CN113657102B - 信息抽取方法、装置、设备及存储介质 - Google Patents
信息抽取方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113657102B CN113657102B CN202110944183.2A CN202110944183A CN113657102B CN 113657102 B CN113657102 B CN 113657102B CN 202110944183 A CN202110944183 A CN 202110944183A CN 113657102 B CN113657102 B CN 113657102B
- Authority
- CN
- China
- Prior art keywords
- attribute
- doctor
- medical entity
- medical
- sentence
- 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
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 claims abstract description 60
- 238000012545 processing Methods 0.000 claims description 52
- 230000011218 segmentation Effects 0.000 claims description 17
- 238000010606 normalization Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 abstract description 26
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000003058 natural language processing Methods 0.000 abstract description 4
- 208000024891 symptom Diseases 0.000 description 23
- 206010039101 Rhinorrhoea Diseases 0.000 description 17
- 208000036071 Rhinorrhea Diseases 0.000 description 16
- 238000004590 computer program Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 206010068319 Oropharyngeal pain Diseases 0.000 description 10
- 206010019233 Headaches Diseases 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 231100000869 headache Toxicity 0.000 description 8
- 208000023409 throat pain Diseases 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 206010011224 Cough Diseases 0.000 description 6
- 239000003814 drug Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 208000004998 Abdominal Pain Diseases 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 229940079593 drug Drugs 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 239000008187 granular material Substances 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 206010000087 Abdominal pain upper Diseases 0.000 description 2
- 201000007100 Pharyngitis Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 208000002193 Pain Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 208000010753 nasal discharge Diseases 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Machine Translation (AREA)
Abstract
本公开提供了信息抽取方法、装置、设备、存储介质及程序,涉及人工智能中的自然语言处理、智能医疗技术领域。具体实现方案为:在待处理的医患对话文本中识别得到N个医学实体和每个医学实体的类型,在所述医患对话文本中识别得到每个医学实体对应的属性信息,所述属性信息包括至少一个属性和每个属性的属性值,根据所述N个医学实体、每个医学实体的类型以及每个医学实体对应的属性信息,生成所述医患对话文本对应的信息抽取结果,所述信息抽取结果中包括N个信息项,每个信息项包括:所述医学实体、所述医学实体的类型、所述医学实体对应的属性信息。通过上述过程,提高了信息抽取效率。
Description
技术领域
本公开涉及人工智能中的自然语言处理、智能医疗技术领域,尤其涉及一种信息抽取方法、装置、设备及存储介质。
背景技术
目前,人工智能技术在各种领域得到广泛应用。以医疗领域为例,对于医疗工作人员而言,希望能够从医患对话数据流中智能抽取出结构化的关键信息,并利用这些关键信息智能生成电子病历。
现有技术中,可以对医疗工作人员和患者之间的对话过程进行录制,然后,采用语音转文字(speech-to-text)的方法,将医患对话语音转换为对话文本。进而,医疗工作人员对对话文本中的关键信息进行人工抽取和整理,形成电子病历。
然而,上述方式中,由医疗工作人员对医患对话文本进行加工处理,效率较低。
发明内容
本公开提供了一种信息抽取方法、装置、设备、存储介质及程序,以提高信息抽取效率。
根据本公开的第一方面,提供了一种信息抽取方法,包括:
