CN111339745A - 一种随访报告生成方法、设备、电子设备和存储介质 - Google Patents
一种随访报告生成方法、设备、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111339745A CN111339745A CN202010152874.4A CN202010152874A CN111339745A CN 111339745 A CN111339745 A CN 111339745A CN 202010152874 A CN202010152874 A CN 202010152874A CN 111339745 A CN111339745 A CN 111339745A
- Authority
- CN
- China
- Prior art keywords
- follow
- information
- determining
- user
- visit
- 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.)
- Pending
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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书一个或多个实施例提供一种随访报告生成方法、设备、电子设备和存储介质,包括:确定用户的随访策略并获取所述用户输入的文本信息,结合知识图谱对文本信息进行解析和识别,确定文本信息对应的意图信息及关键词槽信息;根据意图信息及关键词槽信息确定用户的会话状态;根据随访策略及会话状态判断随访是否完成;若随访完成,则根据会话状态生成随访报告,输出随访报告。从而基于对病患输入的自然语言进行解析,获取每次对话病患所要表达的意图及关键词语,分析出病患现在可能的状态并生成随访报告,从而将随访服务以对话的形式提供给病患,交互体验好,同时减轻了医生的工作负荷,提高了随访服务的工作效率,实现随访服务的自动化。
Description
技术领域
本说明书一个或多个实施例涉及人工智能技术领域,尤其涉及一种随访报告生成方法、设备、电子设备和存储介质。
背景技术
药学随访服务是提高医疗服务质量的重要方式之一,主要是指医生针对患者的病情变化对用药方案的指导。完善的药学随访服务,于患者而言,能够有效提高病人的康复率,增强患者对医院及注意医生的信任感;于医生而言,可以更好地管理医患关系,及时了解患者的恢复情况、评估治疗方案;于医院而言,有效提升了医院的核心业务水平,促进医院的高速发展。
随着人工智能技术的快速发展和广泛应用,在相关技术中,已经出现并解决了随访记录以纸质保存带来的工作量大且效率低下的问题。但上述相关技术中的方案未能实现完全的自动化,均离不开医生的大量参与,从而严重影响随访服务的工作效率,严重增加了医生的工作负荷。
发明内容
有鉴于此,本说明书一个或多个实施例的目的在于提出一种随访报告生成方法、设备、电子设备和存储介质。
基于上述目的,本说明书一个或多个实施例提供了一种随访报告生成方法,包括:
确定用户的随访策略并获取所述用户根据问话输入的文本信息,结合知识图谱对所述文本信息进行解析和识别,确定所述文本信息对应的意图信息及关键词槽信息;
根据所述意图信息及所述关键词槽信息确定用户的会话状态;
根据所述随访策略及所述会话状态判断随访是否完成;
若随访完成,则根据所述会话状态生成随访报告,输出所述随访报告。
在一些实施方式中,所述结合知识图谱对所述文本信息进行解析和识别,确定所述文本信息对应的意图信息及关键词槽信息,具体包括:
对所述文本信息进行分词并生成词向量,利用所述词向量并结合所述知识图谱通过双向门控循环单元与条件随机场模型,确定所述意图信息及所述关键词槽信息。
在一些实施方式中,所述结合知识图谱对所述文本信息进行解析和识别,确定所述文本信息对应的意图信息及关键词槽信息,具体包括:
根据基于所述知识图谱的实体发现和实体链接模型,确定输入的所述文本信息中的提及信息,将所述提及信息与所述知识图谱进行对应,根据对应关系确定所述意图信息及所述关键词槽信息。
在一些实施方式中,所述根据所述意图信息及所述关键词槽信息确定用户的会话状态,具体包括:
根据所述知识图谱确定所述意图信息对应的全部词槽,将所述关键词槽信息填入词槽,判断所述全部词槽中是否存在空白词槽;若是,则进一步判断所述空白词槽是否为用户基本信息词槽;若否,则进一步判断所述空白词槽是否为必填词槽;若是,则确定所述会话状态为重填所述必填词槽。
在一些实施方式中,所述根据所述随访策略及所述会话状态判断随访是否完成,具体包括:
根据所述随访策略确定本次随访涉及的全部意图及全部关键词槽,根据所述会话状态及全部历史会话状态判断所述全部意图及所述全部关键词槽是否全部填写完成。
在一些实施方式中,所述根据所述随访策略及所述会话状态判断随访是否完成,还包括:
若随访未完成,则确定当前需要进行提问的关键词槽,根据预设模板确定所述关键词槽对应的输出信息;输出所述输出信息。
在一些实施方式中,所述则根据所述会话状态生成随访报告,具体包括:
基于预设的人工模板、基于知识图谱和/或基于深度学习模型的方式与全部所述会话状态中的信息进行对应,生成所述随访报告。
在一些实施方式中,所述确定用户的随访策略并获取所述用户根据问话输入的文本信息之前,还包括:
