CN108491444A - 解决方案的生成方法和装置 - Google Patents

Abstract

本发明公开了一种解决方案的生成方法和装置。所述解决方案的生成方法包括：响应于解决方案生成指令，获得第一问题描述信息；对所述第一问题描述信息进行解析，获得所述第一问题描述信息对应的第一信息特征；根据所述第一信息特征，获得m个第一解决方案；其中，m≥1。采用本发明，能够提高生成的解决方案的准确度。

Description

解决方案的生成方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种解决方案的生成方法和装置。

背景技术

随着科学技术的发展，在越来越多的应用领域中，通过采用人工智能的方式生成对问题的解决方案。例如，在医疗领域中，通过采用人工智能的方式生成相应的治疗方案，以辅助医生对病患进行诊断和治疗。

在现有技术中，解决方案的生成通常都是通过匹配的方式实现的。具体地，首先在数据库中存储大量的问题描述和对应的解决方案，随后，在获得待解决的问题描述之后，将该待解决的问题描述和数据库中的每个问题描述分别进行匹配，最后，将其中匹配度最高的问题描述所对应的解决方案作为最终的解决方案。但是，现有技术由于仅对问题描述进行表面的匹配，而没有考虑其深层的含义，因此最终获得的解决方案并不一定准确，甚至可能出现与待解决的问题描述完全不符的现象。