在待处理的医患对话文本中识别得到N个医学实体和每个医学实体的类型,所述N为大于或等于1的整数;
在所述医患对话文本中识别得到每个医学实体对应的属性信息,所述属性信息包括至少一个属性和每个属性的属性值;
根据所述N个医学实体、每个医学实体的类型以及每个医学实体对应的属性信息,生成所述医患对话文本对应的信息抽取结果,所述信息抽取结果中包括N个信息项,每个信息项包括:所述医学实体、所述医学实体的类型、所述医学实体对应的属性信息。
根据本公开的第二方面,提供了一种信息抽取装置,包括:
第一识别模块,用于在待处理的医患对话文本中识别得到N个医学实体和每个医学实体的类型,所述N为大于或等于1的整数;
第二识别模块,用于在所述医患对话文本中识别得到每个医学实体对应的属性信息,所述属性信息包括至少一个属性和每个属性的属性值;
生成模块,用于根据所述N个医学实体、每个医学实体的类型以及每个医学实体对应的属性信息,生成所述医患对话文本对应的信息抽取结果,所述信息抽取结果中包括N个信息项,每个信息项包括:所述医学实体、所述医学实体的类型、所述医学实体对应的属性信息。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据第一方面所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1为本公开实施例的一种可能的应用场景的示意图;
图2为本公开实施例提供的对话数据流的处理过程示意图;
图3为本公开实施例提供的一种信息抽取方法的流程示意图;
图4为本公开实施例提供的另一种信息抽取方法的流程示意图;
图5为本公开实施例提供的医患对话文本及信息抽取结果的示意图;
图6为本公开实施例提供的一种信息抽取装置的结构示意图;
图7为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
随着人工智能技术的发展,人工智能在各种领域得到广泛应用。以医疗领域为例,传统医疗场景中,医生需要手动书写病历。一个医生每天至少要花费两到三个小时的时间来书写病历,由于医生工作忙碌,导致书写的病历字迹潦草,难以辨认,并且,不同医生书写病历的格式、内容均有所差异。电子病历解决了病历字迹、格式的问题。但是,医生在书写电子病历时,通过键盘敲字的方式书写,效率较低。尤其是口腔医生,需要双手持器械检查,双手被器械占用,无法书写病历,待检查完后凭记忆书写检查信息,一方面容易遗漏或者遗忘,另一方面在遗忘后需要反复检查浪费时间。
现有技术中,可以对医患对话过程进行录制,然后采用语音转文字(speech-to-text)的方法,将医患对话语音转换为医患对话文本。进而,医生对医患对话文本中的关键信息进行人工抽取和整理,形式电子病历。然而,上述方式中,需要医生对医患对话文本进行加工处理,工作量较大,效率较低。
本公开实施例中,无需医生手动敲字输入电子病历,也无需医生对医患对话文本进行加工处理,而是由医患对话处理系统根据医生与患者的对话数据流智能生成电子病历。下面结合图1进行描述。
图1为本公开实施例的一种可能的应用场景的示意图。如图1所示,医患对话处理系统可以包括:终端设备10和服务器20。终端设备10和服务器20通信连接。其中,终端设备10具有语音采集功能。在医生与患者对话过程中,终端设备10可以采集得到语音形式的对话数据流。进而,医患对话处理系统通过对对话数据流进行一系列的处理,最终输出电子病历。这样,无需医生书写或者整理即可生成电子病历,解放医生的双手,提高电子病历的生成效率。
图1所示的应用场景中,终端设备10可以是具有语音采集功能的任意电子设备,包括但不限于:手机、录音设备、智能穿戴设备等。服务器20可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
图2为本公开实施例提供的对话数据流的处理过程示意图。如图2所示,对话数据流的处理过程包括:语音识别处理、信息抽取处理、结构化处理三个阶段。具体而言,语音形式的医患对话数据流经过语音识别处理(例如语音转文字处理),转换为医患对话文本。医患对话文本经过信息抽取处理,得到信息抽取结果。信息抽取结果经过结构化处理,得到电子病历。
一些可能的实现方式中,上述的语音识别处理、信息抽取处理、结构化处理可以由终端设备10执行。另一些可能的实现方式中,上述的语音识别处理、信息抽取处理、结构化处理可以由服务器20执行。又一些可能的实现方式中,上述的语音识别处理、信息抽取处理、结构化处理还可以由终端设备10和服务器20配合执行,例如,终端设备10执行语音识别处理过程,服务器20执行信息抽取处理和结构化处理过程,或者,终端设备10执行语音识别处理过程和结构化处理过程,服务器20执行信息抽取处理过程。
需要说明的是,图1是以医生为患者看病的场景为例进行说明。本公开实施例还可应用于其他的场景,例如,慢性病回访场景,医疗工作人员通过电话或者视频的方式与患者对话,以了解患者的治疗和康复情况。该场景与图1不同之处在于,输入至医疗对话处理系统的医患对话数据流为医疗工作人员与患者的对话。医疗对话处理系统输出的为回访记录。
本公开提供一种信息抽取方法、装置、设备、存储介质及程序,应用于人工智能中的自然语言处理、智能医疗技术领域,能够自动地对医患对话文本进行信息抽取处理,提高效率。
图3为本公开实施例提供的一种信息抽取方法的流程示意图。本实施例的方法可以由终端设备或者服务器执行。如图3所示,本实施例的方法包括:
S301:在待处理的医患对话文本中识别得到N个医学实体和每个医学实体的类型,所述N为大于或等于1的整数。
本实施例中,医患对话文本为医疗工作人员与患者之间的对话文本。一个示例中,医患对话文本可以是通过如下方式获取的:在医疗工作人员与患者进行对话交流过程中,通过终端设备采集对话数据流。利用语音识别技术(例如语音转文本技术)对对话数据流进行语音识别处理,得到医患对话文本。
一种可能的实现方式中,可以采用如下可行的方式识别得到N个医学实体以及每个医学实体的类型:
(1)对所述医患对话文本进行分词处理,得到多个词语。
其中,分词主要是将医患对话文本中的医学实体分割出来。举例而言,假设医患对话文本中的某个语句为“为今天咳嗽头疼肚子疼有点感冒”,通过对该语句进行分词得到下述多个词语“我今天咳嗽头疼肚子疼有点感冒”。
(2)对所述多个词语进行医学实体识别处理,得到所述N个医学实体和每个医学实体的类型。
举例而言,对上述分词处理得到的多个词语“我今天咳嗽头疼肚子疼有点感冒”进行医学实体识别处理,得到如下识别结果:
“我今天咳嗽【症状】头疼【症状】肚子疼【症状】有点感冒【疾病】”
也就是说,识别得到4个医学实体,分别为“咳嗽”、“头疼”、“肚子疼”、“感冒”。其中,“咳嗽”、“头疼”、“肚子疼”的类型为“症状”,“感冒”的类型为“疾病”。
