一种应用于门诊电话咨询服务的智能化处理方法和系统技术方案

本发明专利技术提供了一种应用于门诊电话咨询服务的AI智能化处理系统及方法。结合门诊来电咨询服务的需求和特征，设置门诊咨询菜单导航及自动识别模块，对门诊来电咨询进行分类导航和识别处理，并根据识别结果，引导到分支业务处理模块进行专题智能化处理；在语音导航及分支业务处理的全流程中，通过构建全局异常识别与决策模块，监测用户语音需求及异常出现情况，按照设定的智能化服务策略，决策并提交到人工介入处理模块，进行人工介入接听和响应服务过程，并在人工介入处理完成后，重新切换到AI智能化响应和处理的循环处理流程中。通过以上技术方案实现基于策略服务的AI自动化响应处理流程与人工介入处理流程的门诊电话咨询服务的智能化处理。的智能化处理。的智能化处理。

【技术实现步骤摘要】
一种应用于门诊电话咨询服务的智能化处理方法和系统


[0001]本专利技术涉及医疗信息化技术及人工智能
，特别是涉及一种应用于门诊电话咨询服务的智能化处理方法和系统。

技术介绍

[0002]医疗服务场所，一直是国内稀缺资源背景下，用户较为拥挤和工作繁忙的场所之一。其中医院的门诊服务窗口，是面向广大患者和用户的第一服务窗口，承担了大量的现场、在线就医咨询、门诊导医、挂号预约、各种就医过程的问题答疑及投诉处理等。在常规三级医院中，门诊电话咨询一直处于满负荷运转状态，几乎每个咨询电话需要独占以为医务工作人员，这样不仅对门诊办公的工作和人力资源造成了巨大的压力，还容易在应答不及时的情况下，造成用户就医困难的服务瓶颈，甚至造成用户就医投诉及满意度降低，从而对医疗机构的服务质量造成较大影响。
[0003]近年来，随着互联网技术的兴起的互联网业务的蓬勃发展，尤其是结合人工智能技术的逐渐成熟，以NLP技术为代表的自然语言处理技术和语音AI处理技术的成熟，基于互联网平台和人工智能技术的智能化电话接听处理具备较好的可行性。但是现有技术还缺少一种技术方案，该方案能够将门诊电话咨询服务进行统一规范化和智能化的处理，实现用户来电门诊相关问题的识别和自动应答处理，最终实现替代人工接听的服务效果，从而满足门诊电话咨询服务的诸多需求。