发明内容

本发明实施例提出一种解决方案的生成方法和装置，能够提高生成的解决方案的准确度。

本发明实施例提供的一种解决方案的生成方法，具体包括：

响应于解决方案生成指令，获得第一问题描述信息；

对所述第一问题描述信息进行解析，获得所述第一问题描述信息对应的第一信息特征；

根据所述第一信息特征，获得m个第一解决方案；其中，m≥1。

进一步地，所述对所述第一问题描述信息进行解析，获得所述第一问题描述信息对应的第一信息特征，具体包括：

对所述第一问题描述信息进行矢量化处理，获得所述第一问题描述信息对应的信息向量；

将所述信息向量设置为所述第一信息特征。

进一步地，所述解决方案的生成方法，还包括：

获得预设的至少一个第二问题描述信息以及每个所述第二问题描述信息对应的第二信息特征和第二解决方案；

则所述根据所述第一信息特征，获得m个第一解决方案，具体包括：

根据所述第一信息特征和每个所述第二信息特征，计算获得每个所述第二问题描述信息对应的特征相似度；

根据每个所述特征相似度，从所有所述第二解决方案中获得m个所述第一解决方案。

进一步地，所述根据每个所述特征相似度，从所有所述第二解决方案中获得m个所述第一解决方案，具体包括：

将所述特征相似度最高的前m个第二问题描述信息对应的第二解决方案分别设置为所述第一解决方案。

进一步地，所述根据每个所述特征相似度，从所有所述第二解决方案中获得m个所述第一解决方案，具体包括：

将所述特征相似度最高的前n个第二问题描述信息对应的第二解决方案分别设置为备选解决方案；其中，n≥m；

根据每个所述备选解决方案的方案内容，统计获得每个所述备选解决方案的出现频率；

将所述出现频率最高的前m个备选解决方案分别设置为所述第一解决方案。

进一步地，所述解决方案的生成方法，还包括：

根据每个所述第二解决方案的方案内容，统计获得每个所述第二解决方案的出现频率；

则所述根据每个所述特征相似度，从所有所述第二解决方案中获得m个所述第一解决方案，具体包括：

根据每个所述第二解决方案对应的特征相似度和出现频率，计算获得每个所述第二解决方案对应的优选度；

将所述优选度最高的前m个第二解决方案分别设置为所述第一解决方案。

进一步地，所述根据所述第一信息特征，获得m个第一解决方案，具体包括：

将所述第一信息特征输入至预设的方案生成模型，获得至少一个第三解决方案和每个所述第三解决方案对应的优选度；

将所述优选度最高的前m个第三解决方案分别设置为所述第一解决方案。

进一步地，所述解决方案的生成方法，还包括：

获得预设的至少一个第二问题描述信息以及每个所述第二问题描述信息对应的第二信息特征和第二解决方案；

则所述根据所述第一信息特征，获得m个第一解决方案，具体包括：

根据所述第一信息特征和每个所述第二信息特征，计算获得每个所述第二问题描述信息对应的特征相似度；

根据每个所述特征相似度，获得每个所述第二解决方案对应的第一优选度；

将所述第一信息特征输入至预设的方案生成模型，获得至少一个第三解决方案和每个所述第三解决方案对应的第二优选度；

根据每个所述第一优选度、每个所述第二优选度和预设的权重值，从所有所述第二解决方案和所有所述第三解决方案中获得m个所述第一解决方案。

进一步地，所述第一问题描述信息为病情描述信息；所述第一解决方案为治疗方案。

相应地，本发明实施例还提供了一种解决方案的生成装置，具体包括：

问题描述信息获得模块，用于响应于解决方案生成指令，获得第一问题描述信息；

信息特征获得模块，用于对所述第一问题描述信息进行解析，获得所述第一问题描述信息对应的第一信息特征；以及，

解决方案获得模块，用于根据所述第一信息特征，获得m个第一解决方案；其中，m≥1。

实施本发明实施例，具有如下有益效果：

本发明实施例提供的解决方案的生成方法和装置，通过在获得问题描述信息之后，对该问题描述信息中的信息特征进行挖掘，并根据该信息特征获得相应的解决方案，从而在解决方案的生成过程中不仅考虑了问题描述信息的表面含义，还深入理解了问题描述信息的深层含义，全面对问题描述信息进行了分析，因此能够使得生成的解决方案更加符合问题描述信息所描述的真实情况，提高生成的解决方案的准确度。

附图说明

图1是本发明提供的解决方案的生成方法的一个优选的实施例的流程示意图；

图2是本发明提供的解决方案的生成装置的一个优选的实施例的结构示意图；

图3是本发明提供的设备的一个优选的实施例的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，为本发明提供的解决方案的生成方法的一个优选的实施例的流程示意图，包括步骤S11至S13，具体如下：

S11：响应于解决方案生成指令，获得第一问题描述信息。

需要说明的是，本发明实施例由系统执行。其中，该系统可以为安装于手机、平板、电脑等终端设备中的系统，也可以为安装于服务器中的系统。上述解决方案生成指令可以由系统在检测到用户输入时自动生成，也可以由用户手动触发生成。上述第一问题描述信息为对待解决的问题进行描述的相关信息。

更优选地，所述第一问题描述信息为病情描述信息。

需要说明的是，本发明实施例可以应用于医疗领域，则上述第一问题描述信息为病情描述信息，其中可以包括相关的病历描述信息、病患自述信息、医生临床诊断信息、病史资料信息等中的一种或者多种。

具体地，该第一问题描述信息可以通过语音或者文本的方式输入，当该第一问题描述信息以语音的方式输入时，系统在接收到该第一问题描述信息之后，首先将该第一问题描述信息由语音格式转换为文本格式，以便于后续的分析和处理。

S12：对所述第一问题描述信息进行解析，获得所述第一问题描述信息对应的第一信息特征。

进一步地，上述步骤S12可以进一步包括步骤S1201至S1202，具体如下：

S1201：对所述第一问题描述信息进行矢量化处理，获得所述第一问题描述信息对应的信息向量。

需要说明的是，上述信息向量为包含n个实数元素的向量。

S1202：将所述信息向量设置为所述第一信息特征。

S13：根据所述第一信息特征，获得m个第一解决方案；其中，m≥1。

更优选地，所述第一解决方案为治疗方案。

需要说明的是，当上述第一问题描述信息为病情描述信息时，则系统输出的第一解决方案为治疗方案。在获得m个治疗方案之后，系统可以将这m个治疗方案推送给医生，以供医生在诊断和医疗的过程中参考。

本实施例通过在获得问题描述信息之后，对该问题描述信息中的信息特征进行挖掘，并根据该信息特征获得相应的解决方案，从而在解决方案的生成过程中不仅考虑了问题描述信息的表面含义，还深入理解了问题描述信息的深层含义，全面对问题描述信息进行了分析，因此能够使得生成的解决方案更加符合问题描述信息所描述的真实情况，提高生成的解决方案的准确度。

