CN110444292B - 信息问答方法及系统 - Google Patents

信息问答方法及系统 Download PDF

Info

Publication number
CN110444292B
CN110444292B CN201910690482.0A CN201910690482A CN110444292B CN 110444292 B CN110444292 B CN 110444292B CN 201910690482 A CN201910690482 A CN 201910690482A CN 110444292 B CN110444292 B CN 110444292B
Authority
CN
China
Prior art keywords
question
current
additional information
previous
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910690482.0A
Other languages
English (en)
Other versions
CN110444292A (zh
Inventor
刘宁
胡茜
王静
吴志超
董婉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Aidoctor Intelligent Medical Technology Co ltd
Original Assignee
Beijing Aidoctor Intelligent Medical Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Aidoctor Intelligent Medical Technology Co ltd filed Critical Beijing Aidoctor Intelligent Medical Technology Co ltd
Priority to CN201910690482.0A priority Critical patent/CN110444292B/zh
Publication of CN110444292A publication Critical patent/CN110444292A/zh
Application granted granted Critical
Publication of CN110444292B publication Critical patent/CN110444292B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Human Computer Interaction (AREA)
  • Pathology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种信息问答方法及系统，方法包括：获取用户的当前问题和所述用户的当前问题的前一个问题，判断所述当前问题和所述前一个问题的意图是否相同，若是，则获取所述意图所需的附加信息；判断所述附加信息在所述前一个问题返回的答复和所述前一个问题中是否存在，若是，则根据所述前一个问题返回的答复和所述前一个问题中的附加信息和所述当前问题，在预先构建的知识库中获取所述附加信息和所述当前问题的组合对应的答复；将所述答复返回给所述用户的客户端。本发明一方面，根据上下文信息获取用户意图所需的附加信息，以根据附加信息和当前问题给出答复，从而使答复结果更加准确；另一方面，通过人工智能辅助信息问答，省时省力。

