CN112164477A - 基于知识图谱的高血压患者智能问答系统及其建立方法 - Google Patents
基于知识图谱的高血压患者智能问答系统及其建立方法 Download PDFInfo
- Publication number
- CN112164477A CN112164477A CN202011067875.5A CN202011067875A CN112164477A CN 112164477 A CN112164477 A CN 112164477A CN 202011067875 A CN202011067875 A CN 202011067875A CN 112164477 A CN112164477 A CN 112164477A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- user
- layer
- answering
- self
- 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
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- 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
- G06F16/3343—Query execution using phonetics
-
- 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
- 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
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种基于知识图谱的高血压患者自我综合管理智能问答系统及其建立方法,该系统包括用户系统交互层、语音文本转换层、匹配推理层、信息搜索层和资源层;其中资源层用于实现数据采集、知识抽取、知识融合与加工以及知识更新,形成知识图谱的框架;用户系统交互层用于与用户进行语言交互,回答用户提出的问题;语音文本转换层用于完成语音与文本的转换;知识图谱能够对用户自然语言呈现的问题进行分析,理解用户的问题,并完成知识推理;信息搜索层用于基于语音文本转换层转换的文本,在资源层进行搜索或完成推理;匹配推理层用于将信息搜索层搜索到的信息与用户提出的问题进行匹配,匹配成功后输出匹配的答案,匹配不成功则输出特定回答。
Description
技术领域
本发明涉及医疗卫生技术领域,具体涉及一种基于知识图谱的高血压患者自我综合管理智能问答系统及其建立方法。
背景技术
在中国,18岁及以上的居民中高血压的患病率为25.2%,治疗率为41.1%,控制率为13.8%。低控制率大大增加了高血压并发症的发病风险。国外的临床试验表明,控制好血压可以使脑卒中发病风险降低30%-43%,使心肌梗死发病风险降低15%,由此可以节省大量社会医疗资源并大幅减轻患者压力。
积极的社区干预和自我管理是控制高血压的有效方法。其中基层医疗卫生机构(社区卫生服务中心、社区卫生服务站、乡镇卫生院、村卫生室)被称为高血压管理的“主战场”,承担着高血压患者治疗和管理等工作。但社区卫生服务人员数量严重不足、对于不同高血压人群缺乏有针对性的、个体化的干预措施等原因,使社区干预不能满足高血压患者完成自我管理的需求。
随着技术的发展,人工智能使帮助高血压患者进行科学的自我管理成为可能。人工智能可以提供一个更加贴近患者的健康行为指导平台,整合多方面资源,提供高血压相关的健康教育,并替代人力督促患者实施按时服药、定期测压、规律运动、正确饮食等健康相关行为,这将会使得高血压管理变得更加个性化,更具效率,对缓解卫生资源压力有着巨大的帮助。
现有技术中,基于深度学习的高血压问答系统包括语音拾取装置、语音释义模块、语音文字库、高血压医学知识库、问答知识库、推理诊断答复模块和答复反馈模块;语音拾取装置用于将用户的语音信息转换为电信号,输入问答系统;语音释义模块利用语音文字库的语言信息,用于分析用户输入的语言信息,分析出用户的问题内容;推理诊断答复模块接收语言释义模块的问题内容,根据问题检索高血压医学知识库和问答知识库,根据检索结果将答复发送给答复反馈模块;答复反馈模块用于将答复通过语言、文字或照片反馈给用户。这种问答系统解决了以前通过搜索引擎获取医疗知识耗时且信息准确性难以判断的问题。
现有技术中的语音拾取装置包括智能设备的话筒、手机的话筒和电脑的话筒;语音释义模块分析出来的问题内容包括血压数值、症状、特殊人群和饮食种类;答复反馈模块通过智能设备的话筒或显示器、手机的显示器或屏幕、电脑的扬声器或屏幕将语言、文字或照片反馈给用户。
