CN115346690B - 引导接线员对求助者进行问话的系统 - Google Patents
引导接线员对求助者进行问话的系统 Download PDFInfo
- Publication number
- CN115346690B CN115346690B CN202210805597.1A CN202210805597A CN115346690B CN 115346690 B CN115346690 B CN 115346690B CN 202210805597 A CN202210805597 A CN 202210805597A CN 115346690 B CN115346690 B CN 115346690B
- Authority
- CN
- China
- Prior art keywords
- reference group
- positive
- entity attribute
- probability
- question
- 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
- 230000035945 sensitivity Effects 0.000 claims abstract description 29
- 238000012360 testing method Methods 0.000 claims abstract description 28
- 238000010586 diagram Methods 0.000 claims description 29
- 238000012417 linear regression Methods 0.000 claims description 21
- 238000000034 method Methods 0.000 description 21
- 238000002680 cardiopulmonary resuscitation Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 13
- 206010047924 Wheezing Diseases 0.000 description 11
- 208000035473 Communicable disease Diseases 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 10
- 241001133760 Acoelorraphe Species 0.000 description 9
- 208000037656 Respiratory Sounds Diseases 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 206010003497 Asphyxia Diseases 0.000 description 5
- 208000015181 infectious disease Diseases 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 230000003340 mental effect Effects 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000000241 respiratory effect Effects 0.000 description 3
- 230000002269 spontaneous effect Effects 0.000 description 3
- 206010013975 Dyspnoeas Diseases 0.000 description 2
- 208000010496 Heart Arrest Diseases 0.000 description 2
- 241000124008 Mammalia Species 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000009429 distress Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 210000002445 nipple Anatomy 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 241000283153 Cetacea Species 0.000 description 1
- 206010010071 Coma Diseases 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 241000282320 Panthera leo Species 0.000 description 1
- 241000282376 Panthera tigris Species 0.000 description 1
- 241000009328 Perro Species 0.000 description 1
- 206010038687 Respiratory distress Diseases 0.000 description 1
- 241000270708 Testudinidae Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013103 analytical ultracentrifugation Methods 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000981 bystander Effects 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
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
- G06F16/35—Clustering; Classification
-
- 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
Abstract
本申请实施例提供一种引导接线员对求助者进行问话的系统,所述系统包括:将多个第一参照群体中的任意第一参照群体包括的任意第二参照群体的正例概率作为二分切点,对任意第一参照群体进行分类试验,得到任意第二参照群体对应的分类敏感度和分类特异度;基于任意第一参照群体中多个第二参照群体对应的分类敏感度和分类特异度,得到任意第一参照群体对应的接受者操作特性曲线;根据多个第一参照群体中各组第一参照群体对应的接受者操作特性曲线,从多个第一参照群体中确定目标第一参照群体;从多个第二参照群体中任意第二参照群体对应的坐标点与完美分类坐标点的距离,确定目标问话语义。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种引导接线员对求助者进行问话的系统。本申请还涉及一种引导接线员确定待救助者是否为正例的系统。本申请还涉及一种引导调查者对被调查者进行问话的系统。本申请还涉及一种引导调查者确定被调查者是否为正例的系统。
背景技术
院外心脏骤停(OHCA)是发生于院外的最严重临床症状,一旦发生,患者可迅速死亡。心脏停跳后抢救的黄金时间只有3~5分钟,而我国救护车平均响应时间普遍在15分钟以上,现场心肺复苏(CPR)是OHCA患者存活的惟一希望。
近年来,国内外尝试由紧急医学调度中心(例如,120)调度员在接到呼救电话时,通过电话鼓励和指导求助者(电话拨打者)或其他在场人员为OHCA 患者提供现场CPR(即,电话CPR)。对于不具备丰富急救专业知识的调度员,电话CPR实施率和成功率均较低,而且容易导致OHCA患者漏诊。因此,如何引导调度员对求助者进行问话,以及如何为调度员提供参照数据,以帮助调度员确定待救助者的现场状况(例如,待救助者是否为疑似OHCA患者),以及求助者或其他在场人员对待救助者进行救助的进展(例如,求助者是否启动了 CPR、是否使用了自动体外除颤器(AED)、经CPR是否实现自主循环恢复(ROSC) 等),是亟待解决的技术问题。
发明内容
本申请实施例提供了一种引导接线员对求助者进行问话的系统,用于引导调度员对求助者进行问话,以帮助调度员确定待救助者的现场状况(例如,待救助者是否为疑似OHCA患者),以及求助者或其他在场人员对待救助者进行救助的进展(例如,求助者是否启动了CPR、是否使用了AED、经CPR是否实现自主循环恢复(ROSC)等)。本申请实施例还提供了一种确定待救助者的正例概率的系统,用于为调度员提供参照数据,以帮助调度员确定待救助者的现场状况(例如,待救助者是否为疑似OHCA患者等),以及求助者或其他在场人员对待救助者进行救助的进展(例如,求助者是否启动了CPR、是否使用了AED、经CPR是否实现自主循环恢复(ROSC)等)。