Description

信息问答方法及系统
技术领域
本发明属于信息处理技术领域，尤其涉及一种信息问答方法及系统。
背景技术
肝病是指发生在肝脏的病变，包括乙肝、甲肝、丙肝、肝硬化、肝癌和酒精肝等多种肝病。肝病是一种常见的危害性极大的疾病，长期影响大，患者往往需要长期关注自身的身体状况、治疗方案、病症时期和复诊时间等。
为了了解这些问题，患者通常需要每个一段时间到医院看医生，当面向医生咨询。而同一肝病患者每次向医生询问的问题大多是重复的，患者为了这些重复的问题需要多次就医，遇到就诊高峰期还需要等待，费时费力。同时，每个肝病患者询问医生的问题也是重复的，医生需要重复回答肝病患者的问题，大大增加了医生的工作量。
传统的智能诊断系统根据预设设置好的通用性答案，根据患者的提问直接给出相应的回答，无法应对复杂、时间间隔长的肝病慢性病问诊。
发明内容
为克服上述现有的问答方法费时费力且应用具有局限性的问题或者至少部分地解决上述问题，本发明实施例提供一种信息问答方法及系统。
根据本发明实施例的第一方面，提供一种信息问答方法，包括：
获取用户的当前问题和所述用户的当前问题的前一个问题，判断所述当前问题和所述前一个问题的意图是否相同，若是，则获取所述意图所需的附加信息；
判断所述附加信息在所述前一个问题返回的答复和所述前一个问题中是否存在，若是，则根据所述前一个问题返回的答复和所述前一个问题中的附加信息和所述当前问题，在预先构建的知识库中获取所述附加信息和所述当前问题的组合对应的答复；
将所述答复返回给所述用户的客户端。
根据本发明实施例第二方面提供一种信息问答系统，包括：
第一获取模块，用于获取用户的当前问题和所述用户的当前问题的前一个问题，判断所述当前问题和所述前一个问题的意图是否相同，若是，则获取所述意图所需的附加信息；
第二获取模块，用于判断所述附加信息在所述前一个问题返回的答复和所述前一个问题中是否存在，若是，则根据所述前一个问题返回的答复和所述前一个问题中的附加信息和所述当前问题，在预先构建的知识库中获取所述附加信息和所述当前问题的组合对应的答复；
返回模块，用于将所述答复返回给所述用户的客户端。
根据本发明实施例的第三个方面，还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器调用所述程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的信息问答方法。
根据本发明实施例的第四个方面，还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的信息问答方法。
本发明实施例提供一种信息问答方法及系统，该方法通过判断当前问题和前一个问题的意图是否相同，若是，则获取意图所需的附加信息，判断附加信息在用户的发言中是否存在，若存在则根据前一个问题返回的答复和前一个问题中的附加信息和当前问题，在预先构建的知识库中获取附加信息和当前问题的组合对应的答复，并将答复返回给用户的客户端，一方面，根据上下文信息获取用户意图所需的附加信息，以根据附加信息和当前问题给出答复，从而使答复结果更加准确；另一方面，通过人工智能辅助信息问答，省时省力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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。
图1为本发明实施例提供的信息问答方法整体流程示意图；
图2为本发明实施例提供的信息问答系统整体结构示意图；
图3为本发明实施例提供的电子设备整体结构示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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。
在本发明的一个实施例中提供一种信息问答方法，图1为本发明实施例提供的信息问答方法整体流程示意图，该方法包括：S101，获取用户的当前问题和所述用户的当前问题的前一个问题，判断所述当前问题和所述前一个问题的意图是否相同，若是，则获取所述意图所需的附加信息；
其中，用户通过客户端进行提问，提问的方式可以是文字输入或语音，但本实施例不限于这两种提问方式。客户端获取用户的当前问题，并判断当前问题是否是用户的第一个问题，若不是则还获取用户的前一个问题。若当前问题是用户提出的第一个问题，则将当前问题的回答按单独会话处理，即不考虑当前问题的上下文关系。提取当前问题和前一个问题的特征部分，其中特征部分包括关键信息和句式。根据当前问题的特征部分获取所述当前问题的意图，根据前一个问题的特征部分获取前一个问题的意图。其中，当前问题的特征部分和当前问题的意图预先关联存储，前一个问题的特征部分和前一个问题的意图预先关联存储。判断当前问题和前一个问题的意图是否相同。若这两个问题的意图不相同，则停止记录上下文信息，节省计算资源。若这两个问题的意图相同，则获取意图所需的附加信息。如当前问题为“我什么时候需要复查”，意图为咨询复查时间，咨询复查时间需要的附加信息为上次检查的时间和病情描述。