技术实现思路

[0004]为了克服上述技术缺陷，本专利技术的第一个方面提供一种应用于门诊电话咨询服务的AI智能化处理系统，其包括：
[0005]门诊咨询菜单导航及自动识别模块，所述门诊咨询菜单导航及自动识别模块用于自动语音提示门诊咨询导航菜单及当前时间是否属于工作时间，接收用户语音输入选择并其对进行在线语音识别，转换成文本式用户选择结果，结合关键词识别算法，从而识别出用户对导航菜单的选择结果，然后调用分支业务处理模块下的对应的子模块进行处理；
[0006]分支业务处理模块，分支业务处理模块包括三个子模块，分别是专家门诊咨询处理子模块、特色门诊咨询处理子模块、其他门诊咨询处理子模块；其中，专家门诊咨询处理子模块用于对专家门诊咨询专题进行智能化处理，特色门诊咨询处理子模块用于对特色门诊咨询专题进行智能化处理，其他门诊咨询处理子模块用于对专家门诊和特色门诊之外的咨询问题进行智能化处理；
[0007]全局异常识别与决策模块，所述全局异常识别与决策模块用于监测、统计和规则化处理门诊咨询菜单导航及自动识别模块和分支业务处理模块的全业务流程中的异常情形，并提供决策或者调用人工介入模块和工作日自动识别及配置模块；
[0008]人工介入处理模块，所述人工介入处理模块用于收到全局异常识别与决策模块的调用指令后，指示AI系统暂时休眠，并将当前通话转接到人工台处理，并监测人工台处理状
态，在监测人工台处理完成后，指示AI系统激活并无缝衔接整体持续性的AI交互过程；
[0009]工作日自动识别及配置模块，所述工作日自动识别及配置模块用于设置人工服务的工作时间及自动判断当前时间是否属于工作时间，并将判断结果返回给门诊咨询菜单导航及自动识别模块、全局异常识别与决策模块或人工介入处理模块。
[0010]进一步地，专家门诊咨询处理子模块、特色门诊咨询处理子模块的智能化处理方法和流程与门诊咨询菜单导航及自动识别模块的AI智能化处理方法相同，门诊咨询菜单导航及自动识别模块进行识别用户菜单选择结果的AI智能化处理方法包括以下步骤：
[0011]1)将导航菜单元素初始化成目标关键词集合[L(m)]；
[0012]2)对用户语音输入进行在线语音识别，形成文本参数S_U，并利用正则表达式(Regular Expression)对识别后的文本参数S_U进行净化处理，得到最有效的语干短语R_U；
[0013]3)构建专用词典，将R_U进行分词处理(引入分词词典，避免专用词被拆分)，形成用户输入的分词集合[R_U]；
[0014]4)分别将[L(m)]、[R_U]分别转换成拼音集合，并去除声调和词性属性(需求最大同音相似度)，形成新的集合队列[L(mp)]、[R_U(p)]；
[0015]5)以用户输入[L(mp)]为基准，依次提取[R_U(p)]集合中的各元素，与[L(mp)]中各元素比较文本匹配度，得到依次顺序的匹配度数值[V(m)]；
[0016]6)提取[V(m)]集合中的最大数值，同位置获取对应[L(m)]中的菜单内容，则为用户选择的目标菜单内容。
[0017]进一步地，其他门诊咨询处理子模块进行其他门诊咨询处理的AI智能化处理方法包括以下步骤：
[0018]1)构建门诊开放问题知识库文本集D(m)，知识库关键元素列包括但不限于：问题编号Q_id、问题类型Q_ty，问题内容文本Q_txt、答案文本A_txt、答案语音编号A_vid等，用于表示问题类型、问题内容、标准答案及提取语音文件编号等；
[0019]2)将用户语音输入进行在线语音识别，获得用户语音输入结果文本U_txt；
[0020]3)将U_txt进行分词处理，得到结果分词集合[U_txt]；
[0021]4)基于知识库文本集D(m)建立词典{D(m)}，并获得词典特征数；
[0022]5)将{D(m)}进行分词处理，得到分词列表集[{D(m)}]；
[0023]6)基于词典，将分词列表集[{D(m)}]转换成稀疏向量集，形成可训练的语料库；
[0024]7)将用户输入分词集合[U_txt]转换为稀疏向量；
[0025]8)创建TF
‑
IDF算法模型(或BERT算法模型)，传入语料库来训练；
[0026]9)用训练好的TF
‑
IDF模型，处理[U_txt]转换后的稀疏向量；
[0027]10)进行矩阵式相似度计算，获取最大相似度MAX(s)，及其所在集合队列的位置P_id；
[0028]11)反查P_id所在知识库的位置，进行知识库行元素离散处理，得到结果集[R_d]；
[0029]12)比较MAX(s)的数值，判断是否得到了正确答案(即达到设定阈值标准线以上的相似度结果)，如果判断达到了正确答案标准，则提取结果集[R_d]中各元素：问题编号Q_id、问题类型Q_ty，问题内容文本Q_txt、答案文本A_txt、答案语音编号A_vid等，返回给用户响应程序进行处理；如果判断没达到了正确答案的标准，则提取设定的默认内容，返回给
用户响应程序进行处理；
[0030]13)以上方法和流程循环处理，直到业务结束。