本申请实施例之一提供一种引导接线员对求助者进行问话的系统。所述系统包括:第一参照群体获取模块、分类试验模块、接受者操作特性曲线获取模块、候选问话语义获取模块以及目标问话语义获取模块;所述第一参照群体获取模块,用于从初始参照群体中选择未被处理的多个第一参照群体;其中,所述第一参照群体为根据实体属性簇对所述初始参照群体中的多个历史待救助者进行分类得到的,所述实体属性簇由对应于相同核心问题的多个实体属性对组成,所述实体属性对包括实体和属性,所述实体表示历史求助电话中接线员问话的语义,所述属性表示求助者针对所述问话的答话的语义;所述分类试验模块,用于将所述多个第一参照群体中的任意第一参照群体包括的任意第二参照群体的正例概率作为二分切点,对所述任意第一参照群体进行分类试验,得到所述任意第二参照群体对应的分类敏感度和分类特异度;其中,所述二分切点用于确定所述第一参照群体的正例标签,所述第二参照群体为根据实体属性对对所述第一参照群体进行分类得到的;所述接受者操作特性曲线获取模块,用于基于所述任意第一参照群体中多个第二参照群体对应的分类敏感度和分类特异度,得到所述任意第一参照群体对应的接受者操作特性曲线;所述候选问话语义获取模块,用于根据所述多个第一参照群体中各组第一参照群体对应的接受者操作特性曲线,从所述多个第一参照群体中确定目标第一参照群体,并将与所述目标第一参照群体对应的实体属性簇中每一个实体属性对的实体作为候选问话语义;所述目标问话语义获取模块,用于根据所述目标第一参照群体对应的接受者操作特性曲线中,与所述多个第二参照群体中任意第二参照群体对应的坐标点与完美分类坐标点的距离,从所述候选问话语义中确定目标问话语义;其中,所述完美分类坐标点为所述接受者操作特性曲线中横坐标为0,纵坐标为1的坐标点,所述目标问话语义用于引导所述接线员进行下一轮问话。
在一些实施例中,所述将所述多个第一参照群体中的任意第一参照群体包括的任意第二参照群体的正例概率作为二分切点,对所述任意第一参照群体进行分类试验,得到所述任意第二参照群体对应的分类敏感度和分类特异度,包括:
将所述第一参照群体中正例概率大于或等于所述二分切点的第二参照群体中的成员作为预设正例,将所述第一参照群体中正例概率小于所述二分切点的第二参照群体中的成员作为预设反例;根据所述预设正例中其真实分类为正例的成员的数目,与所述第一参照群体中真实分类为正例的成员的数目,得到所述分类敏感度;
根据所述预设反例中其真实分类为反例的成员的数目,与所述第一参照群体中真实分类为反例的成员的数目,得到所述分类特异度。
在一些实施例中,所述基于所述任意第一参照群体中多个第二参照群体对应的分类敏感度和分类特异度,得到所述任意第一参照群体对应的接受者操作特性曲线,包括:将所述多个第二参照群体中任意第二参照群体的分类敏感度作为纵坐标,将所述任意第二参照群体的分类特异度与1之间的差值的绝对值作为横坐标,得到所述任意第二参照群体对应的坐标点;对所述第一参照群体中各个第二参照群体对应的坐标点进行连接,得到所述任意第一参照群体对应的接受者操作特性曲线。
在一些实施例中,所述根据所述多个第一参照群体中各组第一参照群体对应的接受者操作特性曲线,从所述多个第一参照群体中确定目标第一参照群体,包括:计算所述多个第一参照群体中各组第一参照群体对应的接受者操作特性曲线的曲线下方面积;将最大曲线下方面积对应的所述第一参照群体作为目标第一参照群体。
在一些实施例中,所述根据所述目标第一参照群体对应的接受者操作特性曲线中,与所述多个第二参照群体中任意第二参照群体对应的坐标点与完美分类坐标点的距离,从所述候选问话语义中确定目标问话语义,包括:计算所述多个第二参照群体中各个第二参照群体对应的坐标点与完美分类坐标点的多个距离;将所述多个距离中的最短距离对应的第二参照群体作为所述目标第二参照群体,将所述目标第二参照群体对应的实体属性对的实体作为所述目标问话语义。
在一些实施例中,通过以下方式得到所述初始参照群体:从所述求助者的求助语句中提取待救助者的个人特征信息,根据所述个人特征信息确定初始参照群体。
本申请实施例之一提供一种引导接线员确定待救助者是否为正例的系统,其特征在于,所述系统包括:实体属性簇和实体属性对确定模块、第一参照群体和第二参照群体确定模块、预设正例的成员的数目获取模块以及正例概率确定模块。所述实体属性簇和实体属性对确定模块,用于在所述接线员与求助者的任意一轮对话中,根据所述接线员的问话与求助者针对所述问话的答话,确定待救助者当前对应的实体属性簇和所述待救助者当前对应的实体属性对;其中,所述实体属性簇由对应于相同核心问题的多个实体属性对组成,所述实体属性对包括实体和属性,所述实体表示历史求助电话中接线员问话的语义,所述属性表示求助者针对所述问话的答话的语义;所述第一参照群体和第二参照群体确定模块,用于从初始参照群体中获取所述实体属性簇对应的第一参照群体和所述实体属性对对应的第二参照群体;其中,所述第一参照群体为根据实体属性簇对所述初始参照群体中的多个历史待救助者进行分类得到的,所述第二参照群体为根据实体属性对对所述第一参照群体进行分类得到的;所述预设正例的成员的数目获取模块,用于将所述第二参照群体的正例概率作为二分切点,得到所述第一参照群体中为预设正例的成员的数目;其中,所述二分切点用于确定所述第一参照群体的正例标签;所述正例概率确定模块,用于根据所述第一参照群体中为预设正例的成员中真实分类为正例的成员的数目与所述第一参照群体中为预设正例的成员的数目之间的比值,得到所述待救助者的正例概率;所述正例概率用于引导接线员确定所述待救助者是否为正例。
在一些实施例中,所述系统还包括:正例概率趋势散点图获取模块和线性回归方程的斜率获取模块;所述正例概率趋势散点图获取模块,用于根据在所述接线员与所述求助者的多轮对话中得到的所述待救助者的多个正例概率,得到正例概率趋势散点图;所述线性回归方程的斜率获取模块,用于使用线性回归方程对所述正例概率趋势散点图进行拟合,并求解所述线性回归方程,得到所述线性回归方程的斜率;其中,所述正例概率趋势散点图和所述线性回归方程的斜率用于表示所述待救助者为正例的概率趋势。
在一些实施例中,所述根据在所述接线员与所述求助者的多轮对话中得到的所述待救助者的多个正例概率,得到正例概率趋势散点图,包括:将所述多个正例概率中的任意正例概率对应的对话的轮次作为横坐标,将所述任意正例概率作为纵坐标,得到所述正例概率趋势散点图上的坐标。在一些实施例中,所述确定待救助者当前对应的实体属性簇,和所述待救助者当前对应的实体属性对,包括:获取所述接线员的问话,并从所述问话中提取问话语义信息;获取所述求助者针对所述问话的答话,并从所述答话中提取答话语义信息;确定所述问话描述的核心问题,根据所述核心问题得到所述实体属性簇;根据所述问话语义信息和所述答话语义信息确定所述实体属性对。
在一些实施例中,所述将所述第二参照群体的正例概率作为二分切点,得到所述第一参照群体中为预设正例的成员的数目,包括:将所述第一参照群体中正例概率大于或等于所述二分切点的第二参照群体中的成员的数目作为预设正例的成员的数目。
在一些实施例中,所述系统还包括:率比获取模块和率差获取模块;所述率比获取模块,用于根据当前所述待救助者的正例概率与前一轮对话中得到的所述待救助者的正例概率之间的比值,得到率比;所述率差获取模块,用于根据当前所述待救助者的正例概率与前一轮对话中得到的所述待救助者的正例概率之间的差值,得到率差;其中,所述率差和所述率比用于引导所述接线员判断所述当前待救助者的正例概率对于确定所述待救助者是否为正例的价值。
本申请实施例之一提供一种引导调查者对被调查者进行问话的系统,所述系统包括:第一参照群体获取模块、分类试验模块、接受者操作特性曲线获取模块、候选问话语义获取模块以及目标问话语义获取模块;所述第一参照群体获取模块,用于从初始参照群体中选择未被处理的多个第一参照群体;其中,所述第一参照群体为根据实体属性簇对所述初始参照群体中的多个历史被调查者进行分类得到的,所述实体属性簇由对应于相同核心问题的多个实体属性对组成,所述实体属性对包括实体和属性,所述实体表示历史调查电话中调查者问话的语义,所述属性表示被调查者针对所述问话的答话的语义;所述分类试验模块,用于将所述多个第一参照群体中的任意第一参照群体包括的任意第二参照群体的正例概率作为二分切点,对所述任意第一参照群体进行分类试验,得到所述任意第二参照群体对应的分类敏感度和分类特异度;其中,所述二分切点用于确定所述第一参照群体的正例标签,所述第二参照群体为根据实体属性对对所述第一参照群体进行分类得到的;所述接受者操作特性曲线获取模块,用于基于所述任意第一参照群体中多个第二参照群体对应的分类敏感度和分类特异度,得到所述任意第一参照群体对应的接受者操作特性曲线;所述候选问话语义获取模块,用于根据所述多个第一参照群体中各组第一参照群体对应的接受者操作特性曲线,从所述多个第一参照群体中确定目标第一参照群体,并将与所述目标第一参照群体对应的实体属性簇中每一个实体属性对的实体作为候选问话语义;所述目标问话语义获取模块,用于根据所述目标第一参照群体对应的接受者操作特性曲线中,与所述多个第二参照群体中任意第二参照群体对应的坐标点与完美分类坐标点的距离,从所述候选问话语义中确定目标问话语义;其中,所述完美分类坐标点为所述接受者操作特性曲线中横坐标为0,纵坐标为1的坐标点,所述目标问话语义用于引导所述调查员进行下一轮问话。