S102，判断所述附加信息在所述前一个问题返回的答复和所述前一个问题中是否存在，若是，则根据所述前一个问题返回的答复和所述前一个问题中的附加信息和所述当前问题，在预先构建的知识库中获取所述附加信息和所述当前问题的组合对应的答复；
先判断在前一个问题返回的答复、前一个问题和当前问题中附加信息是否都存在。具体在用户每次发言之后，从用户的发言中抽取关键信息作为已知信息，判断用于意图所需的附加信息在这些已知信息中是否都存在。若所有附加信息都存在，则根据这些附加信息，如上次检查的时间和病情描述和当前问题，在预先构建的知识库中所有获取附加信息和当前问题的组合对应的答复。其中，知识库中存储有实体，如肝病、药物和病因等，以及实体之间的关系，如治疗和诱发等。当用户第一次提出问题时，判断用户的意图，列出意图涉及到的所有可能实体和已知实体，当已知实体能够通过关系推导出唯一可能实体时，将该可能实体作为答案返回。
S103，将所述答复返回给所述用户的客户端。
本实施例通过判断当前问题和前一个问题的意图是否相同，若是，则获取意图所需的附加信息，判断附加信息在用户的发言中是否存在，若存在则根据前一个问题返回的答复和前一个问题中的附加信息和当前问题，在预先构建的知识库中获取附加信息和当前问题的组合对应的答复，并将答复返回给用户的客户端，一方面，根据上下文信息获取用户意图所需的附加信息，以根据附加信息和当前问题给出答复，从而使答复结果更加准确；另一方面，通过人工智能辅助信息问答，省时省力。
在上述实施例的基础上，本实施例中判断所述当前问题和所述前一个问题的意图是否相同的步骤还包括：若所述当前问题和所述前一个问题的意图不相同，则提取用户的当前问题中的关键信息；从数据库中获取包含所述关键信息的问题样本；其中，所述数据库中存储有所述问题样本和所述问题样本的答复之间的对应关系；基于Transformer模型将所述当前问题和每个所述问题样本分别转换为向量；根据所述当前问题的向量和每个所述问题样本的向量，计算所述当前问题与每个所述问题样本之间的语义相似度；获取与所述当前问题语义相似度最大的问题样本，将所述最大语义相似度对应的问题样本的答复作为所述当前问题的最佳答复。
具体地，若当前问题和前一个问题的意图不相同，或者当前问题为第一个问题，则当用户的当前问题只是简单、重复的问题，则将用户的当前问题通过Transformer模型转换成向量，并通过语义相似度匹配方法，从数据库中获取所述当前问题的最佳问题进行回复。在使用Transformer模型将用户的当前问题转换成向量之前，对Transformer模型进行训练。如使用肝病医学相关文本对Transformer模型进行训练，使得Transformer模型对于肝病相关的权重更大，更够理解肝病相关的自然语言文本。使用训练好的Transformer模型对输入的语句进行编码，将输入的自然语言编码成向量，在多个语句间通过向量相似度进行匹配。此外，还判断当前问题在数据库中是否存在；若不存在，则将当前问题和当前问题的最佳答复在数据库中进行关联存储，从而实现对数据库内容的丰富。本实施例将问句向量生成和匹配算计进行结合，实现了对用户的提问自动进行答复，且答复准确。
在上述实施例的基础上，本实施例中判断所述当前问题和所述前一个问题的意图是否相同的步骤还包括：若所述当前问题和所述前一个问题的意图不相同，则获取所述意图所需的附加信息，并根据所述附加信息生成新问题；将所述新问题返回给所述用户的客户端，以供所述用户对所述新问题进行答复，并从所述用户的答复中提取所述附加信息；根据所述用户的答复中的附加信息和所述当前问题，在所述知识库中获取所述附加信息和所述当前问题的组合对应的答复。
具体地，若所述当前问题和所述前一个问题的意图不相同，或者当前问题为第一个问题，则当用户的当前问题需要详细的分析和解答时，提取当前问题的特征部分，如当前问题中的关键信息和当前问题的句式等。根据特征部分理解用户的意图，获取用户的意图所需的附加信息。判断用户的意图所需的所有附加信息是否在当前问题中存在，若有些附加信息不存在，则根据不存在的附加信息生成分别生成新问题，即构建问题分支。将新问题返回给用户，以供用户回答这些新问题，判断不存在的附加信息在用户对这些新问题的回答中是否都存在，若都存在，则说明用户的意图所需的所有附加信息都已获取到。根据所有附加信息和当前问题的组合获取该组合对应的详细答复。若用户的意图不需要附加信息，则直接根据用户意图从知识库中获取用户意图对应的答案。
