CN117373698A - 基于会话交互的导医信息获取方法、装置和设备 - Google Patents

Abstract

本申请涉及一种基于会话交互的导医信息获取方法、装置、计算机设备、存储介质和计算机程序产品。该方法涉及人工智能技术。方法包括：获取导医需求信息；调用大语言模型，基于导医需求信息进行语义理解，得到用户意图；当用户意图为导医意图时，对导医需求信息进行导医关键信息提取，若导医需求信息中不包括预设类型的导医关键信息，则在导医会话界面中显示关于预设类型的导医关键信息的询问语句，并接收在导医会话界面中针对询问语句发送的预设类型的导医关键信息；根据各医院信息，筛选出与获取的导医关键信息匹配的目标医院，根据目标医院的在线访问入口生成答复内容，将答复内容发送至导医会话界面。这样，提高了导医信息获取的精确性。

Description

基于会话交互的导医信息获取方法、装置和设备

技术领域

本申请涉及人工智能技术领域，特别是涉及一种基于会话交互的导医信息获取方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着互联网技术的发展，出现了在线问答技术，例如，在一些关于就医场景中，用户通过发起在线就医会话进行相关的咨询，以确认就诊的医院。

在相关技术中，常常通过端到端的方法来实现在线就医会话。端到端方法是将进行在线咨询的对话系统作为一个整体问题，而不进行子任务的分解，利用神经网络，从对话历史数据中生成响应。但是，直接从对话历史数据中生成响应，导致神经网络在进行推理时缺少明确的中间表示，缺乏对话系统的可解释性，从而，无法准确理解会话的内容。

发明内容

基于此，有必要针对上述技术问题，提供一种能够确保导医信息获取过程的准确性的基于会话交互的导医信息获取方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种基于会话交互的导医信息获取方法。所述方法包括：

获取在应用程序的导医会话界面中发送的导医需求信息；

调用大语言模型，基于所述导医需求信息进行语义理解，得到用户意图；

当所述用户意图为导医意图时，对所述导医需求信息进行导医关键信息提取，若提取结果指示所述导医需求信息中不包括预设类型的导医关键信息，则在所述导医会话界面中显示关于预设类型的导医关键信息的询问语句，并接收在所述导医会话界面中针对所述询问语句发送的预设类型的导医关键信息；

根据获取的导医关键信息与各医院信息之间的相关程度，筛选出与获取的导医关键信息匹配的目标医院，根据所述目标医院的在线访问入口生成答复内容，将所述答复内容发送至所述导医会话界面；所述在线访问入口用于在触发后跳转至所述应用程序提供的所述目标医院的访问界面。

第二方面，本申请还提供了一种基于会话交互的导医信息获取装置。所述装置包括：

导医需求信息获取模块，用于获取在应用程序的导医会话界面中发送的导医需求信息；

语义理解模块，用于调用大语言模型，基于所述导医需求信息进行语义理解，得到用户意图；

导医关键信息获取模块，用于当所述用户意图为导医意图时，对所述导医需求信息进行导医关键信息提取，若提取结果指示所述导医需求信息中不包括预设类型的导医关键信息，则在所述导医会话界面中显示关于预设类型的导医关键信息的询问语句，并接收在所述导医会话界面中针对所述询问语句发送的预设类型的导医关键信息；

发送模块，用于根据获取的导医关键信息与各医院信息之间的相关程度，筛选出与获取的导医关键信息匹配的目标医院，根据所述目标医院的在线访问入口生成答复内容，将所述答复内容发送至所述导医会话界面；所述在线访问入口用于在触发后跳转至所述应用程序提供的所述目标医院的访问界面。

在一些实施例中，所述装置还包括导医需求信息校验模块，所述导医需求信息校验模块，用于获取所述应用程序所关联的多个可访问医院；若校验到所述导医需求信息不包含所述多个可访问医院中的任意一医院，则执行所述调用大语言模型，基于所述导医需求信息进行语义理解，得到用户意图的步骤。

在一些实施例中，所述导医需求信息校验模块，用于对所述导医需求信息进行分词处理并去除无效词，得到会话词语；若所述会话词语中包括医院相关词语，则根据所述多个可访问医院的医院名称和所述会话词语，对所述多个可访问医院进行至少一次召回；若召回得到的可访问医院与所述医院相关词语匹配，则确定所述导医需求信息包含所述多个可访问医院中的任意一医院；若召回得到的可访问医院与所述医院相关词语不匹配，则确定所述导医需求信息不包含所述多个可访问医院中的任意一医院。

在一些实施例中，所述导医需求信息校验模块，用于对所述多个可访问医院的医院名称进行分词处理，得到可访问医院词语；根据所述会话词语和所述可访问医院词语间的相似程度，从所述多个可访问医院中筛选出可访问医院，得到一次召回医院集合；根据所述一次召回医院集合中各个可访问医院的可访问医院词语和所述医院相关词语之间的匹配程度，从所述一次召回医院集合中筛选出可访问医院，得到二次召回医院集合。

在一些实施例中，所述导医需求信息校验模块，用于若校验到所述导医需求信息包含所述多个可访问医院中的任意一医院，则根据所包含的可访问医院的在线访问入口生成答复内容，将所述答复内容发送至所述导医会话界面。

在一些实施例中，所述语义理解模块，用于获取第一提示语料，所述第一提示语料包括提示问句与提示答句，所述提示答句是所述提示问句的意图描述文本；调用大语言模型识别所述第一提示语料的问答形式，并以所述导医需求信息为问句，按照所述问答形式确定所述导医需求信息的答句；将所述导医需求信息的答句作为所述用户意图。

在一些实施例中，所述语义理解模块，用于当所述用户意图为除所述导医意图以外的其它意图时，则获取与所述导医需求信息相关的询问语句；获取针对所述询问语句输入的导医需求信息；对输入的导医需求信息继续执行所述调用大语言模型，基于所述导医需求信息进行语义理解，得到用户意图的步骤。

在一些实施例中，所述导医关键信息获取模块，用于获取第二提示语料，所述第二提示语料包括提示问句与提示答句，所述提示答句是所述提示问句中的导医关键信息；调用大语言模型识别所述第二提示语料的问答形式，并以所述导医需求信息为问句，按照所述问答形式确定所述导医需求信息的答句；将所述导医需求信息的答句作为所述导医需求信息中的导医关键信息。

在一些实施例中，所述预设类型包括症状描述信息类型与就医位置信息类型；所述导医关键信息获取模块，用于若提取结果指示所述导医需求信息中不包括预设类型的导医关键信息，则在所述导医会话界面中发送关于症状描述信息的询问语句，并接收在所述导医会话界面中针对所述关于症状描述信息的询问语句发送的描述信息；若所述描述信息为症状描述信息，则继续在所述导医会话界面中发送关于就医位置信息的询问语句，并接收在所述导医会话界面中针对所述关于就医位置信息的询问语句发送的位置信息；若所述位置信息为就医位置信息，则将获取到的症状描述信息和就医位置信息作为导医关键信息。

在一些实施例中，所述发送模块，用于获取与所述应用程序所关联的多个可访问医院的医院信息；根据所述导医关键信息与各所述可访问医院的医院信息的相关程度，确定各所述可访问医院的召回得分，相关程度越高，相应的召回得分越高；将相应召回得分最高的可访问医院确定为匹配的目标医院。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述基于会话交互的导医信息获取方法的步骤。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于会话交互的导医信息获取方法的步骤。

第五方面，本申请还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，该计算机程序被处理器执行时实现上述基于会话交互的导医信息获取方法的步骤。

上述基于会话交互的导医信息获取方法、装置、计算机设备、存储介质和计算机程序产品，通过获取在应用程序的导医会话界面中发送的导医需求信息；调用大语言模型，基于导医需求信息进行语义理解，得到用户意图，以明确导医需求信息是否有就医需求的意图。当用户意图为导医意图时，对导医需求信息进行导医关键信息提取，若提取结果指示导医需求信息中不包括预设类型的导医关键信息，则在导医会话界面中显示关于预设类型的导医关键信息的询问语句，并接收在导医会话界面中针对询问语句发送的预设类型的导医关键信息。根据获取的导医关键信息与各医院信息之间的相关程度，筛选出与获取的导医关键信息匹配的目标医院，也即是，以实际的就医需求为导向，精准查询出与之合适的医院。根据目标医院的访问入口生成答复内容，将答复内容发送至导医会话界面；访问入口用于在触发后跳转至应用程序提供的目标医院的访问界面。这样，通过先确保导医需求信息存在就医需求，然后再通过识别出的就医需求，准确匹配出目标医院，确保了导医信息获取过程的准确性。

附图说明

图1为一个实施例中基于会话交互的导医信息获取方法的应用环境图；

图2为一个实施例中基于会话交互的导医信息获取方法的流程示意图；

图3为一个实施例中导医会话界面的示意图；

图4为一个实施例中校验步骤的流程示意图；

图5为一个实施例中语义理解的流程示意图；

图6为一个实施例中导医关键词信息获取的流程示意图；

图7为一个实施例中就医位置信息获取的流程示意图；

图8为一个实施例中召回步骤的流程示意图；

图9为一个实施例中会话系统架构的示意图；

图10为另一个实施例中基于会话交互的导医信息获取方法的流程示意图；

图11为一个实施例中基于会话交互的导医信息获取装置的结构框图；

图12为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的基于会话交互的导医信息获取方法，涉及人工智能(Artificial Intelligence,AI)技术，人工智能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。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。本申请实施例提供的基于会话交互的导医信息获取方法，具体涉及人工智能的机器学习技术。

在相关技术中，常常通过在线就医会话来为用户查询出就诊的医院，例如，将实现在线就医会话的系统作为一个整体问题，不进行子任务的分解，而是基于神经网络，直接从对话历史数据中生成响应，从而，确定进行就诊的医院。然而，相关技术中在模型推理生成响应的过程中，缺少明确的中间显示，从而，降低了在线就医会话的系统的可解释性，因此，无法准确理解会话的内容。

