CN116483976A - 挂号科室推荐方法、装置、设备及存储介质 - Google Patents

挂号科室推荐方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116483976A
CN116483976A CN202310483123.4A CN202310483123A CN116483976A CN 116483976 A CN116483976 A CN 116483976A CN 202310483123 A CN202310483123 A CN 202310483123A CN 116483976 A CN116483976 A CN 116483976A
Authority
CN
China
Prior art keywords
inquiry
dialogue
symptoms
nodes
initial
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
Application number
CN202310483123.4A
Other languages
English (en)
Inventor
姚海申
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202310483123.4A priority Critical patent/CN116483976A/zh
Publication of CN116483976A publication Critical patent/CN116483976A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06F16/338—Presentation of query results
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • Animal Behavior & Ethology (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及人工智能领域，揭露一种挂号科室推荐方法，包括：提取对话文本集中每个对话文本中疾病及症状，以构建诊断知识图；当接收用户的挂号科室推荐请求及初始问诊对话时，提取初始问诊对话中的问诊症状；当诊断知识图中问诊症状有连接疾病节点，根据连接的疾病节点确定问诊结果；当诊断知识图中问诊症状没有连接疾病节点，基于问诊症状筛选诊断知识图中的症状节点，并利用筛选节点对初始问诊对话进行更新，直至诊断知识图中问诊症状有连接疾病节点；基于问诊结果对科室进行筛选推荐。本发明还涉及一种区块链技术，所述问诊结果可以存储在区块链节点中。本发明还提出一种挂号科室推荐装置、设备以及介质。本发明可以提高挂号科室推荐的准确率。

Description

挂号科室推荐方法、装置、设备及存储介质
技术领域
本发明涉及人工智能技术及数字医疗技术，尤其涉及一种挂号科室推荐方法、装置、电子设备及存储介质。
背景技术
传统药物使用咨询或疾病问诊挂号时，一般需要向用户推荐对应的科室，以便用户进行对应的问诊。
但是，现在的挂号可以推荐只是根据用户的单一的主诉症状匹配对应的科室推荐，导致挂号科室推荐的准确率较低。
发明内容
本发明提供一种挂号科室推荐方法、装置、电子设备及存储介质，其主要目的在于提高了挂号科室推荐的准确率。
获取问诊对话文本集，提取所述对话文本集中每个对话文本中疾病及症状，并将提取的疾病与症状作为节点进行连接，得到诊断知识图；
当接收用户的挂号科室推荐请求及初始问诊对话时，提取所述初始问诊对话中的症状，得到问诊症状；
判断所述诊断知识图中所述问诊症状是否有连接的疾病节点；
当所述诊断知识图中所述问诊症状有连接的疾病节点，根据连接的疾病节点确定问诊结果；
当所述诊断知识图中所述问诊症状没有连接的疾病节点，对所述诊断知识图中所述问诊症状预设连接范围内的症状节点进行多跳推理筛选，得到目标节点；
基于所述目标节点对应的症状对所述初始问诊对话进行对话生成更新，得到更新后的初始问诊对话，并返回所述提取所述初始问诊对话中的症状步骤；
根据所述问诊结果对预设的所有所述科室进行筛选，并将筛选结果发送至预设的终端设备。
可选地，所述提取所述对话文本集中每个对话文本中疾病及症状，并将提取的疾病与症状作为节点进行连接，得到诊断知识图，包括：
提取所述对话文本中的疾病和症状，并将按照在所述对话文本中出现的先后顺序将提取的疾病与症状作为节点连接构建有向图，得到对话诊断知识图；
将所有所述对话诊断知识图按照相同的节点进行连接，得到初始诊断知识图；
对所述初始诊断知识图进行诊断优化训练，得到所述诊断知识图。
