，训练症状识别模型，正症状文本是与语料文本匹配的症状文本，第一负症状文本是与语料文本不匹配的症状文本；调用症状识别模型，确定语料文本与多个预设症状文本之间的相似度；将属于第二区间的至少一个相似度中最大的相似度对应的预设症状文本，确定为语料文本对应的第二负症状文本；基于语料文本、正症状文本、第一负症状文本和第二负症状文本，训练症状识别模型。该方法丰富了训练过程中的样本多样性，增大了症状识别模型的训练难度，进而提高了症状识别模型的识别准确性。进而提高了症状识别模型的识别准确性。进而提高了症状识别模型的识别准确性。

【技术实现步骤摘要】
症状识别方法、装置、电子设备及存储介质


[0001]本申请实施例涉及自然语言处理
，特别涉及一种症状识别方法、装置、电子设备及存储介质。

技术介绍

[0002]目前，线上提供医疗服务成为一种常见的医疗服务方式。相关技术中，用户输入能够描述病情的文本，设备基于识别模型确定与所输入的文本匹配的症状文本，该症状文本是以标准的医疗类语言表示的，根据该症状文本能够清楚地描述用户的症状。但是，由于用户所输入的文本比较口语化，增加了识别难度，如何提高识别准确性成为亟需解决的问题。

技术实现思路

[0003]本申请实施例提供了一种症状识别方法、装置、电子设备及存储介质，能够提高症状识别的准确性。所述技术方案如下：
[0004]一方面，提供了一种症状识别方法，所述方法包括：
[0005]基于语料文本、正症状文本和第一负症状文本，训练症状识别模型，所述正症状文本是与所述语料文本匹配的症状文本，所述第一负症状文本是与所述语料文本不匹配的症状文本；
[0006]调用所述症状识别模型，确定所述语料文本与多个预设症状文本之间的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种症状识别方法，其特征在于，所述方法包括：基于语料文本、正症状文本和第一负症状文本，训练症状识别模型，所述正症状文本是与所述语料文本匹配的症状文本，所述第一负症状文本是与所述语料文本不匹配的症状文本；调用所述症状识别模型，确定所述语料文本与多个预设症状文本之间的相似度，所述症状识别模型对应的相似度区间包括第一区间和第二区间，所述第一区间的相似度大于所述第二区间的相似度；将属于所述第二区间的至少一个相似度中最大的相似度对应的预设症状文本，确定为所述语料文本对应的第二负症状文本；基于所述语料文本、所述正症状文本、所述第一负症状文本和所述第二负症状文本，训练所述症状识别模型。2.根据权利要求1所述的方法，其特征在于，所述基于所述语料文本、所述正症状文本、所述第一负症状文本和所述第二负症状文本，训练所述症状识别模型，包括：调用所述症状识别模型，确定所述语料文本分别与所述正症状文本、所述第一负症状文本和所述第二负症状文本之间的相似度；基于所确定的相似度确定损失值，基于所述损失值，训练所述症状识别模型。3.根据权利要求2所述的方法，其特征在于，所述调用所述症状识别模型，确定所述语料文本分别与所述正症状文本、所述第一负症状文本和所述第二负症状文本之间的相似度，包括：调用所述症状识别模型，对所述语料文本、所述正症状文本、所述第一负症状文本和所述第二负症状文本进行特征提取，得到语料文本特征、正症状文本特征、第一负症状文本特征和第二负症状文本特征；确定所述语料文本特征分别与所述正症状文本特征、所述第一负症状文本特征和所述第二负症状文本特征之间的相似度。4.根据权利要求1所述的方法，其特征在于，所述调用所述症状识别模型，确定所述语料文本与多个预设症状文本之间的相似度之后，所述方法还包括：确定验证语料文本、验证症状文本和验证标签，所述验证标签为第一验证标签或第二验证标签，所述第一验证标签表示所述验证症状文本是所述验证语料文本匹配的症状文本，所述第二验证标签表示所述验证症状文本是所述验证语料文本不匹配的症状文本，且所述第一验证标签与所述第一区间对应，所述第二验证标签与所述第二区间对应；调用所述症状识别模型，确定所述验证语料文本与所述验证症状文本之间的相似度；根据所述相似度是否属于所述验证标签对应的区间，确定所述症状识别模型的精确度；所述将属于所述第二区间的至少一个相似度中最大的相似度对应的预设症状文本，确定为所述语料文本对应的第二负症状文本，包括：在所述精确度不小于预设精确度的情况下，将属于所述第二区间的至少一个相似度中最大的相似度对应的预设症状文本，确定为所述语料文本对应的第二负症状文本。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：在所述精确度小于所述预设精确度的情况下，调整所述第一区间和所述第二区间，根
据所述相似度是否属于所述验证标签对应的区间，确定所述症状识别模型的精确度，直至所述精确度不小于所述预设精确度。6.根据权利要求1所述的方法，其特征在于，所述基于语料文本、正症状文本和第一负症状文本，训练症状识别模型之前，所述方法还包括：获取多个语料文本集合，每个所述语料文本集合包括多个语料文本，且每个所述语料文本集合包括的语料文本的数量相等；对于每个所述语料文本，将所述语料文本集合中除所述语料文本之外的其他语料文本对应的正症状文本，确定为所述语料文本对应的第一负症状文本。7.根据权利要求6所述的方法，其特征在于，所述将属于所述第二区间的至少一个相似度中最大的相似度对应的预设症状文本，确定为所述语料文本对应的第二负症状文本之后，所述方法还包括：对于每个所述语料文本，将所述语料文本集合中除所述语料文本之外的其他语料文本对应的第二负症状文本，确定为所述语料文本对应的第三负症状文本；所述基于所述语料文本、所述正症状文本、所述第一负症状文本和所述第二负症状文本，训练所述症状识别模型，包括：基于所述语料文本、所述正症状文本、所述第一负症状文本、所述第二负症状文本和所述第三负症状...

【专利技术属性】
技术研发人员：张世伟，孙继超，丁雪琪，郑冶枫，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：