现有技术中与高血压相关的医疗知识来源包括图书、期刊和高级会议论文;现有的网络与高血压相关的问答包括专业论坛、医院的问答网页和专业的医疗软件信息。
现有技术中高血压问答系统的主要缺陷包括:
①现有技术不具备智能系统的主动监督功能。现有技术主要着眼于用户与系统之间的问答功能,针对用户的问题给予答复反馈,完成交互。这个过程依赖用户主动发问,而没有系统主动干预患者自我管理的过程,不能完成主动提醒与监督患者完成健康行为,在患者的生活中起到较小的参与作用,效果有限。
②现有技术不能指导高血压患者的自我综合管理。现有技术的问答内容主要包括血压数值、症状、特殊人群和饮食种类,知识范围十分局限,只涵盖了高血压患者生活管理中的一小部分。对于按时服药、定期随访就诊、鼓励运动、心理疏导、娱乐放松等帮助患者自我管理的健康行为均未涉及。这些健康行为管理的缺失使得现有技术的功能十分局限,大大影响了帮助高血压患者自我管理的效果。
③现有技术可解决的场景有限。现有技术提到的高血压知识库与问答知识库的范围仅包含了血压数值、症状、特殊人群和饮食种类,知识广度较小,导致可回答的高血压患者问题也有限。
④现有技术基于深度学习,用户体验受限。深度学习模型需要依赖大规模的标注数据,只能做简单的模式识别,涉及任何需要推理的内容时,深度学习模型无法实现。因此,现有技术无法根据用户的问题,结合配备的知识库,做出合理的推理,这很可能给用户带来不够愉悦的交流体验。
⑤现有技术没有考虑个体化问题。现有技术没有考虑用户个性化需求,并未收集与存储用户的信息,系统只能回答普适化甚至固定模式的问题,无法了解用户的特征。这便导致了系统不能存储用户的变化,无法为用户长久的病情管理提供信息。
⑥现有技术没有考虑科普化语言。现有技术构建知识库往往采用专业术语,这其中难免有晦涩难懂的内容,加之机器学习的效果有限,高血压患者又以中老年人居多,这可能给用户带来理解上的困难。
发明内容
本发明旨在提供一种基于知识图谱的高血压患者自我综合管理智能问答系统及其建立方法,所要解决的技术问题包括以下几个方面:
①本发明希望通过该智能问答系统实现系统主动提醒并监督健康行为这一功能。
②本发明希望通过基于知识图谱实现全方位指导高血压患者的自我综合管理;通过改进资源层的语言描述实现用生活化语言进行健康教育,以达到较好的健康教育效果。
③本发明希望构建基于知识图谱的智能问答系统可以实现知识推理,以使可解决的问题场景最大化。
④本发明希望收集用户的个性化信息,建立和存储用户动态数据库,实现连续管理。
本发明的目的是解决现有技术的不足,提供一种基于知识图谱的高血压患者自我综合管理智能问答系统,包括用户系统交互层、语音文本转换层、匹配推理层、信息搜索层和资源层;其中所述的资源层用于实现数据采集、知识抽取、知识融合与加工以及知识更新,形成知识图谱框架;所述的用户系统交互层用于与用户进行语言交互,回答用户提出的问题;所述的语音文本转换层用于完成语音与文本的转换;所述的知识图谱能够对用户自然语言呈现的问题进行分析,理解用户的问题,并完成知识推理,降低无法回答与错误回答的概率,应对多种对话场景;所述的信息搜索层用于基于语音文本转换层转换的文本,在资源层进行搜索或完成推理;所述的匹配推理层用于将从所述信息搜索层搜索到的信息与用户提出的问题进行匹配,匹配成功后输出匹配的答案,匹配不成功则输出特定回答。
优选地,所述的用户系统交互层通过具备语音对话及主动提醒功能的音箱、手机或电脑与用户进行语言交互。
所述的用户系统交互层与用户进行语言交互的内容包括:支持用户制定个性化自我健康管理计划,能够主动向用户发起提醒或对话,监督用户完成血压测量、服用药物、医院随访和与运动相关的健康行为;用户提出关于高血压知识、饮食、运动、烟草使用、饮酒、药物、就医、检查以及心理方面的问题,系统进行回答;用户提出记录血压、体重以及随访时间的要求,系统完成相关指令并完成数据记录,用户询问以往存储数据,系统完成相关反馈;用户提出聊天、娱乐、饮食和/或运动的相关要求,系统通过播放音乐、电台节目、新闻、食谱推荐和/或运动指导进行陪伴式管理。
所述的资源层在实现数据采集的过程中,获取书籍、文献以及权威公众平台和/或医疗专业论坛中与高血压相关的内容;获取用户的一般资料,包括性别、年龄、体重、病程、用药史和现病史。
所述的资源层在实现知识抽取的过程中,从资源层的数据中抽取实体和关系;以及从高血压相关数据中抽取出常见问题与答案形成常见知识问答库。
所述的资源层在实现知识融合与加工的过程中,通过构建本体、知识抽取、知识融合与加工以及知识更新,导入相关工具形成知识图谱框架。
所述的资源层在实现知识更新的过程中,根据与用户的交互需求,对知识图谱进行不断更新。