基于所述用户的医嘱处方信息、药物和/或患者的关注级别确定所述用户的随访策略;根据所述随访策略在对应时间点与所述用户建立联系,根据所述随访策略生成随访问题并输出。
基于同一构思,本说明书一个或多个实施例还提供了一种随访报告生成设备,包括:
确定模块,确定用户的随访策略并获取所述用户根据问话输入的文本信息,结合知识图谱对所述文本信息进行解析和识别,确定所述文本信息对应的意图信息及关键词槽信息;
分析模块,根据所述意图信息及所述关键词槽信息确定用户的会话状态;
判断模块,根据所述随访策略及所述会话状态判断随访是否完成;
生成模块,若随访完成,则根据所述会话状态生成随访报告,输出所述随访报告。
基于同一构思,本说明书一个或多个实施例还提供了一种电子设备,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上任意一项所述的方法。
基于同一构思,本说明书一个或多个实施例还提供了一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如上任一所述方法。
从上面所述可以看出,本说明书一个或多个实施例提供的一种随访报告生成方法、设备、电子设备和存储介质,包括:确定用户的随访策略并获取所述用户根据问话输入的文本信息,结合知识图谱对文本信息进行解析和识别,确定文本信息对应的意图信息及关键词槽信息;根据意图信息及关键词槽信息确定用户的会话状态;根据随访策略及会话状态判断随访是否完成;若随访完成,则根据会话状态生成随访报告,输出随访报告。从而基于对病患输入的自然语言进行解析,获取每次对话病患所要表达的意图及关键词语,分析出病患现在可能的状态并生成随访报告,从而将随访服务以对话的形式提供给病患,交互体验好,同时减轻了医生的工作负荷,提高了随访服务的工作效率,实现随访服务的自动化。
附图说明
为了更清楚地说明本说明书一个或多个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简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书一个或多个实施例,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为本说明书一个或多个实施例提出的一种随访报告生成方法的流程示意图;
图2为本说明书一个或多个实施例提出的双向门控循环单元与条件随机场模型示意图;
图3为本说明书一个或多个实施例提出的词槽填写流程示意图;
图4为本说明书一个或多个实施例提出的随访报告内容生成流程示意图;
图5为本说明书一个或多个实施例提出的一种随访报告生成设备的结构示意图;
图6为本说明书一个或多个实施例提出的电子设备结构示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本说明书进一步详细说明。
需要说明的是,除非另外定义,本说明书实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件、物件或者方法步骤涵盖出现在该词后面列举的元件、物件或者方法步骤及其等同,而不排除其他元件、物件或者方法步骤。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
如背景技术部分所述,相关技术中关于医疗随访的技术方案,普遍离不开医生的主动参与。即,需要医生对病患的整个医疗过程进行实时跟踪,在需要随访时主动与病患进行联系,并通过手动记录或医生主动将信息输入终端设备等方式进行医疗随访或是以发放表格等形式让病患自主进行填写的方式进行医疗随访。其首先会占用大量医生的时间,进而加大了医生的工作负荷。同时,通过表格进行随访的方式由于表格的格式化其表现形式过于单一,而每个病患的症状和病情可能并不相同,而让病患自己进行填写又受制于病患自身的医学常识等,从而造成随访质量不高等情况,加重医生工作负荷的同时工作效率也非常低下。
综合上述实际情况,本说明书一个或多个实施例提出一种随访报告生成技术方案,根据随访策略结合知识图谱通过问答方式获取病患的回答信息,并对回答信息进行解析得到病患表达的意图及关键词语,根据随访策略结合全部意图及关键词语,利用模型判断病患可能的身体情况等,生成随访报告,供医生查看并快速做出相应的判断,进而在减少医生工作负担、提高工作效率的同时,以对话的形式与病患进行交流,交互体验好。
以下,通过具体的实施例来详细说明本说明书一个或多个实施例的技术方案。
参考图1,本说明书一个实施例的随访报告生成方法,包括以下步骤:
步骤101,确定用户的随访策略并获取所述用户根据问话输入的文本信息,结合知识图谱对所述文本信息进行解析和识别,确定所述文本信息对应的意图信息及关键词槽信息。
本步骤旨在,对用户输入的文本信息进行解析得到其中的意图信息和关键词槽信息。其中,文本信息是指用户通过文字输入或语音输入等方式输入的自然语言信息,系统将文字输入信息或语音输入信息转换成文字文本生成文本信息。意图信息是指文本信息所反映出来的本次用户输入信息的思想,例如:用户的文本信息为“身体不适,出现头痛”,则其意图信息可以确定为“症状”。关键词槽信息是指文本信息中能准确反映意图信息的词语或与意图信息关系最为密切的词语,例如:用户的文本信息为“身体不适,出现头痛”,则其关键词槽信息可以为“身体不适”、“头痛”等。之后,随访策略即为根据用户的历史记录、医疗记录自动生成,或根据医生主动设置生成的随访计划,其可以包括:随访的时间及间隔、随访目的或需要询问的核心问题等等。知识图谱包含大量的医学知识、专业用语等,同时还包含用户的全部医疗信息及医生与用户交流的信息等,可以对文本信息进行针对性的词语识别。