本申请实施例提供的基于会话交互的导医信息获取方法，通过获取在应用程序的导医会话界面中发送的导医需求信息；调用大语言模型，基于导医需求信息进行语义理解，得到用户意图，以明确导医需求信息是否有就医需求的意图。当用户意图为导医意图时，对导医需求信息进行导医关键信息提取，若提取结果指示导医需求信息中不包括预设类型的导医关键信息，则在导医会话界面中显示关于预设类型的导医关键信息的询问语句，并接收在导医会话界面中针对询问语句发送的预设类型的导医关键信息。根据获取的导医关键信息与各医院信息之间的相关程度，筛选出与获取的导医关键信息匹配的目标医院，也即是，以实际的就医需求为导向，精准查询出与之合适的医院。根据目标医院的访问入口生成答复内容，将答复内容发送至导医会话界面；访问入口用于在触发后跳转至应用程序提供的目标医院的访问界面。这样，通过先确保导医需求信息存在就医需求，然后再通过识别出的就医需求，准确匹配出目标医院，确保了导医信息获取过程的准确性。

本申请实施例提供的基于会话交互的导医信息获取方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他服务器上。

在一些实施例中，本申请实施例提供的基于会话交互的导医信息获取方法可以由终端102和服务器104协同执行。终端102展示应用程序的导医会话界面，并在导医会话界面中展示导医需求信息，将该导医需求信息发生至服务器104，服务器104调用大语言模型，基于所述导医需求信息进行语义理解，得到用户意图；当用户意图为导医意图时，服务器104对导医需求信息进行导医关键信息提取，若提取结果指示导医需求信息中不包括预设类型的导医关键信息，则在导医会话界面中显示关于预设类型的导医关键信息的询问语句，并接收在导医会话界面中针对询问语句发送的预设类型的导医关键信息；服务器104根据获取的导医关键信息与各医院信息之间的相关程度，筛选出与获取的导医关键信息匹配的目标医院，服务器104根据目标医院的在线访问入口生成答复内容，服务器104将答复内容发送至终端102，终端102的导医会话界面展示答复内容。在线访问入口用于在触发后跳转至应用程序提供的目标医院的访问界面。其中，应用程序是可以进行导医会话的应用，例如，应用程序为即时通信应用，该应用中关注了可发起导医会话的公众号。又例如，应用程序可以是关于健康查询的应用。

其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种基于会话交互的导医信息获取方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：

步骤S202，获取在应用程序的导医会话界面中发送的导医需求信息。

其中，导医是在线引导用户确定相应医院的过程。导医会话是进行关于导医的咨询的会话。导医会话界面是进行导医会话的界面，该导医会话界面展示了应用程序的智能账号和用户的目标账号间的导医会话。导医需求信息是用户通过目标账号发送的。

导医需求信息的形式可以是文本，也可以是语音等，具体不作限定。

应用程序是能够进行导医会话的应用，该应用程序关联多家医院的相关信息，基于此，能够从关联的多家医院中查询是否有符合需求的目标医院。应用程序可以是下载在移动终端，或者桌面端的应用，也可以是无需下载的小程序，具体不作限定。示例性地，应用程序为进行在线医院查询的应用，示例性地，应用程序为进行导医会话的小程序，示例性地，应用程序为具备导医会话功能的应用，如，即时通信应用中具备导医会话功能的公众号，通过进入该具备导医会话功能的公众号，进行导医会话。

可选地，终端展示应用程序的导医会话界面，并获取通过目标账号输入的导医需求信息。服务器获取终端发送的导医需求信息。

上述在导医会话界面中首个交互信息可以是通过目标账号输入的导医需求信息，首个交互信息也可以是通过智能账号发送的关于医院查询的询问语句，如：“您好，我是智能助手，请您描述您的就医需求。”，基于此，通过目标账号发送针对于该询问语句的导医需求信息，这样，能够引导用户描述出自己的就医需求，避免无关信息的输入，确保会话效率。

上述提及的终端展示应用程序的导医会话界面的步骤，包括：

示例性地，终端展示通过目标账号登录的即时通信应用，响应于对具备导医会话功能的目标公众号的查询操作，展示导医会话界面，该目标公众号关联了多家医院的相关信息。或者，响应于对具备导医会话功能的目标小程序的查询操作，展示导医会话界面。此时，通过目标账号在导医会话界面中输入导医需求信息。

示例性地，终端展示通过目标账号登录的就医应用，该就医应用具备在线查询医院功能。响应于在就医应用的搜索框中的查询操作，展示导医会话界面。

示例性地，终端展示目标网页，目标网页叠加显示目标小程序的图标，响应于对该图标的触发操作，跳转至目标小程序的导医会话界面。目标网页是与医疗相关的网页，例如，科普医疗知识的网页，又例如，医疗设备交互的页面。

步骤S204，调用大语言模型，基于导医需求信息进行语义理解，得到用户意图。

其中，用户意图指用户所输入的导医需求信息中蕴含的主题和意图。语义理解用于对导医需求信息进行理解，以获取用户的意图，语义理解是偏向于应用层的自然语言理解任务。语义理解可以理解为意图识别，意图识别可以看作是一个分类问题，针对医疗产品的特点，定义不同的查询意图类别，例如，对于用户输入的词条，根据统计分类模型计算出每一个意图的概率，最终给出查询的意图。本申请实施例中意图识别用于确定用户在与计算机进行对话时的意图或者目的。

大语言模型是一种基于深度学习的自然语言处理技术，通过训练大量的语料库数据，能够预测和生成自然语言文本。在自然语言处理领域，大语言模型已经被广泛应用，例如语音识别、机器翻译、自动摘要、对话系统、智能问答等。其中，大语言模型具有少样本情境学习(Few-shot in-context learning)的能力，能够学习如何从少量的示例中推断出新的任务或概念来实现这一目标。这种技术可以帮助机器学习模型更好地应对现实世界中的不确定性和变化。具体地而言，该能力将少样本学习和情境学习的方法结合起来应用，旨在通过提供少量的训练样本，使模型能够有效地学习和迁移到新环境或任务。在这种学习方法中，模型不仅考虑输入数据的上下文信息，同时也考虑输入数据样本的数量非常少的情况。这使得模型能够在承担新任务时更好地反映自身学习的能力和应用的智能。可选地，服务器调用训练好的语义理解模型，对导医需求信息进行语义理解，得到导医需求信息的用户意图。该训练好的语义理解模型是通过相应的标注数据对语义理解模型进行模型训练得到的。该语义理解模型可以理解为意图识别模型，训练好的语义理解模型仅用于获取用户意图。

可选地，服务器调用大语言模型，将该导医需求信息输入至大语言模型中进行语义理解，得到导医需求信息的用户意图。大语言模型用于进行语义理解，此外，大语言模型还用于信息提取。

可选地，在服务器确定导医需求信息中不包含指定医院的情况下，对该导医需求信息进行语义理解，得到用户意图。指定医院是应用程序所关联的多个医院中的一个。

示例性地，在服务器确定导医需求信息中不包含指定医院的情况下，调用训练好的语义理解模型，或者大语言模型，对导医需求信息进行语义理解，得到用户意图。

步骤S206，当用户意图为导医意图时，对导医需求信息进行导医关键信息提取，若提取结果指示导医需求信息中不包括预设类型的导医关键信息，则在导医会话界面中显示关于预设类型的导医关键信息的询问语句，并接收在导医会话界面中针对询问语句发送的预设类型的导医关键信息。

其中，导医意图也可以理解为就医意图，即进行就医的意图。导医关键信息是包含医院相关的信息，例如，导医关键信息可以包括症状相关信息、医院位置信息和用户所在位置信息、医院信息等。导医关键信息用于校验应用程序所关联的多个医院中是否存在与之匹配的医院。预设类型至少包括症状描述信息类型与就医位置信息类型。若预设类型包括症状描述信息类型和就医位置信息类型时，不存在预设类型的导医关键信息是指既不包含症状描述信息类型的导医关键信息，也不包含就医位置信息类型的导医关键信息。其中，症状描述信息类型的导医关键信息是指症状相关的信息，例如，该信息包含了具体的症状。就医位置信息类型的导医关键信息包括用户期望医院所在的位置和用户所在位置中的至少一种信息。

可选地，服务器校验用户意图是否为导医意图。当校验到用户意图为导医意图时，服务器通过信息提取模型，对导医需求信息进行导医关键信息的提取，得到提取结果。

或者，服务器通过调用大语言模型，对导医需求信息进行导医关键信息的提取，得到提取结果。

若提取结果表征该导医需求信息中不包括预设类型的导医关键信息，则服务器通过多轮问询的方式获取预设类型的导医关键信息。其中，多轮问询的方式是指通过智能账号结合用户输入的回应信息反复地发送多次询问语句，以指示通过目标账号输入与询问语句对应的回应信息，根据回应信息确定导医关键信息。例如，通过智能账号发送多次关于导医关键信息的询问语句，直至获取到预设类型的导医关键信息时停止发送。

示例性地，在服务器获取到的提取结果后，若服务器校验到提取结果表征该导医需求信息中包括预设类型的导医关键信息，则执行步骤S208。

若提取结果表征该导医需求信息中不包括预设类型的导医关键信息，则服务器确定症状描述信息类型对应的询问语句，并通过智能账号发送询问语句，终端获取通过目标账号发送的针对询问语句的第一回答内容，并发送至服务器，服务器在确定了该第一回答内容对应用户意图为导医意图的情况下，对该第一回答内容进行症状描述信息类型的导医关键信息的提取，若提取不到症状描述信息类型的导医关键信息，则继续通过智能账号发送症状描述信息类型对应的询问语句，直至获取到症状描述信息类型的导医关键信息为止。

此时，服务器确定就医位置信息类型对应的询问语句，并通过智能账号发送询问语句，终端获取通过目标账号发送的针对询问语句的第二回答内容，并发送至服务器。服务器对第二回答内容进行就医位置信息类型的导医关键信息提取，若提取不到就医位置信息类型的导医关键信息，则继续通过智能账号发送就医位置信息类型对应的询问语句，直至获取到就医位置信息类型的导医关键信息为止。