所述的信息搜索层用于完成三类信息的搜索,包括:根据常见知识问答库进行搜索并反馈;依据知识图谱进行知识推理、搜索并反馈;以及根据已录入的数据进行个性化信息的判断、搜索与反馈。
本发明还提供一种基于知识图谱的高血压患者自我综合管理智能问答系统的建立方法,包括以下步骤:
第一、构建高血压知识图谱与问答库,同时将语言生活化;
第二、采集用户的性别、年龄、病程、现病史、用药史等信息;
第三、建立系统与用户交互的硬件,写入语音文本转换程序与调用相关硬件功能的程序;
第四、匹配推理用户的需求或问题,回答相关问题或做出要求指令,能够完成多轮问答对话;
第五、根据用户需求不断调整该基于知识图谱的高血压患者自我综合管理智能问答系统。
有益效果
与现有技术相比,本发明的有益效果是:
首先,本发明所述的基于知识图谱的高血压患者自我综合管理智能问答系统可以主动提醒并监督患者完成健康相关行为,这大大增加了系统在患者自我管理中的参与度,使实现陪伴式综合管理成为了可能。其次,知识图谱的实体/概念覆盖率高,涵盖更丰富的高血压知识与健康管理的内容,从知识到药物,从饮食到运动,从症状到就医,从生理到心理,不一而足,这可以提供给用户更加丰富的问答体验。第三,该系统收集并不断记录用户的个体信息,为其就医随访提供一手动态数据,使连续管理成为可能。第四,知识图谱可以对用户自然语言呈现的问题进行分析,理解用户的问题,并完成知识推理,大大降低了无法回答与错误回答的概率,可以应对更多的对话场景,带给用户更为流畅的体验。最后,该系统考虑到医学知识与语言晦涩难懂的特点,构建相关资源时已将语言进行科普化、生活化润色,使系统更加贴近生活,成为高血压患者自我综合管理的好伙伴。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本申请的具体实施方式一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1是本发明所述基于知识图谱的高血压患者自我综合管理智能问答系统的结构示意图。
图2是本发明所述基于知识图谱的高血压患者自我综合管理智能问答系统的建立方法的流程框图。
具体实施方式
在下文中更详细地描述了本发明以有助于对本发明的理解。
本发明中使用的缩略语和关键术语定义如下:
高血压知识图谱:整合了与高血压相关的医学知识、饮食、运动、心理等各个方面的健康管理内容,将其构建成知识图谱,以供后续在人工智能设备上使用,以期实现智能问答。
高血压自我管理:是指高血压患者能够在主客观因素的影响下,为维护健康自主做出的自我管理行为,包括获取健康信息、遵从医嘱、改善生活方式、正确调节心理变化、做好自我健康监测等等。
综合指导:是指为帮助高血压患者更好地完成自我管理,对高血压患者进行的全方位的指导。包括督促患者完成按时规律服药、健康饮食、规律运动、提升健康素养、正确管理压力与调节情绪、定期随访就诊等相关健康行为,以达到养成良好的生活习惯、良好地控制血压的目的。
智能问答系统:是一种能够理解用户的自然语言、与用户完成多轮问答交互、具备一定推理能力、以较为通俗易懂的语言与用户交流沟通、并可以完成用户指令的人工智能成分较高的问答系统。
如图1所示,本发明所述的基于知识图谱的高血压患者自我综合管理智能问答系统包括用户系统交互层、语音文本转换层、匹配推理层、信息搜索层和资源层;其中所述的资源层用于实现数据采集、知识抽取、知识融合与加工以及知识更新,形成知识图谱框架;所述的用户系统交互层用于与用户进行语言交互,回答用户提出的问题;所述的语音文本转换层用于完成语音与文本的转换;所述的知识图谱能够对用户自然语言呈现的问题进行分析,理解用户的问题,并完成知识推理,降低无法回答与错误回答的概率,应对多种对话场景;所述的信息搜索层用于基于语音文本转换层转换的文本,在资源层进行搜索或完成推理;所述的匹配推理层用于将所述信息搜索层的搜索到的信息与用户提出的问题进行匹配,匹配成功后输出匹配的答案,匹配不成功则输出特定回答。
优选地,所述的用户系统交互层通过具备语音对话及主动提醒功能的音箱、手机或电脑与用户进行语言交互。
所述的用户系统交互层与用户进行语言交互的内容包括:支持用户制定个性化自我健康管理计划,能够主动向用户发起提醒或对话,监督用户完成血压测量、服用药物、医院随访和与运动相关的健康行为;用户提出关于高血压知识、饮食、运动、烟草使用、饮酒、药物、就医、检查以及心理方面的问题,系统进行回答;用户提出记录血压、体重以及随访时间的要求,系统完成相关指令并完成数据记录,用户询问以往存储数据,系统完成相关反馈;用户提出聊天、娱乐、饮食和/或运动的相关要求,系统通过播放音乐、电台节目、新闻、食谱推荐和/或运动指导进行陪伴式管理。