可选地，所述提取所述初始问诊对话中的症状，得到问诊症状，包括：
识别所述问诊对话中的所有症状，并将识别的所有症状按照每个症状所属对话在初始问诊对话中的对话先后顺序进行排序，得到症状序列；
将所述症状序列中排序最后的症状确认为所述问诊症状。
可选地，所述对所述诊断知识图中所述问诊症状预设连接范围内的症状节点进行多跳推理筛选，得到目标节点，包括：
将所述诊断知识图中所述问诊症状对应的节点标记为访问节点；
选取所述诊断知识图中所述问诊症状对应的节点预设连接范围内的症状节点，得到初始节点，其中，所述初始节点为非访问节点；
基于多跳推理算法计算每个所述初始节点的节点分数；
根据所述节点分数对所有所述初始节点进行筛选，得到所述目标节点。
可选地，所述根据所述节点分数对所有所述初始节点进行筛选，得到目标节点，包括：
将所有所述节点分数中的最大节点分数确定为目标节点分数；
将所述目标节点分数对应的初始节点确定为所述目标节点。
可选地，所述基于所述目标节点对应的症状对所述初始问诊对话进行对话生成更新，得到更新后的初始问诊对话，包括：
对所述目标节点的节点分数进行归一化转换，得到所述目标节点的节点分布概率；
基于所述节点分布概率对所述目标节点进行门控选择，得到所述目标节点的门控概率；
判断所述门控概率是否大于预设门控阈值；
当所述门控概率大于预设门控阈值，利用预构建的GPT模型及所述初始问诊对话进行解码以进行文本生成，得到问诊文本；
当所述门控概率不大于预设门控阈值，将所述目标节点对应的症状作为所述GPT模型的解码词，基于所述解码词及所述初始问诊对话，利用所述GPT模型进行解码，得到问诊文本；
获取所述用户基于所述问诊文本的回复，得到问诊回复；
将所述问诊文本及所述问诊回复加入所述初始问诊对话，得到更新后的初始问诊对话。
可选地，所述根据所述问诊结果对预设的所有所述科室进行筛选，并将筛选结果发送至预设的终端设备，包括：
获取每个所述科室的可诊治疾病信息；
将包含所述问诊结果的可诊治疾病信息确定为目标可诊治疾病信息；
将所述目标可诊治疾病信息对应的科室确定为目标科室；
将所述目标科室发送至预设的终端设备。
为了解决上述问题，本发明还提供一种挂号科室推荐装置，所述装置包括：
知识图构建模块，用于获取问诊对话文本集，提取所述对话文本集中每个对话文本中疾病及症状，并将提取的疾病与症状作为节点进行连接，得到诊断知识图；
对话问诊模块，用于当接收用户的挂号科室推荐请求及初始问诊对话时，提取所述初始问诊对话中的症状，得到问诊症状；判断所述诊断知识图中所述问诊症状是否有连接的疾病节点；当所述诊断知识图中所述问诊症状有连接的疾病节点，根据连接的疾病节点确定问诊结果；当所述诊断知识图中所述问诊症状没有连接的疾病节点，对所述诊断知识图中所述问诊症状预设连接范围内的症状节点进行多跳推理筛选，得到目标节点；基于所述目标节点对应的症状对所述初始问诊对话进行对话生成更新，得到更新后的初始问诊对话，并返回所述提取所述初始问诊对话中的症状步骤；
科室筛选模块，用于根据所述问诊结果对预设的所有所述科室进行筛选，并将筛选结果发送至预设的终端设备。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个计算机程序；及
处理器，执行所述存储器中存储的计算机程序以实现上述所述的挂号科室推荐方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的挂号科室推荐方法。
本发明实施例当接收用户的挂号科室推荐请求及初始问诊对话时，提取所述初始问诊对话中的症状，得到问诊症状；判断所述诊断知识图中所述问诊症状是否有连接的疾病节点；当所述诊断知识图中所述问诊症状有连接的疾病节点，根据连接的疾病节点确定问诊结果；当所述诊断知识图中所述问诊症状没有连接的疾病节点，对所述诊断知识图中所述问诊症状预设连接范围内的症状节点进行多跳推理筛选，得到目标节点；基于所述目标节点对应的症状对所述初始问诊对话进行对话生成更新，得到更新后的初始问诊对话，并返回所述提取所述初始问诊对话中的症状步骤；根据所述问诊结果对预设的所有所述科室进行筛选，并将筛选结果发送至预设的终端设备，基于问诊知识图进行问诊对话进行更新，从而更新问诊症状，实现对用户疾病的初步问诊分类，进而根据问诊结果进行科室推荐，与单一的根据问诊症状进行科室筛选推荐，筛选的范围更小，进而提高了筛选的准确率，因此本发明实施例提出的挂号科室推荐方法、装置、电子设备及可读存储介质提高了挂号科室推荐的准确率。
附图说明
图1为本发明一实施例提供的挂号科室推荐方法的流程示意图；
图2为本发明一实施例提供的挂号科室推荐装置的模块示意图；