可以理解的是，症状描述信息类型对应的询问语句目的在于问询出症状相关的信息，例如，问询症状是什么、基于出现的症状想要去什么样的医院、或者想要找什么样的医生等等，智能账号所输出的症状描述信息类型对应的询问语句可以是“请您描述得更清楚些”，基于此，目标账号所发送的第一回答内容有可能仍是与症状无关信息，或者不包含有指定医院，那么此时，为了确保导医信息获取的准确性，在获取到了第一导医需求信息后，服务器需要执行对第一导医需求信息进行语义理解，得到第一导医需求信息的用户意图，直到确定了第一导医需求信息的用户意图为导医意图时，服务器才会对第一导医需求信息进行症状描述信息类型的导医关键信息提取。

就医位置信息类型对应的询问语句目的在于确定用户所期望的医院的位置、以及知晓用户所在的位置，如，就医位置信息类型对应的询问语句可以是“请问您期望到哪所医院”、也可以是“请问您现在在哪座城市”。就医位置信息类型对应的询问语句并不关心导医需求信息是否是导医意图，因此，为提高会话效率，在获取到了第二导医需求信息后，直接执行对就医位置信息类型的导医关键信息进行提取的步骤。

步骤S208，根据获取的导医关键信息与各医院信息之间的相关程度，筛选出与获取的导医关键信息匹配的目标医院，根据目标医院的访问入口生成答复内容，将答复内容发送至导医会话界面；访问入口用于在触发后跳转至应用程序提供的目标医院的访问界面。

其中，医院信息是关于医院的信息，例如，医院信息包含医院名称、医院内部科室、医院内部的工作人员、以及工作时间等。相关程度越高，则导医关键信息与医院信息越相似。访问入口是指医院接口，通过该访问入口，用户可以访问到相应医院的界面。答复内容是指针对导医需求信息进行答复的内容，答复内容可以是链接的形式展示在导医会话界面，也可以是目标医院的小卡片的形式展示在导医会话界面中。

可选地，服务器获取与应用程序关联的多个医院，并根据获取到的导医关键信息和各医院的医院信息间的相关程度，从应用程序关联的多个医院中，筛选出与预设类型的导医关键信息匹配的目标医院，并获取目标医院的访问入口，根据该访问入口生成答复内容，并将该答复内容发送至用户所在终端，该终端在导医会话界面中展示该答复内容。终端响应于通过目标账号对该答复内容的触发操作，跳转至应用程序提供的目标医院的访问界面。

示例性地，通过目标账号输入导医需求信息为“我脚崴了，想去附近医院看看”。服务器获取该导医需求信息，对该导医需求信息进行语义理解，得到了用户意图，若该用户意图确定为导医意图，且提取到了导医关键信息，即“脚崴了”、“附近医院”。此时，服务器从小程序所关联的多个医院中，定位出与导医需求信息匹配的目标医院，即第二医院。如图3所示，为一个实施例中导医会话界面的示意图。图3是以智能账号的角度进行展示的，即，智能账号获取到目标账号发送的导医需求信息后，智能账号找到了与之匹配的目标医院，并通过智能账号发送查询结论信息，即，“已找到合适您的医院”，并展示目标医院的小卡片。该小程序上展示了目标医院的名称，即“第二医院”，并显示了该目标医院距离用户的距离为6.5km(千米)。小卡片上还展示了目标医院的科室信息，例如，一共包含55个科室，并展示了各科室挂号的标识。通过目标账号对目标医院的小卡片中小程序控件的触发操作，跳转至第二医院的访问界面。

上述基于会话交互的导医信息获取方法中，通过获取在应用程序的导医会话界面中发送的导医需求信息；调用大语言模型，基于导医需求信息进行语义理解，得到用户意图，以明确导医需求信息是否有就医需求的意图。当用户意图为导医意图时，对导医需求信息进行导医关键信息提取，若提取结果指示导医需求信息中不包括预设类型的导医关键信息，则在导医会话界面中显示关于预设类型的导医关键信息的询问语句，并接收在导医会话界面中针对询问语句发送的预设类型的导医关键信息。根据获取的导医关键信息与各医院信息之间的相关程度，筛选出与获取的导医关键信息匹配的目标医院，也即是，以实际的就医需求为导向，精准查询出与之合适的医院。根据目标医院的访问入口生成答复内容，将答复内容发送至导医会话界面；访问入口用于在触发后跳转至应用程序提供的目标医院的访问界面。这样，通过先确保导医需求信息存在就医需求，然后再通过识别出的就医需求，准确匹配出目标医院，确保了导医信息获取过程的准确性。

在一些实施例中，方法还包括：获取应用程序所关联的多个可访问医院；若校验到导医需求信息不包含多个可访问医院中的任意一医院，则执行调用大语言模型，基于所述导医需求信息进行语义理解，得到用户意图的步骤。

其中，可访问医院是指应用程序可以访问的医院。对于该应用程序而言，存在内部的私域医院数据，私域医院数据包括该应用程序能够直接访问的多个可访问医院、以及各可访问医院各自的医院信息。私域医院数据是实时更新的且数据更为全面。

可选地，服务器在获取到了导医需求信息后，获取该应用程序所关联的多个可访问医院，并根据多个可访问医院的医院信息，确定该导医需求信息是否包含多个可访问医院中的任意一个医院。若服务器校验到导医需求信息不包含多个可访问医院中的任意一医院，则执行步骤S204。

示例性地，服务器在获取到了导医需求信息后，校验该导医需求信息中是否有包含指定的医院，若包含指定的医院，则返回上述获取该应用程序所关联的多个可访问医院的步骤继续执行。若不包含指定医院，则返回步骤S204继续执行。也就是说，在获取到了导医需求信息后，先确认用户是否有指定医院，若有，则进一步确认这个指定医院是否为应用程序所关联的可访问医院。

在本实施例中，一旦获取到导医需求信息，通过校验导医需求信息中是否包含应用程序所关联的多个可访问医院中的一个，若不包含，则说明用户并未指定任何医院，排除用户指定了可访问医院的情况，然后，再进行语义理解确保语义理解的有效性，从而，确保了后续导医信息获取的有效性和可靠性。

在一些实施例中，方法还包括：对导医需求信息进行分词处理并去除无效词，得到会话词语；若会话词语中包括医院相关词语，则根据多个可访问医院的医院名称和会话词语，对多个可访问医院进行至少一次召回；若召回得到的可访问医院与医院相关词语匹配，则确定导医需求信息包含多个可访问医院中的任意一医院；若召回得到的可访问医院与医院相关词语不匹配，则确定导医需求信息不包含多个可访问医院中的任意一医院。

其中，无效词可以视为停用词，即在处理自然语言数据之前或之后自动过滤的词，比如，代词、介词、连词等。会话词语可以是不包含无效词的集合，医院相关词语包括医院名称。例如，导医需求信息为“我脚崴了，我想去第二医院”，那么，“您好”、“我”、“了”、“想去”；那么，会话词语包括“脚崴”、“第二医院”。医院相关词语可以是“第二医院”。

可选地，服务器按照预设的分词方式，对导医需求信息进行分词，得到多个待处理分词，从至少一个待处理分词中去除无效词，得到会话词语。若服务器校验到会话词语中包括医院相关词语，则服务器根据多个可访问医院的医院名称和会话词语，进行至少一次召回，确定医院相关词语分别与各召回得到的可访问医院间的得分，得分越高，则对应的召回得到的可访问医院与医院相关词语间越匹配。计算机设备校验医院相关词语中的医院名字是否和得分最高对应的可访问医院的医院名称相同。若相同，则确定导医需求信息包括一个得分最高的可访问医院。若不相同，则确定导医需求信息不包含多个可访问医院中的任意一医院。

其中，预设的分词方式可以是正向匹配方式、逆向匹配方式、最大匹配方式等，具体不作限定。

上述对会话词语进行至少一次召回，可以是基于会话词语和可访问医院的医院名称间的相似程度进行一次召回，相似程度可以通过相同词语的个数来确定。也可以是先基于该相似程度进行一次召回后，通过基于会话词语中医院相关词语和一次召回得到的可访问医院的医院名称进行二次召回。

示例性地，在进行分词之前，服务器还可以先对导医需求信息中的标点符号进行处理，得到处理后的导医需求信息，并按照目标分词方式，对处理后的导医需求信息进行分词，得到多个待处理分词。从至少一个待处理分词中去除无效词，并进行同义词扩展的处理，得到会话词语。校验会话词语中是否包含医院相关词语。若校验到会话词语中包含医院相关词语，则返回服务器根据多个可访问医院的医院名称和会话词语，进行至少一次召回步骤继续执行。

在本实施例中，通过对导医需求信息进行分词处理和无效词去除处理，以规范用于召回的词语，避免无关词语对召回的影响，确保校验的准确性。若会话词语中包括医院相关词语，则根据多个可访问医院的医院名称和该会话词语对多个可访问医院进行至少一次召回。这样，能够准确确定召回得到的可访问医院是否与医院相关词语匹配，从而，能够及时且准确的确定会话中是否有用户指定的可访问医院，能够避免在存在指定的可访问医院的情况下进行用户意图，确保了后续导医信息获取的准确性。

在一些实施例中，根据多个可访问医院的医院名称和会话词语，对多个可访问医院进行至少一次召回，包括：对多个可访问医院的医院名称进行分词处理，得到可访问医院词语；根据会话词语和可访问医院词语间的相似程度，从多个可访问医院中筛选出可访问医院，得到一次召回医院集合；根据一次召回医院集合中各个可访问医院的可访问医院词语和医院相关词语之间的匹配程度，从一次召回医院集合中筛选出可访问医院，得到二次召回医院集合。

其中，相似程度可以理解为会话词语和可访问医院间的差异，例如，两者间存在相同字的数量越多，则差异越小，相似程度越高。匹配程度用于反映可访问医院词语和医院相关词语间的是否是相同的，即两者间的相同字的数量越多，且字的排列顺序越相似，则越相同，匹配程度也越高。

可选地，服务器获取各可访问医院的医院名称，并按预设的分词方式分别对各可访问医院的医院名称进行分词处理，得到各可访问医院词语。对于每个可访问医院词语，校验该可访问医院词语与会话词语中存在相同词语的数量。根据各可访问医院分别对应的相同词语的数量，确定各可访问医院分别与会话词语间的相似程度，基于各可访问医院分别对应的相似程度，得到一次召回医院集合。一次召回医院集合是指一次召回得到的医院集合，一次召回医院集合包括至少一个一次召回得到的召回医院。

对于一次召回医院集合中的每个可访问医院，校验该可访问医院的可访问医院词语和医院相关词语中医院名称在相同位置处的字符串是否相同，将相同位置出现相同字符串的数量作为目标字符串数量。获取可访问医院词语的总字符串，将目标字符串数量和总字符串的比值，确定为该可访问医院的可访问医院词语和医院相关词语之间的匹配程度。其中，医院相关词语中医院名称的字符串总数量与可访问医院词语的字符串总数量保持相同。比值越大，则匹配程度越高。

服务器根据一次召回医院集合中的各可访问医院的可访问医院词语和医院相关词语之间的匹配程度和匹配程度阈值，筛选出二次召回医院集合。

在本实施例中，通过会话词语和可访问医院词语间的相似程度，进行粗粒度的召回，得到一次召回医院集合，以减少后续校验的计算量。根据一次召回医院集合中各可访问医院的可访问医院词语和医院相关词语间的匹配程度，进行细粒度的召回，得到二次召回医院集合。这样，能够准确确定召回得到的可访问医院是否与医院相关词语匹配，从而，能够及时且准确的确定会话中是否有用户指定的可访问医院，能够避免在存在指定的可访问医院的情况下进行语义理解，确保了导医信息获取的准确性。

在一些实施例中，如图4所示，为一个实施例中校验步骤的流程示意图。

方法还包括：

S402：获取应用程序所关联的多个可访问医院。

可选地，终端展示通过目标账号登录的应用程序，终端响应于对具备导医会话功能的目标公众号的查询操作，展示导医会话界面。终端获取通过目标账号在应用程序的导医会话界面中输入的导医需求信息，并发送给服务器。

服务器在获取到导医需求信息后，获取应用程序所关联的多个可访问医院。S404：对导医需求信息进行分词处理并去除无效词，得到会话词语。

在执行完步骤S402后，在校验导医需求信息中是否指定的可访问医院之前，为去除无关信息的干扰，确保校验的有效性，在完成分词后需要去除无效词。

可选地，服务器按照预设的分词方式，对导医需求信息进行分词，得到多个待处理分词，从至少一个待处理分词中去除无效词，得到会话词语。

S406：对多个可访问医院的医院名称进行分词处理，得到可访问医院词语。

可选地，服务器按照预设的分词方式，对多个可访问医院的医院名称进行分词处理，得到可访问医院词语。

S408：根据会话词语和可访问医院词语间的相似程度，从多个可访问医院中筛选出可访问医院，得到一次召回医院集合。

可选地，对于每个可访问医院词语，服务器校验该可访问医院词语与会话词语中存在相同词语的数量。根据各可访问医院分别对应的相同词语的数量，确定各可访问医院分别与会话词语间的相似程度。相同词语的数量越多，则对应的相似程度越高。服务器按各相似程度，对对应的可访问医院进行排序，相似程度越高，则对应的可访问医院的排序越靠前。从首个可访问医院开始，获取第一预设数量的可访问医院。基于获取到的第一预设数量的可访问医院，获取一次召回医院集合。

S410：根据一次召回医院集合中各个可访问医院的可访问医院词语和医院相关词语之间的匹配程度，从一次召回医院集合中筛选出可访问医院，得到二次召回医院集合，将二次召回医院集合中匹配程度最高的可召回医院确定为第一目标召回医院。

可选地，对于一次召回医院集合中的每个可访问医院，服务器校验该可访问医院的可访问医院词语和医院相关词语中医院名称在相同位置处的字符串是否相同，将相同位置出现相同字符串的数量作为目标字符串数量。获取可访问医院词语的总字符串，将目标字符串数量和总字符串的比值，确定为该可访问医院的可访问医院词语和医院相关词语之间的匹配程度。

服务器基于大于或等于匹配程度阈值的匹配程度对应的可访问医院，确定二次召回医院集合，并将二次召回医院集合中匹配程度最高的可召回医院确定为第一目标召回医院。

S412：校验第一目标召回医院的医院名称是否与医院相关词语匹配。

可选地，服务器比对第一目标召回医院的医院名称是否与医院相关词语中的医院名称是否相同。

S414：若匹配，则确定导医需求信息包含多个可访问医院中的任意一医院。

可选地，若存在与医院相关词语中的医院名称相同的第一目标召回医院，则服务器确定导医需求信息包含多个可访问医院中的任意一医院。

S416：若不匹配，则对于二次召回医院集合中每个召回医院，根据该召回医院的医院名称和医院相关词语，通过模糊匹配处理，确定该召回医院的得分，将最高的得分的可召回医院确定为第二目标召回医院。

其中，模糊匹配处理可以采用fuzzywuzzy(一个简单易用的模糊字符串匹配工具包)进行处理。

需要说明的是，若不匹配，则说明第一召回医院的医院名称和医院相关词语中的医院名称是不相同的。该情况可能是因用户输入错误医院名字而导致的。由于模糊匹配可视为是一种搜索，即用户拼错或者只输入部分单词，都可以进行匹配。基于此，可以通过模糊匹配处理对二次召回医院集合进行再次校验，避免因用户输入医院名字错误而导致的校验错误。

S418：校验第二目标召回医院的医院名称是否与医院相关词语匹配。

可选地，服务器校验第二目标召回医院的医院名称是否与医院相关词语中医院名称相同。

S420：若匹配，则确定导医需求信息包含多个可访问医院中的任意一医院。

可选地，若匹配，则服务器可以直接将第二目标召回医院确定为导医需求信息所包含的可访问医院。或者，若匹配，则服务器还可以根据会话词语中出现的就医需求词语，对第二目标召回医院作进一步校验，即校验第二目标召回医院的医院信息中是否包含就医需求词语。例如，会话词语中出现了就医需求词语，即“骨科”，此时，服务器还可以校验第二目标召回医院的医院信息中是否包含就医需求词语，若包含，则将第二目标召回医院确定为导医需求信息所包含的可访问医院。

S422：若不匹配，则确定导医需求信息不包含多个可访问医院中的任意一医院。

此时，在执行完S422后，返回S204继续执行。

在本实施例中，通过会话词语和可访问医院词语间相似程度，进行粗粒度的召回，得到一次召回医院集合，以减少后续校验的计算量。根据一次召回医院集合中各可访问医院的可访问医院词语和医院相关词语间的匹配程度，进行细粒度的召回，得到二次召回医院集合。这样，通过两次召回能够精准判别出会话中是否有用户指定的可访问医院，能够避免在存在指定的可访问医院的情况下进行语义理解，确保了导医信息获取的准确性。

在一些实施例中，方法还包括：若校验到导医需求信息包含多个可访问医院中的任意一医院，则根据所包含的可访问医院的在线访问入口生成答复内容，将答复内容发送至导医会话界面。

示例性地，若校验到导医需求信息中包含多个可访问医院中的任意一医院，则服务器确定该导医需求信息中存在用户指定的可访问医院，此时，服务器直接根据预先存储的各可访问医院的在线访问入口，获取所包含的可访问医院的在线访问入口，并根据所包含的可访问医院的在线访问入口生成答复内容，将答复内容发送至终端。终端将获取到的答复内容展示在导医会话界面中。

在本实施例中，若校验到导医需求信息包含多个可访问医院中的任意一医院，则直接所包含的可访问医院的在线访问入口生成答复内容，将答复内容发送至导医会话界面。在该情况下，无需进行语义就和提取导医关键信息，精简了导医信息获取的流程，提高了导医信息获取的效率。

在一些实施例中，调用大语言模型，基于导医需求信息进行语义理解，得到用户意图，包括：获取第一提示语料，第一提示语料包括提示问句与提示答句，提示答句是提示问句的意图描述文本；调用大语言模型识别第一提示语料的问答形式，并以导医需求信息为问句，按照问答形式确定导医需求信息的答句；将导医需求信息的答句作为用户意图。

其中，第一提示语料是关于语义理解的语料，也可以视为是关于意图识别的语料。该第一提示语料包括正例的对话对和负例的对话对，每个对话对包括提示问句和对应的提示答句。正例的对话对是指用户意图为导医意图，即具有就医需求。负例的对话对是指用户意图不是导医意图，即没有就医需求。提示答句是按预设描述方式来回答提示问句，可以视为是提示文件的意图描述文本。提示答句首先判断导医需求信息是否是就医需求，然后以预设描述方式返回提示问句。比如，第一个对话对中的提示问句：我现在肚子好疼，请给我推荐附近的医院。对应的提示答句判断出肚子好疼需要看消化内科，是就医需求，然后按{'flag':True}的描述方式回答提示问句。其中，flag可理解为是问句标识，问句标识表征True(真)则说明为导医意图，相反地，问句标识表征False(假)则说明为不为导医意图。再比如，第二个对话对中的提示问句：今天天气真不错。对应的提示答句判断用户只是在描述天气，不是就医需求，然后按{'flag\:False}的描述方式回答提示问句。

可选地，服务器获取大语言模型和关于语义理解的第一提示语料。服务器将第一提示语料和导医需求信息输入到大语言模型中，根据导医需求信息构造对话对，通过大语言模型确定对话对中的答案，并通过识别第一提示语料的问答形式，按照问答形式中答句的描述方式来表述答案，得到导医需求信息的答句，将导医需求信息的答句作为导医需求信息的用户意图。

基于此，服务器根据用户意图中的问句标识，通过正则匹配，校验该用户意图是否为导医意图。正则匹配是指按照预设的匹配表达式来进行匹配，示例性地，在确定进行导医意图校验的正则表达式后，根据进行导医意图校验的正则表达式和问句标识进行校验。例如，校验用户意图是否表示为{'flag':True}，若是，则确定为导医意图，否则，则不为导医意图。

示例性地，如图5所示，为一个实施例中语义理解的流程示意图。服务器获取导医需求信息，例如，“最近头疼，心悸，想找个医生看看”。并且，服务器获取第一提示语料，如图5中的第一提示语料：首先告知大语言模型的任务，即“现在你是一个智能就医助手，你的任务是执行以下操作：1-判断用户是不是就医需求；2-以Json格式返回结果”。其中，Json(JavaScript Object Notation,JS对象简谱)为一种轻量级的数据交换格式。然后接着是一些少量的例子，以对话对的形式呈现，对话对1：“Q:我要和妈妈一起去医院看爷爷；A:1-用户要和妈妈去医院探望爷爷，不是就医需求；2-{'flag\:False}”；对话对2：“Q；M地址A:1-用户只输入M这个地址，不是就医需求；2-{'flag\:False}”；对话对3：“Q:我脚崴了,想去附近医院看看；A:1-用户脚崴了需要看骨科，是就医需求；2-{'flag':True}”。上述Q表示对话对中的提示问句，A表示对话对中的提示答句。大语言模型通过语境学习第一提示语料，并根据导医需求信息构造对话对，如“请根据例子完成下面对话的操作；Q：最近最近头疼，心悸，想找个医生看看；A：”。此时，提示答句为空句，大语言模型根据第一提示语料和构造的对话对中的提示问句，进行答案生成，得到提示答句，即“1-用户出现头疼和心悸症状，需要看心内科或神经内科，是就医需求；2-{′flag′:True}”。服务器根据提示答句，通过正则匹配来校验是否为导医意图，即若提示答句中flag为True，则为导医意图，执行步骤S206；若提示答句中flag为False，则不为导医意图，此时将再次获取导医需求信息，例如，通过智能账号在导医会话界面中展示追问内容，如“目前我仅支持就医服务哦！请描述就医需求或者想去的医院名称”，以再次获取导医需求信息。

在本实施例中，通过大语言模型和第一提示语料中少量例子的语境学习学习到对话中是否符合就医需求，以判断用户输入的导医需求信息是否是随意输入，若不是，即确定用户意图是导医意图，执行后续的处理流程。基于此，通过大语言模型和第一提示语料有效解决了传统自然语言理解模块的标注语料问题，即无需额外的获取标注语料对语义理解的模型进行模型训练，仅需要借助大语言模型的上下文学习的能力和逻辑推理能力，能够有效且准确的进行语义理解，以确保导医信息获取的准确性。

在一些实施例中，方法还包括：当用户意图为除导医意图以外的其它意图时，则获取与导医需求信息相关的询问语句；获取针对询问语句输入的导医需求信息；对输入的导医需求信息继续执行调用大语言模型，基于导医需求信息进行语义理解，得到用户意图的步骤。

可选地，当服务器校验到导医需求信息的用户意图为除导医意图以外的其他意图时，则服务器通过对话状态检测器来确定当前会话节点，通过对话管理器，根据导医需求信息输出与当前会话节点相应的询问语句。其中，与当前会话节点相应的询问语句是为与导医需求信息相关的询问语句。终端将与当前会话节点相应的询问语句发送至终端，以指示终端在导医会话界面展示相应的询问语句。终端获取通过目标账号发送的、针对问询语句输入的导医需求信息，并发送至服务器。服务器对输入的导医需求信息继续执行执行调用大语言模型，基于导医需求信息进行语义理解，得到用户意图的步骤。

示例性地，在服务器获取到针对问询语句输入的导医需求信息时，服务器在进行语义理解之前，校验该输入的导医需求信息是否包含多个可访问医院中的任意一医院，若该输入的导医需求信息不包含多个可访问医院中的任意一医院，则对输入的导医需求信息继续执行调用大语言模型，基于导医需求信息进行语义理解，得到用户意图的步骤。若该输入的导医需求信息包含多个可访问医院中的任意一医院，则服务器根据所包含的可访问医院的在线访问入口生成答复内容，将所述答复内容发送至所述导医会话界面。也即是，在首次语义理解校验到不是导医意图时，再次获取到输入的导医需求信息后，仍然要先校验输入的导医需求信息中是否有指定的可访问医院，这样，能够提高导医信息获取的有效性，也提高了用户体验。

当然，若当次语义理解校验到对应输入的导医需求信息仍不是导医意图时，可再次发起导医意图的问询语句，直至获取到导医意图时为止，或者，获取到用户停止会话的语句时停止。

在本实施例中，一旦校验到导医需求信息的用户意图为除导医意图以外的其他意图，则需要确定用于展示在导医会话界面上的询问语句，这样，获取针对询问语句输入的导医需求信息，并重新进行语义理解，以明确用户实际的就医需求，精准查询出与之合适的医院，以确保后续导医信息获取的有效性。

在一些实施例中，对导医需求信息进行导医关键信息提取，包括：获取第二提示语料，第二提示语料包括提示问句与提示答句，提示答句是提示问句中的导医关键信息；调用大语言模型识别第二提示语料的问答形式，并以导医需求信息为问句，按照问答形式确定导医需求信息的答句；将导医需求信息的答句作为导医需求信息中的导医关键信息。

其中，第二提示语料是关于信息提取的语料，第二提示语料包括正例的对话对和负例的对话对，第二提示语料所包括的正例的对话对抽取到了预设类型的导医关键信息，第二提示语料所包括的负例的对话对没有抽取到任何导医关键信息。如前所述，导医关键信息可以包括症状相关信息、医院位置信息和用户所在位置信息、医院信息。基于此，提示问句划分两个部分，分别为关键词和城市。其中，城市可以是指用户所在位置，关键词可以包括症状相关信息、医院位置信息和医院信息，即与医院相关的信息。

由于第一提示语料和第二提示语料各自的作用不同，则对应的提示问句和提示答句均不是相同类型的，可以理解，第一提示语料中描述提示语句的预设描述方式和第二提示语句中描述提示语句的预设描述方式不相同。例如，第三个对话对中的提示语句：刚才打球扭伤了，想去最近的医院。可以知晓该提示语句中提及了症状和医院位置信息，并非提及到用户所在位置，因此，提示答句为用户的症状是打球扭伤，用户想要去最近的医院，然后，按“{′关键词′:[′打球扭伤′，′最近的医院′],′城市′:′}”的描述方式回答提示问句。其中，′:′表示没有。可选地，服务器获取大语言模型和关于信息抽取的第二提示语料。服务器将第二提示语料和导医需求信息输入到大语言模型中，根据导医需求信息构造对话对，通过大语言模型确定对话对中的答案，并通过识别第二提示语料的问答形式，按照该问答形式中答句的描述方式来表述答案，得到导医需求信息的答句，将导医需求信息的答句作为导医需求信息中的导医关键信息。

可选地，服务器再次调用大语言模型，并获取关于信息抽取的第二提示语料。服务器将第二提示语料和导医需求信息输入到大语言模型中，根据该导医需求信息构造用于信息抽取的对话对，通过大语言模型确定该对话对中的答案，并通过识别第二提示语料的问答形式，按照问答形式中答句的描述方式来表述答案，得到导医需求信息的答句，并将该导医需求信息的答句作为导医需求信息中的导医关键信息。

在服务器获取到了导医需求信息的答句后，通过正则匹配，校验导医关键信息中是否包括预设类型的导医关键信息。如前所述，提取到的导医关键信息中包括多种类型的导医关键信息，此时，需要校验是否存在预设类型(即所需类型)的导医关键信息。例如，确定进行预设类型的导医关键信息校验的正则表达式，并根据提取到的导医关键信息，通过进行预设类型的导医关键信息校验的正则表达式，校验是否存在预设类型的导医关键信息。例如，校验关键词和城市信息是否提取出来，若都没有提取出来，或者没有提取出来关键词，则确定匹配失败，若都提取出来，或者提取出来关键词，则确定匹配成功。

示例性地，如图6所示，为一个实施例中导医关键词信息获取的流程示意图。服务器在完成了语义理解且确认了导医需求信息为导医意图后，获取对话内容，例如“左上腹疼痛挂什么科”。并且，服务器获取第二提示语料，如图6：首先告知大语言模型的任务，即“现在你是一个智能就医助手，你的任务是执行以下操作：1-分析用户的需求；2-以Json格式返回结果，key为关键词和城市”。其中，key表示第二提示语料中答句的描述方式。然后，给出少量的例子，以对话对的形式呈现：对话对4：“Q:前段时间骨折了，想去居住地城市最好的医院；A:1-根据分析，用户的症状是骨折，用户想要去居住地城市最好的医院，所以优先推荐居住地城市三甲医院。2-{′关键词′:[′骨折′，′三甲医院′],′城市′：′居住地城市′}”。对话对5：“Q:最近感冒发烧流鼻涕；A:1-根据分析，用户的症状是感冒发烧流鼻涕；2-{′关键词′:[′感冒′，′发烧′，′流鼻涕′],′城市′:′}”。对话对6：“Q:目前在M地址，这段时间口腔溃疡，想去找医生看看；A:1-根据分析，用户的症状是口腔溃疡，用户目前在M地址，想要去医院。2-{′关键词′:[′口腔溃疡′，′医院′],′城市′：′M地址′}”。大语言模型通过语境学习第二提示语料，并根据导医需求信息构造对话对，如“请根据例子完成下面对话的操作；Q：左上腹疼痛挂什么科；A：”。此时，提示答句为空句，大语言模型根据第二提示语料和构造的对话对中的提示问句，进行答案生成，得到提示答句，即“1-根据分析，用户的症状是左上腹疼痛，用户想知道应该挂什么科。2-{′关键词′:[′左上腹疼痛′，′挂什么科′],′城市′：′”。服务器通过该提示答句，通过正则匹配来校验是否存在预设类型的导医关键信息，即，若该提示答句包含症状信息、且包含位置信息(可以是期望医院的位置和用户所在位置中的至少一种)，则确定存在预设类型的导医关键信息，若都不包含，或者不包含症状，则将再次获取导医需求信息，例如，通过智能账号在导医会话界面中展示追问内容，如“请您描述的更清楚点”，以再次获取导医需求信息。

在本实施例中，通过大语言模型和第二提示语料中少量例子的语境学习学习进行导医关键信息抽取。这样，无需额外的获取标注语料对信息提取模型进行模型训练，仅需要借助大语言模型的上下文学习的能力和逻辑推理能力，能够有效且准确的进行导医关键信息的抽取，以确保导医信息获取的准确性。