可选的,所述N个医学实体中的每个医学实体的类型为预设类型集合中的任意预设类型。其中,预设类型集合中包括待抽取的医学实体的类型。由于不同应用场景的信息抽取需求不同,当应用于不同应用场景时,预设类型集合中所包括的预设类型也可以不同。
举例而言,假设预设类型集合包括:症状、疾病、患者状况,则根据步骤(2)的识别结果,确定出的医学实体包括:“咳嗽”、“头疼”、“肚子疼”、“感冒”。假设预设类型集合包括:症状,则根据步骤(2)的识别结果,确定出的医学实体包括:“咳嗽”、“头疼”、“肚子疼”。
本实施例中,医学实体识别处理的过程可以采用基于深度学习的方法实现。可选的,可以采用基于双向长短期记忆网络(Bi-directional Long-Short Term Memory,Bi-LSTM)+注意力机制(Attention)+条件随机场(Conditional Random Field,CRF)的深层网络模型。基于Bi-LSTM+CRF的深层网络模型,相比传统的神经网络框架,一方面考虑到了句子中词与词之间的顺序关系,更加符合自然语言处理的基本假设(语序影响语义的表达),另一方面,基于长短期记忆网络(Long-Short Term Memory,LSTM)的方法有效的解决了传统循环神经网络存在的梯度爆炸(Gradient Explosion)和梯度弥散(GradientVanishing)的问题,使得模型训练更加稳定。
S302:在所述医患对话文本中识别得到每个医学实体对应的属性信息,所述属性信息包括至少一个属性和每个属性的属性值。
本实施例中,每个医学实体对应的属性信息是指医患对话文本中用于描述该医学实体的相关信息。具体实现中,可以针对每种类型的医学实体,事先统计出该类型的医学实体对应的一个或者多个属性。
示例性的,“症状”对应的属性包括下述中的至少一项:阴阳性、程度、持续时间、诱因、特性、形态、颜色、部位等。“药品”对应的属性可以包括如下至少一项:名称、是否好转、服用时长、用量等。“患者状况”对应的属性可以包括如下至少一项:体征、睡眠、饮食、大小便等。
进一步的,通过对医患对话文本进行识别处理,得到每个医学实体对应的上述各属性的属性值,从而得到该医学实体对应的属性信息。需要说明的是,实际应用中,在对话文本中可能只识别出上述部分属性的属性值。
举例而言,医患对话文本“我嗓子很疼,还有点流鼻涕”中,症状“嗓子疼”的程度属性的属性值为“很”,症状“流鼻涕”的程度属性的属性值为“有点”。
一种可能的实现方式中,在对每个医学实体的属性信息进行识别时,还可以考虑医患对话文本中每个语句对应的对话角色。若某个语句是由患者表达的,并且该语句中出现了“症状”,则该语句隐含了“症状”的阴阳性属性为“阳性”。例如,假设患者表达了语句“我嗓子很疼,还有点流鼻涕”,则识别到症状“嗓子疼”的属性信息为{阴阳性:阳性,程度:很},“流鼻涕”的属性信息为{阴阳性:阳性,程度:有点}。
S303:根据所述N个医学实体、每个医学实体的类型以及每个医学实体对应的属性信息,生成所述医患对话文本对应的信息抽取结果,所述信息抽取结果中包括N个信息项,每个信息项包括:所述医学实体、所述医学实体的类型、所述医学实体对应的属性信息。
本实施例生成的信息抽取结果中每个信息项的数据结构如下:
<医学实体的类型:医学实体,属性1:属性值1,属性2:属性值2,……属性k:属性值k>
举例而言,假设医患对话文本为:
[医生]:您哪里不舒服啊?
[患者]:我嗓子很疼,还有点流鼻涕。
[医生]:多久了啊?
[患者]:三天了。
本实施例对上述医患对话文本的处理过程为:S301对医患对话文本进行识别处理,得到两个医学实体,分别为:“嗓子疼”、“流鼻涕”,这两个医学实体的类型均为“症状”。S302从医患对话文本中识别得到“嗓子疼”的属性信息为{阴阳性:阳性,程度:很,持续时长:三天},“流鼻涕”的属性信息为{阴阳性:阳性,程度:有点,持续时长:三天}。
这样,根据上述识别结果,生成的信息抽取结果如下:
<症状:嗓子疼,阴阳性:阳性,程度:很,持续时间:三天>
<症状:流鼻涕,阴阳性:阳性,程度:有点,持续时间:三天>
通过上述的信息抽取过程,能够从医患对话文本中抽取出医患对话中的关键信息,从而无需医疗工作人员手动抽取或者整理,降低了医疗工作人员的工作量,提高了信息抽取效率。上述信息抽取结果在进行结构化处理后,可用于生成电子病历,或者用于后续的医疗分析和研究。
一种可能的实现方式中,当本实施例的方法由终端设备执行时,在生成信息抽取结果之后,还可以显示信息抽取结果。另一种可能的实现方式中,当本实施例的方法由服务器执行时,在生成信息抽取结果之后,还可以向预设设备发送信息抽取结果,预设设备可以为终端设备或者其他设备。
本实施例提供的信息抽取方法,包括:在待处理的医患对话文本中识别得到N个医学实体和每个医学实体的类型,在所述医患对话文本中识别得到每个医学实体对应的属性信息,所述属性信息包括至少一个属性和每个属性的属性值,根据所述N个医学实体、每个医学实体的类型以及每个医学实体对应的属性信息,生成所述医患对话文本对应的信息抽取结果,所述信息抽取结果中包括N个信息项,每个信息项包括:所述医学实体、所述医学实体的类型、所述医学实体对应的属性信息。通过上述过程,实现了对医患对话文本的自动信息抽取,无需医疗工作人员对医患对话文本进行手动加工处理,降低了医疗工作人员的工作量,提高了信息抽取效率。
在上述实施例的基础上,下面结合一个具体的实施例对本公开技术方案进行更详细的描述。
图4为本公开实施例提供的另一种信息抽取方法的流程示意图。如图4所示,本实施例的方法,包括:
S401:在待处理的医患对话文本中确定N个医学实体和每个医学实体的类型,所述N为大于或等于1的整数。
应理解,本实施例中S401的具体实现方式与图3中的S301类似,此处不作赘述。
S402:在所述医患对话文本中识别得到M个属性和每个属性的属性值,所述M为大于或者等于1的整数。
下面以两种可能的实现方式来进行描述。
一种可能的实现方式中,对所述医患对话文本进行分词处理,得到多个词语,利用预设的属性识别规则对每个词语进行识别,得到所述M个属性和每个属性的属性值。
具体而言,可以事先针对每种属性的属性值的特点,预先设定一些用于识别该种属性的属性值的话术模板或者关键词(即属性识别规则)。进而,利用每种属性对应的话术模板或者关键词对上述分词后的每个词语进行匹配,若匹配成功,则确定该词语是该种属性的属性值。
示例性的,用于识别程度属性的关键词包括:有点、很、非常、严重、不严重、特别等。用于识别持续时间属性的话术模板包括:*天,*小时,*月,*年等。
举例而言,以下述医患对话文本为例:
[医生]:您哪里不舒服啊?
[患者]:我嗓子很疼,还有点流鼻涕。
[医生]:多久了啊?