所述的资源层在实现数据采集的过程中,获取书籍、文献以及权威公众平台和/或医疗专业论坛中与高血压相关的内容;获取用户的一般资料,包括性别、年龄、体重、病程、用药史和现病史。
所述的资源层在实现知识抽取的过程中,从资源层的数据中抽取实体和关系;以及从高血压相关数据中抽取出常见问题与答案形成常见知识问答库。
所述的资源层在实现知识融合与加工的过程中,通过构建本体、知识抽取、知识融合,导入相关工具形成知识图谱框架。
所述的资源层在实现知识更新的过程中,根据与用户的交互需求,对知识图谱进行不断更新。
所述的信息搜索层用于完成三类信息的搜索,包括:根据常见知识问答库进行搜索并反馈;依据知识图谱进行知识推理、搜索并反馈;以及根据已录入的数据进行个性化信息的判断、搜索与反馈。
如图2所示,本发明还提供一种基于知识图谱的高血压患者自我综合管理智能问答系统的建立方法,包括以下步骤:
第一、构建高血压知识图谱与问答库,同时将语言生活化;
第二、采集用户的性别、年龄、病程、现病史、用药史等信息;
第三、建立系统与用户交互的硬件,写入语音文本转换程序与调用相关硬件功能的程序;
第四、匹配推理用户的需求或问题,回答相关问题或做出要求指令,能够完成多轮问答对话;
第五、根据用户需求不断调整该基于知识图谱的高血压患者自我综合管理智能问答系统。
本发明所述的基于知识图谱的高血压患者自我综合管理智能问答系统能够实现系统主动提醒并监督健康行为这一功能。用户可以向系统表明自己的提醒需求,比如按时服药、定期就诊、规律运动等等,系统根据用户的要求设定提醒时间,之后在提醒时与用户进行语言交互,必要情况下根据用户的需求可以多次提醒,直到用户反馈已完成相关行为,此次提醒方结束。
本发明所述的基于知识图谱的高血压患者自我综合管理智能问答系统能够通过基于知识图谱实现全方位指导高血压患者的自我综合管理。该知识图谱与问答库的构建最大化地涵盖了高血压患者自我管理的相关内容,包括高血压相关知识、药物相关知识、饮食指导、运动指导、心理指导、就医指导等各个方面。
本发明所述的基于知识图谱的高血压患者自我综合管理智能问答系统能够实现知识推理,以使可解决的问题场景最大化。知识图谱可以对用户使用自然语言提出的问题进行语义分析和语法分析,进而转化成结构化形式的查询语句,然后在知识图谱中进行知识推理、查询答案,这大大增加了可解决用户问题的场景数,使该系统更加智能。
本发明所述的基于知识图谱的高血压患者自我综合管理智能问答系统能够收集用户的个性化信息,实现连续管理。用户使用系统初始,系统收集用户的健康相关信息,包括病程、血压值、年龄等等内容,之后的使用过程中,用户会根据系统的建议向系统告知血压值、就诊时间等信息,系统将其储存成用户的日志,可以记录用户的变化,并为其就医提供一手资料。
本发明所述的基于知识图谱的高血压患者自我综合管理智能问答系统设计时考虑了将语言科普化、生活化。设计者在构建知识图谱时增加了润色语言这一环节,使知识图谱内的内容更加接地气、通俗易懂,可以起到更好的健康教育与指导自我综合管理的作用。
本领域技术人员能够理解,本发明所述的基于知识图谱的高血压患者自我综合管理智能问答系统并不仅仅局限于高血压患者,熟悉本领域技术知识的技术人员通过简单的变形即可将该系统用于慢病/慢性病/慢性病管理/心血管疾病/心血管疾病管理,这种经过简单变形就能得到的慢病/慢性病/慢性病管理/心血管疾病/心血管疾病管理智能问答系统/智能管理系统、常见慢病/慢性病/慢性病管理/心血管疾病/心血管疾病管理智能问答系统/智能管理系统、血压管理/高血压管理智能问答系统/智能管理系统、高血压/心血管疾病/常见慢性病/慢病/常见慢病健康管理智能问答系统/智能管理系统也都包含在本申请的保护范围之内。
以上描述了本发明优选实施方式,然其并非用以限定本发明。本领域技术人员对在此公开的实施方案可进行并不偏离本发明范畴和精神的改进和变化。
Claims (9)
1.一种基于知识图谱的高血压患者自我综合管理智能问答系统,其特征在于,包括用户系统交互层、语音文本转换层、匹配推理层、信息搜索层和资源层;其中所述的资源层用于实现数据采集、知识抽取、知识融合与加工以及知识更新,形成知识图谱框架;所述的用户系统交互层用于与用户进行语言交互,回答用户提出的问题;所述的语音文本转换层用于完成语音与文本的转换;所述的知识图谱能够对用户自然语言呈现的问题进行分析,理解用户的问题,并完成知识推理,降低无法回答与错误回答的概率,应对多种对话场景;所述的信息搜索层用于基于语音文本转换层转换的文本,在资源层进行搜索或完成推理;所述的匹配推理层用于将所述信息搜索层搜索到的信息与用户提出的问题进行匹配,匹配成功后输出匹配的答案,匹配不成功则输出特定回答。
2.根据权利要求1所述的基于知识图谱的高血压患者自我综合管理智能问答系统,其特征在于,所述的用户系统交互层通过具备语音对话及主动提醒功能的音箱、手机或电脑与用户进行语言交互。