例如，当用户提出“我什么时候需要复查”，若这是第一个问题，且该问题需要详细解答，则提取该问题的特征部分理解用户的意图为咨询复查时间，咨询复查时间需要的附加信息为上次检查的时间和病情描述，判断用户在当前问题中是否陈述提到上次检查的时间和病情描述，若有一个没有提到或都没有提到，则根据没提到的附加信息生成新问题，如根据附加信息上次检查的时间生成的新问题为“您上次检查的时间是什么时候？”，根据附加信息病情描述生成的新问题为“您上次检查的结果是什么呢？”。然后，将新问题返回给用户的客户端，以供用户对新问题进行回答。若用户对所有新问题均进行回答，且从回答结果中提取到所需的附加信息，则根据用户意图所需的所有附加信息和当前问题将知识库中对应的知识进行组合，回答用户，并询问用户是否继续。
本实施例基于自然语言处理、智能推理与知识图谱方法，能够合理处理上下文关系，从患者的问题中提取关键点并编码，从知识图谱中读取知识通过自动推理算法自动生成精准回答。
在上述实施例的基础上，本实施例中判断所述附加信息在所述前一个问题返回的答复和所述前一个问题中是否存在的步骤还包括：若所述附加信息在所述前一个问题返回的答复和所述前一个问题中不存在，则根据所述附加信息生成新问题；将所述新问题返回给所述用户的客户端，以供所述用户对所述新问题进行答复，并从所述用户的答复中提取所述附加信息；根据所述用户的答复中的附加信息和所述当前问题，在所述知识库中获取所述附加信息和所述当前问题的组合对应的答复。本实施例将上下文管理和问句生成相结合，实现了对用户的提问自动进行答复，且答复准确。
在上述实施例的基础上，本实施例中根据所述附加信息生成新问题的步骤之后还包括：将所述新问题与数据库中的各问题样本进行相似度匹配；获取与所述新问题相似度最大的问题样本对应的其他用户的答复，将所述其他用户的答复作为提示信息；将所述提示信息返回给所述用户的客户端，以供所述用户根据所述提示信息对所述新问题进行答复。
具体地，相似度匹配方法可以为将新问题和问题样本通过Transformer模型转换成向量，根据新问题的向量和每个问题样本的向量，计算新问题与每个问题样本之间的语义相似度；获取与新问题语义相似度最大的问题样本，将最大语义相似度对应的问题样本的答复作为提示信息，如“我上次检查的结果是某某”，以提示用户回答。
在本发明的另一个实施例中提供一种信息问答系统，该系统用于实现前述各实施例中的方法。因此，在前述信息问答方法的各实施例中的描述和定义，可以用于本发明实施例中各个执行模块的理解。图2为本发明实施例提供的信息问答系统整体结构示意图，该系统包括第一获取模块201、第二获取模块202和返回模块203，其中：
第一获取模块201用于获取用户的当前问题和所述用户的当前问题的前一个问题，判断所述当前问题和所述前一个问题的意图是否相同，若是，则获取所述意图所需的附加信息；
其中，用户通过客户端进行提问，提问的方式可以是文字输入或语音，但本实施例不限于这两种提问方式。第一获取模块201获取用户的当前问题，并判断当前问题是否是用户的第一个问题，若不是则还获取用户的前一个问题。若当前问题是用户提出的第一个问题，则将当前问题的回答按单独会话处理，即不考虑当前问题的上下文关系。提取当前问题和前一个问题的特征部分，其中特征部分包括关键信息和句式。根据当前问题的特征部分获取所述当前问题的意图，根据前一个问题的特征部分获取前一个问题的意图。其中，当前问题的特征部分和当前问题的意图预先关联存储，前一个问题的特征部分和前一个问题的意图预先关联存储。判断当前问题和前一个问题的意图是否相同。若这两个问题的意图不相同，则停止记录上下文信息，节省计算资源。若这两个问题的意图相同，则获取意图所需的附加信息。
第二获取模块202用于判断所述附加信息在所述前一个问题返回的答复和所述前一个问题中是否存在，若是，则根据所述前一个问题返回的答复和所述前一个问题中的附加信息和所述当前问题，在预先构建的知识库中获取所述附加信息和所述当前问题的组合对应的答复；
第二获取模块202先判断在前一个问题返回的答复、前一个问题和当前问题中附加信息是否都存在。具体在用户每次发言之后，从用户的发言中抽取关键信息作为已知信息，判断用于意图所需的附加信息在这些已知信息中是否都存在。若所有附加信息都存在，则根据这些附加信息，如上次检查的时间和病情描述和当前问题，在预先构建的知识库中所有获取附加信息和当前问题的组合对应的答复。其中，知识库中存储有实体，如肝病、药物和病因等，以及实体之间的关系，如治疗和诱发等。当用户第一次提出问题时，判断用户的意图，列出意图涉及到的所有可能实体和已知实体，当已知实体能够通过关系推导出唯一可能实体时，将该可能实体作为答案返回。
返回模块203用于将所述答复返回给所述用户的客户端。