[0031]进一步地，全局异常识别与决策模块监测、统计和规则化处理全业务流程中的异常场景的方法包括以下步骤：预先设定一个针对每次来电咨询的总异常次数阈值，对每次用户来电咨询的服务过程进行全程监测，并累计异常次数；在各识别处理环节正常后，异常累计计数器清零，本次会话重新累计异常；如果累计异常次数达到阈值，则中断当前业务流程，自动调用人工介入处理模块和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于门诊电话咨询服务的AI智能化处理系统，其特征在于，包括：门诊咨询菜单导航及自动识别模块，所述门诊咨询菜单导航及自动识别模块用于自动语音提示门诊咨询导航菜单及当前时间是否属于工作时间，接收用户语音输入选择并其对进行在线语音识别，转换成文本式用户选择结果，结合关键词识别算法，从而识别出用户对导航菜单的选择结果，然后调用分支业务处理模块下的对应的子模块进行处理；分支业务处理模块，分支业务处理模块包括三个子模块，分别是专家门诊咨询处理子模块、特色门诊咨询处理子模块、其他门诊咨询处理子模块；其中，专家门诊咨询处理子模块用于对专家门诊咨询专题进行智能化处理，特色门诊咨询处理子模块用于对特色门诊咨询专题进行智能化处理，其他门诊咨询处理子模块用于对专家门诊和特色门诊之外的咨询问题进行智能化处理；全局异常识别与决策模块，所述全局异常识别与决策模块用于监测、统计和规则化处理门诊咨询菜单导航及自动识别模块和分支业务处理模块的全业务流程中的异常情形，并提供决策或者调用人工介入模块和工作日自动识别及配置模块；人工介入处理模块，所述人工介入处理模块用于收到全局异常识别与决策模块的调用指令后，指示AI系统暂时休眠，并将当前通话转接到人工台处理，并监测人工台处理状态，在监测人工台处理完成后，指示AI系统激活并无缝衔接整体持续性的AI交互过程；工作日自动识别及配置模块，所述工作日自动识别及配置模块用于设置人工服务的工作时间及自动判断当前时间是否属于工作时间，并将判断结果返回给门诊咨询菜单导航及自动识别模块、全局异常识别与决策模块或人工介入处理模块。2.如权利要求1所述的应用于门诊电话咨询服务的智能化处理系统，其特征在于，专家门诊咨询处理子模块、特色门诊咨询处理子模块的智能化处理方法和流程与门诊咨询菜单导航及自动识别模块的AI智能化处理方法相同，门诊咨询菜单导航及自动识别模块进行识别用户菜单选择结果的AI智能化处理方法包括以下步骤：1)将导航菜单元素初始化成目标关键词集合[L(m)]；2)对用户语音输入进行在线语音识别，形成文本参数S_U，并利用正则表达式(Regular Expression)对识别后的文本参数S_U进行净化处理，得到最有效的语干短语R_U；3)构建专用词典，将R_U进行分词处理(引入分词词典，避免专用词被拆分)，形成用户输入的分词集合[R_U]；4)分别将[L(m)]、[R_U]分别转换成拼音集合，并去除声调和词性属性(需求最大同音相似度)，形成新的集合队列[L(mp)]、[R_U(p)]；5)以用户输入[L(mp)]为基准，依次提取[R_U(p)]集合中的各元素，与[L(mp)]中各元素比较文本匹配度，得到依次顺序的匹配度数值[V(m)]；6)提取[V(m)]集合中的最大数值，同位置获取对应[L(m)]中的菜单内容，则为用户选择的目标菜单内容。3.如权利要求1所述的应用于门诊电话咨询服务的智能化处理系统，其特征在于，其他门诊咨询处理子模块进行其他门诊咨询处理的AI智能化处理方法包括以下步骤：1)构建门诊开放问题知识库文本集D(m)，知识库关键元素列包括但不限于：问题编号Q_id、问题类型Q_ty，问题内容文本Q_txt、答案文本A_txt、答案语音编号A_vid等，用于表示问题类型、问题内容、标准答案及提取语音文件编号等；
2)将用户语音输入进行在线语音识别，获得用户语音输入结果文本U_txt；3)将U_txt进行分词处理，得到结果分词集合[U_txt]；4)基于知识库文本集D(m)建立词典{D(m)}，并获得词典特征数；5)将{D(m)}进行分词处理，得到分词列表集[{D(m)}]；6)基于词典，将分词列表集[{D(m)}]转换成稀疏向量集，形成可训练的语料库；7)将用户输入分词集合[U_txt]转换为稀疏向量；8)创建TF
‑
IDF算法模型(或BERT算法模型)，传入语料库来训练；9)用训练好的TF
‑
IDF模型，处理[U_txt]转换后的稀疏向量；10)进行矩阵式相似度计算，获取最大相似度MAX(s)，及其所在集合队列的位置P_id；11)反查P_id所在知识库的位置，进行知识库行元素离散处理，得到结果集[R_d]；12)比较MAX(s)的数值，判断是否得到了正确答案(即达到设定阈值标准线以上的相似度结果)，如果判断达到了正确答案标准，则提取结果集[R_d]中各元素：问题编号Q_id、问题类型Q_ty，问题内容文本Q_txt、答案文本A_txt、答案语音编号A_vid等，返回给用户响应程序进行处理；如果判断没达到了正确答案的标准，则提取设定的默认内容，返回给用户响应程序进行处理；13)以上方法和流程循环处理，直到业务结束。4.如权利要求1所述的应用于门诊电话咨询服务的智能化处理系统，其特征在于，全局异常识别与决策模块监测、统计和规则化处理全业务流程中的异常场景的方法包括以下步骤：预先设定一个针对每次来电咨询的总异常次数阈值，对每次用户来电咨询的服务过程进行全程监测，并累计异常次数；在各识别处理环节正常后，异常累计计数器清零，本次会话重新累计异常；如果累计异常次数达到阈值，则中断当前业务流程，自动调用人工介入处理模块和工...

【专利技术属性】
技术研发人员：赵峰，路小娟，张银娟，王钰，陈珏，王宏悦，季敏敏，
申请(专利权)人：中国人民解放军海军军医大学第一附属医院，
类型：发明
国别省市：