在一些实施例中，预设类型包括症状描述信息类型与就医位置信息类型；若提取结果指示导医需求信息中不包括预设类型的导医关键信息，则在导医会话界面中显示关于预设类型的导医关键信息的询问语句，并接收在导医会话界面中针对询问语句发送的预设类型的导医关键信息，包括：若提取结果指示导医需求信息中不包括预设类型的导医关键信息，则在导医会话界面中发送关于症状描述信息的询问语句，并接收在导医会话界面中针对关于症状描述信息的询问语句发送的描述信息；若描述信息为症状描述信息，则继续在导医会话界面中发送关于就医位置信息的询问语句，并接收在导医会话界面中针对关于就医位置信息的询问语句发送的位置信息；若位置信息为就医位置信息，则将获取到的症状描述信息和就医位置信息作为导医关键信息。

其中，就医位置信息类型是期望医院位置信息类型，也可以是用户所在位置信息类型，也可以是包括期望医院位置信息类型与用户所在位置信息类型，具体不作限定。

可选地，若服务器确定导医需求信息中不包括预设类型的导医关键信息，则服务器通过对话状态检测器确定当前会话节点为症状描述信息获取节点，通过对话管理器，发送关于症状描述信息的询问语句至终端，以指示终端在导医会话界面中展示该询问语句。终端获取到通过目标账号发送的、针对针对关于症状描述信息的询问语句发送的描述信息，并发送至服务器。其中，关于症状描述信息的询问语句发送的描述信息可以理解为关于症状描述信息的询问语句的待校验的导医需求信息。

服务器对该待校验的导医需求信息执行调用大语言模型，基于导医需求信息进行语义理解，得到用户意图的步骤，确定该待校验的导医需求信息中是否存在针对询问语句输入的症状描述信息，若不存在，则返回通过对话状态检测器确定当前会话节点为症状描述信息获取节点步骤继续执行，直至校验到该待校验的导医需求信息中存在针对询问语句输入的症状描述信息时为止，即进行下轮次的询问。

若校验到该待校验的导医需求信息中存在针对询问语句输入的症状描述信息，即校验到针对所述关于症状描述信息的询问语句发送的描述信息为症状描述信息。接着，服务器通过对话状态检测器确定当前会话节点为就医位置信息获取节点，通过对话管理器，发送关于就医位置信息的询问语句至终端，以指示终端在导医会话界面中展示该询问语句。终端获取到通过目标账号发送的、针对所述关于就医位置信息的询问语句发送的位置信息，并发送至服务器。其中，针对关于就医位置信息的询问语句的待校验的导医需求信息，可以理解是关于就医位置信息的询问语句的待校验的导医需求信息。

服务器直接对该待校验的导医需求信息进行就医位置信息的识别。若未获取到就医位置信息，则返回通过对话状态检测器确定当前会话节点为就医位置信息获取节点步骤继续执行，直至获取到就医位置信息时为止。若识别到就医位置信息，则将输入的症状描述信息、输入的就医位置信息作为导医关键信息，即获取到了预设类型的导医关键信息。

示例性地，如图7所示，为一个实施例中就医位置信息获取的流程示意图。服务器在获取到了症状描述信息后，服务器执行上述通过对话状态检测器确定当前会话节点为就医位置信息获取节点步骤。在服务器获取到了针对关于就医位置信息的询问语句的待校验的导医需求信息之后，校验是否获取到医院位置信息。若校验到未获取医院位置信息，则服务器发送关于医院位置信息的询问语句至终端，以获取医院位置信息。若校验到获取了医院位置信息，则服务器发送关于用户所在位置信息的询问语句至终端，以指示终端获取用户再次输入的导医需求信息，服务器通过判断该用户再次输入的导医需求信息中是否包含用户所在位置信息，校验是否获取到用户所在位置信息，若获取到了用户所在的位置信息，则服务器将输入的症状描述信息、输入的医院位置信息和用户所在位置信息作为导医关键信息。其中，就医位置信息包括医院位置信息和用户所在位置信息。

在本实施例中，在确定了导医需求信息中不存在预设类型的导医关键信息后，首先发起关于症状描述信息的询问语句，以确保后续能够基于症状描述信息来确认目标医院。若获取到针对询问语句输入的症状描述信息，则继续在导医会话界面中发送关于就医位置信息的询问语句，以继续获取就医位置信息。若获取到针对询问语句输入的就医位置信息，则将输入的症状描述信息、输入的就医位置信息作为导医关键信息，也即是，获取到预设类型的导医关键信息。这样，后续能够根据症状、位置进行多维度综合考量多个可访问医院中是否存在目标医院，准确匹配出目标医院，确保了导医信息获取的准确性。

在一些实例中，根据获取的导医关键信息与各医院信息之间的相关程度，筛选出与获取的导医关键信息匹配的目标医院，包括：获取与应用程序所关联的多个可访问医院的医院信息；根据导医关键信息与各可访问医院的医院信息的相关程度，确定各可访问医院的召回得分，相关程度越高，相应的召回得分越高；将相应召回得分最高的可访问医院确定为匹配的目标医院。

其中，相关程度反映了导医关键信息和可访问医院间的匹配程度。医院信息包括医院名称、医院科室、工作人员和工作时间等。

可选地，服务器获取与应用程序所关联的多个可访问医院的医院信息。对于每个可访问医院，服务器根据预设类型的导医关键信息和可访问医院的医院信息，计算该可访问医院与导医关键信息间的匹配程度，根据该匹配程度确定该可召回医院的召回的得分。若最高的召回得分不小于阈值得分，则将相应召回得分最高的可访问医院确定为匹配的目标医院。若最高的召回得分小于阈值得分，则确定召回失败，即多个可访问医院中不存在与导医关键信息匹配的医院。

示例性地，多个可访问医院的医院信息预先存储在目标引擎中，该目标引擎用于存储、搜索和分析海量数据。例如，该目标引擎为Es(Elasticsearch，搜索数据分析引擎)引擎，该Es引擎是一个开源的分布式搜索和分析引擎，它可以快速地存储、搜索和分析海量数据。它提供了分布式多租户能力，可以在大规模数据集上进行实时搜索和分析，广泛应用于企业搜索、日志分析、电子商务、安全检测等领域。在Es引擎中，DSL(Domain SpecificLanguage，领域特定语言)语句是一种用于查询和分析数据的特定语言，它基于Json格式，提供了丰富的查询语法和聚合分析功能，可以方便地进行各种数据分析和搜索操作。如图8所示，为一个实施例中召回步骤的流程示意图。服务器获取导医关键信息，根据导医关键信息，构造DSL语句。服务器调用Es引擎，利用Es引擎，计算导医关键信息的DSL语句分别与各可访问医院的医院信息间的相关程度，并根据相关程度对各可访问医院进行打分，得到召回得分。服务器根据召回得分和得分阈值，输出召回结果。具体地，若最高的召回得分不小于阈值得分，则将相应召回得分最高的可访问医院确定为匹配的目标医院。若最高的召回得分小于阈值得分，则确定召回失败，即多个可访问医院中不存在与导医关键信息匹配的医院。服务器将召回结果发送至终端，以指示终端在导医会话界面中展示召回结果。

在本实施例中，通过计算导医关键信息和各可访问医院的医院信息的相关程度，确定各可访问医院的召回得分。基于此，根据该召回得分，精准查询出与之合适的医院，确保了导医信息获取的准确性。

本申请还提供一种应用场景，该应用场景应用上述的基于会话交互的导医信息获取方法。具体地，该基于会话交互的导医信息获取方法在该应用场景的应用例如如下所述：在用户线下去医院就诊的场景中，为了便于用户能够去合适的医院就诊，可以采用本申请实施例提供的基于会话交互的导医信息获取方法，预先在线上输入导医需求信息，根据该导医需求信息来为用户筛选出匹配的目标医院，基于此，用户可以直接去合适医院就诊。具体地，用户所持终端通过目标账号登录应用程序，终端展示导医会话界面，通过目标账号发送导医需求信息，终端将该导医需求信息发送至服务器。服务器调用大语言模型，基于导医需求信息进行语义理解，得到用户意图；当用户意图为导医意图时，对导医需求信息进行导医关键信息提取，若提取结果指示导医需求信息中不包括预设类型的导医关键信息，则在导医会话界面中显示关于预设类型的导医关键信息的询问语句，并接收在导医会话界面中针对询问语句发送的预设类型的导医关键信息；根据获取的导医关键信息与各医院信息之间的相关程度，筛选出与获取的导医关键信息匹配的目标医院，根据目标医院的在线访问入口生成答复内容，将答复内容发送至导医会话界面；在线访问入口用于在触发后跳转至应用程序提供的目标医院的访问界面。这样，在确保导医需求信息存在就医需求的情况，再通过识别出的导医关键信息，准确匹配出目标医院，确保了导医信息获取的精确性。

当然并不局限于此，本申请提供的会话还可以应用在其他应用场景中，例如在在线就医场景中，终端通过目标账号登录小程序，小程序关联了多个可访问医院。此时，通过目标账号输入导医需求信息，将导医需求信息发送至服务器，采用本申请实施例提供的基于会话交互的导医信息获取方法确认与导医需求信息匹配的可访问医院，并生成答复内容，将答复内容发送至终端的导医会话界面。终端响应于对该答复内容的触发操作，调整至匹配的可访问医院的访问界面，此时，用户可以直接在该访问界面中进行线上问诊。

在一个具体的实施例中，提供了一种基于会话交互的导医信息获取方法。如图9所示，为一个实施例中会话系统架构的示意图。本申请实施例涉及到医院大卡单元、语义理解单元、信息提取单元、其他信息提取单元和推荐医院单元。在服务器获取导医需求信息之后，通过医院大卡单元校验导医需求信息中是否包含应用程序所关联的多个可访问医院中的任意一医院。通过语义理解单元对导医需求信息进行语义理解得到用户意图。通过信息提取单元提取预设类型的导医关键信息，预设类型包括症状描述信息类型与就医位置信息类型。在没有提取到就医位置信息类型的导医关键信息的情况下，通过其他信息提取单元继续提取预设类型的导医关键信息。通过推荐医院单元根据预设单元的导医关键信息，从多个可访问医院中召回与预设类型的导医关键信息匹配的召回医院。