[患者]:三天了。
对上述对话文本进行分词处理,得到多个词语。进而,利用上述程度属性对应的关键词对上述多个词语进行匹配,得到程度属性的属性值为:“很”、“有点”。利用上述持续时间属性对应的话术模板对上述多个词语进行匹配,得到持续时间属性的属性值为“三天”。
该实现方式中,采用基于规则识别的方式识别属性信息,实现方式简单,效率较高。
另一种可能的实现方式中,针对医患对话文本中的每个第一语句,确定第一语句的对话意图,若第一语句的对话意图指示询问第一属性,则从第二语句中确定所述第一属性的属性值。第二语句位于第一语句之后。其中,第一语句为医患对话文本中的任意一个语句。第一属性为所述M个属性中的任意一个属性。
可选的,第二语句为所述第一语句的下一个语句,或者,第二语句包括所述第一语句之后的多个语句。
可选的,所述第一语句为医患对话文本中医生表达的语句,所述第二语句为医患对话文本中患者表达的语句。示例性的,第一语句为医生询问的语句,第二语音为患者回答的语句。
可选的,第二语句位于第一语句之后,并且位于第三语句之前,第三语句为医患对话文本中医生表达的语句,或者,第三语句的对话意图用于指示询问第二属性。
能够理解的是,在从第二语句中识别第一属性的属性值时,可以采用上述基于规则识别的方式,此处不再详述。
举例而言,以下述医患对话文本为例:
[医生]:您哪里不舒服啊?
[患者]:我嗓子很疼,还有点流鼻涕。
[医生]:多久了啊?
[患者]:三天了。
对上述医患对话文本中的语句“多久了啊”进行意图识别,得到对话意图为询问持续时间属性,因此,从下一语句“三天了”中识别得到持续时间属性的属性值“三天”。
该实现方式中,基于意图识别结果来识别属性信息,保证了识别到的属性信息的准确性。
需要说明的是,实际应用中,上述基于规则识别的实现方式,以及基于意图识别的实现方式可以结合使用。也就是说,上述N个属性及其属性值中,可以存在一部分属性及其属性值是采用基于规则识别的实现方式得到的,另一部分属性及其属性值是采用基于意图识别的实现方式得到的。
在上述基于意图识别的实现方式中,需要首先针对第一语句进行对话意图的识别,下面举例说明两种对话意图的识别方式。
一种可能的实现方式中,可以采用基于深度学习的方式。具体而言,将第一语句输入意图识别模型中,得到所述意图识别模型的输出结果,输出结果中包括多个候选意图对应的概率,将最大概率对应的候选意图,确定为第一语句对应的对话意图。
该实现方式中,意图识别模型可以是预先利用机器学习算法训练得到的。可选的,意图识别模型是通过对多组训练样本进行训练得到的,每组训练样本包括:样本语句以及该样本语句对应的样本意图。样本语句可以是从历史对话数据中提取得到的,样本语句对应的样本意图可以是人工标注得到的。本实施例对于意图识别模型的网络结构以及训练过程不作具体限定。
通过采用意图识别模型对第一语句进行意图识别,能够保证意图识别结果的准确性。
另一种可能的实现方式中,可以采用意图匹配规则进行意图识别。具体而言,获取多个预设意图对应的匹配规则,分别利用每个预设意图对应的匹配规则对所述第一语句进行匹配处理,得到所述第一语句与每个预设意图的匹配度,将最大匹配度对应的预设意图,确定为所述第一语句的对话意图。
举例而言,用于询问持续时间的意图对应的匹配规则可以包括如下关键词中的至少一个:多久、多长时间、从什么时候开始等。利用上述匹配规则对第一语句进行匹配,若第一语句中包括上述关键词中的任意一个,则确定第一语句的对话意图为询问持续时间属性。
该实现方式利用匹配规则即可识别第一语句的意图,实现简单,效率较高。
本实施例中,在S401识别到N个医学实体,以及S402识别到M个属性及其属性值之后,可以通过S403和S404将上述的N个医学实体与M个属性及其属性值进行关联,即,确定出每个属性及其属性值是对哪个医学实体的描述。
S403:针对每个医学实体,分别获取所述医学实体与所述M个属性中的每个属性的属性值之间的关联度。
下面以两种可能的实现方式为例进行说明。
一种可能的实现方式中,可以基于距离相近原则进行关联。具体而言,确定所述医学实体在所述医患对话文本中的第一位置,针对所述M个属性中的每个属性,获取所述属性值在所述医患对话文本中的第二位置;根据所述第一位置与所述第二位置之间的距离,确定所述医学实体与所述属性值之间的关联度。
上述关联度与上述距离负相关。也就是说,第一位置与第二位置之间的距离越近,则医学实体与属性值之间的关联度越高,第一位置与第二位置之间的距离越远,则医学实体与属性值之间的关联度越低。
可选的,若第一位置与第二位置之间的距离小于或等于预设阈值,则确定医学实体与属性值之间关联;若第一位置与第二位置之间的距离大于预设阈值,则确定医学实体与属性值之间不关联。
上述实现方式中,充分利用了医患对话的特点,即医学实体(例如症状)与其对应的属性值之间的距离不会相隔太远,该实现方式简单,无需其他先验知识即可实现。
另一种可能的实现方式中,可以基于深度学习语义的方式确定关联度。具体而言,针对所述M个属性中的每个属性,将所述属性的属性值、所述医学实体以及所述医患对话文本输入语义关联识别模型,获取所述语义关联识别模型输出的所述医学实体与所述属性值之间的关联度。
可选的,语义关联识别模型可以通过如下方式训练得到:通过对历史医患对话文本进行解析,提取出医学实体以及该医学实体对应的属性值,并对提取出的医学实体与属性值之间的关联关系进行人工标注,得到关联标签。从而,构建得到如下形式的训练样本<(医患对话文本,医学实体,属性值),关联标签>。例如,关联标签为0,则表示不关联,关联标签为1,则表示关联。通过对大量的训练样本进行训练,得到上述语义关联识别模型。
该实现方式中,语义关联识别模型通过对医患对话文本的语义进行分析,确定出医学实体与属性值之间的关联度。由于考虑了医患对话文本的语义,因此,该实现方式保证了确定出的关联度的准确性。
S404:根据所述医学实体与所述M个属性中的每个属性的属性值之间的关联度,确定所述医学实体对应的属性信息,所述属性信息包括所述M个属性中的至少一个目标属性和每个目标属性的属性值。
一种可能的实现方式中,根据所述关联度,从所述M个属性以及每个属性的属性值中,确定至少一个目标属性以及每个目标属性的属性值,所述医学实体与每个目标属性的属性值之间的关联度大于或等于预设阈值;根据所述至少一个目标属性以及每个目标属性的属性值,生成所述医学实体对应的属性信息,所述医学实体对应的属性信息包括:所述至少一个目标属性以及每个目标属性的属性值。