3.根据权利要求1所述的基于知识图谱的高血压患者自我综合管理智能问答系统,其特征在于,所述的用户系统交互层与用户进行语言交互的内容包括:支持用户制定个性化自我健康管理计划,能够主动向用户发起提醒或对话,监督用户完成血压测量、服用药物、医院随访和与运动相关的健康行为;用户提出关于高血压知识、饮食、运动、烟草使用、饮酒、药物、就医、检查以及心理方面的问题,系统进行回答;用户提出记录血压、体重以及随访时间的要求,系统完成相关指令并完成数据记录;用户询问以往存储数据,系统完成相关反馈;用户提出聊天、娱乐、饮食和/或运动的相关要求,系统通过播放音乐、电台节目、新闻、食谱推荐和/或运动指导进行陪伴式管理。
4.根据权利要求1所述的基于知识图谱的高血压患者自我综合管理智能问答系统,其特征在于,所述的资源层在实现数据采集的过程中,获取书籍、文献以及权威公众平台和/或医疗专业论坛中与高血压相关的内容;获取用户的一般资料,包括性别、年龄、体重、病程、用药史和现病史。
5.根据权利要求4所述的基于知识图谱的高血压患者自我综合管理智能问答系统,其特征在于,所述的资源层在实现知识抽取的过程中,从资源层的数据中抽取实体和关系;以及从高血压相关数据中抽取出常见问题与答案形成常见知识问答库。
6.根据权利要求5所述的基于知识图谱的高血压患者自我综合管理智能问答系统,其特征在于,所述的资源层在实现知识融合与加工的过程中,通过构建本体、知识抽取、知识融合,导入相关工具形成知识图谱框架。
7.根据权利要求6所述的基于知识图谱的高血压患者自我综合管理智能问答系统,其特征在于,所述的资源层在实现知识更新的过程中,根据与用户的交互需求,对知识图谱进行不断更新。
8.根据权利要求7所述的基于知识图谱的高血压患者自我综合管理智能问答系统,其特征在于,所述的信息搜索层用于完成三类信息的搜索,包括:根据常见知识问答库进行搜索并反馈;依据知识图谱进行知识推理、搜索并反馈;以及根据已录入的数据进行个性化信息的判断、搜索与反馈。
9.一种根据权利要求1至8任一项所述的基于知识图谱的高血压患者自我综合管理智能问答系统的建立方法,包括以下步骤:
第一、构建高血压知识图谱与问答库,同时将语言生活化;
第二、采集用户的性别、年龄、病程、现病史、用药史等信息;
第三、建立系统与用户交互的硬件,写入语音文本转换程序与调用相关硬件功能的程序;
第四、匹配推理用户的需求或问题,回答相关问题或做出要求指令,能够完成多轮问答对话;
第五、根据用户需求不断调整该基于知识图谱的高血压患者自我综合管理智能问答系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011067875.5A CN112164477A (zh) | 2020-10-07 | 2020-10-07 | 基于知识图谱的高血压患者智能问答系统及其建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011067875.5A CN112164477A (zh) | 2020-10-07 | 2020-10-07 | 基于知识图谱的高血压患者智能问答系统及其建立方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112164477A true CN112164477A (zh) | 2021-01-01 |
Family
ID=73862316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011067875.5A Pending CN112164477A (zh) | 2020-10-07 | 2020-10-07 | 基于知识图谱的高血压患者智能问答系统及其建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112164477A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927779A (zh) * | 2021-01-08 | 2021-06-08 | 国家体育总局体育科学研究所 | 一种高血压糖尿病人群的全民健身模型开发方法 |
CN113314236A (zh) * | 2021-06-01 | 2021-08-27 | 南华大学 | 一种面向高血压的智能问答系统 |
CN114300160A (zh) * | 2021-11-16 | 2022-04-08 | 北京左医科技有限公司 | 问诊对话方法及系统 |
CN116822633A (zh) * | 2023-08-31 | 2023-09-29 | 清华大学 | 基于自我认知的模型推理方法、装置及电子设备 |
