CN115563250A - 一种医疗自助语音服务设备及方法 - Google Patents

Abstract

本发明涉及一种医疗自助语音服务设备及方法，包括医院服务模块和服务引擎模块、语音交互模块以及设备本体；所述医院服务模块包括医院信息系统HIS、医院检验科实验室信息管理系统LIS、影像归档和通信系统PACS、电子病例库；所述服务引擎模块包括数据交互模块、数据处理模块、建立对话模块、业务模型、界面插件；所述语音交互单元包括匹配模块和TTS语音合成模块以及ASR自动通信终端；所述设备本体包括麦克风和录音器以及显示器，本发明具有在医院防止接触通过语音对话查询医疗相关信息的技术效果。

Description

一种医疗自助语音服务设备及方法

技术领域

本发明涉及自助语音服务设备的技术领域，尤其是指一种医疗自助语音服务设备及方法。

背景技术

自助在各行各业广泛使用，尤其在医院门诊、住院等大厅，患者不用去窗口排队挂号缴费，在自助设备上，通过身份证、医保卡、诊疗卡、健康码等多种识别方式进行患者身份识别后自助办理挂号、缴费、打印业务，不用在诊室和缴费窗口来回跑，就近多个自助点服务，大大节约了就诊时间，提高的排队就诊的效率。对于医院运营来说，有效舒缓窗口的压力，间接降低了窗口的人员成本和管理压力，保障医院在就诊时间内高效而有序地运行。对医院服务形象来说，有效降低了人流的密度，集中精力提升精细化程度，提升医院全面的服务形象。新冠疫情常态化防控，患者在院内就诊，尤其是在发热门诊就诊，参照医疗机构感染防控工作通知要求，自助也存在接触的风险，如何充分利用信息化手段和自助便捷服务技术，减少诊疗环节交叉感染风险也被提上议题。

传统其他终端的语音功能分成两种，分别是命令型和查询型，命令型要求命令的准确性，能直击定位功能；查询型，则是在分多轮问询，在问询的过程中，不断给出查询的建议答案，建议答案并不唯一且零散。医疗自助经过多年的发展，所接入的系统为医院的HIS、LIS等系统，相关业务接口虽然规范，但还是规整结构化形式，要多轮查询调用，实现业务的完成，最后一步的时间确认是作为不同等级的医院要求，三甲医院要求预约到时间间隔10-15分钟，对年级大的操作显得并不是那么的友好。

发明内容

本发明的目的是提供一种医疗自助语音服务设备及方法，其具有防止接触通过语音对话查询医疗相关信息的效果。

本发明的上述发明目的是通过以下技术方案得以实现的：

一种医疗自助语音服务设备，包括医院服务模块和服务引擎模块、语音交互模块以及设备本体；

所述医院服务模块包括医院信息系统HIS、医院检验科实验室信息管理系统LIS、影像归档和通信系统PACS、电子病例库；

所述服务引擎模块包括数据交互模块、数据处理模块、建立对话模块、业务模型、界面插件；

所述语音交互单元包括匹配模块和TTS语音合成模块以及ASR 自动通信终端；

所述设备本体包括麦克风和录音器以及显示器。

一种医疗自助语音服务设备的方法，所述处理语句步骤：

S1、遍历提取关键字，选择符合且词频较高的词语；

S2、文本摘要TR算法，提取关键决定句：

S3、将文本中的命名实体定位并分类为预先定义场景的类别，如人员、科室、时间表达式、数量等。

优选的，所述S1包括：

S11、对给定文本按照完整句子进行分割；

S12、每个句子进行分词和词性处理，只保留指定词性的单词，保留后的词为候选关键词；

S13、构建候选关键词图，G＝(V，E)其中V为节点集，由步骤2中生成的候选关键词组成，然后采用共现关系构造任意两点之间的边，两个节点之间存在的边仅当他们对应的词汇在长度为K的窗口中共现，K表示窗口大小，即最多共现K个单词；

S14、初始化各个节点的权重，迭代计算各个节点的权重，直至收敛；

S15、对节点权重进行倒叙排列，从而得到T个候选关键词，并在原始文本中进行标记，若形成相邻词组则组合成多次关键词。

优选的，所述S2包括：

S21、预处理，将输入的文本或文本集的内容分割成句子得 T＝[S1，S2，S3···Sm]，构件图G＝(V，E)其中V为句子集，对句子进行分词，去除停止词，得到Si＝[ti1，ti2，ti3，ti4，···]，其中tij是保留后得候选关键词；

S22、句子相似度计算，构建图G中的边集E，基于句子间的内容覆盖率，对给定两个句子进行相似度计算.若相似度大于给定的阈值，就认为两个句子语义相关并将它们连接起来；

S23、句子权重计算：根据公式，迭代传播权重计算各句子的得分，抽取文摘句，并将得到的句子进行倒序排序，得到T个句子作为候选文摘句；

S24、形成文本摘要：根据字数或句子数要求，从候选文摘句中抽取句子组成摘要。

优选的，所述S3包括：

S31、根据S2中的关键字和摘要，提取最终关键字；

S32、词的实体标注，首先把句子进行原子切分，然后对字(词) 进行实体标注；

S33、确定特征函数，接着，确定特征模板，一般采用当前位置的前后n个位置上的词；

S34、利用算法得出结果。

附图说明

图1为本发明的整体结构示意图；

图2是本发明的步骤；

图3是本发明中S1的具体步骤；

图4是本发明中S2的具体步骤。

图5是本发明中S3的具体步骤。

具体实施方式

为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。以下结合附图对本发明进行详细的描述。

以下结合附图对本发明作进一步详细说明。

参见图1，一种医疗自助语音服务设备，包括医院服务模块和服务引擎模块、语音交互模块以及设备本体；

所述医院服务模块包括医院信息系统HIS、医院检验科实验室信息管理系统LIS、影像归档和通信系统PACS、电子病例库；

所述服务引擎模块包括数据交互模块、数据处理模块、建立对话模块、业务模型、界面插件；

所述语音交互单元包括匹配模块和TTS语音合成模块以及ASR 自动通信终端；

所述设备本体包括麦克风和录音器以及显示器。

工作过程：所述麦克风将信号传递给ASR自动通信终端，所述 ASR自动通信终端将信号传递给匹配模块，所述匹配模块将信号传递给建立对话模块进行分析，所述建立对话模块将机器对话回复信息传递给数据处理模块进行分析语义，数据处理模块根据破译的语义通过数据交互模块对医院服务模块进行需要的数据调取，然后将调取的数据根据语序组成回复语句，然后将回复语句信号传递给TTS语音合成模块进行语音合成；TTS语音合成模块将语音合成后将信息传递给麦克风进行输出；业务模型同步医院服务模型种的模型数据，然后通过界面组件进行显示出来；界面组件将同步模型数据通过自助页面以及动画处理在显示器进行显示出来。

参见图2，一种医疗自助语音服务设备的方法，所述处理语句步骤：

S1、遍历提取关键字，选择符合且词频较高的词语；

S2、文本摘要TR算法，提取关键决定句：

S3、将文本中的命名实体定位并分类为预先定义场景的类别，如人员、科室、时间表达式、数量等。

参见图3，所述S1包括：

S11、对给定文本按照完整句子进行分割；

S12、每个句子进行分词和词性处理，只保留指定词性的单词，保留后的词为候选关键词；

S13、构建候选关键词图，G＝(V，E)其中V为节点集，由步骤2中生成的候选关键词组成，然后采用共现关系构造任意两点之间的边，两个节点之间存在的边仅当他们对应的词汇在长度为K的窗口中共现，K表示窗口大小，即最多共现K个单词；

S14、初始化各个节点的权重，迭代计算各个节点的权重，直至收敛；

S15、对节点权重进行倒叙排列，从而得到T个候选关键词，并在原始文本中进行标记，若形成相邻词组则组合成多次关键词。

参见图4，所述S2包括：

S21、预处理，将输入的文本或文本集的内容分割成句子得 T＝[S1，S2，S3···Sm]，构件图G＝(V，E)其中V为句子集，对句子进行分词，去除停止词，得到Si＝[ti1，ti2，ti3，ti4，···]，其中tij是保留后得候选关键词；

S22、句子相似度计算，构建图G中的边集E，基于句子间的内容覆盖率，对给定两个句子进行相似度计算.若相似度大于给定的阈值，就认为两个句子语义相关并将它们连接起来；