具体地,意图是指对于领域数据的操作,本具体实施例的意图信息可以包括以下一项或任意几项:“用药情况”、“症状”、“体征”、“生活方式指导”、“辅助检查”等意图。属性槽用来存放意图的属性,比如“用药情况”意图有“药物”、“服药依存性”、“药物不良反应”、“用法和用量”等槽位;比如“生活方式指导”意图有“日吸烟量”、“日饮酒量”、“运动”、“主食量”、“心理调整”、“遵医行为”等槽位。
结合知识图谱对所述文本信息进行解析和识别,确定所述文本信息对应的意图信息及关键词槽信息。具体的,其解析和识别的方式可以为很多种,例如:利用双向门控循环单元与条件随机场模型(双向门控循环单元,Gated Recurrent Unit,GRU;条件随机场,conditional random field,CRF),即双向GRU+CRF模型;利用语义分析树构造了路径特征对槽位与意图的识别的联合模型(RecNN+Viterbi模型);利用知识图谱对文本信息中的代词等类似信息,即提及信息进行识别和对应,确定出意图信息及关键词槽信息等等。其中,对于第三种方式,举例说明,如文本信息为“服用那个药后出现头疼”,其中“那个药”即为提及信息,其是可以通过知识图谱进行准确关联的,“那个药”可以是医生在给用户诊治过程中开具的药品,也可以是在本次随访过程中已经出现过的某种药物等等。
步骤102,根据所述意图信息及所述关键词槽信息确定用户的会话状态。
本步骤旨在,确定用户的会话状态。其中,会话状态是指当前对话意图的完成程度。每次用户给与的自然语言文本信息都是基于提问进行针对性的回答文本,或者基于问题并结合自身理解进行的拓展性回答文本。而通过本实施例提出的每一个问题通常都会带有明确的意图,通过这些意图可以将用户的思想转换为明确的指令。然而意图本身的表现形式是多样的,例如:“症状”意图,其直接对应的可能是“头疼”这一关键词,然后进一步挖掘可以发现“头疼”可能是服药前头疼服药后不疼、可能是服药后头疼、可能是服第一种药后不疼服第二种药后疼等等情况。进而,每种意图可能对应多种信息,这些信息可能是必须用户提供的,也可能是可以自动填写的。通过本步骤可以确定当前意图所指向的至少一个空位或槽是否完全填写完成,从而可以明确用户真实意图。
其中,确定用户的会话状态的方式可以为很多种,例如:每个意图信息下都包含至少一个需要填写的空位或槽,将获取到的关键词槽信息填入对应的槽中查看是否还有未填写的,若有则会话状态为需要用户继续填写;或是在关键词槽信息填入对应的槽并发现还有未填写槽时,继续判断这些槽是否为基础信息或已知信息等,进而通过多次比较确定会话状态等等。同时,其具体的实现形式可以为:基于有限状态机的对话管理方式、基于帧的对话管理方式或是基于深度强化学习的对话状态跟踪方式等等。
步骤103,根据所述随访策略及所述会话状态判断随访是否完成。
本步骤旨在,判断随访进程,是否完成全部问答并可以生成报告。其中,在随访策略中设定了本次随访的核心思想,确定了本次随访的全部需要的意图,进而可以通过会话状态确定是否每个意图的填写都已经完成,从而可以确定随访是否已经结束。
其中,会话状态可以是仅包含单个意图完成状态也可以是包含全部意图的完成状态,进而其确定方式可以分为通过当前及历史中的每个会话状态来确定随访是否完成,或是仅通过当前会话状态确定随访是否完成。
步骤104,若随访完成,则根据所述会话状态生成随访报告,输出所述随访报告。
本步骤旨在,生成随访报告并输出。其中,随访报告的生成方式可以为很多种,例如:基于预设的人工模板、基于知识图谱、基于深度学习模型的方式等等生成随访报告。
之后,输出随访报告,用以存储、展示或再加工随访报告。根据不同的应用场景和实施需要,具体的对于随访报告的输出方式可以灵活选择。
例如,对于本实施例的方法在单一设备上执行的应用场景,可以将随访报告直接在当前设备的显示部件(显示器、投影仪等)上以显示的方式输出,使得当前设备的操作者能够从显示部件上直接看到随访报告的内容。
又如,对于本实施例的方法在多个设备组成的系统上执行的应用场景,可以将随访报告通过任意的数据通信方式(有线连接、NFC、蓝牙、wifi、蜂窝移动网络等)发送至系统内的其他作为接收方的预设设备上,以使得接收到随访报告的预设设备可以对其进行后续处理。可选的,该预设设备可以是预设的服务器,服务器一般设置在云端,作为数据的处理和存储中心,其能够对随访报告进行存储和分发;其中,分发的接收方是终端设备,该些终端设备的持有者或操作者可以是用户、医生、医院的管理人员、医院档案管理人员等。
再如,对于本实施例的方法在多个设备组成的系统上执行的应用场景时,可以将随访报告通过任意的数据通信方式直接发送至预设的终端设备,终端设备可以是前述段落列举中的一种或多种。
通过应用本说明书一个或多个实施例提供的一种随访报告生成方法,包括:确定用户的随访策略并获取所述用户根据问话输入的文本信息,结合知识图谱对文本信息进行解析和识别,确定文本信息对应的意图信息及关键词槽信息;根据意图信息及关键词槽信息确定用户的会话状态;根据随访策略及会话状态判断随访是否完成;若随访完成,则根据会话状态生成随访报告,输出随访报告。从而基于对病患输入的自然语言进行解析,获取每次对话病患所要表达的意图及关键词语,分析出病患现在可能的状态并生成随访报告,从而将随访服务以对话的形式提供给病患,交互体验好,同时减轻了医生的工作负荷,提高了随访服务的工作效率,实现随访服务的自动化。