CN116913527A (zh) * | 2023-09-14 | 2023-10-20 | 北京健康有益科技有限公司 | 一种基于多轮对话框架的高血压评测方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090234198A1 (en) * | 2008-03-13 | 2009-09-17 | Kimberly Vorse | Healthcare knowledgebase |
CN103559397A (zh) * | 2013-10-31 | 2014-02-05 | 合肥学院 | 一种应用于高血压慢性病的智慧服务系统及方法 |
CN105447334A (zh) * | 2016-01-08 | 2016-03-30 | 重庆大学 | 基于Android平台的高血压诊、治、管理系统 |
CN109471948A (zh) * | 2018-11-08 | 2019-03-15 | 威海天鑫现代服务技术研究院有限公司 | 一种老年健康领域知识问答系统构建方法 |
CN110010247A (zh) * | 2019-01-23 | 2019-07-12 | 深圳市中银科技有限公司 | 一种基于人工智能的个性化体质健康终端服务系统 |
CN111554365A (zh) * | 2019-03-20 | 2020-08-18 | 华中科技大学同济医学院附属协和医院 | 一种慢性病综合服务平台 |
-
2020
- 2020-10-07 CN CN202011067875.5A patent/CN112164477A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090234198A1 (en) * | 2008-03-13 | 2009-09-17 | Kimberly Vorse | Healthcare knowledgebase |
CN103559397A (zh) * | 2013-10-31 | 2014-02-05 | 合肥学院 | 一种应用于高血压慢性病的智慧服务系统及方法 |
CN105447334A (zh) * | 2016-01-08 | 2016-03-30 | 重庆大学 | 基于Android平台的高血压诊、治、管理系统 |
CN109471948A (zh) * | 2018-11-08 | 2019-03-15 | 威海天鑫现代服务技术研究院有限公司 | 一种老年健康领域知识问答系统构建方法 |
CN110010247A (zh) * | 2019-01-23 | 2019-07-12 | 深圳市中银科技有限公司 | 一种基于人工智能的个性化体质健康终端服务系统 |
CN111554365A (zh) * | 2019-03-20 | 2020-08-18 | 华中科技大学同济医学院附属协和医院 | 一种慢性病综合服务平台 |
Non-Patent Citations (1)
Title |
---|
王蕾: "面向医疗健康领域的智能问答系统的设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927779A (zh) * | 2021-01-08 | 2021-06-08 | 国家体育总局体育科学研究所 | 一种高血压糖尿病人群的全民健身模型开发方法 |
CN113314236A (zh) * | 2021-06-01 | 2021-08-27 | 南华大学 | 一种面向高血压的智能问答系统 |
CN114300160A (zh) * | 2021-11-16 | 2022-04-08 | 北京左医科技有限公司 | 问诊对话方法及系统 |
CN116822633A (zh) * | 2023-08-31 | 2023-09-29 | 清华大学 | 基于自我认知的模型推理方法、装置及电子设备 |
CN116822633B (zh) * | 2023-08-31 | 2023-12-26 | 清华大学 | 基于自我认知的模型推理方法、装置及电子设备 |
CN116913527A (zh) * | 2023-09-14 | 2023-10-20 | 北京健康有益科技有限公司 | 一种基于多轮对话框架的高血压评测方法及系统 |
CN116913527B (zh) * | 2023-09-14 | 2023-12-05 | 北京健康有益科技有限公司 | 一种基于多轮对话框架的高血压评测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112164477A (zh) | 基于知识图谱的高血压患者智能问答系统及其建立方法 | |