本申请实施例之一提供一种引导调查者确定被调查者是否为正例的系统,所述系统包括:实体属性簇和实体属性对确定模块、第一参照群体和第二参照群体确定模块、预设正例的成员的数目获取模块以及正例概率确定模块;所述实体属性簇和实体属性对确定模块,用于在所述调查者与被调查者的任意一轮对话中,根据所述调查者的问话与被调查者针对所述问话的答话,确定被调查者当前对应的实体属性簇和所述被调查者当前对应的实体属性对;其中,所述实体属性簇由对应于相同核心问题的多个实体属性对组成,所述实体属性对包括实体和属性,所述实体表示历史调查电话中调查者问话的语义,所述属性表示被调查者针对所述问话的答话的语义;所述第一参照群体和第二参照群体确定模块,用于从初始参照群体中获取所述实体属性簇对应的第一参照群体和所述实体属性对对应的第二参照群体;其中,所述第一参照群体为根据实体属性簇对所述初始参照群体中的多个历史被调查者进行分类得到的,所述第二参照群体为根据实体属性对对所述第一参照群体进行分类得到的;所述预设正例的成员的数目获取模块,用于将所述第二参照群体的正例概率作为二分切点,得到所述第一参照群体中为预设正例的成员的数目;其中,所述二分切点用于确定所述第一参照群体的正例标签;所述正例概率确定模块,用于根据所述第一参照群体中为预设正例的成员中真实分类为正例的成员的数目与所述第一参照群体中为预设正例的成员的数目之间的比值,得到所述被调查者的正例概率;所述正例概率用于引导调查者确定所述被调查者是否为正例。
本申请提供的实施例中,实体属性簇是根据历史求助电话中相同主题的实体属性对组成的,而实体属性对由接线员的问话语义和求助者的答话语义组成,从而将呼救调度数据库中数量众多并且杂乱无序的历史对话进行了结构化,使得可以通过历史对话将历史待救助者进行分类,得到第一参照群体和第二参照群体。本申请提供的实施例通过以任意第二参照群体的正例概率作为二分切点对第一参照群体进行分类试验,使得根据实体属性对分类得到的第二参照群体连续可分,使得根据实体属性簇分类得到的第一参照群体具有可计算性,并且通过将第二参照群体的正例概率作为二分切点得到的分类敏感度和分类特异度可以较为准确的反映出第二参照群体对应的实体属性对表示的对话对于确定待救助者的现场状况,以及求助者对待救助者进行救助的进展的有效性。
本申请提供的实施例中根据任意第二参照群体对应的分类敏感度和分类特异度得到第一参照群体对应的接受者操作特性曲线,将多个实体属性簇对于确定待救助者的现场状况,以及求助者对待救助者进行救助的进展的有效性进行了量化,从而可以得到有助于确定待救助者的现场状况,以及求助者对待救助者进行救助的进展的实体属性簇表示的核心问题。
本申请提供的实施例中,通过计算得到的目标第一参照群体对应的接受者操作特性曲线中,与多个第二参照群体中任意第二参照群体对应的坐标点与完美分类坐标点的距离,将实体属性对对于确定待救助者的现场状况,以及求助者对待救助者进行救助的进展的有效性进行了量化,从而可以得到有助于确定待救助者的现场状况,以及求助者对待救助者进行救助的进展的实体属性对表示的问话语义。
本申请提供的实施例,通过接线员的问话与求助者针对问话的答话,确定待救助者当前对应的实体属性簇和待救助者当前对应的实体属性对,从初始参照群体中获取实体属性簇对应的第一参照群体和实体属性对对应的第二参照群体,从而可以通过对话得到待救助者的历史参照群体。本申请提供的实施例,将第二参照群体的正例概率作为二分切点,得到第一参照群体中为预设正例的成员的数目,然后根据第一参照群体中为预设正例的成员中真实分类为正例的成员的数目与第一参照群体中为预设正例的成员的数目之间的比值,得到待救助者的正例概率,从而充分利用了呼救调度数据库中的患者病历资源,使得可以通过接线员与求助者之间的对话较为准确的得到待救助者是否为正例的概率。
附图说明
本申请将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本申请一些实施例所示的引导接线员对求助者进行问话的系统以及引导接线员确定待救助者是否为正例的系统的应用场景示意图;
图2是根据本申请一些实施例所示的引导接线员对求助者进行问话的系统的示例性示意图;
图3是根据本申请一些实施例所示的引导接线员确定待救助者是否为正例的系统示例性示意图;
图4是根据本申请一些实施例所示的实体属性簇、实体属性对、第一参照人群以及第二参照人群的示例性示意图;
图5是根据本申请一些实施例所示的接受者操作特性曲线的示例性示意图;
图6是根据本申请一些实施例所示的正例概率趋势散点图的示例性示意图;
图7是根据本申请一些实施例所示的又一正例概率趋势散点图的示例性示意图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本申请一些实施例所示的引导接线员对求助者进行问话的系统以及引导接线员确定待救助者是否为正例的系统的应用场景示意图。
本申请实施例提供的引导接线员对求助者进行问话的系统以及引导接线员确定待救助者是否为正例的系统可以应用于多种任务场景,例如,紧急医学调度中心的电话救助场景、线上销售平台的电话推荐场景等。例如,线上平台可以使用本申请提供的系统,得到用于引导接线员进行下一轮问话的目标问话语义,接线员可以参照该目标问话语义通过问话确定电话咨询用户的真实购买意图。
仅作为示例,下面以紧急医学调度中心的电话救助任务为例对本申请的引导接线员对求助者进行问话的系统的应用场景进行说明。
如图1所示,在应用场景100中可以包括服务端110、终端120和网络130。
在一些实施例中,服务端110、终端120之间可以通过网络130进行数据或者信息的交互。例如,服务端110可以通过网络130获取终端120中的信息和/ 或数据,或者可以通过网络130将信息和/或数据发送到终端120。
终端120为接线员(例如,紧急医学调度中心的调度员)接听求助电话时使用的电子设备,可以通过终端120为接线员提供电话急救辅助指导。在一些实施例中,终端120可以获取接线员的问话和求助者的答话,并将问话和答话发送到服务端110进行处理。在一些实施例中,终端120可以将从服务端110 接收的目标问话语义、待救助者的正例概率、率比、率差以及正例概率趋势散点图等通过多种方式(例如,语音提示、文字提示等)展示给接线员。在一些实施例中,终端120的处理能力较高的情况下,也可以由终端120对接线员的问话和求助者的答话进行处理得到目标问话语义、待救助者的正例概率、率比、率差以及正例概率趋势散点图等,不受本说明书的表述所限。终端120可以是移动设备、平板计算机等具有输入和/或输出功能的设备中的一种或其任意组合。
服务端110可以是单一服务器或服务器组。该服务器组可以是集中式或分布式的(例如,服务端110可以是分布式系统),可以是专用的也可以由其他设备或系统同时提供服务。在一些实施例中,服务端110可以是区域的或者远程的。在一些实施例中,服务端110可以在云平台上实施,或者以虚拟方式提供。仅作为示例,云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中,服务端110可以维护急救中心的呼救调度数据库,将调度数据库中的患者按照实体属性簇和实体属性对进行分类。在一些实施例中,服务端110可以根据接线员与求助者之间的问话,从呼救调度数据库中得到需要参与运算的第一参照群体和第二参照群体,并将该第一参照群体或第二参照群体的数据信息发送到终端120。
在一些实施例中,网络130可以是有线网络或无线网络中的任意一种或多种。例如,网络130可以包括局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)等或其任意组合。
为了便于理解,以下结合附图和实施例介绍本申请的技术方案。
图2是根据本申请一些实施例所示的引导接线员对求助者进行问话的系统的示例性示意图。如图2所示,引导接线员对求助者进行问话的系统包括:第一参照群体获取模块210、分类试验模块220、接受者操作特性曲线获取模块230、候选问话语义获取模块240以及目标问话语义获取模块250。
第一参照群体获取模块210,用于从初始参照群体中选择未被处理的多个第一参照群体。第一参照群体为根据实体属性簇对初始参照群体中的多个历史待救助者(例如,疑似OHCA患者)进行分类得到的。实体属性簇由对应于相同核心问题的多个实体属性对组成。核心问题为接线人员通过问话试图了解的主题。例如,核心问题可以为:帮助、神志、呼吸、心脏、说话等主题。实体属性对包括实体和属性,实体表示历史求助电话中接线员问话的语义,属性表示求助者针对问话的答话的语义。例如,对于接线员的问话“您好,有什么可以帮您?”,和求助者的答话“不好了,我爸爸不行了”,从问话中提取语义:您好,从答话中提取语义:不行了,因此该问话与答话对应的实体属性对为:“您好-不行了”;由于该问话的核心问题为“帮助”,因此该问话和答话对应的实体属性对属于“帮助”实体属性簇。如图4所示,基于相同核心问题的问答构成实体属性簇,不同的实体属性簇间相互独立,实体属性簇上的座位(实心点) 表示由核心问题提炼的实体,每个实体对应至少一个不同的属性,实体与属性共同构成了实体属性对。
在具体实施过程中,可以将接线员与求助者的所有对话,利用音频转文本算法,转换为文本,然后基于转换得到的文本进行文字识别,得到文字表示的问话和答话。在一些实施例中,可以将文字形式的问话与答话存储在不同的数据库中,在求助者通过电话进行求助的过程中,分别从问话数据库和答话数据库中召回问话和答话,并将问话和答话匹配,得到对话对应的实体属性簇和实体属性对。