在本说明书的可选实施例中,为了简单的同时尽量提高对意图与槽位识别的准确率。所述结合知识图谱对所述文本信息进行解析和识别,确定所述文本信息对应的意图信息及关键词槽信息,具体包括:
对所述文本信息进行分词并生成词向量,利用所述词向量并结合所述知识图谱通过双向门控循环单元与条件随机场模型,确定所述意图信息及所述关键词槽信息。
在具体应用场景中,用基于语义解析的口语理解模式,将用户输入解析为预定义的语义槽,主要包括:意图的识别和语义的识别,即意图信息(描述用户的核心诉求)+关键词槽信息(描述意图的关键信息)的模式。意图信息的识别实际是一个分类问题,关键词槽信息的识别实际是一种序列标注任务。考虑到意图信息和关键词槽信息具有较强的关联关系,本具体实施例利用双向的GRU+CRF作为意图信息与关键词槽信息的联合模型,如图2所示。
模型的输入是窗口化的词向量,即对文本信息分词后得到的各个词的词向量,利用双向GRU模型学习到高纬度特征,模型输出即为意图信息与关键词槽信息。对于意图信息分类,利用每一个学习到的隐藏层特征,采用最大池算法(max pooling)对关键词槽信息计算得到全句的表达,再采用逻辑回归算法(softmax)进行意图信息的分类;对于关键词槽信息,对每个隐藏层的输入计算前向网络到各个标签的概率,并采用CRF对全局打分并得到最优的序列。联合损失函数即最终结果为关键词槽信息与意图信息的极大似然。
在本说明书的可选实施例中,为了准确分析出文本信息中个各种代词及类似词语所指向的具体实际意义或实体。所述结合知识图谱对所述文本信息进行解析和识别,确定所述文本信息对应的意图信息及关键词槽信息,具体包括:
根据基于所述知识图谱的实体发现和实体链接模型,确定输入的所述文本信息中的提及信息,将所述提及信息与所述知识图谱进行对应,根据对应关系确定所述意图信息及所述关键词槽信息。
其中的提及信息即指的是文本信息中的代词等类似或实际用法相同的词汇,例如:“他是谁”中的他可以通过知识图谱或历史随访对话记录查询的到具体指向的是哪个人。从而通过将这些提及信息替换为指向的真实意思表达,进而将准确的意图信息及关键词槽信息提取出来。在具体实施方式中,体发现是发现文本中的提及信息,实体链接是把提及信息和知识图谱的实体关联起来,并结合上下文进行判断。
在本说明书的可选实施例中,为了准确确认出意图信息下还需不需要用户提供必要的关键词槽信息。所述根据所述意图信息及所述关键词槽信息确定用户的会话状态,具体包括:
根据所述知识图谱确定所述意图信息对应的全部词槽,将所述关键词槽信息填入词槽,判断所述全部词槽中是否存在空白词槽;若是,则进一步判断所述空白词槽是否为用户基本信息词槽;若否,则进一步判断所述空白词槽是否为必填词槽;若是,则确定所述会话状态为重填所述必填词槽。
在具体的应用场景中,通过不断地从文本信息中抽取相应的值来填词槽,当词槽存在空白时,系统会根据空白的状态来提问并获取对应的值,直到获取到足够的状态,给出用户的建议,或进行相应的服务。目前应用在这个领域的模型很多,包括基于有限状态机的对话管理、基于帧的对话管理、基于深度强化学习的对话状态跟踪等等。
词槽是指多轮对话过程中将初步用户意图信息转化为明确用户指令所需要补全的信息,一个槽与一件事情的处理中所需要获取的一种信息相对应(有必填与非必填之分)。
每个词槽可能包含多种填槽方式。用户基本信息词槽是指利用用户画像以及其他场景信息就能填写的词槽。必填词槽、非必填词槽在逻辑上与词槽本身有关,取决于是否需要与用户信息交互,即与本次随访的关联性大不大。为了补全用户意图,填槽流程图如图3所示。其中语言语境是指:上下文,对话系统反馈的信息主题及焦点等;用户画像是指:用户的一些基本信息,用户的性别、年龄、病情等等、人类常识、领域知识等;场景信息是指,即对话当时现场的信息,包括:时间、地点、场所、天气等信息。
在具体的应用场景中,由于基于有限状态机的对话管理只适合特定的对话类型,状态太多时难以维护;基于帧的对话管理难以应对复杂的场景,缺少层次,因此本具体实施例采用基于深度强化学习的对话状态跟踪方式。基于大量真实的、标注的对话数据,通过神经网络将对话上下文映射到系统动作,无需显示定义对话状态。其输入为Un(n时刻的意图信息和关键词槽信息对)、An-1(n-1时刻的问题信息)及Sn-1(n-1时刻的会话状态),其输出为Sn(n时刻的会话状态),Sn={Gn,Un,Hn},Gn为当前用户目标、Hn为n时刻的全部随访对话记录,Hn={U0,A0,U1,A1,…,Un-1,An-1,}。
在本说明书的可选实施例中,为了准确判断是否已经完成随访,判断是继续进行提问还是生成随访报告。所述根据所述随访策略及所述会话状态判断随访是否完成,具体包括:
根据所述随访策略确定本次随访涉及的全部意图及全部关键词槽,根据所述会话状态及全部历史会话状态判断所述全部意图及所述全部关键词槽是否全部填写完成。
在具体的应用场景中,通过随访策略选择接下来最恰当的操作:进行提问还是生成随访报告。由于目前强化学习方法的效果超过了基于规则和监督的方法,本具体实施例采用深度强化学习优化对话策略模型。
在本说明书的可选实施例中,为了当随访未完成时,进一步基于现在需要获取的关键信息生成接下来进行提问的问题。所述根据所述随访策略及所述会话状态判断随访是否完成,还包括:
若随访未完成,则确定当前需要进行提问的关键词槽,根据预设模板确定所述关键词槽对应的输出信息;输出所述输出信息。
其中关键词槽是指当前需要获取的下一个关键词槽信息的类型等,根据预设的人工模板或基于知识图谱生成具体输出信息,输出信息即为提问信息。其输出方式可以同前述实施例中的输出方式类似。
在本说明书的可选实施例中,为了更为准确的将随访报告的形式还原成自然语言的表达形式。所述则根据所述会话状态生成随访报告,具体包括:
基于预设的人工模板、基于知识图谱和/或基于深度学习模型的方式与全部所述会话状态中的信息进行对应,生成所述随访报告。
在具体的应用场景中,考虑到基于深度学习的序列到序列生成模型可以实现回复的多样性,基于知识图谱的方法有问题易于扩展的特点,基于人工模板的方法准确,因此本实施例结合三种生成回复,如图4所示。其中,基于深度学习模型的方式是基于LSTM(长短期记忆网络)的encoder-decoder(编码-解码)形式,将问题语义、语义槽值和对话行为类型结合起来生成正确的答案。同时利用注意力机制来处理对解码器当前解码状态的关键信息,根据不同的行为类型生成不同的回复。基于知识图谱的方式是预先定义好查询模板及答案拼接模板,根据从用户信息中解析出来的意图、实体、关系、属性填进查询模板进行查询语句的拼接;经过在图谱中查询,返回实体、关系、属性,将上述信息填进答案拼接模板,生成回复。
在本说明书的可选实施例中,为了准确建立用户的随访策略,并准确的在确定时间点与用户建立联系并输出第一个问题。所述确定用户的随访策略并获取所述用户根据问话输入的文本信息之前,还包括:
基于所述用户的医嘱处方信息、药物和/或患者的关注级别确定所述用户的随访策略;根据所述随访策略在对应时间点与所述用户建立联系,根据所述随访策略生成随访问题并输出。
基于同一构思,本说明书一个或多个实施例还提供了一种随访报告生成设备。参考图5所示,包括:
确定模块501,确定用户的随访策略并获取所述用户根据问话输入的文本信息,结合知识图谱对所述文本信息进行解析和识别,确定所述文本信息对应的意图信息及关键词槽信息;
分析模块502,根据所述意图信息及所述关键词槽信息确定用户的会话状态;
判断模块503,根据所述随访策略及所述会话状态判断随访是否完成;
生成模块504,若随访完成,则根据所述会话状态生成随访报告,输出所述随访报告。
作为一个可选的实施例,所述确定模块501结合知识图谱对所述文本信息进行解析和识别,确定所述文本信息对应的意图信息及关键词槽信息,具体包括:
对所述文本信息进行分词并生成词向量,利用所述词向量并结合所述知识图谱通过双向门控循环单元与条件随机场模型,确定所述意图信息及所述关键词槽信息。
作为一个可选的实施例,所述确定模块501结合知识图谱对所述文本信息进行解析和识别,确定所述文本信息对应的意图信息及关键词槽信息,具体包括:
根据基于所述知识图谱的实体发现和实体链接模型,确定输入的所述文本信息中的提及信息,将所述提及信息与所述知识图谱进行对应,根据对应关系确定所述意图信息及所述关键词槽信息。
作为一个可选的实施例,所述分析模块502根据所述意图信息及所述关键词槽信息确定用户的会话状态,具体包括:
根据所述知识图谱确定所述意图信息对应的全部词槽,将所述关键词槽信息填入词槽,判断所述全部词槽中是否存在空白词槽;若是,则进一步判断所述空白词槽是否为用户基本信息词槽;若否,则进一步判断所述空白词槽是否为必填词槽;若是,则确定所述会话状态为重填所述必填词槽。
作为一个可选的实施例,所述判断模块503根据所述随访策略及所述会话状态判断随访是否完成,具体包括:
根据所述随访策略确定本次随访涉及的全部意图及全部关键词槽,根据所述会话状态及全部历史会话状态判断所述全部意图及所述全部关键词槽是否全部填写完成。
作为一个可选的实施例,所述判断模块503根据所述随访策略及所述会话状态判断随访是否完成,还包括:
若随访未完成,则确定当前需要进行提问的关键词槽,根据预设模板确定所述关键词槽对应的输出信息;输出所述输出信息。
作为一个可选的实施例,所述生成模块504则根据所述会话状态生成随访报告,具体包括:
基于预设的人工模板、基于知识图谱和/或基于深度学习模型的方式与全部所述会话状态中的信息进行对应,生成所述随访报告。
作为一个可选的实施例,所述确定模块501确定用户的随访策略并获取所述用户根据问话输入的文本信息之前,还包括:
基于所述用户的医嘱处方信息、药物和/或患者的关注级别确定所述用户的随访策略;根据所述随访策略在对应时间点与所述用户建立联系,根据所述随访策略生成随访问题并输出。
为了描述的方便,描述以上设备时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的设备用于实现前述实施例中相应的方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,本说明书一个或多个实施例还提供了一种电子设备。该电子设备,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,所述处理器执行所述程序时实现如上任意一实施例所述的随访报告生成方法。
图6示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图,该设备可以包括:处理器610、存储器620、输入/输出接口630、通信接口640和总线650。其中处理器610、存储器620、输入/输出接口630和通信接口640通过总线650实现彼此之间在设备内部的通信连接。
处理器610可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器620可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器620可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器620中,并由处理器610来调用执行。
输入/输出接口630用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口640用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线650包括一通路,在设备的各个组件(例如处理器610、存储器620、输入/输出接口630和通信接口640)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器610、存储器620、输入/输出接口630、通信接口640以及总线650,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
基于同一发明构思,本说明书一个或多个实施例还提供了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,所述计算机指令用于使所述计算机执行日上任意一实施例所述的随访报告生成方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本公开的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本说明书一个或多个实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出设备,以便避免使本说明书一个或多个实施例难以理解,并且这也考虑了以下事实,即关于这些框图设备的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本公开的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本说明书一个或多个实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (11)
1.一种随访报告生成方法,其特征在于,包括:
确定用户的随访策略并获取所述用户根据问话输入的文本信息,结合知识图谱对所述文本信息进行解析和识别,确定所述文本信息对应的意图信息及关键词槽信息;
根据所述意图信息及所述关键词槽信息确定用户的会话状态;
根据所述随访策略及所述会话状态判断随访是否完成;
若随访完成,则根据所述会话状态生成随访报告,输出所述随访报告。
2.根据权利要求1所述的方法,其特征在于,所述结合知识图谱对所述文本信息进行解析和识别,确定所述文本信息对应的意图信息及关键词槽信息,具体包括:
对所述文本信息进行分词并生成词向量,利用所述词向量并结合所述知识图谱通过双向门控循环单元与条件随机场模型,确定所述意图信息及所述关键词槽信息。
3.根据权利要求1所述的方法,其特征在于,所述结合知识图谱对所述文本信息进行解析和识别,确定所述文本信息对应的意图信息及关键词槽信息,具体包括:
根据基于所述知识图谱的实体发现和实体链接模型,确定输入的所述文本信息中的提及信息,将所述提及信息与所述知识图谱进行对应,根据对应关系确定所述意图信息及所述关键词槽信息。
4.根据权利要求1所述的方法,其特征在于,所述根据所述意图信息及所述关键词槽信息确定用户的会话状态,具体包括:
根据所述知识图谱确定所述意图信息对应的全部词槽,将所述关键词槽信息填入词槽,判断所述全部词槽中是否存在空白词槽;若是,则进一步判断所述空白词槽是否为用户基本信息词槽;若否,则进一步判断所述空白词槽是否为必填词槽;若是,则确定所述会话状态为重填所述必填词槽。
5.根据权利要求1所述的方法,其特征在于,所述根据所述随访策略及所述会话状态判断随访是否完成,具体包括:
根据所述随访策略确定本次随访涉及的全部意图及全部关键词槽,根据所述会话状态及全部历史会话状态判断所述全部意图及所述全部关键词槽是否全部填写完成。
6.根据权利要求5所述的方法,其特征在于,所述根据所述随访策略及所述会话状态判断随访是否完成,还包括:
若随访未完成,则确定当前需要进行提问的关键词槽,根据预设模板确定所述关键词槽对应的输出信息;输出所述输出信息。
7.根据权利要求1所述的方法,其特征在于,所述则根据所述会话状态生成随访报告,具体包括:
基于预设的人工模板、基于知识图谱和/或基于深度学习模型的方式与全部所述会话状态中的信息进行对应,生成所述随访报告。
8.根据权利要求1所述的方法,其特征在于,所述确定用户的随访策略并获取所述用户根据问话输入的文本信息之前,还包括:
基于所述用户的医嘱处方信息、药物和/或患者的关注级别确定所述用户的随访策略;根据所述随访策略在对应时间点与所述用户建立联系,根据所述随访策略生成随访问题并输出。
9.一种随访报告生成设备,其特征在于,包括:
确定模块,确定用户的随访策略并获取所述用户根据问话输入的文本信息,结合知识图谱对所述文本信息进行解析和识别,确定所述文本信息对应的意图信息及关键词槽信息;
分析模块,根据所述意图信息及所述关键词槽信息确定用户的会话状态;
判断模块,根据所述随访策略及所述会话状态判断随访是否完成;
生成模块,若随访完成,则根据所述会话状态生成随访报告,输出所述随访报告。
10.一种电子设备,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8任意一项所述的方法。
11.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行权利要求1至8任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010152874.4A CN111339745A (zh) | 2020-03-06 | 2020-03-06 | 一种随访报告生成方法、设备、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010152874.4A CN111339745A (zh) | 2020-03-06 | 2020-03-06 | 一种随访报告生成方法、设备、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111339745A true CN111339745A (zh) | 2020-06-26 |
Family
ID=71185960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010152874.4A Pending CN111339745A (zh) | 2020-03-06 | 2020-03-06 | 一种随访报告生成方法、设备、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111339745A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111666400A (zh) * | 2020-07-10 | 2020-09-15 | 腾讯科技(深圳)有限公司 | 消息获取方法、装置、计算机设备及存储介质 |
CN112288584A (zh) * | 2020-10-29 | 2021-01-29 | 泰康保险集团股份有限公司 | 保险报案处理方法、装置、计算机可读介质及电子设备 |
WO2023272616A1 (zh) * | 2021-06-30 | 2023-01-05 | 东莞市小精灵教育软件有限公司 | 一种文本理解方法、系统、终端设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107315906A (zh) * | 2017-06-01 | 2017-11-03 | 北京瑞启医药信息科技有限公司 | 基于聊天机器人实现慢性病患者自动随访的方法及系统 |
CN107688614A (zh) * | 2017-08-04 | 2018-02-13 | 平安科技(深圳)有限公司 | 意图获取方法、电子装置及计算机可读存储介质 |
CN109360613A (zh) * | 2018-10-15 | 2019-02-19 | 平安科技(深圳)有限公司 | 用户健康的随访方法、装置、计算机设备及存储介质 |
CN109817329A (zh) * | 2019-01-21 | 2019-05-28 | 暗物智能科技(广州)有限公司 | 一种医疗问诊对话系统以及应用于该系统的强化学习方法 |
CN110555095A (zh) * | 2018-05-31 | 2019-12-10 | 北京京东尚科信息技术有限公司 | 人机对话方法和装置 |
CN110659360A (zh) * | 2019-10-09 | 2020-01-07 | 初米网络科技(上海)有限公司 | 一种人机对话方法、装置和系统 |
WO2020019686A1 (zh) * | 2018-07-27 | 2020-01-30 | 众安信息技术服务有限公司 | 一种会话交互方法及装置 |
-
2020
- 2020-03-06 CN CN202010152874.4A patent/CN111339745A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107315906A (zh) * | 2017-06-01 | 2017-11-03 | 北京瑞启医药信息科技有限公司 | 基于聊天机器人实现慢性病患者自动随访的方法及系统 |
CN107688614A (zh) * | 2017-08-04 | 2018-02-13 | 平安科技(深圳)有限公司 | 意图获取方法、电子装置及计算机可读存储介质 |
CN110555095A (zh) * | 2018-05-31 | 2019-12-10 | 北京京东尚科信息技术有限公司 | 人机对话方法和装置 |
WO2020019686A1 (zh) * | 2018-07-27 | 2020-01-30 | 众安信息技术服务有限公司 | 一种会话交互方法及装置 |
CN109360613A (zh) * | 2018-10-15 | 2019-02-19 | 平安科技(深圳)有限公司 | 用户健康的随访方法、装置、计算机设备及存储介质 |
CN109817329A (zh) * | 2019-01-21 | 2019-05-28 | 暗物智能科技(广州)有限公司 | 一种医疗问诊对话系统以及应用于该系统的强化学习方法 |
CN110659360A (zh) * | 2019-10-09 | 2020-01-07 | 初米网络科技(上海)有限公司 | 一种人机对话方法、装置和系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111666400A (zh) * | 2020-07-10 | 2020-09-15 | 腾讯科技(深圳)有限公司 | 消息获取方法、装置、计算机设备及存储介质 |
CN111666400B (zh) * | 2020-07-10 | 2023-10-13 | 腾讯科技(深圳)有限公司 | 消息获取方法、装置、计算机设备及存储介质 |
CN112288584A (zh) * | 2020-10-29 | 2021-01-29 | 泰康保险集团股份有限公司 | 保险报案处理方法、装置、计算机可读介质及电子设备 |
CN112288584B (zh) * | 2020-10-29 | 2024-05-17 | 泰康保险集团股份有限公司 | 保险报案处理方法、装置、计算机可读介质及电子设备 |
WO2023272616A1 (zh) * | 2021-06-30 | 2023-01-05 | 东莞市小精灵教育软件有限公司 | 一种文本理解方法、系统、终端设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10733197B2 (en) | Method and apparatus for providing information based on artificial intelligence | |
US20200250377A1 (en) | Paraphrase Sentence Generation Method and Apparatus | |
CN112015917A (zh) | 基于知识图谱的数据处理方法、装置及计算机设备 | |
CN111339745A (zh) | 一种随访报告生成方法、设备、电子设备和存储介质 | |
WO2022218186A1 (zh) | 个性化知识图谱的生成方法、装置及计算机设备 | |
US20220383854A1 (en) | Intent recognition method and intent recognition system having self learning capability | |
CN112287089B (zh) | 用于自动问答系统的分类模型训练、自动问答方法及装置 | |
WO2018184518A1 (zh) | 微博数据处理方法、装置、计算机设备及存储介质 | |
US20220138432A1 (en) | Relying on discourse analysis to answer complex questions by neural machine reading comprehension | |
CN111651571B (zh) | 基于人机协同的会话实现方法、装置、设备及存储介质 | |
WO2022222943A1 (zh) | 科室推荐方法、装置、电子设备及存储介质 | |
US11354489B2 (en) | Intelligent inferences of authoring from document layout and formatting | |
CN110223134B (zh) | 基于语音识别的产品推荐方法及相关设备 | |
CN111090641A (zh) | 数据处理方法及装置、电子设备、存储介质 | |
CN112395391B (zh) | 概念图谱构建方法、装置、计算机设备及存储介质 | |
CN110263340A (zh) | 评论生成方法、装置、服务器及存储介质 | |
US11532387B2 (en) | Identifying information in plain text narratives EMRs | |
CN114360678A (zh) | 信息处理方法、装置、设备和存储介质 | |
CN112749277B (zh) | 医学数据的处理方法、装置及存储介质 | |
US20230351121A1 (en) | Method and system for generating conversation flows | |
CN117494814A (zh) | 提示词全生命周期管理方法、系统、电子设备、存储介质 | |
CN112582073A (zh) | 医疗信息获取方法、装置、电子设备和介质 | |
US11880664B2 (en) | Identifying and transforming text difficult to understand by user | |
WO2023076059A1 (en) | Intelligent electronic signature platform | |
CN116187318A (zh) | 文本数据的识别方法、装置、设备及存储介质 |
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 |