S23、句子权重计算：根据公式，迭代传播权重计算各句子的得分，抽取文摘句，并将得到的句子进行倒序排序，得到T个句子作为候选文摘句；

S24、形成文本摘要：根据字数或句子数要求，从候选文摘句中抽取句子组成摘要。

参见图5，所述S3包括：

S31、根据S2中的关键字和摘要，提取最终关键字；

S32、词的实体标注，首先把句子进行原子切分，然后对字(词) 进行实体标注；

S33、确定特征函数，接着，确定特征模板，一般采用当前位置的前后n个位置上的词；

S34、利用算法得出结果。

工作原理：语音交互首先将用户的语音转移文本进行初步的简单、模糊匹配，提取关键字后后交由引擎处理，引擎建立一次会话服务，会话服务在本次操作周期内有效；对用户的语义进行处理、索引、推理，判断是否进行下一轮语音交互会话亦或是具备完整的数据链条供做后台医院的数据交互，比如“我要挂个XX专家下午的号”，其中具备了功能、关键字等内容，可供后台进行数据的交互；根据不同业务建立相关的模型，根据语义数据管理驱动不同界面及数据服务能力，在一些模型上，比如科室ID、医生ID等信息，在服务引擎一次加载后进行初始化，并保持一定频度的同步，保证前后数据的一致性。

以上所述，仅是本发明较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明以较佳实施例公开如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当利用上述揭示的技术内容作出些许变更或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明技术是指对以上实施例所作的任何简单修改、等同变化与修饰，均属于本发明技术方案的范围内。

Claims (5)

1.一种医疗自助语音服务设备，其特征在于，包括医院服务模块和服务引擎模块、语音交互模块以及设备本体；

所述医院服务模块包括医院信息系统HIS、医院检验科实验室信息管理系统LIS、影像归档和通信系统PACS、电子病例库；

所述服务引擎模块包括数据交互模块、数据处理模块、建立对话模块、业务模型、界面插件；

所述语音交互单元包括匹配模块和TTS语音合成模块以及ASR自动通信终端；

所述设备本体包括麦克风和录音器以及显示器。

2.一种医疗自助语音服务设备的方法，其特征在于，所述处理语句步骤：

S1、遍历提取关键字，选择符合且词频较高的词语；

S2、文本摘要TR算法，提取关键决定句：

S3、将文本中的命名实体定位并分类为预先定义场景的类别，如人员、科室、时间表达式、数量等。

3.根据权利要求2所述一种医疗自助语音服务设备的方法，其特征在于，所述S1包括：

S11、对给定文本按照完整句子进行分割；

S12、每个句子进行分词和词性处理，只保留指定词性的单词，保留后的词为候选关键词；

S13、构建候选关键词图，G＝(V，E)其中V为节点集，由步骤2中生成的候选关键词组成，然后采用共现关系构造任意两点之间的边，两个节点之间存在的边仅当他们对应的词汇在长度为K的窗口中共现，K表示窗口大小，即最多共现K个单词；

S14、初始化各个节点的权重，迭代计算各个节点的权重，直至收敛；

S15、对节点权重进行倒叙排列，从而得到T个候选关键词，并在原始文本中进行标记，若形成相邻词组则组合成多次关键词。

4.根据权利要求3所述一种医疗自助语音服务设备的方法，其特征在于，所述S2包括：

S21、预处理，将输入的文本或文本集的内容分割成句子得T＝[S1，S2，S3···Sm]，构件图G＝(V，E)其中V为句子集，对句子进行分词，去除停止词，得到Si＝[ti1，ti2，ti3，ti4，···]，其中tij是保留后得候选关键词；

S22、句子相似度计算，构建图G中的边集E，基于句子间的内容覆盖率，对给定两个句子进行相似度计算.若相似度大于给定的阈值，就认为两个句子语义相关并将它们连接起来；

S23、句子权重计算：根据公式，迭代传播权重计算各句子的得分，抽取文摘句，并将得到的句子进行倒序排序，得到T个句子作为候选文摘句；

S24、形成文本摘要：根据字数或句子数要求，从候选文摘句中抽取句子组成摘要。

5.根据权利要求4所述一种模具加工用固定夹具，其特征在于：

所述S3包括：

S31、根据S2中的关键字和摘要，提取最终关键字；

S32、词的实体标注，首先把句子进行原子切分，然后对字(词)进行实体标注；

S33、确定特征函数，接着，确定特征模板，一般采用当前位置的前后n个位置上的词；

S34、利用算法得出结果。

Images