呼救调度数据库中的存储的急救对话,数量庞大且杂乱,难以规范化和结构化,因此很难加以利用。本申请提供的实施例,通过实体属性簇和实体属性对的概念将呼叫调度库中的急救的对话进行了结构化,从而可以利用已有的对话数据资源,引导调度员对求助者进行问话,以确定待救助者的现场状况,以及求助者对待救助者进行救助的进展,从而降低了对于急救调度员的专业度的要求,使得普通调度员也可以为患者提供有效的急救服务。
初始参照群体为从呼叫调度数据库中选取的历史待救助者组成的群体。在具体实施过程中,可以从求助者的求助语句中提取待救助者的个人特征信息,根据个人特征信息从数据库(例如,呼救调度数据库)中确定初始参照群体。个人特征信息包括但不限于:性别、年龄、体型、呼救时间、地理位置等表示待救助者个体特征的信息。例如,对于以下对话场景:接线员问“您好,xxx指挥中心,有什么可以帮您?”,求助者答“不好了,我爸爸不行了”,可以从求助者的答话语义中提取“成年”、“男性”两个特征信息,从数据库中选取符合该特征信息的50万例历史待救助者作为初始参照群体。后续随着对话进展,可以根据每一轮对话对应的实体属性簇和实体属性对,从数据库中得到与待救助者情况更为相近的参照群体。
初始参照群体进一步可以按照实体属性簇划分为多个第一参照群体。例如,初始参照群体可以包括:“帮助”实体属性簇对应的第一参照群体、“神志”实体属性簇对应的第一参照群体、“呼吸”实体属性簇对应的第一参照群体…。
在具体实施过程中,可以从初始参照群体中选择未被处理的多个第一参照群体,然后基于该多个第一参照群体,得到用于引导接线员进行下一轮问话的目标问话语义。仅作为示例,当前对话对应的实体属性簇为“帮助”实体属性簇,初始参照群体中还包括4个实体属性簇对应的第一参照群体未被处理,为描述方便,分别命名为神志簇、呼吸簇、心脏簇、说话簇,则可以选取神志簇对应的第一参照群体、呼吸簇对应的第一参照群体、心脏簇对应的第一参照群体、说话簇对应的第一参照群体,作为后续处理的多个第一参照群体。
分类试验模块220,用于将多个第一参照群体中的任意第一参照群体包括的任意第二参照群体的正例概率作为二分切点,对任意第一参照群体进行分类试验,得到任意第二参照群体对应的分类敏感度和分类特异度。
如图4所示,第二参照群体为根据实体属性对对第一参照群体进行分类得到的。例如,上述示例中的神志簇包括4个实体属性对(实际包括的实体属性对的数目可能远大于4个,为了便于描述进行了简化):“昏迷-是”、“反应-休克”、“清醒-没反应”和“反应-不动弹”,则根据该4个实体属性对可以将神志簇对应的第一参照群体划分为4个第二参照群体。又例如,体位指导簇(实体属性簇)包括4个实体属性对(实际包括的实体属性对的数目可能远大于4个,为了便于描述进行了简化):“平躺-放平了”、“仰过来-已经好了”、“平躺-是”和“仰卧-好的”,则根据该4个实体属性对可以将体位指导簇对应的第一参照群体划分为4个第二参照群体。
第二参照群体的正例概率可以为第二参照群体中,真实分类为正例的成员与总人数的比值,用计算公式表达如下:
Pc=真实分类为正例的患者数/总人数公式(1)
仅作为示例,某一个第二参照群体的总人数为10万,其中确认为正例的成员为5000例,则该第二参照群体的正例概率为0.005。
正例也称为“肯定例证”,为概念的适当例证或例子。每一个概念的所有正例都包含共同的本质特征,每一个概念都有正例和反例(否定例证)。例如,大象、狮子、老虎、猫、狗、鲸等为哺乳动物这一概念的正例,而鱼、乌龟等为哺乳动物这一概念的反例。
在紧急医学调度中心的电话救助任务场景下,当调度员试图确定患者是否处于某种状态时,处于该状态的患者为正例,不处于该状态的患者为反例。例如,在调度员通过对话判断待救助者是否为疑似OHCA患者(因为只有急救医生才能确诊待救助者是否为OHCA,因此调度员只能判断待救助者为OHCA患者的概率)的情况下,正例可以为经急救医生确诊为OHCA的患者,反例可以为经急救医生确诊为非OHCA的患者。又例如,在调度员通过对话判断求助者对待救助者进行救助的进展的情况下,正例可以为求助者已经对其启动了CPR 的患者,反例可以为求助者还未对其启动CPR的患者。又例如,在调度员通过对话判断待救助者是否实现ROSC的情况下,正例可以为已实现ROSC的患者,反例可以为未实现ROSC的患者。
在其他应用场景中,正例或反例可以指代与紧急医学调度中心的电话救助任务场景中的正例或反例不同的对象群体,不受本说明书的表述所限。例如,在线上销售平台的电话推荐场景中,正例可以为对某件商品具有购买意向的用户,反例可以为对某件商品没有购买意向的用户。
预设正例为假设为正例的对象,即预设正例的真实分类可能是正例,也可能是反例。预设反例为假设为反例的对象,即预设反例的真实分类可能是反例,也可能是正例。在紧急医学调度中心的电话救助任务场景下,预设正例为系统为了进行分类试验或其他计算而假设其处于某种状态下的患者,预设反例为系统为了进行分类试验或其他计算而假设其不处于某种状态下的患者。例如,在调度员通过对话判断待救助者是否为疑似OHCA患者的情况下,预设正例可以为系统假设的经医生确诊为OHCA患者,预设反例可以为系统假设的经医生确诊为非OHCA的患者。又例如,在调度员通过对话判断求助者对待救助者进行救助的进展的情况下,预设正例可以为系统假设的求助者已经对其启动了CPR 的患者,预设反例可以为系统假设的求助者还未对其启动CPR的患者。又例如,在调度员通过对话判断待救助者是否实现ROSC的情况下,预设正例可以为系统假设的已实现ROSC的患者,预设反例可以为系统假设的未实现ROSC的患者。
二分切点用于确定第一参照群体的正例标签。在一些实施例中,可以将第二参照群体的正例概率作为二分切点,将第一参照群体中正例概率大于或等于二分切点的第二参照群体中的成员作为预设正例,将第一参照群体中正例概率小于二分切点的第二参照群体中的成员作为预设反例。
例如,“帮助”实体属性簇中包含4个实体属性对(实际包括的实体属性对的数目可能远大于4个,为了便于描述进行了简化):“您好-昏倒”、“您好-不行了”、“您好-快来”、“您好-救护车”,经过排序后,每一个实体属性对对应的第二参照群体的正例概率分别为:P=0.165(您好-昏倒)、P=0.035(您好-不行了)、 P=0.019(您好-快来)、P=0.011(您好-救护车),如果以P=0.035(您好-不行了)作为二分切点,则可以将“您好-昏倒”实体属性对对应的第二参照群体 (其正例概率0.165大于二分切点0.035)中的成员、“您好-不行了”实体属性对对应的第二参照群体(其正例概率0.035等于二分切点0.035)中的成员作为预设正例,将“您好-快来”实体属性对对应的第二参照群体(其正例概率0.019 小于二分切点0.035)中的成员、“您好-救护车”实体属性对对应的第二参照群体(其正例概率0.011小于二分切点0.035)中的成员作为预设反例。
又例如,手掌定位簇(实体属性簇)中包含4个实体属性对(实际包括的实体属性对的数目可能远大于4个,为了便于描述进行了简化):“双手摞一起掌根放病人两乳头正中-好的”、“手掌根放在病人两乳头正中-好的”、“双手摞一起放病人胸前-好的”、“双手放在病人胸前-好的”,经过排序后,每一个实体属性对对应的第二参照群体的正例概率分别为:P=0.857(双手摞一起掌根放病人两乳头正中-好的)、P=0.811(手掌根放在病人两乳头正中-好的)、P=0.789(双手摞一起放病人胸前-好的)、P=0.667(双手放在病人胸前-好的),如果以P= 0.811(双手摞一起放病人掌根放病人两乳头正中-好)作为二分切点,则可以将“双手摞一起掌根放病人两乳头正中-好的”实体属性对(其正例概率大于二分切点)对应的第二参照群体中的成员、“手掌根放在病人两乳头正中-好的”实体属性对(其正例概率等于二分切点)对应的第二参照群体中的成员作为预设正例,将“双手摞一起放病人胸前-好的”实体属性对(其正例概率小于二分切点) 对应的第二参照群体中的成员、“双手放在病人胸前-好的”实体属性对(其正例概率小于二分切点)对应的第二参照群体中的成员作为预设反例。
分类试验可以包括筛检试验和诊断试验,运用快速简便的实验检查或其他手段,在表面健康的人群中发现那些未被识别的疑似病患。在紧急医学调度中心的电话救助场景中,由调度员通过与求助者的对话判断待救助者的真实疾病状态。通常需要计算分类敏感度和分类特异度,来对分类试验的真实性进行评估。分类试验的表格如下:
表1
在具体实施过程中,可以根据预设正例中其真实分类为正例(表1中的真阳性(a))的成员的数目,与第一参照群体中真实分类为正例的成员的数目(表 1中的真阳性(a)与假阴性(c)之和),得到分类敏感度。计算公式如下:
在具体实施过程中,可以根据预设反例中其真实分类为反例(表1中的真阴性(d))的成员的数目,与第一参照群体中真实分类为反例成员(表1中的假阳性(b)与真阴性(d)之和)的数目,得到分类特异度。计算公式如下:
仅作为示例,呼吸簇包括4个实体属性对(实际数量远大于4个,为了描述方便进行了简化),按照第二参照群体的正例概率进行排序后,每一个实体属性对与与其对应的第二参照群体的正例概率分别为:“呼吸-无”(P=0.400)、“呼吸-难受”(P=0.210)、“喘气-窒息”(P=0.145)和“喘气-很弱”(P=0.074)。根据以上假设,以“呼吸-无”对应的第二参照群体的正例概率为二分切点,对“呼吸簇”对应的第一参照群体进行分类实验,得到表2。
表2
表2中,X表示二分切点,X=1表示将符合二分切点分类条件的成员作为预设正例,本示例中,以“呼吸-无”对应的第二参照群体的正例概率(0.400) 为二分切点,则将“呼吸-无”对应的第二参照群体中的成员作为预设正例,将其余实体属性对对应的第二参照群体(正例概率均小于0.400)中的成员作为预
设反例。在表2中,预设正例中其真实分类为正例(a)的成员的数目为480,第一参照群体中真实分类为正例的成员(a+c)的数目为480+1120=1600,则根据公式(2)可以计算得到预设反例中其真实分类为反例的成员 (d)的数目为12680,第一参照群体中真实分类为反例(b+d)的成员的数目为: 720+12680=13400,与则根据公式(3)可以计算得到/>
按照上述方法,分别将“呼吸-难受”、“喘气-窒息”和“喘气-有些弱”对应的第二参照群体的正例概率作为二分切点,可以得到每一个第二参照群体对应的分类敏感度和分类特异度。
接受者操作特性曲线获取模块230,用于基于任意第一参照群体中多个第二参照群体对应的分类敏感度和分类特异度,得到任意第一参照群体对应的接受者操作特性曲线。
接受者操作特性曲线(receiver operating characteristic curve,ROC)是指在特定刺激条件下,以被试者在不同判断标准下所得的1与分类特异度(Sp)的差值为横坐标,以分类敏感度(Se)为纵坐标,画得的各点的连线。ROC曲线的特点是,必经过(0,0)和(1,1),曲线上的点只能出现在上述两点连线的上方,且单调递增。因此,有且只有AUC>0.5时,ROC曲线才有意义。
在具体实施过程中,可以将多个第二参照群体中任意第二参照群体的分类敏感度作为纵坐标,将1与任意第二参照群体的分类特异度之间的差值作为横坐标,得到任意第二参照群体对应的坐标点,然后对第一参照群体中各个第二参照群体对应的坐标点进行连接,得到任意第一参照群体对应的接受者操作特性曲线。仅作为示例,可以使用上述示例得到的“呼吸簇”对应的第一参照群体中的多个第二参照群体对应的分类敏感度和分类特异度,得到如图5所示的接受者操作特性曲线。
候选问话语义获取模块240,用于根据多个第一参照群体中各组第一参照群体对应的接受者操作特性曲线,从多个第一参照群体中确定目标第一参照群体,并将与目标第一参照群体对应的实体属性簇中每一个实体属性对的实体作为候选问话语义。
由于接受者操作特性曲线的曲线下面积越大表明该曲线对应的分类试验的分类效果越好。因此,在一些实施例中,可以计算多个第一参照群体中各组第一参照群体对应的接受者操作特性曲线的曲线下方面积(Area Under Curve, AUC)(例如,使用梯形规则计算得到),然后将最大曲线下方面积对应的第一参照群体作为目标第一参照群体。仅作为示例,对于3个分别对应于名为“呼吸簇”、“心脏簇”、“说话簇”的实体属性簇的第一参照群体,使用上述方法得到各自对应的接受者操作特性曲线,并计算得到接受者操作特性曲线的AUC分别为:0.761、0.733、0.662,其中,最大AUC与“呼吸簇”对应的第一参照群体对应,因此,将“呼吸簇”对应的第一参照群体作为目标第一参照群体。
在得到目标第一参照群体之后,可以将与目标第一参照群体对应的实体属性簇中每一个实体属性对的实体作为候选问话语义。仅作为示例,上述示例中得到的目标第一参照群体对应的“呼吸簇”包括以下实体属性对:“呼吸-无”、“呼吸-难受”、“喘气-窒息”和“喘气-有些弱”,因此可以将“呼吸”、“喘气”作为候选问话语义。后续可以从候选问话语义中选择目标问话语义。
目标问话语义获取模块,用于根据目标第一参照群体对应的接受者操作特性曲线中,与多个第二参照群体中任意第二参照群体对应的坐标点与完美分类坐标点的距离,从候选问话语义中确定目标问话语义。
完美分类坐标点为接受者操作特性曲线中横坐标为0,纵坐标为1的坐标点。接受者操作特性曲线中坐标点(0,1)表示分类特异度(Sp)等于1,分类敏感度为1的分类试验结果,属于分类正确率最高的完美结果。接受者操作特性曲线中,任意第二参照群体对应的坐标点与完美分类坐标点的距离,可以反映以任意第二参照群体的正例概率为二分切点对第一参照群体进行分类实验得到的分类结果的正确率。可以通过以下公式得到接受者操作特性曲线中,任意第二参照群体对应的坐标点与完美分类坐标点的距离:
在具体实施过程中,可以计算多个第二参照群体中各个第二参照群体对应的坐标点与完美分类坐标点的多个距离,将多个距离中的最短距离对应的第二参照群体作为目标第二参照群体,将目标第二参照群体对应的实体属性对的实体作为目标问话语义。仅作为示例,上述示例中的目标第一参照群体对应的“呼吸簇”包括以下实体属性对:“呼吸-无”、“呼吸-难受”、“喘气-窒息”和“喘气 -有些弱”,在接受者操作特性曲线中,该四个实体属性对对应的4个坐标点至(0,1) 的距离分别是0.702、0.548、0.419和0.537,因此,以“喘气-窒息”中的“喘气”作为目标问话语义。
目标问话语义用于引导接线员进行下一轮问话。在一些实施例中,接线员为紧急医学调度中心的调度员,调度员的问话用于判断是否需要对待救助者进行现场心肺复苏。
在一些实施例中,接线员为紧急医学调度中心的调度员,调度员的问话用引导求助者对待救助者进行现场心肺复苏。
图3是根据本申请一些实施例所示的引导接线员确定待救助者是否为正例的系统示例性示意图。如图3所示,引导接线员确定待救助者是否为正例的系统包括:实体属性簇和实体属性对确定模块310、第一参照群体和第二参照群体确定模块320、预设正例的成员的数目获取模块330以及正例概率确定模块340。
实体属性簇和实体属性对确定模块310,用于在接线员与求助者的任意一轮对话中,根据接线员的问话与求助者针对问话的答话,确定待救助者当前对应的实体属性簇和待救助者当前对应的实体属性对。
实体属性簇由对应于相同核心问题的多个实体属性对组成,实体属性对包括实体和属性,实体表示历史求助电话中接线员问话的语义,属性表示求助者针对问话的答话的语义。
在具体实施过程中,可以获取接线员的问话,并从问话中提取问话语义信息,可以获取求助者针对问话的答话,并从答话中提取答话语义信息,确定问话描述的核心问题,根据核心问题得到实体属性簇,根据问话语义信息和答话语义信息确定实体属性对。关于实体属性簇和实体属性对的详细内容参见图2,这里不再赘述。
第一参照群体和第二参照群体确定模块320,用于从初始参照群体中获取实体属性簇对应的第一参照群体和实体属性对对应的第二参照群体;其中,第一参照群体为根据实体属性簇对初始参照群体中的多个历史待救助者进行分类得到的,第二参照群体为根据实体属性对对第一参照群体进行分类得到的。
关于初始参照群体、第一参照群体以及第二参照群体的详细描述参见图2,这里不再赘述。
预设正例的成员的数目获取模块330,用于将第二参照群体的正例概率作为二分切点,得到第一参照群体中为预设正例的成员的数目。
二分切点用于确定第一参照群体的正例标签。关于二分切点的详细描述参见图2,这里不再赘述。
在一些实施例中,可以将第一参照群体中正例概率大于或等于二分切点的第二参照群体中的成员的数目作为预设正例的成员的数目。关于本实施例的详细描述参见步骤S220中的示例,这里不再赘述。
正例概率确定模块340,用于根据第一参照群体中为预设正例的成员中真实分类为正例的成员的数目与第一参照群体中为预设正例的成员的数目之间的比值,得到待救助者的正例概率。
仅作为示例,“帮助”实体属性簇包括4个实体属性对(实际包括的实体属性对的数目可能远大于4个,为了便于描述进行了简化),按照第二参照群体的正例概率进行排序后,这4个实体属性对以及每个实体属性对对应的第二参照群体的正例概率分别为:“您好-昏倒”(P=0.165)、“您好-不行了”(P=0.035)、“您好-快来”(P=0.019)和“您好-救护车”(P=0.011)。根据当前求助者的答话“您好,我爸爸不行了”,以实体属性对“您好-不行了”对应的第二参照群体的正例概率(0.035)作为二分切点,则可以将“您好-昏倒”(对应的第二参照群体的正例概率为0.165,大于二分切点)和“您好-不行了”(对应的第二参照群体的正例概率为0.035,等于二分切点)实体属性对对应的第二参照群体中的成员作为预设正例,共计有10万例,在这10万例成员中,含有经医生确诊的 4000例OHCA,则待救助者的正例概率为0.04。
待救助者的正例概率用于引导接线员确定待救助者是否为正例。在一些实施例中,接线员为紧急医学调度中心的调度员,正例为需要进行现场心肺复苏的待救助者。
在一些实施例中,接线员为紧急医学调度中心的调度员,正例为经过调度员鼓励,求助者或其他在场的人启动CPR的患者。
在一些实施例中,接线员为紧急医学调度中心的调度员,正例为经过现场心肺复苏后ROSC的待救助者。
在一些实施例中,引导接线员对求助者进行问话的系统还包括:正例概率趋势散点图获取模块和线性回归方程的斜率获取模块。
正例概率趋势散点图获取模块,用于根据在接线员与求助者的多轮对话中得到的待救助者的多个正例概率,得到正例概率趋势散点图。
线性回归方程的斜率获取模块,用于使用线性回归方程对正例概率趋势散点图进行拟合,并求解线性回归方程,得到线性回归方程的斜率。
正例概率趋势散点图和线性回归方程的斜率用于表示待救助者为正例的概率趋势。在具体实施过程中,可以将多个正例概率中的任意正例概率对应的对话的轮次作为横坐标,将任意正例概率作为纵坐标,得到正例概率趋势散点图上的坐标。
图6示出了根据在多轮对话中得到的待救助者的多个正例概率绘制的正例概率趋势散点图,其中,a、b、c、d为根据不同的求助者与接线员之间的多轮对话得到的正例概率趋势散点图。图6中的四个斜率分别是0.045、0.0351、0.1047、 0.1291,据此判断,d患者出现结局的可能性是最大的。
图7示出了又一根据在多轮对话中得到的待救助者的多个正例概率绘制的正例概率趋势散点图,其中,a、b、c、d为根据不同的求助者与接线员之间的多轮对话得到的正例概率趋势散点图。图7中a表示仅经过3次迭代即快速将结局的预测概率提升到0.9,呼救患者属于真实分类结局的可能性极大。图7中 b表示结局预测概率先升后降再升,但总体趋势仍然趋向于真实分类结局。图7 中c表示前几次迭代均未能“捕获”阳性标签,但最后一次迭代将结局预测概率快速提升。图7中d表示真实分类结局的可能性不太大。图7中的四个斜率分别是0.297、0.138、0.121、0.068,据此判断,a患者出现结局的可能性仍然是最大的。
在正例概率趋势散点图中,由于每个待救助者都是独立的,而且各个实体属性簇上的问答都是独立的,假设不同x(横坐标)下的随机变量P(正例概率) 的方差相等,根据公式(2)和公式(3),结合专业知,y(y=P,0≤P≤1)总体上随着x升高而升高,因此可以用线性回归方程(y=a+bx)的斜率(b)作为结局判断的依据,b越大则表示待救助者的正例概率在未来越大。在具体实施过程中,可以使用最小二乘法则求解线性回归方程得到方程的斜率,计算公式如下:
在一些实施例中,还可以使用其他回归模型对散点图进行拟合,不受本说明书的表述所限。例如,可以使用逆、幂函、对数、复合、生长、指数等函数对散点图进行拟合。
在一些实施例中,可以将正例概率趋势散点图和线性回归方程的斜率展示 (例如,通过终端120的屏幕显示)给接线员,以引导接线员确定待救助者是否为正例。
在一些实施例中,引导接线员对求助者进行问话的系统还包括:率比获取模块和率差获取模块。
率比获取模块,用于根据当前待救助者的正例概率与前一轮对话中得到的待救助者的正例概率之间的比值,得到率比。率比的计算公式如下:
仅作为示例,P1为0.04,P2为0.1,则根据公式(6)可以计算得到RR为 2.5。
率比(RR)可以表示本轮对话中选取的二分切点对预测真实分类的价值,当RR>1时,本轮对话中选取的二分切点对真实分类有辨别价值;当RR≤1时,本轮对话中选取的二分切点对真实分类无辨别价值。
率差获取模块,用于根据当前待救助者的正例概率与前一轮对话中得到的待救助者的正例概率之间的差值,得到率差。率差的计算公式如下:
rD=Pc-Pc-1 公式(7)
仅作为示例,P1为0.04,P2为0.1,则根据公式(7)可以计算得到RD为 0.06。
率差(RD)可以表示本轮对话中选取的二分切点对预测真实分类的价值。当RD>0时,本轮对话中选取的二分切点对真实分类的有辨别价值;当RD≤0 时,本轮对话中选取的二分切点对真实分类的无辨别价值。
在一些实施例中,可以将率差和率比展示给接线员,以引导接线员判断当前待救助者的正例概率对于确定待救助者是否为正例的价值。
当RR>1时,该标签对真实分类的有辨别价值;当RR≤1时,该标签对真实分类的无辨别价值。当RD>0时,该标签对真实分类的有辨别价值;当RD ≤0时,该标签对真实分类的无辨别价值。
本申请的又一实施例提供了一种引导调查者对被调查者进行问话的系统,所述系统包括:第一参照群体获取模块、分类试验模块、接受者操作特性曲线获取模块、候选问话语义获取模块以及目标问话语义获取模块。
第一参照群体获取模块,用于从初始参照群体中选择未被处理的多个第一参照群体。
所述第一参照群体为根据实体属性簇对所述初始参照群体中的多个历史被调查者进行分类得到的,所述实体属性簇由对应于相同核心问题的多个实体属性对组成,所述实体属性对包括实体和属性,所述实体表示历史调查电话中调查者问话的语义,所述属性表示被调查者针对所述问话的答话的语义。
关于初始参照群体、第一参照群体、实体属性簇和实体属性对的详细描述参见图2,这里不再赘述。
所述分类试验模块,用于将所述多个第一参照群体中的任意第一参照群体包括的任意第二参照群体的正例概率作为二分切点,对所述任意第一参照群体进行分类试验,得到所述任意第二参照群体对应的分类敏感度和分类特异度。
所述二分切点用于确定所述第一参照群体的正例标签,所述第二参照群体为根据实体属性对对所述第一参照群体进行分类得到的。关于第二参照群体、二分切点的详细描述参见图2,这里不再赘述。
所述接受者操作特性曲线获取模块,用于基于所述任意第一参照群体中多个第二参照群体对应的分类敏感度和分类特异度,得到所述任意第一参照群体对应的接受者操作特性曲线。
所述候选问话语义获取模块,用于根据所述多个第一参照群体中各组第一参照群体对应的接受者操作特性曲线,从所述多个第一参照群体中确定目标第一参照群体,并将与所述目标第一参照群体对应的实体属性簇中每一个实体属性对的实体作为候选问话语义。
所述目标问话语义获取模块,用于根据所述目标第一参照群体对应的接受者操作特性曲线中,与所述多个第二参照群体中任意第二参照群体对应的坐标点与完美分类坐标点的距离,从所述候选问话语义中确定目标问话语义;其中,所述完美分类坐标点为所述接受者操作特性曲线中横坐标为0,纵坐标为1的坐标点,所述目标问话语义用于引导所述调查员进行下一轮问话。
上述引导调查者对被调查者进行问话的系统的实施例中,各模块的具体处理及其带来的技术效果可参考图2中对应实施例中的相关说明,在此不再赘述。
本申请的又一实施例提供了一种引导调查者确定被调查者是否为正例的系统,所述系统包括:实体属性簇和实体属性对确定模块、第一参照群体和第二参照群体确定模块、预设正例的成员的数目获取模块以及正例概率确定模块。
所述实体属性簇和实体属性对确定模块,用于在所述调查者与被调查者的任意一轮对话中,根据所述调查者的问话与被调查者针对所述问话的答话,确定被调查者当前对应的实体属性簇和所述被调查者当前对应的实体属性对。
所述实体属性簇由对应于相同核心问题的多个实体属性对组成,所述实体属性对包括实体和属性,所述实体表示历史调查电话中调查者问话的语义,所述属性表示被调查者针对所述问话的答话的语义。
关于实体属性簇、实体属性对的详细描述参见图2中的相关内容,这里不再赘述。
所述第一参照群体和第二参照群体确定模块,用于从初始参照群体中获取所述实体属性簇对应的第一参照群体和所述实体属性对对应的第二参照群体。
所述第一参照群体为根据实体属性簇对所述初始参照群体中的多个历史被调查者进行分类得到的,所述第二参照群体为根据实体属性对对所述第一参照群体进行分类得到的。
关于第一参照群体和第二参照群体的详细描述参见图2中的相关内容,这里不再赘述。
所述预设正例的成员的数目获取模块,用于将所述第二参照群体的正例概率作为二分切点,得到所述第一参照群体中为预设正例的成员的数目。
所述二分切点用于确定所述第一参照群体的正例标签。关于二分切点的详细描述参见图2中的相关内容,这里不再赘述。
所述正例概率确定模块,用于根据所述第一参照群体中为预设正例的成员中真实分类为正例的成员的数目与所述第一参照群体中为预设正例的成员的数目之间的比值,,得到所述被调查者的正例概率。
所述正例概率用于引导调查者确定所述被调查者是否为正例。关于正例概率和正例的详细描述,参见图2中的相关内容,这里不再赘述。
上述引导调查者确定被调查者是否为正例的系统的实施例中各模块的具体处理及其带来的技术效果可参考图3中对应实施例中的相关说明,在此不再赘述。
上述引导调查者对被调查者进行问话的系统和引导调查者确定被调查者是否为正例的系统可以应用于多种应用场景,例如,可以应用于疾病或健康状况流调(流行病学调查的简称)应用场景、产品售后服务调查应用场景等。下面以传染病的流调任务为例进行说明。
流调是传染病控制的关键,传染病的流调收集的信息可以起到有效遏制传染病的关键作用。传染病流调的目的是要确定:在过去一定的时间段,被调查者的行动轨迹、遇到的人和发生的事,从而为理清传播链,查清传染来源,判定密切接触者、采取隔离措施以及划定消毒范围提供依据。
在一些实施例中,调查者使用的终端可以获取调查者的问话和被调查者的答话,并将问话和答话发送到服务端进行处理(或者由调查者使用的终端进行处理)。在一些实施例中,调查者使用的终端可以将从服务端接收的目标问话语义、被调查者的正例概率、率比、率差以及正例概率趋势散点图等通过多种方式(例如,语音提示、文字提示等)展示给调查者。以帮助调查者确定被调查者的流调情况(例如,被调查者是否属于密切接触者、被调查者是否为需要采取隔离措施的人员等)。
在传染病的流调任务场景下,当调查者试图确定被调查者是否为某一类需要被采取特定措施以防止传染病扩散的人群时,属于该类人群的被调查者为正例,不属于该类人群的被调查者为反例。例如,当调查者(流调员)通过对话判断被调查者是否为密切接触者时,正例可以为属于密切接触者的被调查者,反例可以为属于非密切接触者的被调查者。
在传染病的流调任务场景下,预设正例为系统为了进行分类试验或其他计算而假设其属于某一类需要被采取特定措施以防止传染病扩散的人群,预设反例为系统(调查者使用的终端或者服务端)为了进行分类试验或其他计算而假设其不属于某一类需要被采取特定措施以防止传染病扩散的人群。例如,当调查者(流调员)通过对话判断被调查者是否为密切接触者时,预设正例可以为系统假设的属于密切接触者的被调查者,反例可以为系统假设的属于非密切接触者的被调查者。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本申请中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (12)
1.一种引导接线员对求助者进行问话的系统,其特征在于,所述系统包括:第一参照群体获取模块、分类试验模块、接受者操作特性曲线获取模块、候选问话语义获取模块以及目标问话语义获取模块;
所述第一参照群体获取模块,用于从初始参照群体中选择未被处理的多个第一参照群体;其中,所述第一参照群体为根据实体属性簇对所述初始参照群体中的多个历史待救助者进行分类得到的,所述实体属性簇由对应于相同核心问题的多个实体属性对组成,所述实体属性对包括实体和属性,所述实体表示历史求助电话中接线员问话的语义,所述属性表示求助者针对所述问话的答话的语义;
所述分类试验模块,用于将所述多个第一参照群体中的任意第一参照群体包括的任意第二参照群体的正例概率作为二分切点,对所述任意第一参照群体进行分类试验,得到所述任意第二参照群体对应的分类敏感度和分类特异度;其中,所述二分切点用于确定所述第一参照群体的正例标签,所述第二参照群体为根据实体属性对对所述第一参照群体进行分类得到的;
所述接受者操作特性曲线获取模块,用于基于所述任意第一参照群体中多个第二参照群体对应的分类敏感度和分类特异度,得到所述任意第一参照群体对应的接受者操作特性曲线;
所述候选问话语义获取模块,用于根据所述多个第一参照群体中各组第一参照群体对应的接受者操作特性曲线,从所述多个第一参照群体中确定目标第一参照群体,并将与所述目标第一参照群体对应的实体属性簇中每一个实体属性对的实体作为候选问话语义;
所述目标问话语义获取模块,用于根据所述目标第一参照群体对应的接受者操作特性曲线中,与所述多个第二参照群体中任意第二参照群体对应的坐标点与完美分类坐标点的距离,从所述候选问话语义中确定目标问话语义;其中,所述完美分类坐标点为所述接受者操作特性曲线中横坐标为0,纵坐标为1的坐标点,所述目标问话语义用于引导所述接线员进行下一轮问话。
2.根据权利要求1所述的系统,其特征在于,所述将所述多个第一参照群体中的任意第一参照群体包括的任意第二参照群体的正例概率作为二分切点,对所述任意第一参照群体进行分类试验,得到所述任意第二参照群体对应的分类敏感度和分类特异度,包括:
将所述第一参照群体中正例概率大于或等于所述二分切点的第二参照群体中的成员作为预设正例,将所述第一参照群体中正例概率小于所述二分切点的第二参照群体中的成员作为预设反例;
根据所述预设正例中其真实分类为正例的成员的数目,与所述第一参照群体中真实分类为正例的成员的数目,得到所述分类敏感度;
根据所述预设反例中其真实分类为反例的成员的数目,与所述第一参照群体中真实分类为反例的成员的数目,得到所述分类特异度。
3.根据权利要求2所述的系统,其特征在于,所述基于所述任意第一参照群体中多个第二参照群体对应的分类敏感度和分类特异度,得到所述任意第一参照群体对应的接受者操作特性曲线,包括:
将所述多个第二参照群体中任意第二参照群体的分类敏感度作为纵坐标,将所述任意第二参照群体的分类特异度与1之间的差值的绝对值作为横坐标,得到所述任意第二参照群体对应的坐标点;
对所述第一参照群体中各个第二参照群体对应的坐标点进行连接,得到所述任意第一参照群体对应的接受者操作特性曲线。
4.根据权利要求1所述的系统,其特征在于,所述根据所述多个第一参照群体中各组第一参照群体对应的接受者操作特性曲线,从所述多个第一参照群体中确定目标第一参照群体,包括:
计算所述多个第一参照群体中各组第一参照群体对应的接受者操作特性曲线的曲线下方面积;
将最大曲线下方面积对应的所述第一参照群体作为目标第一参照群体。
5.根据权利要求1所述的系统,其特征在于,所述根据所述目标第一参照群体对应的接受者操作特性曲线中,与所述多个第二参照群体中任意第二参照群体对应的坐标点与完美分类坐标点的距离,从所述候选问话语义中确定目标问话语义,包括:
计算所述多个第二参照群体中各个第二参照群体对应的坐标点与完美分类坐标点的多个距离;
将所述多个距离中的最短距离对应的第二参照群体作为目标第二参照群体,将所述目标第二参照群体对应的实体属性对的实体作为所述目标问话语义。
6.根据权利要求1所述的系统,其特征在于,通过以下方式得到所述初始参照群体:
从所述求助者的求助语句中提取待救助者的个人特征信息,根据所述个人特征信息确定初始参照群体。
7.一种引导接线员确定待救助者是否为正例的系统,其特征在于,所述系统包括:实体属性簇和实体属性对确定模块、第一参照群体和第二参照群体确定模块、预设正例的成员的数目获取模块以及正例概率确定模块;
所述实体属性簇和实体属性对确定模块,用于在所述接线员与求助者的任意一轮对话中,根据所述接线员的问话与求助者针对所述问话的答话,确定待救助者当前对应的实体属性簇和所述待救助者当前对应的实体属性对;其中,所述实体属性簇由对应于相同核心问题的多个实体属性对组成,所述实体属性对包括实体和属性,所述实体表示历史求助电话中接线员问话的语义,所述属性表示求助者针对所述问话的答话的语义;
所述第一参照群体和第二参照群体确定模块,用于从初始参照群体中获取所述实体属性簇对应的第一参照群体和所述实体属性对对应的第二参照群体;其中,所述第一参照群体为根据实体属性簇对所述初始参照群体中的多个历史待救助者进行分类得到的,所述第二参照群体为根据实体属性对对所述第一参照群体进行分类得到的;
所述预设正例的成员的数目获取模块,用于将所述第二参照群体的正例概率作为二分切点,得到所述第一参照群体中为预设正例的成员的数目;其中,所述二分切点用于确定所述第一参照群体的正例标签;
所述正例概率确定模块,用于根据所述第一参照群体中为预设正例的成员中真实分类为正例的成员的数目与所述第一参照群体中为预设正例的成员的数目之间的比值,得到所述待救助者的正例概率;所述正例概率用于引导接线员确定所述待救助者是否为正例。
8.根据权利要求7所述的系统,其特征在于,所述系统还包括:正例概率趋势散点图获取模块和线性回归方程的斜率获取模块;
所述正例概率趋势散点图获取模块,用于根据在所述接线员与所述求助者的多轮对话中得到的所述待救助者的多个正例概率,得到正例概率趋势散点图;
所述线性回归方程的斜率获取模块,用于使用线性回归方程对所述正例概率趋势散点图进行拟合,并求解所述线性回归方程,得到所述线性回归方程的斜率;
其中,所述正例概率趋势散点图和所述线性回归方程的斜率用于表示所述待救助者为正例的概率趋势。
9.根据权利要求8所述的系统,其特征在于,所述根据在所述接线员与所述求助者的多轮对话中得到的所述待救助者的多个正例概率,得到正例概率趋势散点图,包括:
将所述多个正例概率中的任意正例概率对应的对话的轮次作为横坐标,将所述任意正例概率作为纵坐标,得到所述正例概率趋势散点图上的坐标。
10.根据权利要求7所述的系统,其特征在于,所述确定待救助者当前对应的实体属性簇,和所述待救助者当前对应的实体属性对,包括:
获取所述接线员的问话,并从所述问话中提取问话语义信息;
获取所述求助者针对所述问话的答话,并从所述答话中提取答话语义信息;
确定所述问话描述的核心问题,根据所述核心问题得到所述实体属性簇;
根据所述问话语义信息和所述答话语义信息确定所述实体属性对。
11.根据权利要求7所述的系统,其特征在于,所述将所述第二参照群体的正例概率作为二分切点,得到所述第一参照群体中为预设正例的成员的数目,包括:
将所述第一参照群体中正例概率大于或等于所述二分切点的第二参照群体中的成员的数目作为预设正例的成员的数目。
12.根据权利要求7所述的系统,其特征在于,所述系统还包括:率比获取模块和率差获取模块;
所述率比获取模块,用于根据当前所述待救助者的正例概率与前一轮对话中得到的所述待救助者的正例概率之间的比值,得到率比;
所述率差获取模块,用于根据当前所述待救助者的正例概率与前一轮对话中得到的所述待救助者的正例概率之间的差值,得到率差;
其中,所述率差和所述率比用于引导所述接线员判断当前待救助者的正例概率对于确定所述待救助者是否为正例的价值。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210805597.1A CN115346690B (zh) | 2022-07-08 | 2022-07-08 | 引导接线员对求助者进行问话的系统 |
PCT/CN2023/105651 WO2024008056A1 (zh) | 2022-07-08 | 2023-07-04 | 引导接线员对求助者进行问话的系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210805597.1A CN115346690B (zh) | 2022-07-08 | 2022-07-08 | 引导接线员对求助者进行问话的系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115346690A CN115346690A (zh) | 2022-11-15 |
CN115346690B true CN115346690B (zh) | 2023-12-01 |
Family
ID=83947665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210805597.1A Active CN115346690B (zh) | 2022-07-08 | 2022-07-08 | 引导接线员对求助者进行问话的系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115346690B (zh) |
WO (1) | WO2024008056A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115346690B (zh) * | 2022-07-08 | 2023-12-01 | 中国疾病预防控制中心慢性非传染性疾病预防控制中心 | 引导接线员对求助者进行问话的系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110929519A (zh) * | 2018-09-20 | 2020-03-27 | 阿里巴巴集团控股有限公司 | 实体属性抽取方法及装置 |
CN112035506A (zh) * | 2019-10-28 | 2020-12-04 | 竹间智能科技(上海)有限公司 | 一种语义识别方法及其设备 |
CN112364622A (zh) * | 2020-11-11 | 2021-02-12 | 杭州大搜车汽车服务有限公司 | 对话文本分析方法、装置、电子装置及存储介质 |
CN113010653A (zh) * | 2021-03-16 | 2021-06-22 | 支付宝(杭州)信息技术有限公司 | 一种对话策略模型训练、对话的方法和系统 |
CN113360622A (zh) * | 2021-06-22 | 2021-09-07 | 中国平安财产保险股份有限公司 | 用户对话信息的处理方法、装置及计算机设备 |
CN114139553A (zh) * | 2021-11-29 | 2022-03-04 | 平安科技(深圳)有限公司 | 对话文本生成方法、装置、电子设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111428483B (zh) * | 2020-03-31 | 2022-05-24 | 华为技术有限公司 | 语音交互方法、装置和终端设备 |
CN114637841A (zh) * | 2020-12-15 | 2022-06-17 | 上海交通大学 | 基于对立主题分析的群体意见自动抽取系统 |
CN115346690B (zh) * | 2022-07-08 | 2023-12-01 | 中国疾病预防控制中心慢性非传染性疾病预防控制中心 | 引导接线员对求助者进行问话的系统 |
-
2022
- 2022-07-08 CN CN202210805597.1A patent/CN115346690B/zh active Active
-
2023
- 2023-07-04 WO PCT/CN2023/105651 patent/WO2024008056A1/zh unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110929519A (zh) * | 2018-09-20 | 2020-03-27 | 阿里巴巴集团控股有限公司 | 实体属性抽取方法及装置 |
CN112035506A (zh) * | 2019-10-28 | 2020-12-04 | 竹间智能科技(上海)有限公司 | 一种语义识别方法及其设备 |
CN112364622A (zh) * | 2020-11-11 | 2021-02-12 | 杭州大搜车汽车服务有限公司 | 对话文本分析方法、装置、电子装置及存储介质 |
CN113010653A (zh) * | 2021-03-16 | 2021-06-22 | 支付宝(杭州)信息技术有限公司 | 一种对话策略模型训练、对话的方法和系统 |
CN113360622A (zh) * | 2021-06-22 | 2021-09-07 | 中国平安财产保险股份有限公司 | 用户对话信息的处理方法、装置及计算机设备 |
CN114139553A (zh) * | 2021-11-29 | 2022-03-04 | 平安科技(深圳)有限公司 | 对话文本生成方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115346690A (zh) | 2022-11-15 |
WO2024008056A1 (zh) | 2024-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4048140A1 (en) | Acoustic and natural language processing models for speech-based screening and monitoring of behavioral health conditions | |
JP2006506693A (ja) | 集団および複数負傷者のトリアージ方法およびシステム | |
Sethu et al. | The ambiguous world of emotion representation | |
Ali et al. | Aging and engaging: A social conversational skills training program for older adults | |
CN115346690B (zh) | 引导接线员对求助者进行问话的系统 | |
US20220240871A1 (en) | An intelligent computer aided decision support system | |
CN111540441A (zh) | 基于心理应激状态下的人机交互的心理干预方法和装置 | |
Clawson et al. | T HE E MOTIONAL C ONTENT AND C OOPERATION S CORE IN E MERGENCY M EDICAL D ISPATCHING | |
Rankine | How critical are we?: Revitalising critical reflection in supervision | |
CN114724710A (zh) | 突发事件的应急方案推荐方法、装置及存储介质 | |
CN115132356A (zh) | 互联网医疗分诊方法、装置、电子设备及存储介质 | |
Drakopoulos et al. | Emotion Recognition from Speech: A Survey. | |
KR101400636B1 (ko) | 사람처럼 생각하는 인공지능 알고리즘 | |
Walsh et al. | Impact of message valence, focus, expressive style, and gender on communication patterns among maritally distressed couples. | |
Missel et al. | Barriers to the initiation of telecommunicator-CPR during 9-1-1 out-of-hospital cardiac arrest calls: A qualitative study | |
KR102314332B1 (ko) | 머신러닝 자연어 처리를 활용한 의사-환자의 진료상담 지원 시스템 및 방법 | |
US11526541B1 (en) | Method for collaborative knowledge base development | |
KR20220106029A (ko) | 인공지능을 활용한 심리 상담 방법 및 장치 | |
Raynova et al. | Multi-agent Multimodal Human Emotion Recognition Architecture | |
Harris | Self-care actions of chronic schizophrenics associated with meeting solitude and social interaction requisites | |
US11954437B2 (en) | Emergency workflow trigger | |
KR102485600B1 (ko) | 인공지능을 통한 우울증 관리 시스템 | |
CN116597961A (zh) | 基于用户画像信息和对话内容的服务角色分配方法及装置 | |
TWI710998B (zh) | 應用在智能型叫號代理器之叫號排序方法 | |
Sudha et al. | Stress detection based on human parameters using machine learning algorithms |
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 |