在另一个优选的实施例中，所述解决方案的生成方法，还包括步骤S01，具体如下：

S01：获得预设的至少一个第二问题描述信息以及每个所述第二问题描述信息对应的第二信息特征和第二解决方案。

需要说明的是，上述系统中预先建立有解决方案数据库，其中，该解决方案数据库中存储有大量的经过实践获得的第二问题描述信息和对应的第二解决方案。

则上述步骤S13进一步包括步骤S1311至S1312，具体如下：

S1311：根据所述第一信息特征和每个所述第二信息特征，计算获得每个所述第二问题描述信息对应的特征相似度。

需要说明的是，在本实施例中，通过计算第一信息特征和第二信息特征之间的相似度，从而获得该第二信息特征对应的第二问题描述信息所对应的特征相似度。当上述第一信息特征和上述第二信息特征均以信息向量的形式表示时，可以通过使用余弦相似度公式计算该第一信息特征和该第二信息特征之间的相似度。

S1312：根据每个所述特征相似度，从所有所述第二解决方案中获得m个所述第一解决方案。

更优选地，根据特征相似度的大小从所有第二解决方案中挑选出m个第二解决方案作为第一解决方案。上述步骤S1312进一步包括步骤S1312_11，具体如下：

S1312_11：将所述特征相似度最高的前m个第二问题描述信息对应的第二解决方案分别设置为所述第一解决方案。

需要说明的是，在本实施例中，在计算获得各个第二问题描述信息对应的特征相似度后，按照该特征相似度从大到小的顺序对各个第二问题描述信息进行排序，并将排列于前m位的第二问题描述信息对应的第二解决方案作为上述第一解决方案。

在对各个第二问题描述信息进行排序之前，还可以首先将其中方案内容相同的第二解决方案删除。

更优选地，根据特征相似度的大小从所有第二解决方案中挑选出n个第二解决方案作为备选解决方案之后，根据各个备选解决方案的出现频率从所有备选解决方案中挑选出m个备选解决方案作为第一解决方案。上述步骤S1312进一步包括步骤S1312_21至S1312_23，具体如下：

S1312_21：将所述特征相似度最高的前n个第二问题描述信息对应的第二解决方案分别设置为备选解决方案；其中，n≥m。

需要说明的是，在本实施例中，在计算获得各个第二问题描述信息对应的特征相似度后，按照该特征相似度从大到小的顺序对各个第二问题描述信息进行排序，并将排列于前n位的第二问题描述信息对应的第二解决方案作为上述备选解决方案。

S1312_22：根据每个所述备选解决方案的方案内容，统计获得每个所述备选解决方案的出现频率。

需要说明的是，对于每个备选解决方案，在所有备选解决方案中统计与该备选解决方案内容相同的备选解决方案的个数，即获得该备选解决方案在所有备选解决方案中的出现次数，并将该出现次数除以所有备选解决方案的总数，从而获得该备选解决方案对应的出现频率。其中，该出现频率还可以被定义为该备选解决方案在所有备选解决方案中的出现次数。

S1312_23：将所述出现频率最高的前m个备选解决方案分别设置为所述第一解决方案。

需要说明的是，在计算获得各个备选解决方案对应的出现频率之后，按照该出现频率从大到小的顺序对各个备选解决方案进行排序，并将排列于前m位的备选解决方案作为上述第一解决方案。

更优选地，综合考虑特征相似度和出现频率，从而从所有第二解决方案中挑选出m个第二解决方案作为第一解决方案。所述解决方案的生成方法，还包括步骤S02，具体如下：

S02：根据每个所述第二解决方案的方案内容，统计获得每个所述第二解决方案的出现频率。

需要说明的是，在本实施例中，系统在获得各个第二解决方案之后，对于每个第二解决方案，在所有第二解决方案中统计与该第二解决方案内容相同的第二解决方案的个数，即获得该第二解决方案在所有第二解决方案中的出现次数，并将该出现次数除以所有第二解决方案的总数，从而获得该第二解决方案对应的出现频率。其中，该出现频率还可以被定义为该第二解决方案在所有第二解决方案中的出现次数。

