本发明专利技术公开了一种健康建议的生成方法、装置、设备及存储介质。方法包括：获取用户咨询文本、用户画像标签，以及与用户画像标签关联的调节人体机能产品，对用户咨询文本、用户画像标签，以及调节人体机能产品进行融合编码，得到融合编码向量，将融合编码向量输入预先训练的多决策树分类模型中进行处理，预测用户的疾病类型，针对疾病类型生成健康建议，并推送给用户。本方案可以有效改进现有量表机械问询的方式，根据用户信息的逐渐丰富进行预诊断，并结合多决策树模型遍历系统中经典的递归回溯算法，模拟专家在咨询路径中可回顾判断逻辑的思路，提高了健康建议的灵活性和科学性。提高了健康建议的灵活性和科学性。提高了健康建议的灵活性和科学性。
【技术实现步骤摘要】
一种健康建议的生成方法、装置、设备及存储介质
[0001]本专利技术涉及计算机辅助咨询技术，尤其涉及一种健康建议的生成方法、装置、设备及存储介质。
技术介绍
[0002]在线营养咨询场景是以人工预置专家问题的方式，给与用户饮食健康建议以及相应合理的干预方案。
[0003]目前，市面上此业务场景基本上是以预置好的问诊流程为主，具体表现形式通常为固定量表或者调查问卷的方式，通过一系列选择题判断题来收集用户缺乏营养疾病相关信息。然而，预置好的问诊流程路径不会因为用户的主诉、现病史、既往史等相关信息做合理的重组和切换。在科学营养咨询的场景下，咨询范围包括健康要素、营养物质和医学常识等专业知识，固定化的咨询流程缺乏真实咨询的灵活性和科学性。
技术实现思路
[0004]本专利技术提供一种健康建议的生成方法、装置、设备及存储介质，以改进现有量表机械问询的方式，根据用户信息的逐渐丰富进行预诊断，并结合多决策树模型遍历系统中经典的递归回溯算法，模拟专家在咨询路径中可回顾判断逻辑的思路，提高了健康建议的灵活性和科学性。
[0005]第一方面，本专利技术提供了一种健康建议的生成方法，包括：
[0006]获取用户咨询文本、用户画像标签，以及与所述用户画像标签关联的调节人体机能产品；
[0007]对所述用户咨询文本、所述用户画像标签，以及所述调节人体机能产品进行融合编码，得到融合编码向量；
[0008]将所述融合编码向量输入预先训练的多决策树分类模型中进行处理，预测所述用户的疾病类型；<br/>[0009]针对所述疾病类型生成健康建议，并推送给所述用户。
[0010]所述调节人体机能产品包括食品、保健品、特医食品、药品、膳食补充剂、营养补充剂等。
[0011]可选的，对所述用户咨询文本、所述用户画像标签，以及所述调节人体机能产品进行融合编码，得到融合编码向量，包括：
[0012]采用自注意力机制对所述用户咨询文本进行编码，得到注意力向量；
[0013]基于所述用户画像标签，以及与所述用户画像标签关联的调节人体机能产品，生成所述用户画像标签与所述调节人体机能产品的概念化图谱序列；
[0014]融合所述注意力向量和所述概念化图谱序列，得到融合编码向量。
[0015]可选的，采用自注意力机制对所述用户咨询文本进行编码，得到注意力向量，包括：
[0016]对所述用户咨询文本中的词进行词嵌入处理，得到词向量；
[0017]对所述用户咨询文本中的词进行位置嵌入处理，得到位置向量；
[0018]融合所述词向量和所述位置向量，得到融合向量；
[0019]将所述融合向量输入Transformer模型的编码器中进行编码，得到注意力向量。
[0020]可选的，基于所述用户画像标签，以及与所述用户画像标签关联的调节人体机能产品，生成所述用户画像标签与所述调节人体机能产品的概念化图谱序列，包括：
[0021]在用户问询触发时，获取用户指称、用户咨询文本以及客服产品文档作为候选输入；
[0022]从所述候选输入中识别出所有指称和所有实体；
[0023]计算任意指称和实体之间的匹配度；
[0024]以所述指称和实体为节点，所述匹配度为边构建所述用户画像标签与所述调节人体机能产品的概念化图谱序列。
[0025]可选的，计算任意指称和实体之间的匹配度，包括：
[0026]计算任意指称和实体之间的编辑距离作为匹配度，编辑距离计算公式为：
[0027][0028]其中，a为指称，e为实体。
[0029]可选的，在生成所述用户画像标签与所述调节人体机能产品的概念化图谱序列之后，还包括：
[0030]从所述概念化图谱序列中找出核心实体对应的概念集合；
[0031]对所述概念集合进行信息补全，形成知识更全面的概念化图谱序列。
[0032]可选的，将所述融合编码向量输入预先训练的多决策树分类模型中进行处理，预测所述用户的疾病类型，包括：
[0033]将所述融合编码向量输入诊断信息判别器进行处理；
[0034]若得到诊断结论，则将所述诊断结论作为预测的疾病类型；
[0035]若未得到诊断结论，则将所述融合编码向量输入第一棵决策树进行处理，遍历第一棵决策树的所有节点；
[0036]若找到诊断结果，则将所述诊断结果作为预测的疾病类型；
[0037]若未找到诊断结果，则跳转到下一决策树进行处理，直至得到诊断结论。
[0038]第二方面，本专利技术还提供了一种健康建议的生成装置，包括：
[0039]数据获取模块，用于获取用户咨询文本、用户画像标签，以及与所述用户画像标签关联的调节人体机能产品；
[0040]融合编码模块，用于对所述用户咨询文本、所述用户画像标签，以及所述调节人体机能产品进行融合编码，得到融合编码向量；
[0041]预测模块，用于将所述融合编码向量输入预先训练的多决策树分类模型中进行处
理，预测所述用户的疾病类型；
[0042]健康建议模块，用于针对所述疾病类型生成健康建议，并推送给所述用户。
[0043]第三方面，本专利技术还提供了一种电子设备，包括：
[0044]一个或多个处理器；
[0045]存储器，用于存储一个或多个程序；
[0046]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术第一方面提供的健康建议的生成方法。
[0047]第四方面，本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如本专利技术第一方面提供的健康建议的生成方法。
[0048]本专利技术提供的健康建议的生成方法，包括：获取用户咨询文本、用户画像标签，以及与用户画像标签关联的调节人体机能产品，对用户咨询文本、用户画像标签，以及调节人体机能产品进行融合编码，得到融合编码向量，将融合编码向量输入预先训练的多决策树分类模型中进行处理，预测用户的疾病类型，针对疾病类型生成健康建议，并推送给用户。本方案可以有效改进现有量表机械问询的方式，根据用户信息的逐渐丰富进行预诊断，并结合多决策树模型遍历系统中经典的递归回溯算法，模拟专家在咨询路径中可回顾判断逻辑的思路，提高了健康建议的灵活性和科学性。
[0049]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0050]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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。
[0051]图1为本专利技术实施例提供的一种健康建议的生成方法的流程图；<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种健康建议的生成方法，其特征在于，包括：获取用户咨询文本、用户画像标签，以及与所述用户画像标签关联的调节人体机能产品；对所述用户咨询文本、所述用户画像标签，以及所述调节人体机能产品进行融合编码，得到融合编码向量；将所述融合编码向量输入预先训练的多决策树分类模型中进行处理，预测所述用户的疾病类型；针对所述疾病类型生成健康建议，并推送给所述用户。2.根据权利要求1所述的健康建议的生成方法，其特征在于，对所述用户咨询文本、所述用户画像标签，以及所述调节人体机能产品进行融合编码，得到融合编码向量，包括：采用自注意力机制对所述用户咨询文本进行编码，得到注意力向量；基于所述用户画像标签，以及与所述用户画像标签关联的调节人体机能产品，生成所述用户画像标签与所述调节人体机能产品的概念化图谱序列；融合所述注意力向量和所述概念化图谱序列，得到融合编码向量。3.根据权利要求2所述的健康建议的生成方法，其特征在于，采用自注意力机制对所述用户咨询文本进行编码，得到注意力向量，包括：对所述用户咨询文本中的词进行词嵌入处理，得到词向量；对所述用户咨询文本中的词进行位置嵌入处理，得到位置向量；融合所述词向量和所述位置向量，得到融合向量；将所述融合向量输入Transformer模型的编码器中进行编码，得到注意力向量。4.根据权利要求2所述的健康建议的生成方法，其特征在于，基于所述用户画像标签，以及与所述用户画像标签关联的调节人体机能产品，生成所述用户画像标签与所述调节人体机能产品的概念化图谱序列，包括：在用户问询触发时，获取用户指称、用户咨询文本以及客服产品文档作为候选输入；从所述候选输入中识别出所有指称和所有实体；计算任意指称和实体之间的匹配度；以所述指称和实体为节点，所述匹配度为边构建所述用户画像标签与所述调节人体机能产品的概念化图谱序列。5.根据权利要求4所述的健康建议的生成方法，其特征在于，计算任意指称和实体之间的匹配度，包括：计算任意指称和实体之间的编辑距离作为...
【专利技术属性】
技术研发人员：李响，章宇超，张仁杰，
申请(专利权)人：汤臣倍健股份有限公司，
类型：发明
国别省市：
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。