下面将介绍基于会话交互的导医信息获取方法实现的具体细节。以各单元部署在同一服务器为例进行说明，如图10所示，为另一个实施例中基于会话交互的导医信息获取方法的流程示意图。

步骤1：服务器获取导医需求信息。

可选地，终端展示通过目标账号登录的应用程序，终端响应于对具备导医会话功能的目标公众号的查询操作，展示导医会话界面。终端获取通过目标账号在应用程序的导医会话界面中输入的导医需求信息，并发送给服务器。服务器获取该导医需求信息。

步骤2：在医院大卡单元中，服务器校验导医需求信息是否有特定的可访问医院。

可选地，服务器获取该应用程序所关联的多个可访问医院，对导医需求信息进行分词处理并去除无效词，得到会话词语。服务器对多个可访问医院的医院名称进行分词处理，得到可访问医院词语。服务器根据会话词语和可访问医院词语间的相似程度，从多个可访问医院中筛选出可访问医院，得到一次召回医院集合。服务器根据一次召回医院集合中各个可访问医院的可访问医院词语和医院相关词语之间的匹配程度，从一次召回医院集合中筛选出可访问医院，得到二次召回医院集合，服务器将二次召回医院集合中匹配程度最高的可召回医院确定为第一目标召回医院。服务器校验第一目标召回医院的医院名称是否与医院相关词语匹配。若匹配，则确定导医需求信息包含多个可访问医院中的任意一医院。若不匹配，则对于二次召回医院集合中每个召回医院，根据该召回医院的医院名称和医院相关词语，通过模糊匹配处理，确定该召回医院的得分，将最高的得分的可召回医院确定为第二目标召回医院。服务器校验第二目标召回医院的医院名称是否与医院相关词语匹配。若是，则确定导医需求信息包含多个可访问医院中的任意一医院，并在导医会话界面中展示该包括的可访问医院的答复内容。若否，则确定导医需求信息不包含多个可访问医院中的任意一医院。

步骤3：在语义理解单元中，服务器调用大语言模型，基于导医需求信息进行语义理解，得到用户意图，校验用户意图是否为导医意图。

可选地，服务器获取大语言模型。获取第一提示语料，第一提示语料包括提示问句与提示答句，提示答句是提示问句的意图描述文本。调用大语言模型识别第一提示语料的问答形式，并以导医需求信息为问句，按照问答形式确定导医需求信息的答句，将导医需求信息的答句作为导医需求信息的用户意图。

服务器根据用户意图中的问句标识，通过正则匹配，校验该用户意图是否为导医意图。例如，在确定进行导医意图校验的正则表达式后，根据行导医意图校验的正则表达式和问句标识进行校验。若问句标识为True，则确定用户意图为导医意图，若为False，则确定用户意图不为导医意图。

在校验到用户意图不为导医意图时，服务器通过对话状态检测器来确定当前会话节点，通过对话管理器，根据根据导医需求信息输出与当前会话节点相应的第一询问语句，并发送至终端，以指示终端在导医会话界面展示第一询问语句。例如，第一询问语句为“目前我仅支持就医服务哦！请描述就医需求或者想去的医院名称”。终端获取通过目标账号发送的、针对问询语句输入的导医需求信息，并发送至服务器。服务器对输入的导医需求信息继续执行调用大语言模型识别第一提示语料的问答形式，并以导医需求信息为问句，按照问答形式确定导医需求信息的答句的步骤。

步骤4：在信息提取单元中，若校验到用户意图为导医意图，服务器提取预设类型的导医关键信息。在部分信息提取单元中，服务器校验是否提取到症状描述信息类型的导医关键信息。

可选地，服务器再次调用大语言模型，并获取关于信息提取的第二提示语料。服务器将第二提示语料和导医需求信息输入到大语言模型中，根据该导医需求信息构造用于信息抽取的对话对，通过大语言模型确定该对话对中的答案，并通过识别第二提示语料的问答形式，按照问答形式中答句的描述方式来表述答案，得到导医需求信息的答句，并将该导医需求信息的答句作为导医需求信息中的导医关键信息。在服务器获取到了导医需求信息的答句后，通过正则匹配，校验导医关键信息中是否包括预设类型的导医关键信息。预设类型包括症状描述信息类型和就医位置信息类型。

若服务器确定导医需求信息中不包括预设类型的导医关键信息，则服务器通过对话状态检测器确定当前会话节点为症状描述信息获取节点，通过对话管理器，发送关于症状描述信息的第二询问语句至终端，以指示终端在导医会话界面中展示该第二询问语句。例如，第二询问语句为“请您描述的更清楚些”。服务器获取终针对关于症状描述信息的第二询问语句的待校验的导医需求信息，对该待校验的导医需求信息执行调用大语言模型识别第一提示语料的问答形式，并以导医需求信息为问句，按照问答形式确定导医需求信息的答句的步骤，确定该待校验的导医需求信息中是否存在针对询问语句输入的症状描述信息，并执行步骤5。

若服务器确定导医需求信息中包括预设类型的导医关键信息，则直接执行步骤6。

步骤5：在部分信息提取单元中，服务器校验是否提取到就医位置信息类型的导医关键信息。

可选地，若校验到未提取到就医位置信息类型的导医关键信息，服务器通过对话状态检测器确定当前会话节点为就医位置信息获取节点，通过对话管理器，发送关于就医位置信息的第三询问语句至终端。例如，第三询问语句为“请问您现在在哪座城市？”。服务器获取针对关于就医位置信息的第三询问语句的待校验的导医需求信息，并对该待校验的导医需求信息进行就医位置信息的识别。若未识别到就医位置信息，则返回通过对话状态检测器确定当前会话节点为就医位置信息获取节点步骤继续执行，直至获取到就医位置信息时为止。若识别到就医位置信息，则校验就医位置信息中的城市名是否准确，若否，则再次发送第三询问语句进行再次询问。若是，则确定获取到了预设类型的导医关键信息，并执行步骤6。

若校验到提取到就医位置信息类型的导医关键信息，则直接执行步骤6。

步骤6：在推荐医院单元中，服务器校验是否有可匹配的访问医院。

可选地，服务器拼接症状描述信息类型的导医关键信息和就医位置信息类型的导医关键信息，得到预设类型的导医关键信息。获取与应用程序所关联的多个可访问医院的医院信息。对于每个可访问医院，服务器根据预设类型的导医关键信息和可访问医院的医院信息，计算该可访问医院与该导医关键信息间的匹配程度，根据该匹配程度确定该可召回医院的召回的得分。若最高的召回得分小于阈值得分，则确定召回失败，即多个可访问医院中不存在与导医关键信息匹配的医院，则确定第四询问语句，并发送至终端的导医会话界面中展示。例如，第四询问语句为“没有匹配的可访问医院”。若最高的召回得分不小于阈值得分，则将相应召回得分最高的可访问医院确定为匹配的目标医院。

服务器将匹配的目标医院的医院标识发送至终端，终端在接收到该医院标识后，在导医会话界面中显示与该医院标识对应的答复内容。终端响应于对该答复内容的触发操作，将导医会话界面跳转至目标医院的访问界面。

需要说明的是，在用户点击了该答复内容后，终端无需从该应用程序中跳转到目标医院的应用程序，而是直接跳转到目标医院的访问界面，操作更加便捷，也无需用户下载目标医院的应用程序，提高了用户体验。

需要说明的是，该基于会话交互的导医信息获取方法将会话任务划分为多个子任务，每个子任务的输出作为下个子任务的输入。其中，对于语义理解子任务的执行，相关技术中首先需要单独大量的标注数据，并通过标注数据对语义理解模型进行训练。很显然，增加了数据标注的工作量，花费时间较长。基于此，本申请实施例利用大语言模型和相关的提示语料来实现语义理解，无需进行数据标注，节省人力物力，花费的时间和资源比较少，并且，借助大语言模型的逻辑推理能力能够更转的理解用户的导医需求信息，提高了导医信息获取的准确性。此外，通过将会话任务划分为多个子任务，能够确保会话过程的可解释性、单元化和可组合性、可定制性、错误检测和分析对话状态检测准确的特点。

在本实施例中，通过获取在应用程序的导医会话界面中发送的导医需求信息；调用大语言模型，基于导医需求信息进行语义理解，得到用户意图，以明确导医需求信息是否有就医需求的意图。当用户意图为导医意图时，对导医需求信息进行导医关键信息提取，若提取结果指示导医需求信息中不包括预设类型的导医关键信息，则在导医会话界面中显示关于预设类型的导医关键信息的询问语句，并接收在导医会话界面中针对询问语句发送的预设类型的导医关键信息。根据获取的导医关键信息与各医院信息之间的相关程度，筛选出与获取的导医关键信息匹配的目标医院，也即是，以实际的就医需求为导向，精准查询出与之合适的医院。根据目标医院的访问入口生成答复内容，将答复内容发送至导医会话界面；访问入口用于在触发后跳转至应用程序提供的目标医院的访问界面。这样，通过先确保导医需求信息存在就医需求，然后再通过识别出的就医需求，准确匹配出目标医院，确保了导医信息获取过程的准确性。此外，通过应用程序的私域接口，以实时获取各可访问医院的信息，并且大语言模型的推理能力，极大地增强了对话系统的能力，进一步提高了导医信息获取过程的可靠性。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的基于会话交互的导医信息获取方法的基于会话交互的导医信息获取装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个基于会话交互的导医信息获取装置实施例中的具体限定可以参见上文中对于基于会话交互的导医信息获取方法的限定，在此不再赘述。

在一个实施例中，如图11所示，提供了一种基于会话交互的导医信息获取装置1100，包括：导医需求信息获取模块1102、语义理解模块1104、导医关键信息获取模块1106和发送模块1108，其中：

导医需求信息获取模块1102，用于获取在应用程序的导医会话界面中发送的导医需求信息；

语义理解模块1104，用于调用大语言模型，基于导医需求信息进行语义理解，得到用户意图；

导医关键信息获取模块1106，用于当用户意图为导医意图时，对导医需求信息进行导医关键信息提取，若提取结果指示导医需求信息中不包括预设类型的导医关键信息，则在导医会话界面中显示关于预设类型的导医关键信息的询问语句，并接收在导医会话界面中针对询问语句发送的预设类型的导医关键信息；