则上述步骤S1312进一步包括步骤S1312_31至S1312_32，具体如下：

S1312_31：根据每个所述第二解决方案对应的特征相似度和出现频率，计算获得每个所述第二解决方案对应的优选度。

需要说明的是，上述优选度可以通过对上述特征相似度和上述出现频率进行加权求和获得，也可以通过将上述特征相似度和上述出现频率相乘获得。其中，该优选度为对应的第二解决方案与上述第一问题描述信息的真实情况相符的程度。

S1312_32：将所述优选度最高的前m个第二解决方案分别设置为所述第一解决方案。

需要说明的是，在计算获得各个第二解决方案对应的优选度之后，按照该优选度从大到小的顺序对各个第二解决方案进行排序，并将排列于前m位的第二解决方案作为上述第一解决方案。

本实施例通过将计算特征相似度的方式对第一问题描述信息和预先存储的第二问题描述信息进行匹配，从而提高匹配的准确度，进而进一步提高生成的解决方案的准确度。

在又一个优选的实施例中，上述步骤S13还可以进一步包括步骤S1321至S1322，具体如下：

S1321：将所述第一信息特征输入至预设的方案生成模型，获得至少一个第三解决方案和每个所述第三解决方案对应的优选度。

需要说明的是，上述系统中预先建立有方案生成模型，其中，该方案生成模型的输入参数为待解决的问题描述信息，输出参数为若干解决方案和每个解决方案对应的优选度。其中，该优选度为对应的第二解决方案与上述第一问题描述信息的真实情况相符的程度。

S1322：将所述优选度最高的前m个第三解决方案分别设置为所述第一解决方案。

需要说明的是，在计算获得各个第三解决方案对应的优选度之后，按照该优选度从大到小的顺序对各个第三解决方案进行排序，并将排列于前m位的第三解决方案作为上述第一解决方案。

进一步地，在上述步骤S1321之前，还包括步骤S001至S002，具体如下：

S001：响应于模型训练指令，获得至少一个训练问题描述信息和每个所述训练问题描述信息对应的训练解决方案。

S002：将每个所述训练问题描述信息和每个所述训练解决方案输入至神经网络初始模型，训练获得所述方案生成模型。

需要说明的是，在本实施例中，在上述步骤S1321之前，还包括模型训练阶段。具体地，首先获取大量的用于模型训练的问题描述信息和对应的解决方案，并根据各个训练问题描述信息V和对应的训练解决方案Z构建输入矢量(V，Z)。当系统获得a个训练问题描述信息和b个训练解决方案，即可构建获得一个由a×b个输入矢量(V，Z)组成的矩阵。随后，将该矩阵输入至神经网络初始模型(例如，可以为卷积神经网络CNN)中进行机器学习，从而训练获得问题描述信息和解决方案之间的映射关系，即获得上述方案生成模型。

需要进一步说明的是，当本实施例被应用于医疗领域时，上述输入矢量中还可以包含相关的医学书籍信息、治疗指南信息等。

本实施例通过使用对大量数据进行机器学习而得的训练模型计算获得若干解决方案以及各个解决方案的优选度，从而提高所获得的解决方案与待解决的问题描述信息之间的符合度，进一步提高生成的解决方案的准确度。

在又一个优选的实施例中，所述解决方案的生成方法，还包括步骤S03，具体如下：

S03：获得预设的至少一个第二问题描述信息以及每个所述第二问题描述信息对应的第二信息特征和第二解决方案。

则上述步骤S13还可以进一步包括步骤S1331至S1334，具体如下：

S1331：根据所述第一信息特征和每个所述第二信息特征，计算获得每个所述第二问题描述信息对应的特征相似度。

S1332：根据每个所述特征相似度，获得每个所述第二解决方案对应的第一优选度。

需要说明的是，在本实施例中，可以通过采用上述实施例中记载的计算特征相似度的方式计算特征相似度，从而获得各个第二解决方案对应的第一优选度。其中，该第一优选度为对应的第二解决方案与上述第一问题描述信息的真实情况相符的程度，其值可以为对应的第二解决方案对应的特征相似度，也可以为对应的第二解决方案对应的优选度。

S1333：将所述第一信息特征输入至预设的方案生成模型，获得至少一个第三解决方案和每个所述第三解决方案对应的第二优选度。

需要说明的是，在本实施例中，可以通过采用上述实施例中记载的计算第三解决方案以及各个第三解决方案对应的优选度的方式计算获得第三解决方案和对应的第二优选度。其中，该第二优选度为对应的第三解决方案与上述第一问题描述信息的真实情况相符的程度。

S1334：根据每个所述第一优选度、每个所述第二优选度和预设的权重值，从所有所述第二解决方案和所有所述第三解决方案中获得m个所述第一解决方案。

需要说明的是，通过上述步骤S1331和S1332，可以计算获得一个包含m1个第一优选度的列表，假设该列表为通过上述步骤S1333，可以计算获得一个包含m2个第二优选度的列表，假设该列表为系统中预先配置有与上述两个列表分别对应的权重w1和w2，则通过计算和后，可以获得每个第二解决方案对应的新的第一优选度以及每个第三解决方案对应的新的第二优选度。随后，按照各个新的第一优选度和各个新的第二优选度从大到小的顺序，对各个第二解决方案和各个第三解决方案进行排序，从而将排列于前m位的解决方案作为上述第一解决方案。

需要进一步说明的是，上述步骤标号仅用于表示不同步骤，而不对各个步骤之间的执行顺序进行限定。

本发明实施例提供的解决方案的生成方法，通过在获得问题描述信息之后，对该问题描述信息中的信息特征进行挖掘，并根据该信息特征获得相应的解决方案，从而在解决方案的生成过程中不仅考虑了问题描述信息的表面含义，还深入理解了问题描述信息的深层含义，全面对问题描述信息进行了分析，因此能够使得生成的解决方案更加符合问题描述信息所描述的真实情况，提高生成的解决方案的准确度。

相应地，本发明还提供一种解决方案的生成装置，能够实现上述实施例中的解决方案的生成方法的所有流程。

如图2所示，为本发明提供的解决方案的生成装置的一个优选的实施例的结构示意图，具体如下：

问题描述信息获得模块21，用于响应于解决方案生成指令，获得第一问题描述信息；

信息特征获得模块22，用于对所述第一问题描述信息进行解析，获得所述第一问题描述信息对应的第一信息特征；以及，

解决方案获得模块23，用于根据所述第一信息特征，获得m个第一解决方案；其中，m≥1。

进一步地，所述信息特征获得模块，具体包括：

信息向量获得单元，用于对所述第一问题描述信息进行矢量化处理，获得所述第一问题描述信息对应的信息向量；以及，

信息特征设置单元，用于将所述信息向量设置为所述第一信息特征。

进一步地，所述解决方案的生成装置，还包括：

已存解决方案获得模块，用于获得预设的至少一个第二问题描述信息以及每个所述第二问题描述信息对应的第二信息特征和第二解决方案；

则所述解决方案获得模块，具体包括：

特征相似度计算单元，用于根据所述第一信息特征和每个所述第二信息特征，计算获得每个所述第二问题描述信息对应的特征相似度；以及，

解决方案筛选单元，用于根据每个所述特征相似度，从所有所述第二解决方案中获得m个所述第一解决方案。

进一步地，所述解决方案筛选单元，具体包括：

解决方案设置子单元，用于将所述特征相似度最高的前m个第二问题描述信息对应的第二解决方案分别设置为所述第一解决方案。

进一步地，所述解决方案筛选单元，具体包括：

备选解决方案筛选子单元，用于将所述特征相似度最高的前n个第二问题描述信息对应的第二解决方案分别设置为备选解决方案；其中，n≥m；

出现频率统计子单元，用于根据每个所述备选解决方案的方案内容，统计获得每个所述备选解决方案的出现频率；以及，

解决方案设置子单元，用于将所述出现频率最高的前m个备选解决方案分别设置为所述第一解决方案。

进一步地，所述解决方案的生成装置，具体包括：

出现频率统计模块，用于根据每个所述第二解决方案的方案内容，统计获得每个所述第二解决方案的出现频率；

则所述解决方案筛选单元，具体包括：

优选度计算子单元，用于根据每个所述第二解决方案对应的特征相似度和出现频率，计算获得每个所述第二解决方案对应的优选度；以及，

解决方案设置子单元，用于将所述优选度最高的前m个第二解决方案分别设置为所述第一解决方案。

进一步地，所述解决方案获得模块，具体包括：

优选度计算单元，用于将所述第一信息特征输入至预设的方案生成模型，获得至少一个第三解决方案和每个所述第三解决方案对应的优选度；以及，

解决方案设置单元，用于将所述优选度最高的前m个第三解决方案分别设置为所述第一解决方案。

进一步地，所述解决方案的生成装置，还包括：

训练解决方案获得模块，用于响应于模型训练指令，获得至少一个训练问题描述信息和每个所述训练问题描述信息对应的训练解决方案；以及，

方案生成模型生成模块，用于将每个所述训练问题描述信息和每个所述训练解决方案输入至神经网络初始模型，训练获得所述方案生成模型。

进一步地，所述解决方案的生成装置，还包括：

已存解决方案获得模块，用于获得预设的至少一个第二问题描述信息以及每个所述第二问题描述信息对应的第二信息特征和第二解决方案；

则所述解决方案获得模块，具体包括：

特征相似度计算单元，用于根据所述第一信息特征和每个所述第二信息特征，计算获得每个所述第二问题描述信息对应的特征相似度；

第一优选度获得单元，用于根据每个所述特征相似度，获得每个所述第二解决方案对应的第一优选度；

第二优选度获得单元，用于将所述第一信息特征输入至预设的方案生成模型，获得至少一个第三解决方案和每个所述第三解决方案对应的第二优选度；以及，

解决方案筛选单元，用于根据每个所述第一优选度、每个所述第二优选度和预设的权重值，从所有所述第二解决方案和所有所述第三解决方案中获得m个所述第一解决方案。

进一步地，所述第一问题描述信息为病情描述信息；所述第一解决方案为治疗方案。

本发明实施例提供的解决方案的生成装置，通过在获得问题描述信息之后，对该问题描述信息中的信息特征进行挖掘，并根据该信息特征获得相应的解决方案，从而在解决方案的生成过程中不仅考虑了问题描述信息的表面含义，还深入理解了问题描述信息的深层含义，全面对问题描述信息进行了分析，因此能够使得生成的解决方案更加符合问题描述信息所描述的真实情况，提高生成的解决方案的准确度。

本发明还提供了一种设备。

如图3所示，为本发明提供的设备的一个优选的实施例的结构示意图，包括处理器31、存储器32以及存储在所述存储器32中且被配置为由所述处理器31执行的计算机程序，所述处理器31执行所述计算机程序时实现如上任一实施例所述的解决方案的生成方法。

需要说明的是，图3仅以该设备中的一个存储器和一个处理器相连接为例进行示意，在一些具体的实施例中，该设备中还可以包括多个存储器和/或多个处理器，其具体的数目及连接方式可根据实际情况需要进行设置和适应性调整。

本发明实施例提供的设备，通过在获得问题描述信息之后，对该问题描述信息中的信息特征进行挖掘，并根据该信息特征获得相应的解决方案，从而在解决方案的生成过程中不仅考虑了问题描述信息的表面含义，还深入理解了问题描述信息的深层含义，全面对问题描述信息进行了分析，因此能够使得生成的解决方案更加符合问题描述信息所描述的真实情况，提高生成的解决方案的准确度。

本发明还提供了一种计算机可读存储介质，具体包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任一实施例所述的解决方案的生成方法。

需要说明的是，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要进一步说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

本发明实施例提供的计算机可读存储介质，通过在获得问题描述信息之后，对该问题描述信息中的信息特征进行挖掘，并根据该信息特征获得相应的解决方案，从而在解决方案的生成过程中不仅考虑了问题描述信息的表面含义，还深入理解了问题描述信息的深层含义，全面对问题描述信息进行了分析，因此能够使得生成的解决方案更加符合问题描述信息所描述的真实情况，提高生成的解决方案的准确度。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种解决方案的生成方法，其特征在于，包括：

响应于解决方案生成指令，获得第一问题描述信息；

对所述第一问题描述信息进行解析，获得所述第一问题描述信息对应的第一信息特征；

根据所述第一信息特征，获得m个第一解决方案；其中，m≥1。

2.如权利要求1所述的解决方案的生成方法，其特征在于，所述对所述第一问题描述信息进行解析，获得所述第一问题描述信息对应的第一信息特征，具体包括：

对所述第一问题描述信息进行矢量化处理，获得所述第一问题描述信息对应的信息向量；

将所述信息向量设置为所述第一信息特征。

3.如权利要求1所述的解决方案的生成方法，其特征在于，所述解决方案的生成方法，还包括：

获得预设的至少一个第二问题描述信息以及每个所述第二问题描述信息对应的第二信息特征和第二解决方案；

则所述根据所述第一信息特征，获得m个第一解决方案，具体包括：

根据所述第一信息特征和每个所述第二信息特征，计算获得每个所述第二问题描述信息对应的特征相似度；

根据每个所述特征相似度，从所有所述第二解决方案中获得m个所述第一解决方案。

4.如权利要求3所述的解决方案的生成方法，其特征在于，所述根据每个所述特征相似度，从所有所述第二解决方案中获得m个所述第一解决方案，具体包括：

将所述特征相似度最高的前m个第二问题描述信息对应的第二解决方案分别设置为所述第一解决方案。

5.如权利要求3所述的解决方案的生成方法，其特征在于，所述根据每个所述特征相似度，从所有所述第二解决方案中获得m个所述第一解决方案，具体包括：

将所述特征相似度最高的前n个第二问题描述信息对应的第二解决方案分别设置为备选解决方案；其中，n≥m；

根据每个所述备选解决方案的方案内容，统计获得每个所述备选解决方案的出现频率；

将所述出现频率最高的前m个备选解决方案分别设置为所述第一解决方案。

6.如权利要求3所述的解决方案的生成方法，其特征在于，所述解决方案的生成方法，还包括：

根据每个所述第二解决方案的方案内容，统计获得每个所述第二解决方案的出现频率；

则所述根据每个所述特征相似度，从所有所述第二解决方案中获得m个所述第一解决方案，具体包括：

根据每个所述第二解决方案对应的特征相似度和出现频率，计算获得每个所述第二解决方案对应的优选度；

将所述优选度最高的前m个第二解决方案分别设置为所述第一解决方案。

7.如权利要求1所述的解决方案的生成方法，其特征在于，所述根据所述第一信息特征，获得m个第一解决方案，具体包括：

将所述第一信息特征输入至预设的方案生成模型，获得至少一个第三解决方案和每个所述第三解决方案对应的优选度；

将所述优选度最高的前m个第三解决方案分别设置为所述第一解决方案。

8.如权利要求1所述的解决方案的生成方法，其特征在于，所述解决方案的生成方法，还包括：

获得预设的至少一个第二问题描述信息以及每个所述第二问题描述信息对应的第二信息特征和第二解决方案；

则所述根据所述第一信息特征，获得m个第一解决方案，具体包括：

根据所述第一信息特征和每个所述第二信息特征，计算获得每个所述第二问题描述信息对应的特征相似度；

根据每个所述特征相似度，获得每个所述第二解决方案对应的第一优选度；

将所述第一信息特征输入至预设的方案生成模型，获得至少一个第三解决方案和每个所述第三解决方案对应的第二优选度；

根据每个所述第一优选度、每个所述第二优选度和预设的权重值，从所有所述第二解决方案和所有所述第三解决方案中获得m个所述第一解决方案。

9.如权利要求1至8中任一项所述的解决方案的生成方法，其特征在于，所述第一问题描述信息为病情描述信息；所述第一解决方案为治疗方案。

10.一种解决方案的生成装置，其特征在于，包括：

问题描述信息获得模块，用于响应于解决方案生成指令，获得第一问题描述信息；

信息特征获得模块，用于对所述第一问题描述信息进行解析，获得所述第一问题描述信息对应的第一信息特征；以及，

解决方案获得模块，用于根据所述第一信息特征，获得m个第一解决方案；其中，m≥1。