S405:根据所述N个医学实体、每个医学实体的类型以及每个医学实体对应的属性信息,生成所述医患对话文本对应的信息抽取结果,所述信息抽取结果中包括N个信息项,每个信息项包括:所述医学实体、所述医学实体的类型、所述医学实体对应的属性信息。
应理解,S405的具体实现方式与图3中的S303类似,此处不再赘述。
一种可能的实现方式中,S405之前,还可以包括:对所述N个医学实体进行归一化处理,得到归一化后的医学实体,对每个医学实体对应的属性信息中的每个属性的属性值进行归一化处理,得到归一化后的属性值。这样,S405中生成的信息抽取结果中每个信息项的内容如下:
<医学实体的类型:归一化后的医学实体,属性1:归一化后的属性值1,属性2:归一化后的属性值2,……,属性k:归一化后的属性值k>
其中,归一化处理是指,将医学实体/属性值转换为统一的标准表达。例如,将症状“流鼻涕”归一化为“流涕”,将症状“嗓子疼”归一化为“咽痛”,将属性值“有点”“不太”“一点点”归一化为“轻度”,将“很”“非常”“特别”等归一化为“重度”。通过进行归一化处理,使得生成的信息抽取结果更加规范、准确。
在上述任意实施例的基础上,下面结合一个具体示例对本公开提供的信息抽取方法进行举例说明。
图5为本公开实施例提供的医患对话文本及信息抽取结果的示意图。如图5中的所示,假设医患对话文本为:
[医生]:您哪里不舒服啊?
[患者]:我嗓子很疼,还有点流鼻涕。
[医生]:多久了啊?
[患者]:三天了。
[医生]:您是由什么原因引起的呢?
[患者]:我那天没盖被子有点着凉了。
[医生]:您来之前吃过药吗?
[患者]:吃过,吃的是感冒AA颗粒。
[医生]:吃完有缓解吗?
[患者]:没有缓解。
本实施例中,首先对医患对话文本进行医学实体识别处理,得到识别结果如下:嗓子疼[症状]、流鼻涕[症状]、感冒AA颗粒[药物]。具体识别方式可以参见S301的详细描述。
然后,从医患对话文本中识别得到属性信息,得到识别结果如下:程度:很,程度:有点,持续时间:三天,诱因:着凉,是否好转:没有缓解。具体识别方式可以参见S402的详细描述。
进一步的,将上述医学实体的识别结果与属性信息的识别结果进行关联处理,得到每个医学实体对应的属性信息。具体关联方式可以参见S403和S404的详细描述。参见图5,关联结果如下:
<症状:嗓子疼,阴阳性:阳性,程度:很,持续时间:三天,诱因:着凉>
<症状:流鼻涕,阴阳性:阳性,程度:有点,持续时间:三天,诱因:着凉>
<药物:感冒AA颗粒,是否好转:没有缓解>
最后,对每个医学实体以及该医学实体对应的属性值进行归一化处理,并根据归一化结果生成信息抽取结果。参见图5,信息抽取结果如下:
<症状:咽痛,阴阳性:阳性,程度:重度,持续时间:三天,诱因:着凉>
<症状:流涕,阴阳性:阳性,程度:轻度,持续时间:三天,诱因:着凉>
<药物:感冒AA颗粒,是否好转:无>
上述过程中,实现了对医患对话文本自动进行关键信息抽取,得到信息抽取结果,减少了医疗工作人员的工作量,提高了信息抽取效率。进一步的,对上述的信息抽取结果进行结构化处理,即可生成电子病历,能够提高电子病历的生成效率。
图6为本公开实施例提供的一种信息抽取装置的结构示意图。本实施例提供的信息抽取装置可以为软件和/或硬件的形式。如图6所示,本实施例提供的信息抽取装置600,包括:第一识别模块601、第二识别模块602和生成模块603。
其中,第一识别模块601,用于在待处理的医患对话文本中识别得到N个医学实体和每个医学实体的类型,所述N为大于或等于1的整数;
第二识别模块602,用于在所述医患对话文本中识别得到每个医学实体对应的属性信息,所述属性信息包括至少一个属性和每个属性的属性值;
生成模块603,用于根据所述N个医学实体、每个医学实体的类型以及每个医学实体对应的属性信息,生成所述医患对话文本对应的信息抽取结果,所述信息抽取结果中包括N个信息项,每个信息项包括:所述医学实体、所述医学实体的类型、所述医学实体对应的属性信息。
一种可能的实现方式中,所述第二识别模块602包括:
识别单元,用于在所述医患对话文本中识别得到M个属性和每个属性的属性值,所述M为大于或者等于1的整数;
获取单元,用于针对每个医学实体,分别获取所述医学实体与所述M个属性中的每个属性的属性值之间的关联度;
确定单元,用于根据所述医学实体与所述M个属性中的每个属性的属性值之间的关联度,确定所述医学实体对应的属性信息。
一种可能的实现方式中,所述获取单元包括:
第一确定子单元,用于确定所述医学实体在所述医患对话文本中的第一位置;
第二确定子单元,用于针对所述M个属性中的每个属性,确定所述属性值在所述医患对话文本中的第二位置;
第三确定子单元,用于根据所述第一位置与所述第二位置之间的距离,确定所述医学实体与所述属性值之间的关联度。
一种可能的实现方式中,所述获取单元具体用于:
针对所述M个属性中的每个属性,将所述属性的属性值、所述医学实体以及所述医患对话文本输入语义关联识别模型,获取所述语义关联识别模型输出的所述医学实体与所述属性值之间的关联度。
一种可能的实现方式中,所述确定单元包括:
第四确定子单元,用于根据所述关联度,从所述M个属性以及每个属性的属性值中,确定至少一个目标属性以及每个目标属性的属性值,所述医学实体与每个目标属性的属性值之间的关联度大于或等于预设阈值;
生成子单元,用于根据所述至少一个目标属性以及每个目标属性的属性值,生成所述医学实体对应的属性信息,所述医学实体对应的属性信息包括:所述至少一个目标属性以及每个目标属性的属性值。
一种可能的实现方式中,所述识别单元包括:
第一分词子单元,用于对所述医患对话文本进行分词处理,得到多个词语;
第一识别子单元,用于利用预设的属性识别规则对每个词语进行识别,得到所述M个属性和每个属性的属性值。
一种可能的实现方式中,所述医患对话文本中包括多个语句;所述识别单元包括:
第五确定子单元,用于针对所述多个语句中的第一语句,确定所述第一语句的对话意图,所述第一语句为所述多个语句中的任意一个语句;
第六确定子单元,用于若所述第一语句的对话意图指示询问第一属性,则从第二语句中确定所述第一属性的属性值,所述第一属性为所述M个属性中的任意一个属性,所述第二语句位于所述第一语句之后。
一种可能的实现方式中,所述第五确定子单元具体用于:
将所述第一语句输入意图识别模型中,得到所述意图识别模型的输出结果,输出结果中包括多个候选意图对应的概率;
将最大概率对应的候选意图,确定为所述第一语句的对话意图。
一种可能的实现方式中,所述第五确定子单元具体用于:
获取多个预设意图对应的匹配规则;
分别利用每个预设意图对应的匹配规则对所述第一语句进行匹配处理,得到所述第一语句与每个预设意图的匹配度;
将最大匹配度对应的预设意图,确定为所述第一语句的对话意图。
一种可能的实现方式中,所述第一识别模块601包括:
第二分词子单元,用于对所述医患对话文本进行分词处理,得到多个词语;
第二识别子单元,用于对所述多个词语进行医学实体识别处理,得到所述N个医学实体和每个医学实体的类型。
一种可能的实现方式中,本实施例提供的信息抽取装置还包括:归一化模块(附图未示出),所述归一化模块用于:
对所述N个医学实体进行归一化处理;
对每个医学实体对应的属性信息中的每个属性的属性值进行归一化处理。
一种可能的实现方式中,本实施例提供的信息抽取装置还包括:显示模块(附图未示出)或者发送模块(附图未示出),其中,
显示模块,用于显示所述信息抽取结果;
发送模块,用于向预设设备发送所述信息抽取结果。
本实施例提供的信息抽取装置,可用于执行上述任意方法实施例提供的信息抽取方法,其实现原理和技术效果类似,此处不作赘述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如信息抽取方法。例如,在一些实施例中,信息抽取方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的信息抽取方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行信息抽取方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (14)
1.一种信息抽取方法,包括:
在待处理的医患对话文本中识别得到N个医学实体和每个医学实体的类型,所述医患对话文本中包括多个语句,所述医患对话文本是对医患对话语音进行转换得到的,所述N为大于或等于1的整数;
针对所述多个语句中的第一语句,将所述第一语句输入意图识别模型中,得到所述意图识别模型的输出结果,输出结果中包括多个候选意图对应的概率;将最大概率对应的候选意图,确定为所述第一语句的对话意图;或者,
获取多个预设意图对应的匹配规则;分别利用每个预设意图对应的匹配规则对所述第一语句进行匹配处理,得到所述第一语句与每个预设意图的匹配度;将最大匹配度对应的预设意图,确定为所述第一语句的对话意图,所述第一语句为所述多个语句中的任意一个语句;
若所述第一语句的对话意图指示询问第一属性,则从第二语句中确定所述第一属性的属性值;所述第一属性为在所述医患对话文本中识别得到的M个属性中的任意一个属性,所述第二语句位于所述第一语句之后,且位于第三语句之前,所述第三语句为所述医患对话文本中医生表达的语句,或者,所述第三语句的对话意图指示询问第二属性,所述M为大于或者等于1的整数;
针对每个医学实体,针对所述M个属性中的每个属性,将所述属性的属性值、所述医学实体以及所述医患对话文本输入语义关联识别模型,获取所述语义关联识别模型输出的所述医学实体与所述属性值之间的关联度;
根据所述医学实体与所述M个属性中的每个属性的属性值之间的关联度,确定所述医学实体对应的属性信息,所述属性信息包括至少一个属性和每个属性的属性值;
根据所述N个医学实体、每个医学实体的类型以及每个医学实体对应的属性信息,生成所述医患对话文本对应的信息抽取结果,所述信息抽取结果中包括N个信息项,每个信息项包括:所述医学实体、所述医学实体的类型、所述医学实体对应的属性信息。
2.根据权利要求1所述的方法,其中,所述根据所述医学实体与所述M个属性中的每个属性的属性值之间的关联度,确定所述医学实体对应的属性信息,包括:
根据所述关联度,从所述M个属性以及每个属性的属性值中,确定至少一个目标属性以及每个目标属性的属性值,所述医学实体与每个目标属性的属性值之间的关联度大于或等于预设阈值;
根据所述至少一个目标属性以及每个目标属性的属性值,生成所述医学实体对应的属性信息,所述医学实体对应的属性信息包括:所述至少一个目标属性以及每个目标属性的属性值。
3.根据权利要求1或2所述的方法,其中,所述在所述医患对话文本中识别得到M个属性和每个属性的属性值,包括:
对所述医患对话文本进行分词处理,得到多个词语;
利用预设的属性识别规则对每个词语进行识别,得到所述M个属性和每个属性的属性值。
4.根据权利要求1或2所述的方法,其中,所述在待处理的医患对话文本中识别得到N个医学实体和每个医学实体的类型,包括:
对所述医患对话文本进行分词处理,得到多个词语;
对所述多个词语进行医学实体识别处理,得到所述N个医学实体和每个医学实体的类型。
5.根据权利要求1或2所述的方法,根据所述N个医学实体、每个医学实体的类型以及每个医学实体对应的属性信息,生成所述医患对话文本对应的信息抽取结果之前,还包括:
对所述N个医学实体进行归一化处理;
对每个医学实体对应的属性信息中的每个属性的属性值进行归一化处理。
6.根据权利要求1或2所述的方法,根据所述N个医学实体、每个医学实体的类型以及每个医学实体对应的属性信息,生成所述医患对话文本对应的信息抽取结果之后,还包括:
显示所述信息抽取结果;或者,
向预设设备发送所述信息抽取结果。
7.一种信息抽取装置,包括:
第一识别模块,用于在待处理的医患对话文本中识别得到N个医学实体和每个医学实体的类型,所述医患对话文本中包括多个语句,所述医患对话文本是对医患对话语音进行转换得到的,所述N为大于或等于1的整数;
第二识别模块,包括:识别单元,获取单元以及确定单元;
所述识别单元,包括:
第五确定子单元,用于针对所述多个语句中的第一语句,将所述第一语句输入意图识别模型中,得到所述意图识别模型的输出结果,输出结果中包括多个候选意图对应的概率;将最大概率对应的候选意图,确定为所述第一语句的对话意图;或者,
获取多个预设意图对应的匹配规则;分别利用每个预设意图对应的匹配规则对所述第一语句进行匹配处理,得到所述第一语句与每个预设意图的匹配度;将最大匹配度对应的预设意图,确定为所述第一语句的对话意图,所述第一语句为所述多个语句中的任意一个语句;