US10950332B2 (en) | Targeted sensation of touch | |
Cheng et al. | Development and evaluation of a healthy coping voice interface application using the Google home for elderly patients with type 2 diabetes | |
Amichai-Hamburger et al. | The future of online therapy | |
Archibald | Cultural tailoring for an Afro-Caribbean community: A naturalistic approach | |
JP2021514514A (ja) | 感情コンピューティングユーザインターフェースに基づく感性的インタラクションシステム、装置及び方法 | |
Donnelly et al. | A mobile multimedia technology to aid those with Alzheimer's disease | |
Pitt et al. | Guidelines for feature matching assessment of brain–computer interfaces for augmentative and alternative communication | |
CN110033867A (zh) | 融合多元干预路径的认知障碍干预系统及方法 | |
KR102528953B1 (ko) | 원격재가훈련이 가능한 치매예방 인지기능 훈련 서비스 제공 방법 | |
CN108648787A (zh) | 医疗随访方法和装置 | |
KR20200113954A (ko) | 사용자 맞춤형 건강 정보 서비스 제공 시스템 및 그 방법 | |
Griol et al. | Modeling the user state for context-aware spoken interaction in ambient assisted living | |
KR20210052122A (ko) | 사용자 맞춤형 식품 정보 서비스 제공 시스템 및 그 방법 | |
Anastasiadou et al. | A prototype educational virtual assistant for diabetes management | |
CN118173286A (zh) | 一种基于大语言模型的阅读滋养健心聊天机器人 | |
CN117497141A (zh) | 一种针对患者的心理干预智能交互系统以及方法 | |
CN117056536B (zh) | 一种基于知识图谱驱动的虚拟医生系统及其操作方法 | |
CN114334163A (zh) | 抑郁症诊断对话数据集生成方法、电子设备和存储介质 | |
KR102314332B1 (ko) | 머신러닝 자연어 처리를 활용한 의사-환자의 진료상담 지원 시스템 및 방법 | |
Sanders et al. | Methodological innovations to strengthen evidence-based serious illness communication | |
CN108806801A (zh) | 医疗随访方法和装置 | |
Shimizu et al. | Crossover learning of gestures in two ideomotor apraxia patients: A single case experimental design study | |
Kamışlı et al. | Perspectives of women suffering from infertility about the effects of psychodrama-based intervention on their psychosocial well-being | |
Lim et al. | Artificial intelligence concepts for mental health application development: Therapily for mental health care |
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 |