图3为本发明一实施例提供的实现挂号科室推荐方法的电子设备的内部结构示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种挂号科室推荐方法。所述挂号科室推荐方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述挂号科室推荐方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示的本发明一实施例提供的挂号科室推荐方法的流程示意图，在本发明实施例中，所述挂号科室推荐方法包括以下步骤：
S1、获取问诊对话文本集，提取所述对话文本集中每个对话文本中疾病及症状，并将提取的疾病与症状作为节点进行连接，得到诊断知识图；
本发明实施例中所述对话文本为医生与患者的问诊对话的文本。
进一步地，本发明实施例为了更直观的了解不同疾病与症状的关系，提取所述对话文本集中每个对话文本中疾病及症状，并将提取的疾病与症状作为节点进行连接，得到诊断知识图。
具体地，本发明实施例中所述提取所述对话文本集中每个对话文本中疾病及症状，并将提取的疾病与症状作为节点进行连接，得到诊断知识图，包括：
提取所述对话文本中的疾病和症状，并将按照在所述对话文本中出现的先后顺序将提取的疾病与症状作为节点连接构建有向图，得到对话诊断知识图；
将所有所述对话诊断知识图基于相同的节点进行连接，得到初始诊断知识图；
对所述初始诊断知识图进行诊断优化训练，得到所述诊断知识图。
具体地，本发明实施例知识图中疾病节点与症状节点连接的边权重通过TF-IDF(Term Frequency_Inverse Document Frequency，词语频率-逆文档频率)算法计算，症状节点与症状节点连接的边权重通过PMI(Pointwise MutualInformation，点互信息)算法计算，进一步的，本发明实施例中以诊断的准确率作为优化目标对所述初始诊断知识图进行训练，得到所述诊断知识图。
本发明实施例中将所述诊断知识图中的疾病节点及症状节点为了便于区分，还可以用不同的标识进行区分，如疾病节点和症状节点可以用不同的颜色区分。
S2、当接收用户的挂号科室推荐请求及初始问诊对话时，提取所述初始问诊对话中的症状，得到问诊症状；
本发明实施例中所述挂号科室推荐请求为用户就医问诊需要科室推荐的请求。所述初始问诊对话为医生与用户的初始的格式化对话的文本，如：初始问诊对话为“医生问：有什么不舒服；用户答：肚子疼”。
本发明实施例中为了更好的对用户进行进一步地的问诊，提取所述初始问诊对话中的症状，得到所述问诊症状。
具体地，本发明实施例中提取所述初始问诊对话中的症状，得到所述问诊症状，包括：
识别所述问诊对话中的所有症状，并将识别的所有症状按照每个症状所属对话在初始问诊对话中的对话先后顺序进行排序，得到症状序列；
将所述症状序列中排序最后的症状确认为所述问诊症状。
本发明实施例中可利用实体识别算法是识别所述问诊对话中的所有症状。
S3、判断所述诊断知识图中所述问诊症状是否有连接的疾病节点；
本发明实施例中为了根据用户的症状，确认用户可能的疾病，因此，判断所述诊断知识图中所述诊断知识图中所述问诊症状是否有连接的疾病节点，当所述诊断知识图中所述问诊症状有连接的疾病节点时，所述问诊症状连接的疾病节点即为用户可能的患有疾病，将所述问诊症状连接的疾病节点对应的疾病确定为问诊结果。
S4、当所述诊断知识图中所述问诊症状有连接的疾病节点，根据连接的疾病节点确定问诊结果；
本发明实施例中当所述诊断知识图中所述问诊症状有连接的疾病节点时，所述问诊症状连接的疾病节点即为用户可能的患有疾病，将所述问诊症状连接的疾病节点对应的疾病确定为所述问诊结果，用以对用户进行初始的疾病分类，方便用户进行对应的科室推荐。例如：所述问诊症状连接的疾病节点为“肠炎”，那么将“肠炎”确定为问诊结果。
本发明另一实施例中所述问诊结果可以存储在区块链节点中，利用区块链节点高吞吐的特性，提高数据的取用效率。
S5、当所述诊断知识图中所述问诊症状没有连接的疾病节点，对所述诊断知识图中所述问诊症状预设连接范围内的症状节点进行多跳推理筛选，得到目标节点；
本发明实施例中当所述诊断知识图中所述问诊症状没有连接的疾病节点，证明还需要继续询问用户的症状，才能确定用户可能患有的疾病，因此，需要对所述问诊症状连接的症状节点进行筛选，将筛选的症状节点更新为所述诉求症状。
详细地，本发明实施例中所述对所述诊断知识图中所述问诊症状预设连接范围内的症状节点进行多跳推理筛选，得到目标节点，包括：
将所述诊断知识图中所述问诊症状对应的节点标记为访问节点；
选取所述诊断知识图中所述问诊症状对应的节点预设连接范围内的症状节点，得到初始节点，其中，所述初始节点为非访问节点；
基于多跳推理算法计算每个所述初始节点的节点分数；
根据所述节点分数对所有所述初始节点进行筛选，得到目标节点。
具体地，本发明实施例中利用如下公式计算每个所述初始节点的节点分数，包括：
ns(v)＝(,r∈(Nin(v))(.ns(u)+R(u,,))
其中，Nin(v)表示与初始节点v连接的初始节点的集合，γ表示预设的多跳分数的超参数，ns(v)表示初始节点v的节点分数，ns(u)表示初始节点u的节点分数，f表示平均值函数或最大值函数，R(u,r,v)表示获取的初始节点u、r、v的相关性分数。
本发明实施例中所述相关性分数可利用常用的三元组相关性分数的计算方法进行计算，在此不在赘述。
进一步地，本发明实施例中根据所述节点分数对所有所述初始节点进行筛选，得到目标节点，包括：
将所有所述节点分数中的最大节点分数确定为目标节点分数；
将所述目标节点分数对应的初始节点确定为所述目标节点。
S6、基于所述目标节点对应的症状对所述初始问诊对话进行对话生成更新，得到更新后的初始问诊对话，并返回所述提取所述初始问诊对话中的症状步骤。
具体地，本发明实施例中所述基于所述目标节点对应的症状对所述初始问诊对话进行对话生成更新，得到更新后的初始问诊对话，包括：
对所述目标节点的节点分数进行归一化转换，得到所述目标节点的节点分布概率；
基于所述节点分布概率对所述目标节点进行门控选择，得到所述目标节点的门控概率；
判断所述门控概率是否大于预设门控阈值；
当所述门控概率大于预设门控阈值，利用预构建的GPT模型及所述初始问诊对话进行解码以进行文本生成，得到问诊文本；
当所述门控概率不大于预设门控阈值，将所述目标节点对应的症状作为所述GPT模型的解码词，利用预构建的GPT模型及所述初始问诊对话进行解码，得到问诊文本；
获取所述用户基于所述问诊文本的回复，得到问诊回复；
将所述问诊文本及所述问诊回复加入所述初始问诊对话，得到更新后的初始问诊对话。
具体地，本发明实施例中利用softmax函数将所述目标节点的节点分数进行归一化。
进一步地，本发明实施例中基于所述节点分布概率对所述目标节点进行门控选择，得到所述目标节点的门控概率，包括：
获取所述初始问诊对话输入所述GPT模型后，所述GPT模型的隐层输出，得到隐层输出矩阵；
将所述隐层输出矩阵与预构建的权重矩阵进行矩阵乘法运算，门控特征；
将所述门控特征作为softmax函数的变量进行计算，得到所述门控概率。
详细地，本发明实施例中利用预构建的GPT模型及所述初始问诊对话进行解码以进行文本生成，得到问诊文本，包括：将所述初始问诊对话输入所述GPT模型，利用GPT模型的原始词表进行解码，得到所述问诊文本。
进一步地，本发明实施例中将所述目标节点对应的症状作为所述GPT模型的解码词，基于所述解码词及所述初始问诊对话，利用所述GPT模型进行解码，得到问诊文本，包括：将所述初始问诊对话输入所述GPT模型，基于所述解码词进行解码，得到所述问诊文本。
S7、根据所述问诊结果对预设的所有所述科室进行筛选，并将筛选结果发送至预设的终端设备。
本发明实施例中所述问诊结果为所述诊断知识图中所述问诊症状有连接的疾病节点，因此，本发明实施例中需要确定该疾病节点对应的疾病是哪个科室负责的，进而将对应的科室至发送至预设的终端设备，所有所述科室为所有可以挂号的科室。
具体地，本发明实施例中所述S7，包括：
获取每个所述科室的可诊治疾病信息；
将包含所述问诊结果的可诊治疾病信息确定为目标可诊治疾病信息；
将所述目标可诊治疾病信息对应的科室确定为目标科室；
将所述目标科室发送至预设的终端设备。
具体地，本发明实施例中所述可诊治疾病信息对应科室可以诊治或擅长诊治的疾病的集合，所述终端设备为智能终端设备，可以为发送所述挂号科室推荐请求的设备，包括：手机、电脑、平板等。
如图2所示，是本发明挂号科室推荐装置的功能模块图。
本发明所述挂号科室推荐装置100可以安装于电子设备中。根据实现的功能，所述挂号科室推荐装置可以包括知识图构建模块101、对话问诊模块102、科室筛选模块103，本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述知识图构建模块101用于获取问诊对话文本集，提取所述对话文本集中每个对话文本中疾病及症状，并将提取的疾病与症状作为节点进行连接，得到诊断知识图；
所述对话问诊模块102用于当接收用户的挂号科室推荐请求及初始问诊对话时，提取所述初始问诊对话中的症状，得到问诊症状；判断所述诊断知识图中所述问诊症状是否有连接的疾病节点；当所述诊断知识图中所述问诊症状有连接的疾病节点，根据连接的疾病节点确定问诊结果；当所述诊断知识图中所述问诊症状没有连接的疾病节点，对所述诊断知识图中所述问诊症状预设连接范围内的症状节点进行多跳推理筛选，得到目标节点；基于所述目标节点对应的症状对所述初始问诊对话进行对话生成更新，得到更新后的初始问诊对话，并返回所述提取所述初始问诊对话中的症状步骤；
所述科室筛选模块103用于根据所述问诊结果对预设的所有所述科室进行筛选，并将筛选结果发送至预设的终端设备。
详细地，本发明实施例中所述挂号科室推荐装置100中所述的各模块在使用时采用与上述图1中所述的挂号科室推荐方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图3所示，是本发明实现挂号科室推荐方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12和通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如挂号科室推荐程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如挂号科室推荐程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing Unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如挂号科室推荐程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述通信总线12可以是外设部件互连标准(PerIPheralComponentInterconnect，简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandard Architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述通信总线12总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障分类电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
可选地，所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地，所述通信接口13还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的挂号科室推荐程序是多个计算机程序的组合，在所述处理器10中运行时，可以实现：
获取问诊对话文本集，提取所述对话文本集中每个对话文本中疾病及症状，并将提取的疾病与症状作为节点进行连接，得到诊断知识图；
当接收用户的挂号科室推荐请求及初始问诊对话时，提取所述初始问诊对话中的症状，得到问诊症状；
判断所述诊断知识图中所述问诊症状是否有连接的疾病节点；
当所述诊断知识图中所述问诊症状有连接的疾病节点，根据连接的疾病节点确定问诊结果；
当所述诊断知识图中所述问诊症状没有连接的疾病节点，对所述诊断知识图中所述问诊症状预设连接范围内的症状节点进行多跳推理筛选，得到目标节点；
基于所述目标节点对应的症状对所述初始问诊对话进行对话生成更新，得到更新后的初始问诊对话，并返回所述提取所述初始问诊对话中的症状步骤；
根据所述问诊结果对预设的所有所述科室进行筛选，并将筛选结果发送至预设的终端设备。
具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以是非易失性的，也可以是易失性的。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明实施例还可以提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取问诊对话文本集，提取所述对话文本集中每个对话文本中疾病及症状，并将提取的疾病与症状作为节点进行连接，得到诊断知识图；
当接收用户的挂号科室推荐请求及初始问诊对话时，提取所述初始问诊对话中的症状，得到问诊症状；
判断所述诊断知识图中所述问诊症状是否有连接的疾病节点；
当所述诊断知识图中所述问诊症状有连接的疾病节点，根据连接的疾病节点确定问诊结果；
当所述诊断知识图中所述问诊症状没有连接的疾病节点，对所述诊断知识图中所述问诊症状预设连接范围内的症状节点进行多跳推理筛选，得到目标节点；
基于所述目标节点对应的症状对所述初始问诊对话进行对话生成更新，得到更新后的初始问诊对话，并返回所述提取所述初始问诊对话中的症状步骤；
根据所述问诊结果对预设的所有所述科室进行筛选，并将筛选结果发送至预设的终端设备。
进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种挂号科室推荐方法，其特征在于，所述方法包括：
获取问诊对话文本集，提取所述对话文本集中每个对话文本中疾病及症状，并将提取的疾病与症状作为节点进行连接，得到诊断知识图；
当接收用户的挂号科室推荐请求及初始问诊对话时，提取所述初始问诊对话中的症状，得到问诊症状；
判断所述诊断知识图中所述问诊症状是否有连接的疾病节点；
当所述诊断知识图中所述问诊症状有连接的疾病节点，根据连接的疾病节点确定问诊结果；
当所述诊断知识图中所述问诊症状没有连接的疾病节点，对所述诊断知识图中所述问诊症状预设连接范围内的症状节点进行多跳推理筛选，得到目标节点；
基于所述目标节点对应的症状对所述初始问诊对话进行对话生成更新，得到更新后的初始问诊对话，并返回所述提取所述初始问诊对话中的症状步骤；
根据所述问诊结果对预设的所有所述科室进行筛选，并将筛选结果发送至预设的终端设备。
2.如权利要求1所述的挂号科室推荐方法，其特征在于，所述提取所述对话文本集中每个对话文本中疾病及症状，并将提取的疾病与症状作为节点进行连接，得到诊断知识图，包括：
提取所述对话文本中的疾病和症状，并将按照在所述对话文本中出现的先后顺序将提取的疾病与症状作为节点连接构建有向图，得到对话诊断知识图；
将所有所述对话诊断知识图基于相同的节点进行连接，得到初始诊断知识图；
对所述初始诊断知识图进行诊断优化训练，得到所述诊断知识图。
3.如权利要求1所述的挂号科室推荐方法，其特征在于，所述提取所述初始问诊对话中的症状，得到问诊症状，包括：
识别所述问诊对话中的所有症状，并将识别的所有症状按照每个症状所属对话在初始问诊对话中的对话先后顺序进行排序，得到症状序列；
将所述症状序列中排序最后的症状确认为所述问诊症状。
4.如权利要求1中所述的挂号科室推荐方法，其特征在于，所述对所述诊断知识图中所述问诊症状预设连接范围内的症状节点进行多跳推理筛选，得到目标节点，包括：
将所述诊断知识图中所述问诊症状对应的节点标记为访问节点；
选取所述诊断知识图中所述问诊症状对应的节点预设连接范围内的症状节点，得到初始节点，其中，所述初始节点为非访问节点；
基于多跳推理算法计算每个所述初始节点的节点分数；
根据所述节点分数对所有所述初始节点进行筛选，得到所述目标节点。
5.如权利要求4所述的挂号科室推荐方法，其特征在于，所述根据所述节点分数对所有所述初始节点进行筛选，得到目标节点，包括：
将所有所述节点分数中的最大节点分数确定为目标节点分数；
将所述目标节点分数对应的初始节点确定为所述目标节点。
6.如权利要求1中所述的挂号科室推荐方法，其特征在于，所述基于所述目标节点对应的症状对所述初始问诊对话进行对话生成更新，得到更新后的初始问诊对话，包括：
对所述目标节点的节点分数进行归一化转换，得到所述目标节点的节点分布概率；
基于所述节点分布概率对所述目标节点进行门控选择，得到所述目标节点的门控概率；
判断所述门控概率是否大于预设门控阈值；
当所述门控概率大于预设门控阈值，利用预构建的GPT模型及所述初始问诊对话进行解码以进行文本生成，得到问诊文本；
当所述门控概率不大于预设门控阈值，将所述目标节点对应的症状作为所述GPT模型的解码词，基于所述解码词及所述初始问诊对话，利用所述GPT模型进行解码，得到问诊文本；
获取所述用户基于所述问诊文本的回复，得到问诊回复；
将所述问诊文本及所述问诊回复加入所述初始问诊对话，得到更新后的初始问诊对话。
7.如权利要求1至6中任意一项所述的挂号科室推荐方法，其特征在于，所述根据所述问诊结果对预设的所有所述科室进行筛选，并将筛选结果发送至预设的终端设备，包括：
获取每个所述科室的可诊治疾病信息；
将包含所述问诊结果的可诊治疾病信息确定为目标可诊治疾病信息；
将所述目标可诊治疾病信息对应的科室确定为目标科室；
将所述目标科室发送至预设的终端设备。
8.一种挂号科室推荐装置，其特征在于，包括：
知识图构建模块，用于获取问诊对话文本集，提取所述对话文本集中每个对话文本中疾病及症状，并将提取的疾病与症状作为节点进行连接，得到诊断知识图；
对话问诊模块，用于当接收用户的挂号科室推荐请求及初始问诊对话时，提取所述初始问诊对话中的症状，得到问诊症状；判断所述诊断知识图中所述问诊症状是否有连接的疾病节点；当所述诊断知识图中所述问诊症状有连接的疾病节点，根据连接的疾病节点确定问诊结果；当所述诊断知识图中所述问诊症状没有连接的疾病节点，对所述诊断知识图中所述问诊症状预设连接范围内的症状节点进行多跳推理筛选，得到目标节点；基于所述目标节点对应的症状对所述初始问诊对话进行对话生成更新，得到更新后的初始问诊对话，并返回所述提取所述初始问诊对话中的症状步骤；
科室筛选模块，用于根据所述问诊结果对预设的所有所述科室进行筛选，并将筛选结果发送至预设的终端设备。
9.一种电子设备，其特征在于，所述电子设备包括：
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计算机程序，所述计算机程序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如权利要求1至7中任一项所述的挂号科室推荐方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的挂号科室推荐方法。
CN202310483123.4A 2023-04-28 2023-04-28 挂号科室推荐方法、装置、设备及存储介质 Pending CN116483976A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310483123.4A CN116483976A (zh) 2023-04-28 2023-04-28 挂号科室推荐方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310483123.4A CN116483976A (zh) 2023-04-28 2023-04-28 挂号科室推荐方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN116483976A true CN116483976A (zh) 2023-07-25

Family

ID=87211692

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310483123.4A Pending CN116483976A (zh) 2023-04-28 2023-04-28 挂号科室推荐方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116483976A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117196035A (zh) * 2023-08-31 2023-12-08 摩尔线程智能科技(北京)有限责任公司 回复内容的处理方法、装置、电子设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117196035A (zh) * 2023-08-31 2023-12-08 摩尔线程智能科技(北京)有限责任公司 回复内容的处理方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
WO2021151291A1 (zh) 疾病风险的分析方法、装置、电子设备及计算机存储介质
CN113626606B (zh) 信息分类方法、装置、电子设备及可读存储介质
CN114979120B (zh) 数据上传方法、装置、设备及存储介质
WO2023178978A1 (zh) 基于人工智能的处方审核方法、装置、设备及介质
CN116483976A (zh) 挂号科室推荐方法、装置、设备及存储介质
CN116578704A (zh) 文本情感分类方法、装置、设备及计算机可读介质
WO2022227171A1 (zh) 关键信息提取方法、装置、电子设备及介质
CN116895357A (zh) 电子病历生成方法、装置、设备及介质
CN116403693A (zh) 问诊单派单方法、装置、设备及存储介质
CN116860935A (zh) 基于提示词问答交互的内容管理方法、装置、设备及介质
CN116383766A (zh) 基于多模态数据的辅诊方法、装置、设备及存储介质
CN116702776A (zh) 基于跨中西医的多任务语义划分方法、装置、设备及介质
CN116705304A (zh) 基于图像文本的多模态任务处理方法、装置、设备及介质
CN116434934A (zh) 基于消息队列的患者候诊方法、装置、电子设备及介质
CN115982454A (zh) 基于用户画像的问卷推送方法、装置、设备及存储介质
CN114373541A (zh) 基于分布式的智能中医诊断方法、系统及存储介质
CN113657546A (zh) 信息分类方法、装置、电子设备及可读存储介质
CN114864032B (zh) 基于his系统的临床数据采集方法及装置
CN116741358A (zh) 问诊挂号推荐方法、装置、设备及存储介质
CN113887941B (zh) 业务流程生成方法、装置、电子设备及介质
CN116525142A (zh) 基于线上问诊的意图识别方法、装置、电子设备及介质
CN116431810A (zh) 剪枝范式的病症片段抽取方法、装置、设备及存储介质
CN115862790A (zh) 问卷问题权重生成方法、装置、设备及存储介质
CN116403704A (zh) 基于在线医疗信息的重症预警方法、装置、设备及介质
CN116881558A (zh) 基于药品的问卷推送方法、装置、设备及存储介质

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