本实施例通过判断当前问题和前一个问题的意图是否相同，若是，则获取意图所需的附加信息，判断附加信息在用户的发言中是否存在，若存在则根据前一个问题返回的答复和前一个问题中的附加信息和当前问题，在预先构建的知识库中获取附加信息和当前问题的组合对应的答复，并将答复返回给用户的客户端，一方面，根据上下文信息获取用户意图所需的附加信息，以根据附加信息和当前问题给出答复，从而使答复结果更加准确；另一方面，通过人工智能辅助信息问答，省时省力。
在上述实施例的基础上，本实施例中第一获取模块还用于：若所述当前问题和所述前一个问题的意图不相同，则提取用户的当前问题中的关键信息；从数据库中获取包含所述关键信息的问题样本；其中，所述数据库中存储有所述问题样本和所述问题样本的答复之间的对应关系；基于Transformer模型将所述当前问题和每个所述问题样本分别转换为向量；根据所述当前问题的向量和每个所述问题样本的向量，计算所述当前问题与每个所述问题样本之间的语义相似度；获取与所述当前问题语义相似度最大的问题样本，将所述最大语义相似度对应的问题样本的答复作为所述当前问题的最佳答复。
在上述实施例的基础上，本实施例中第一获取模块还用于：若所述当前问题和所述前一个问题的意图不相同，则获取所述意图所需的附加信息，并根据所述附加信息生成新问题；将所述新问题返回给所述用户的客户端，以供所述用户对所述新问题进行答复，并从所述用户的答复中提取所述附加信息；根据所述用户的答复中的附加信息和所述当前问题，在所述知识库中获取所述附加信息和所述当前问题的组合对应的答复。
在上述实施例的基础上，本实施例中第二获取模块还用于：若所述附加信息在所述前一个问题返回的答复和所述前一个问题中不存在，则根据所述附加信息生成新问题；将所述新问题返回给所述用户的客户端，以供所述用户对所述新问题进行答复，并从所述用户的答复中提取所述附加信息；根据所述用户的答复中的附加信息和所述当前问题，在所述知识库中获取所述附加信息和所述当前问题的组合对应的答复。
在上述实施例的基础上，本实施例中还包括预处理模块，用于提取所述当前问题和所述前一个问题的特征部分；其中，所述特征部分包括关键信息和句式；根据所述当前问题的特征部分获取所述当前问题的意图；根据所述前一个问题的特征部分获取所述前一个问题的意图；其中，所述当前问题的特征部分和所述当前问题的意图预先关联存储；所述前一个问题的特征部分和所述前一个问题的意图预先关联存储。
在上述实施例的基础上，本实施例中还包括后处理模块，用于将所述新问题与数据库中的各问题样本进行相似度匹配；获取与所述新问题相似度最大的问题样本对应的其他用户的答复，将所述其他用户的答复作为提示信息；将所述提示信息返回给所述用户的客户端，以供所述用户根据所述提示信息对所述新问题进行答复。
在上述实施例的基础上，本实施例中还包括存储模块，用于判断所述当前问题在所述数据库中是否存在；若不存在，则将所述当前问题和所述当前问题的最佳答复在所述数据库中进行关联存储。
本实施例提供一种电子设备，图3为本发明实施例提供的电子设备整体结构示意图，该设备包括：至少一个处理器301、至少一个存储器302和总线303；其中，
处理器301和存储器302通过总线303完成相互间的通信；
存储器302存储有可被处理器301执行的程序指令，处理器调用程序指令能够执行上述各方法实施例所提供的方法，例如包括：获取用户的当前问题和所述用户的当前问题的前一个问题，判断所述当前问题和所述前一个问题的意图是否相同，若是，则获取所述意图所需的附加信息；判断所述附加信息在所述前一个问题返回的答复和所述前一个问题中是否存在，若是，则根据所述前一个问题返回的答复和所述前一个问题中的附加信息和所述当前问题，在预先构建的知识库中获取所述附加信息和所述当前问题的组合对应的答复；将所述答复返回给所述用户的客户端
本实施例提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行上述各方法实施例所提供的方法，例如包括：获取用户的当前问题和所述用户的当前问题的前一个问题，判断所述当前问题和所述前一个问题的意图是否相同，若是，则获取所述意图所需的附加信息；判断所述附加信息在所述前一个问题返回的答复和所述前一个问题中是否存在，若是，则根据所述前一个问题返回的答复和所述前一个问题中的附加信息和所述当前问题，在预先构建的知识库中获取所述附加信息和所述当前问题的组合对应的答复；将所述答复返回给所述用户的客户端
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种信息问答方法，其特征在于，包括：
获取用户的当前问题和所述用户的当前问题的前一个问题，判断所述当前问题和所述前一个问题的意图是否相同，若是，则获取所述意图所需的附加信息；
判断所述附加信息在所述前一个问题返回的答复和所述前一个问题中是否存在，若是，则根据所述前一个问题返回的答复和所述前一个问题中的附加信息和所述当前问题，在预先构建的知识库中获取所述附加信息和所述当前问题的组合对应的答复；
将所述答复返回给所述用户的客户端；
如果当前问题为“我什么时候需要复查”，则意图为咨询复查时间，咨询复查时间需要的附加信息为上次检查的时间和病情描述。
2.根据权利要求1所述的信息问答方法，其特征在于，判断所述当前问题和所述前一个问题的意图是否相同的步骤还包括：
若所述当前问题和所述前一个问题的意图不相同，则提取用户的当前问题中的关键信息；
从数据库中获取包含所述关键信息的问题样本；其中，所述数据库中存储有所述问题样本和所述问题样本的答复之间的对应关系；
基于Transformer模型将所述当前问题和每个所述问题样本分别转换为向量；
根据所述当前问题的向量和每个所述问题样本的向量，计算所述当前问题与每个所述问题样本之间的语义相似度；
获取与所述当前问题语义相似度最大的问题样本，将所述最大语义相似度对应的问题样本的答复作为所述当前问题的最佳答复。
3.根据权利要求1所述的信息问答方法，其特征在于，判断所述当前问题和所述前一个问题的意图是否相同的步骤还包括：
若所述当前问题和所述前一个问题的意图不相同，则获取所述意图所需的附加信息，并根据所述附加信息生成新问题；
将所述新问题返回给所述用户的客户端，以供所述用户对所述新问题进行答复，并从所述用户的答复中提取所述附加信息；
根据所述用户的答复中的附加信息和所述当前问题，在所述知识库中获取所述附加信息和所述当前问题的组合对应的答复。
4.根据权利要求1所述的信息问答方法，其特征在于，判断所述附加信息在所述前一个问题返回的答复和所述前一个问题中是否存在的步骤还包括：
若所述附加信息在所述前一个问题返回的答复和所述前一个问题中不存在，则根据所述附加信息生成新问题；
将所述新问题返回给所述用户的客户端，以供所述用户对所述新问题进行答复，并从所述用户的答复中提取所述附加信息；
根据所述用户的答复中的附加信息和所述当前问题，在所述知识库中获取所述附加信息和所述当前问题的组合对应的答复。
5.根据权利要求1所述的信息问答方法，其特征在于，判断所述当前问题和所述前一个问题的意图是否相同的步骤之前还包括：
提取所述当前问题和所述前一个问题的特征部分；其中，所述特征部分包括关键信息和句式；
根据所述当前问题的特征部分获取所述当前问题的意图；
根据所述前一个问题的特征部分获取所述前一个问题的意图；
其中，所述当前问题的特征部分和所述当前问题的意图预先关联存储；
所述前一个问题的特征部分和所述前一个问题的意图预先关联存储。
6.根据权利要求3或4所述的信息问答方法，其特征在于，根据所述附加信息生成新问题的步骤之后还包括：
将所述新问题与数据库中的各问题样本进行相似度匹配；
获取与所述新问题相似度最大的问题样本对应的其他用户的答复，将所述其他用户的答复作为提示信息；
将所述提示信息返回给所述用户的客户端，以供所述用户根据所述提示信息对所述新问题进行答复。
7.根据权利要求2所述的信息问答方法，其特征在于，将所述最大语义相似度对应的问题样本的答复作为所述当前问题的最佳答复的步骤之后还包括：
判断所述当前问题在所述数据库中是否存在；
若不存在，则将所述当前问题和所述当前问题的最佳答复在所述数据库中进行关联存储。
8.一种信息问答系统，其特征在于，包括：
第一获取模块，用于获取用户的当前问题和所述用户的当前问题的前一个问题，判断所述当前问题和所述前一个问题的意图是否相同，若是，则获取所述意图所需的附加信息；
第二获取模块，用于判断所述附加信息在所述前一个问题返回的答复和所述前一个问题中是否存在，若是，则根据所述前一个问题返回的答复和所述前一个问题中的附加信息和所述当前问题，在预先构建的知识库中获取所述附加信息和所述当前问题的组合对应的答复；
返回模块，用于将所述答复返回给所述用户的客户端；
如果当前问题为“我什么时候需要复查”，则意图为咨询复查时间，咨询复查时间需要的附加信息为上次检查的时间和病情描述。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述信息问答方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述信息问答方法的步骤。
CN201910690482.0A 2019-07-29 2019-07-29 信息问答方法及系统 Active CN110444292B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910690482.0A CN110444292B (zh) 2019-07-29 2019-07-29 信息问答方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910690482.0A CN110444292B (zh) 2019-07-29 2019-07-29 信息问答方法及系统