第六确定子单元,用于若所述第一语句的对话意图指示询问第一属性,则从第二语句中确定所述第一属性的属性值,所述第一属性为在所述医患对话文本中识别得到的M个属性中的任意一个属性,所述第二语句位于所述第一语句之后,且位于第三语句之前,所述第三语句为所述医患对话文本中医生表达的语句,或者,所述第三语句的对话意图指示询问第二属性,所述M为大于或者等于1的整数;
所述获取单元,用于针对每个医学实体,分别针对所述M个属性中的每个属性,将所述属性的属性值、所述医学实体以及所述医患对话文本输入语义关联识别模型,获取所述语义关联识别模型输出的所述医学实体与所述属性值之间的关联度度;
所述确定单元,用于根据所述医学实体与所述M个属性中的每个属性的属性值之间的关联度,确定所述医学实体对应的属性信息,所述属性信息包括至少一个属性和每个属性的属性值;
生成模块,用于根据所述N个医学实体、每个医学实体的类型以及每个医学实体对应的属性信息,生成所述医患对话文本对应的信息抽取结果,所述信息抽取结果中包括N个信息项,每个信息项包括:所述医学实体、所述医学实体的类型、所述医学实体对应的属性信息。
8.根据权利要求7所述的装置,其中,所述确定单元包括:
第四确定子单元,用于根据所述关联度,从所述M个属性以及每个属性的属性值中,确定至少一个目标属性以及每个目标属性的属性值,所述医学实体与每个目标属性的属性值之间的关联度大于或等于预设阈值;
生成子单元,用于根据所述至少一个目标属性以及每个目标属性的属性值,生成所述医学实体对应的属性信息,所述医学实体对应的属性信息包括:所述至少一个目标属性以及每个目标属性的属性值。
9.根据权利要求7或8所述的装置,其中,所述识别单元包括:
第一分词子单元,用于对所述医患对话文本进行分词处理,得到多个词语;
第一识别子单元,用于利用预设的属性识别规则对每个词语进行识别,得到所述M个属性和每个属性的属性值。
10.根据权利要求7或8所述的装置,其中,所述第一识别模块包括:
第二分词子单元,用于对所述医患对话文本进行分词处理,得到多个词语;
第二识别子单元,用于对所述多个词语进行医学实体识别处理,得到所述N个医学实体和每个医学实体的类型。
11.根据权利要求7或8所述的装置,还包括:归一化模块,用于:
对所述N个医学实体进行归一化处理;
对每个医学实体对应的属性信息中的每个属性的属性值进行归一化处理。
12.根据权利要求7或8所述的装置,所述装置还包括:
显示模块,用于显示所述信息抽取结果;或者,
发送模块,用于向预设设备发送所述信息抽取结果。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110944183.2A CN113657102B (zh) | 2021-08-17 | 2021-08-17 | 信息抽取方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110944183.2A CN113657102B (zh) | 2021-08-17 | 2021-08-17 | 信息抽取方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113657102A CN113657102A (zh) | 2021-11-16 |
CN113657102B true CN113657102B (zh) | 2023-05-30 |
Family
ID=78480460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110944183.2A Active CN113657102B (zh) | 2021-08-17 | 2021-08-17 | 信息抽取方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113657102B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111737411A (zh) * | 2020-05-20 | 2020-10-02 | 华为技术有限公司 | 人机对话中的响应方法、对话系统及存储介质 |
CN112035637A (zh) * | 2020-08-28 | 2020-12-04 | 康键信息技术(深圳)有限公司 | 医学领域意图识别方法、装置、设备及存储介质 |
CN112328776A (zh) * | 2021-01-04 | 2021-02-05 | 北京百度网讯科技有限公司 | 对话生成方法、装置、电子设备和存储介质 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105094315B (zh) * | 2015-06-25 | 2018-03-06 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机智能聊天的方法和装置 |
CN109408811B (zh) * | 2018-09-29 | 2021-10-22 | 联想(北京)有限公司 | 一种数据处理方法及服务器 |
CN109800411B (zh) * | 2018-12-03 | 2023-07-18 | 哈尔滨工业大学(深圳) | 临床医疗实体及其属性抽取方法 |
CN109766445B (zh) * | 2018-12-13 | 2024-03-26 | 平安科技(深圳)有限公司 | 一种知识图谱构建方法及数据处理装置 |
CN110096584B (zh) * | 2019-05-14 | 2021-10-15 | 京东数字科技控股有限公司 | 一种应答方法和装置 |
CN110245240A (zh) * | 2019-05-31 | 2019-09-17 | 国网电子商务有限公司 | 一种问题数据答案的确定方法及装置 |
CN110277149A (zh) * | 2019-06-28 | 2019-09-24 | 北京百度网讯科技有限公司 | 电子病历的处理方法、装置及设备 |
CN110413798A (zh) * | 2019-07-24 | 2019-11-05 | 厦门快商通科技股份有限公司 | 一种医疗美容知识图谱自动构建方法、系统及存储介质 |