发送模块1108，用于根据获取的导医关键信息与各医院信息之间的相关程度，筛选出与获取的导医关键信息匹配的目标医院，根据目标医院的在线访问入口生成答复内容，将答复内容发送至导医会话界面；在线访问入口用于在触发后跳转至应用程序提供的目标医院的访问界面。

在一些实施例中，装置还包括导医需求信息校验模块，导医需求信息校验模块，用于获取应用程序所关联的多个可访问医院；若校验到导医需求信息不包含多个可访问医院中的任意一医院，则执行调用大语言模型，基于导医需求信息进行语义理解，得到用户意图的步骤。

在一些实施例中，导医需求信息校验模块，用于对导医需求信息进行分词处理并去除无效词，得到会话词语；若会话词语中包括医院相关词语，则根据多个可访问医院的医院名称和会话词语，对多个可访问医院进行至少一次召回；若召回得到的可访问医院与医院相关词语匹配，则确定导医需求信息包含多个可访问医院中的任意一医院；若召回得到的可访问医院与医院相关词语不匹配，则确定导医需求信息不包含多个可访问医院中的任意一医院。

在一些实施例中，导医需求信息校验模块，用于对多个可访问医院的医院名称进行分词处理，得到可访问医院词语；根据会话词语和可访问医院词语间的相似程度，从多个可访问医院中筛选出可访问医院，得到一次召回医院集合；根据一次召回医院集合中各个可访问医院的可访问医院词语和医院相关词语之间的匹配程度，从一次召回医院集合中筛选出可访问医院，得到二次召回医院集合。

在一些实施例中，导医需求信息校验模块，用于若校验到导医需求信息包含多个可访问医院中的任意一医院，则根据所包含的可访问医院的在线访问入口生成答复内容，将答复内容发送至导医会话界面。

在一些实施例中，语义理解模块1104，用于获取第一提示语料，第一提示语料包括提示问句与提示答句，提示答句是提示问句的意图描述文本；调用大语言模型识别第一提示语料的问答形式，并以导医需求信息为问句，按照问答形式确定导医需求信息的答句；将导医需求信息的答句作为用户意图。

在一些实施例中，语义理解模块1104，用于当用户意图为除导医意图以外的其它意图时，则获取与导医需求信息相关的询问语句；获取针对询问语句输入的导医需求信息；对输入的导医需求信息继续执行调用大语言模型，基于导医需求信息进行语义理解，得到用户意图的步骤。

在一些实施例中，导医关键信息获取模块1106，用于获取第二提示语料，第二提示语料包括提示问句与提示答句，提示答句是提示问句中的导医关键信息；调用大语言模型识别第二提示语料的问答形式，并以导医需求信息为问句，按照问答形式确定导医需求信息的答句；将导医需求信息的答句作为导医需求信息中的导医关键信息。

在一些实施例中，预设类型包括症状描述信息类型与就医位置信息类型；导医关键信息获取模块1106，用于若提取结果指示导医需求信息中不包括预设类型的导医关键信息，则在导医会话界面中发送关于症状描述信息的询问语句，并接收在导医会话界面中针对关于症状描述信息的询问语句发送的描述信息；若描述信息为症状描述信息，则继续在导医会话界面中发送关于就医位置信息的询问语句，并接收在导医会话界面中针对关于就医位置信息的询问语句发送的位置信息；若位置信息为就医位置信息，则将获取到的症状描述信息和就医位置信息作为导医关键信息。

在一些实施例中，发送模块1108，用于获取与应用程序所关联的多个可访问医院的医院信息；根据导医关键信息与各可访问医院的医院信息的相关程度，确定各可访问医院的召回得分，相关程度越高，相应的召回得分越高；将相应召回得分最高的可访问医院确定为匹配的目标医院。

上述基于会话交互的导医信息获取装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，也可以是终端，其内部结构图可以如图12所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于会话交互的导医信息获取方法。

本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (14)

1.一种基于会话交互的导医信息获取方法，其特征在于，所述方法包括：

获取在应用程序的导医会话界面中发送的导医需求信息；

调用大语言模型，基于所述导医需求信息进行语义理解，得到用户意图；

当所述用户意图为导医意图时，对所述导医需求信息进行导医关键信息提取，若提取结果指示所述导医需求信息中不包括预设类型的导医关键信息，则在所述导医会话界面中显示关于预设类型的导医关键信息的询问语句，并接收在所述导医会话界面中针对所述询问语句发送的预设类型的导医关键信息；

根据获取的导医关键信息与各医院信息之间的相关程度，筛选出与获取的导医关键信息匹配的目标医院，根据所述目标医院的在线访问入口生成答复内容，将所述答复内容发送至所述导医会话界面；所述在线访问入口用于在触发后跳转至所述应用程序提供的所述目标医院的访问界面。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述应用程序所关联的多个可访问医院；

若校验到所述导医需求信息不包含所述多个可访问医院中的任意一医院，则执行所述调用大语言模型，基于所述导医需求信息进行语义理解，得到用户意图的步骤。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

对所述导医需求信息进行分词处理并去除无效词，得到会话词语；

若所述会话词语中包括医院相关词语，则根据所述多个可访问医院的医院名称和所述会话词语，对所述多个可访问医院进行至少一次召回；

若召回得到的可访问医院与所述医院相关词语匹配，则确定所述导医需求信息包含所述多个可访问医院中的任意一医院；

若召回得到的可访问医院与所述医院相关词语不匹配，则确定所述导医需求信息不包含所述多个可访问医院中的任意一医院。

4.根据权利要求3所述的方法，其特征在于，所述根据所述多个可访问医院的医院名称和所述会话词语，对所述多个可访问医院进行至少一次召回，包括：

对所述多个可访问医院的医院名称进行分词处理，得到可访问医院词语；

根据所述会话词语和所述可访问医院词语间的相似程度，从所述多个可访问医院中筛选出可访问医院，得到一次召回医院集合；

根据所述一次召回医院集合中各个可访问医院的可访问医院词语和所述医院相关词语之间的匹配程度，从所述一次召回医院集合中筛选出可访问医院，得到二次召回医院集合。

5.根据权利要求2所述的方法，其特征在于，所述方法还包括：

若校验到所述导医需求信息包含所述多个可访问医院中的任意一医院，则根据所包含的可访问医院的在线访问入口生成答复内容，将所述答复内容发送至所述导医会话界面。

6.根据权利要求1所述的方法，其特征在于，所述调用大语言模型，基于所述导医需求信息进行语义理解，得到用户意图，包括：

获取第一提示语料，所述第一提示语料包括提示问句与提示答句，所述提示答句是所述提示问句的意图描述文本；

调用大语言模型识别所述第一提示语料的问答形式，并以所述导医需求信息为问句，按照所述问答形式确定所述导医需求信息的答句；

将所述导医需求信息的答句作为所述用户意图。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当所述用户意图为除所述导医意图以外的其它意图时，则获取与所述导医需求信息相关的询问语句；

获取针对所述询问语句输入的导医需求信息；

对输入的导医需求信息继续执行所述调用大语言模型，基于所述导医需求信息进行语义理解，得到用户意图的步骤。

8.根据权利要求1所述的方法，其特征在于，所述对所述导医需求信息进行导医关键信息提取，包括：

获取第二提示语料，所述第二提示语料包括提示问句与提示答句，所述提示答句是所述提示问句中的导医关键信息；

调用大语言模型识别所述第二提示语料的问答形式，并以所述导医需求信息为问句，按照所述问答形式确定所述导医需求信息的答句；

将所述导医需求信息的答句作为所述导医需求信息中的导医关键信息。

9.根据权利要求1所述的方法，其特征在于，所述预设类型包括症状描述信息类型与就医位置信息类型；所述若提取结果指示所述导医需求信息中不包括预设类型的导医关键信息，则在所述导医会话界面中显示关于预设类型的导医关键信息的询问语句，并接收在所述导医会话界面中针对所述询问语句发送的预设类型的导医关键信息，包括：

若提取结果指示所述导医需求信息中不包括预设类型的导医关键信息，则在所述导医会话界面中发送关于症状描述信息的询问语句，并接收在所述导医会话界面中针对所述关于症状描述信息的询问语句发送的描述信息；

若所述描述信息为症状描述信息，则继续在所述导医会话界面中发送关于就医位置信息的询问语句，并接收在所述导医会话界面中针对所述关于就医位置信息的询问语句发送的位置信息；

若所述位置信息为就医位置信息，则将获取到的症状描述信息和就医位置信息作为导医关键信息。

10.根据权利要求1至9任一项所述的方法，其特征在于，所述根据获取的导医关键信息与各医院信息之间的相关程度，筛选出与获取的导医关键信息匹配的目标医院，包括：

获取与所述应用程序所关联的多个可访问医院的医院信息；

根据所述导医关键信息与各所述可访问医院的医院信息的相关程度，确定各所述可访问医院的召回得分，相关程度越高，相应的召回得分越高；

将相应召回得分最高的可访问医院确定为匹配的目标医院。

11.一种基于会话交互的导医信息获取装置，其特征在于，所述装置包括：

导医需求信息获取模块，用于获取在应用程序的导医会话界面中发送的导医需求信息；

语义理解模块，用于调用大语言模型，基于所述导医需求信息进行语义理解，得到用户意图；

导医关键信息获取模块，用于当所述用户意图为导医意图时，对所述导医需求信息进行导医关键信息提取，若提取结果指示所述导医需求信息中不包括预设类型的导医关键信息，则在所述导医会话界面中显示关于预设类型的导医关键信息的询问语句，并接收在所述导医会话界面中针对所述询问语句发送的预设类型的导医关键信息；

发送模块，用于根据获取的导医关键信息与各医院信息之间的相关程度，筛选出与获取的导医关键信息匹配的目标医院，根据所述目标医院的在线访问入口生成答复内容，将所述答复内容发送至所述导医会话界面；所述在线访问入口用于在触发后跳转至所述应用程序提供的所述目标医院的访问界面。

12.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至10中任一项所述的方法的步骤。

13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至10中任一项所述的方法的步骤。

14.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至10中任一项所述的方法的步骤。