Publications (2)

Publication Number Publication Date
CN110444292A CN110444292A (zh) 2019-11-12
CN110444292B true CN110444292B (zh) 2022-04-08

Family

ID=68432059

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910690482.0A Active CN110444292B (zh) 2019-07-29 2019-07-29 信息问答方法及系统

Country Status (1)

Country Link
CN (1) CN110444292B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112836023A (zh) * 2019-11-22 2021-05-25 华为技术有限公司 一种基于知识图谱的问答方法及装置
CN111353017A (zh) * 2020-02-20 2020-06-30 上海智臻智能网络科技股份有限公司 智能交互方法和装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107977415A (zh) * 2017-11-22 2018-05-01 北京寻领科技有限公司 自动问答方法及装置
CN108197191A (zh) * 2017-12-27 2018-06-22 神思电子技术股份有限公司 一种多轮对话的场景意图中断方法
CN108446322A (zh) * 2018-02-10 2018-08-24 灯塔财经信息有限公司 一种智能问答系统的实现方法和装置
CN108897867A (zh) * 2018-06-29 2018-11-27 北京百度网讯科技有限公司 用于知识问答的数据处理方法、装置、服务器和介质
CN109614474A (zh) * 2018-06-05 2019-04-12 安徽省泰岳祥升软件有限公司 多轮会话的流程配置单元、方法及智能机器人交互系统
CN109710772A (zh) * 2018-11-13 2019-05-03 国云科技股份有限公司 一种基于深度学习的问答库知识管理系统及其实现方法
CN109829038A (zh) * 2018-12-11 2019-05-31 平安科技（深圳）有限公司 基于深度学习的问答反馈方法、装置、设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107977415A (zh) * 2017-11-22 2018-05-01 北京寻领科技有限公司 自动问答方法及装置
CN108197191A (zh) * 2017-12-27 2018-06-22 神思电子技术股份有限公司 一种多轮对话的场景意图中断方法
CN108446322A (zh) * 2018-02-10 2018-08-24 灯塔财经信息有限公司 一种智能问答系统的实现方法和装置
CN109614474A (zh) * 2018-06-05 2019-04-12 安徽省泰岳祥升软件有限公司 多轮会话的流程配置单元、方法及智能机器人交互系统
CN108897867A (zh) * 2018-06-29 2018-11-27 北京百度网讯科技有限公司 用于知识问答的数据处理方法、装置、服务器和介质
CN109710772A (zh) * 2018-11-13 2019-05-03 国云科技股份有限公司 一种基于深度学习的问答库知识管理系统及其实现方法
CN109829038A (zh) * 2018-12-11 2019-05-31 平安科技（深圳）有限公司 基于深度学习的问答反馈方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN110444292A (zh) 2019-11-12

Similar Documents

Publication Publication Date Title
Bharti et al. Medbot: Conversational artificial intelligence powered chatbot for delivering tele-health after covid-19
CN111125309A (zh) 自然语言处理方法、装置及计算设备、存储介质
CN107193807B (zh) 基于人工智能的语言转换处理方法、装置及终端
CN110444292B (zh) 信息问答方法及系统
CN110929040A (zh) 针对特定医疗领域的知识图谱构建方法及装置
CN110993093A (zh) 基于深度学习的眼科预问诊方法与装置
KR20180055680A (ko) 사용자 대화 의도 추출 기능 구비 채트봇을 활용한 헬스케어 지침 제공 방법 및 이를 위한 장치
CN116401354A (zh) 一种文本处理方法、装置、存储介质及设备
CN115982335A (zh) 一种主动式ai医疗问答系统、方法、设备及存储介质
Soares et al. The co-constructed therapy alliance and the technical and tactical quality of the therapist interventions in psychotherapy
CN115050457A (zh) 在线问诊服务质量的评估方法、装置、设备、介质及产品
CN117520520A (zh) 一种基于知识图谱的知识查询方法和装置
CN117763084A (zh) 基于文本压缩的知识库检索方法及相关设备
CN110136839B (zh) 一种症状信息处理方法、装置和电子设备
CN117370512A (zh) 回复对话的方法、装置、设备及存储介质
GUO et al. Design and implementation of intelligent medical customer service robot based on deep learning
CN115203356B (zh) 专业领域问答库构建方法、问答方法及系统
CN115132353A (zh) 心理问题自动答复模型的生成方法、装置及设备
CN114328864A (zh) 基于人工智能和知识图谱的眼科问答系统
CN114913995A (zh) 自助就诊方法、装置、设备及存储介质
CN111145900B (zh) 信息的提示方法和装置、存储介质、电子装置
CN117009501B (zh) 一种摘要信息生成方法及相关装置
CN113283995B (zh) 一种保险公估远程访问纪要方法、装置以及设备
CN117111917B (zh) 医疗辅助系统的交互方法、装置、电子设备及存储介质
Scott et al. Reflecting and looking to the future: what is the research agenda for theory in health informatics?

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant