CN111428104B - 基于观点型阅读理解的癫痫病辅助医疗智能问答方法 - Google Patents

Abstract

本发明公开了基于观点型阅读理解的癫痫病辅助医疗智能问答方法，包括以下步骤：S1、使用爬虫技术在互联网爬取癫痫病的相关数据和获取公开中文语料库并储存在数据库中；S2、设计深度学习模型并训练分类器；S3、将步骤S2训练好的分类器传给问答系统的主机，用于针对用户提出的问题计算答案库里最合适的答案；S4、设计人机交互界面，作为用户和机器之间交流的媒介；S5、利用语音转写和语音听写服务，将用户的提问转为文字，将文字输出的答案转为语音朗读出来。本发明能解决生成式问答答案过短不够详细和开放域问答在医疗(癫痫)领域表现不佳的缺点。

Description

基于观点型阅读理解的癫痫病辅助医疗智能问答方法

技术领域

本发明涉及智能机器的技术领域，尤其涉及到基于观点型阅读理解的癫痫病辅助医疗智能问答方法。

背景技术

现有的医学领域问答系统的主要通过构建知识图谱实现，属于限定域的生成式问答系统，缺点是生成的答案不够详细，由于医学领域面向的用户一般是医学知识不足想深入了解某种疾病的人群，而生成式的答案往往过短，难以满足用户需求。

而对于开放域的问答系统，利于iPhone上的Siri语音助手，虽然覆盖领域全面，但在医疗这一专业的特定领域，效果不尽人意。往往只会给出在百度等搜索引擎中搜索出的结果。而网页搜索引擎爬取的网页数据往往为经专业人士审查，信息良莠不齐。

发明内容

本发明的目的在于克服现有技术的不足，提供一种能解决生成式问答答案过短不够详细和开放域问答在医疗(癫痫)领域表现不佳的缺点的基于观点型阅读理解的癫痫病辅助医疗智能问答方法。

为实现上述目的，本发明所提供的技术方案为：

基于观点型阅读理解的癫痫病辅助医疗智能问答方法，包括以下步骤：

S1、使用爬虫技术在互联网爬取癫痫病的相关数据和获取公开中文语料库并储存在数据库中；

S2、设计深度学习模型并训练分类器；

S3、将步骤S2训练好的分类器传给问答系统的主机，用于针对用户提出的问题计算答案库里最合适的答案；

S4、设计人机交互界面，作为用户和机器之间交流的媒介；

S5、利用语音转写和语音听写服务，将用户的提问转为文字，将文字输出的答案转为语音朗读出来。

进一步地，所述步骤S2的具体过程如下：

S2-1、对数据库中的中文语料库和癫痫疾病问答数据进行预处理；

S2-2、使用步骤S2-1分好的词和中文语料库训练词向量，用一个300维的向量表示该些分好的每一个词，词和向量一一对应，癫痫疾病语料库的问答数据中的字词就用对应的向量来表示；

训练词向量的具体方法为使用CBOW模型：对于一个真实词序列，随机去除中间的某个词，得到标签为该词的训练样本,在训练时随机挑选词语填入句子，目标函数是使填入的词使句子出现的概率最大，不断迭代优化的过程会学习到词的语义信息从而选取合适的词向量编码；

S2-3、构造正反例作为训练样本。

进一步地，所述步骤S2-1的具体过程如下：

中文语料库：中文分词，结合基于规则和基于统计该两类方法；

分词的具体方法：首先基于前缀词典进行对语料中的句子进行扫描，前缀词典是指词典中的词按照前缀包含的顺序排列；如果将词看作节点，词和词之间的分词符看作边，那么对某个语句的一种分词方案则对应着从第一个字到最后一个字的一条分词路径，全部可能分词结果构成有向无环图，这个图中包含多条分词路径，这个有向无环图就是一个概率模型；基于标注语料，并使用医疗领域的专有名词作为词典，使用动态规划的方法找出最大概率路径，并将其作为最终的分词结果，将分好的词储存下来；

癫痫疾病问答数据：删除重复、过长、含缺失值的样本、英文符号转中文符号，然后以问答对的形式储存。

进一步地，所述分类器的具体结构如下：

第一层为词嵌入层：使用CBOW模型；

第二层为上下文嵌入层：通过循环神经网络对单词周围的上下文信息进行编码，以此来精炼单词的词向量所蕴含的信息；

第三层为句子编码层：从一个句子的各个嵌入向量中计算出对应句子的表示向量；对于问题文本的句子表示向量，选择问题嵌入向量经过上下文嵌入层编码后BiGRU的最后一个输出状态；对于问题补充文本的句子表示向量，选择问题补充嵌入向量经过上下文嵌入层编码后BiGRU各个时刻的输出状态的均值；对于答案文本的句子表示向量，选择标点符号“，。？！”作为一个句子的终止符，通过记录答案文本中这些句子终止符的位置，在答案嵌入向量经过上下文嵌入层编码后BiGRU各个时刻的输出状态中选择句子终止符所对应的状态，作为对应的句子编码；

第四层为记忆层：分别根据给定的问题句子向量、问题补充句子向量，结合答案句子向量，记忆层会利用注意力机制来关注哪些答案句子向量更加重要，然后分别产生问题对答案的注意力表示向量和问题补充对答案的注意力表示向量，这两个向量分别考虑问题的信息和问题补充的信息；记忆层模块的最终输出为记忆表示向量，记忆表示向量的计算是一个可迭代的计算过程，计算时不仅需要当前迭代的两个注意力表示向量，还需要上一个迭代计算产生的记忆表示向量；这种记忆表示向量的迭代计算，使得记忆层具有根据先前的知识从答案信息中检索出新的信息的能力，这个过程模仿人类进行阅读时反复记忆信息的行为；

第五层为多层感知机，输出答案正确的概率或匹配的相似度，实现分类功能。

与现有技术相比，本方案原理及优点如下：

1.将上述爬取的癫痫病数据制作成一个为此问答系统服务的独有的数据集，该数据集结合医学专有名词词典的分词技术，使文本中可能出现的医学专有名词如丙戊酸、左乙拉西坦等更容易识别出来因而比其他数据集更适用于该系统，为上述的分类器提供的训练原材料。

2.问答模型的词嵌入层使用CBOW模型将词转换为词向量；上下文嵌入层使用循环神经网络对上下文进行编码；句子编码层针对不同的对象制定不同的池化策略，得到句子向量；记忆层使用动态记忆机制来分别产生问题对答案(Q2A)的注意力表示向量和问题补充对答案(Q_detailed2A)的注意力表示向量两个记忆向量；输出层利用多层感知机来对答案进行打分，提高准确度。

3.设计人机交互界面，作为用户和机器之间交流的媒介，利用语音转写和语音听写服务，将用户的提问转为文字，将文字输出的答案转为语音朗读出来。使得看不清楚文字的人可以通过点击按钮，输出答案音频并提供良好的视觉体验。

4.通过限定在癫痫疾病的抽取式问答，由于给出答案是从人类预料集中挑选的，比其他限定在某个疾病生成式问答系统比如乙肝疾病的生成式问答系统根据概率由机器生成的答案的更自然流畅。而与其他同样为限定疾病的抽取式问答系统相比，本系统考虑到在普通硬件运行时的情况，在计算速度和准确度的取舍上更平衡。

5.通过限定域的问答，在整个系统的设计上能针对性优化，比如在分词上可以加入一些医学专有名词帮助分词，例如一些癫痫药物如丙戊酸、左乙拉西坦、拉莫三嗪、托皮酯、卡马西平、奥卡西平等，没针对特定问题优化过的分词技术很难讲这些词正确从文本中划分出来，这个是开放域问答系统无法比拟的。

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服务作简单地介绍，显而易见地，下面描述中的附图仅仅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为本发明基于观点型阅读理解的癫痫病辅助医疗智能问答方法中深度学习模型中训练分类器的流程图；

图2为本发明基于观点型阅读理解的癫痫病辅助医疗智能问答方法中设计的人机交互界面的示意图；

图3为分类器的内部构造图。

具体实施方式

下面结合具体实施例对本发明作进一步说明：

本实施例所述的基于观点型阅读理解的癫痫病辅助医疗智能问答方法，包括以下步骤：

S1、使用爬虫技术在互联网爬取癫痫病的相关数据和获取公开中文语料库并储存在数据库中；

S2、设计深度学习模型并训练分类器；

如图1所示，本步骤的具体过程如下：

S2-1、对数据库中的中文语料库和癫痫疾病问答数据进行预处理，具体为：

中文语料库：中文分词，结合基于规则和基于统计这两类方法；

分词的具体方法：首先基于前缀词典进行对语料中的句子进行扫描，前缀词典是指词典中的词按照前缀包含的顺序排列，例如词典中出现了“广”，之后以“上”开头的词都会出现在这一部分，例如“广州”，进而会出现“广州市”。如果将词看作节点，词和词之间的分词符看作边，如“广州市(节点)|(边)市长(节点)”那么对某个语句的一种分词方案则对应着从第一个字到最后一个字的一条分词路径，全部可能分词结果构成有向无环图，这个图中包含多条分词路径，这个有向无环图就是一个概率模型。基于标注语料(中文语料库)，并使用医疗领域的专有名词作为词典，使用动态规划的方法可以找出最大概率路径，并将其作为最终的分词结果，将分好的词储存下来；

癫痫疾病问答数据：删除重复，过长，含缺失值的样本，英文符号转中文符号等，然后以问答对的形式储存；

S2-2、使用上述分好的词和中文语料库训练词向量，用一个300维的向量表示这些分好的每一个词，此时词和向量一一对应，这样，癫痫疾病语料库的问答数据中的字词就可以用这些向量来表示。训练词向量的具体方法是使用CBOW模型：其核心思想是对于一个真实词序列如：“男子马拉松首次跑进2小时”，随机去除中间的一个词如“跑进”，得到标签为“跑进”的训练样本：“男子马拉松首次__2小时”,在训练时随机挑选一些词比如“飞进”，“跳进”填入句子，目标函数是使填入的词使句子出现的概率最大，由于男子马拉松首次跑进2小时”出现的次数一般会比“男子马拉松首次飞进2小时”多(样本足够多的话)，所以为了使概率最大，会填入“跑进”，不断迭代优化的过程会学习到词的语义信息从而选取合适的词向量编码；

S2-3、构造正反例作为训练样本；由于癫痫问答对数据中，一问对应一答，都是真实样例，需要随机挑选一些错误答案组成错误的问答对，从而训练分类器；

S3、将步骤S2训练好的分类器传给问答系统的主机，用于针对用户提出的问题计算答案库里最合适的答案；

S4、设计如图2所示的人机交互界面，作为用户和机器之间交流的媒介；

S5、利用语音转写和语音听写服务，将用户的提问转为文字，将文字输出的答案转为语音朗读出来。

如图3所示，上述中，使用的分类器的具体结构如下：

第一层(自下而上)是词嵌入层(Word Embedding Layer)：使用的是上述的CBOW模型；

第二层是上下文嵌入层(Contextual Embedding Layer)：通过循环神经网络对单词周围的上下文信息进行编码，以此来精炼单词的词向量所蕴含的信息；

第三层是句子编码层(Sentence Encode Layer)：通过特定的机制，从一个句子的各个嵌入向量中计算出对应句子的表示向量。对于问题文本的句子表示向量，本文选择问题嵌入向量经过上下文嵌入层编码后BiGRU的最后一个输出状态。对于问题补充文本的句子表示向量，本文选择问题补充嵌入向量经过上下文嵌入层编码后BiGRU各个时刻的输出状态的均值。对于答案文本的句子表示向量，本文选择标点符号“，。？！”作为一个句子的终止符，通过记录答案文本中这些句子终止符的位置，在答案嵌入向量经过上下文嵌入层编码后BiGRU各个时刻的输出状态中选择句子终止符所对应的状态，作为对应的句子编码。

第四层是记忆层(Memory Layer)：分别根据给定的问题句子向量、问题补充句子向量，结合答案句子向量，记忆层会利用注意力机制来关注哪些答案句子向量更加重要，然后分别产生问题对答案(Q2A)的“注意力”表示向量和问题补充对答案(Q_detailed2A)的“注意力”表示向量，这两个向量分别考虑问题的信息和问题补充的信息。记忆层模块的最终输出为“记忆”表示向量，而“记忆”表示向量的计算是一个可迭代的计算过程，即计算时不仅需要当前迭代的两个“注意力”表示向量，还需要上一个迭代计算产生的“记忆”表示向量。这种“记忆”表示向量的迭代计算，使得记忆层具有根据先前的知识(记忆)从答案信息中检索出新的信息的能力，这个过程模仿了人类进行阅读时反复记忆信息的行为。

第五层是一个多层感知机，输出答案正确的概率(或匹配的相似度)，实现分类功能；

最后，由于数据库中备选答案数量众多，计算出最优答案花费的计算资源和时间，可采取以下办法提高运算速度：1、对答案按问题意图进行分类，如“什么是癫痫？”“癫痫有什么种类”此类问题意图可归类为名词解析，“如何治疗癫痫”此类问题可归类为做法。分类的方法主要为模版匹配，即问题含有“如何”“怎么办”等字词即可视为做法类问题；2、将数据库中细节较具体的问题及其答案删除，如“石棉县哪家医院治疗癫痫比较好”，用户此问题的概率极低，该问题对应的答案有可能成为正确答案的概率也低，因此可以在几乎不损失召回率的情况下提高运算速度。

以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (1)

1.基于观点型阅读理解的癫痫病辅助医疗智能问答方法，其特征在于，包括以下步骤：

S1、使用爬虫技术在互联网爬取癫痫病的相关数据和获取公开中文语料库并储存在数据库中；

S2、设计深度学习模型并训练分类器；

S3、将步骤S2训练好的分类器传给问答系统的主机，用于针对用户提出的问题计算答案库里最合适的答案；

S4、设计人机交互界面，作为用户和机器之间交流的媒介；

S5、利用语音转写和语音听写服务，将用户的提问转为文字，将文字输出的答案转为语音朗读出来；

所述步骤S2的具体过程如下：

S2-1、对数据库中的中文语料库和癫痫疾病问答数据进行预处理；

S2-2、使用步骤S2-1分好的词和中文语料库训练词向量，用一个300维的向量表示该些分好的每一个词，词和向量一一对应，癫痫疾病语料库的问答数据中的字词就用对应的向量来表示；

训练词向量的具体方法为使用CBOW模型：对于一个真实词序列，随机去除中间的某个词，得到标签为该词的训练样本,在训练时随机挑选词语填入句子，目标函数是使填入的词使句子出现的概率最大，不断迭代优化的过程会学习到词的语义信息从而选取合适的词向量编码；

S2-3、构造正反例作为训练样本；

所述步骤S2-1的具体过程如下：

中文语料库：中文分词，结合基于规则和基于统计该两类方法；

分词的具体方法：首先基于前缀词典进行对语料中的句子进行扫描，前缀词典是指词典中的词按照前缀包含的顺序排列；如果将词看作节点，词和词之间的分词符看作边，那么对某个语句的一种分词方案则对应着从第一个字到最后一个字的一条分词路径，全部可能分词结果构成有向无环图，这个图中包含多条分词路径，这个有向无环图就是一个概率模型；基于标注语料，并使用医疗领域的专有名词作为词典，使用动态规划的方法找出最大概率路径，并将其作为最终的分词结果，将分好的词储存下来；

癫痫疾病问答数据：删除重复、过长、含缺失值的样本、英文符号转中文符号，然后以问答对的形式储存；

所述分类器的具体结构如下：

第一层为词嵌入层：使用CBOW模型；

第二层为上下文嵌入层：通过循环神经网络对单词周围的上下文信息进行编码，以此来精炼单词的词向量所蕴含的信息；

第三层为句子编码层：从一个句子的各个嵌入向量中计算出对应句子的表示向量；对于问题文本的句子表示向量，选择问题嵌入向量经过上下文嵌入层编码后BiGRU的最后一个输出状态；对于问题补充文本的句子表示向量，选择问题补充嵌入向量经过上下文嵌入层编码后BiGRU各个时刻的输出状态的均值；对于答案文本的句子表示向量，选择标点符号“，。？！”作为一个句子的终止符，通过记录答案文本中这些句子终止符的位置，在答案嵌入向量经过上下文嵌入层编码后BiGRU各个时刻的输出状态中选择句子终止符所对应的状态，作为对应的句子编码；

第四层为记忆层：分别根据给定的问题句子向量、问题补充句子向量，结合答案句子向量，记忆层会利用注意力机制来关注哪些答案句子向量更加重要，然后分别产生问题对答案的注意力表示向量和问题补充对答案的注意力表示向量，这两个向量分别考虑问题的信息和问题补充的信息；记忆层模块的最终输出为记忆表示向量，记忆表示向量的计算是一个可迭代的计算过程，计算时不仅需要当前迭代的两个注意力表示向量，还需要上一个迭代计算产生的记忆表示向量；这种记忆表示向量的迭代计算，使得记忆层具有根据先前的知识从答案信息中检索出新的信息的能力，这个过程模仿人类进行阅读时反复记忆信息的行为；

第五层为多层感知机，输出答案正确的概率或匹配的相似度，实现分类功能。