CN111180077A (zh) * | 2019-11-29 | 2020-05-19 | 厦门快商通科技股份有限公司 | 医美主题识别方法、装置、设备及存储介质 |
CN111091915B (zh) * | 2019-12-24 | 2023-06-09 | 医渡云(北京)技术有限公司 | 医疗数据处理方法及装置、存储介质、电子设备 |
CN111125438B (zh) * | 2019-12-25 | 2023-06-27 | 北京百度网讯科技有限公司 | 实体信息提取方法、装置、电子设备及存储介质 |
CN111209384B (zh) * | 2020-01-08 | 2023-08-15 | 腾讯科技(深圳)有限公司 | 基于人工智能的问答数据处理方法、装置及电子设备 |
CN111767410B (zh) * | 2020-06-30 | 2023-05-30 | 深圳平安智慧医健科技有限公司 | 临床医疗知识图谱的构建方法、装置、设备及存储介质 |
CN112035635A (zh) * | 2020-08-28 | 2020-12-04 | 康键信息技术(深圳)有限公司 | 医疗领域意图识别方法、装置、设备及存储介质 |
CN111985241B (zh) * | 2020-09-03 | 2023-08-08 | 深圳平安智慧医健科技有限公司 | 医学信息查询方法、装置、电子设备及介质 |
CN112256825B (zh) * | 2020-10-19 | 2023-06-16 | 平安科技(深圳)有限公司 | 医疗领域多轮对话智能问答方法、装置和计算机设备 |
CN112632106B (zh) * | 2020-12-29 | 2023-05-23 | 重庆农村商业银行股份有限公司 | 一种知识图谱查询方法、装置、设备及存储介质 |
CN113035362B (zh) * | 2021-02-26 | 2024-04-09 | 北京工业大学 | 一种基于语义图网络的医疗预测方法及系统 |
-
2021
- 2021-08-17 CN CN202110944183.2A patent/CN113657102B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111737411A (zh) * | 2020-05-20 | 2020-10-02 | 华为技术有限公司 | 人机对话中的响应方法、对话系统及存储介质 |
CN112035637A (zh) * | 2020-08-28 | 2020-12-04 | 康键信息技术(深圳)有限公司 | 医学领域意图识别方法、装置、设备及存储介质 |
CN112328776A (zh) * | 2021-01-04 | 2021-02-05 | 北京百度网讯科技有限公司 | 对话生成方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113657102A (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11782981B2 (en) | Method, apparatus, server, and storage medium for incorporating structured entity | |
WO2021068321A1 (zh) | 基于人机交互的信息推送方法、装置和计算机设备 | |
CN109906449B (zh) | 一种查找方法及装置 | |
US10755048B2 (en) | Artificial intelligence based method and apparatus for segmenting sentence | |
US11526663B2 (en) | Methods, apparatuses, devices, and computer-readable storage media for determining category of entity | |
WO2021159733A1 (zh) | 医学属性知识图谱构建方法、装置、设备及介质 | |
CN111274365A (zh) | 基于语义理解的智能问诊方法、装置、存储介质及服务器 | |
WO2022160454A1 (zh) | 医疗文献的检索方法、装置、电子设备及存储介质 | |
CN109299227B (zh) | 基于语音识别的信息查询方法和装置 | |
CN112507118A (zh) | 信息分类抽取方法、装置和电子设备 | |
CN113127605B (zh) | 一种目标识别模型的建立方法、系统、电子设备及介质 | |
CN113345577A (zh) | 诊疗辅助信息的生成方法、模型训练方法、装置、设备以及存储介质 | |
CN111353311A (zh) | 一种命名实体识别方法、装置、计算机设备及存储介质 | |
CN116340778B (zh) | 基于多模态的医疗大模型构建方法及其相关设备 | |
CN114358001A (zh) | 诊断结果的标准化方法及其相关装置、设备和存储介质 | |
CN113407677A (zh) | 评估咨询对话质量的方法、装置、设备和存储介质 | |
WO2022142011A1 (zh) | 一种地址识别方法、装置、计算机设备及存储介质 | |
CN113111660A (zh) | 数据处理方法、装置、设备和存储介质 | |
CN113657102B (zh) | 信息抽取方法、装置、设备及存储介质 | |
CN114461665B (zh) | 用于生成语句转换模型的方法、装置及计算机程序产品 | |
CN116257690A (zh) | 一种资源推荐方法、装置、电子设备和存储介质 | |
CN114020888A (zh) | 文本生成的方法、装置、设备以及存储介质 | |
WO2021063089A1 (zh) | 规则匹配方法、规则匹配装置、存储介质及电子设备 | |
CN114443864A (zh) | 跨模态数据的匹配方法、装置及计算机程序产品 | |
CN113033179A (zh) | 知识获取方法、装置、电子设备及可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |