问诊文本生成方法、装置、计算机设备及存储介质与流程

本申请涉及人工智能领域及数字医疗领域，尤其涉及一种问诊文本生成方法、装置、计算机设备及存储介质。

背景技术：

1、随着人工智能的发展，机器学习技术在中医领域成功落地的应用场景越来越多，比如，远程医疗、智能诊断、机器人问诊等。

2、在数字医疗领域，机器人辅助问诊是比较常见的一种业务场景，机器人通过和患者对话，代替人工专家收集患者信息，在这个过程中，正确理解每轮交互语义信息至关重要。虽然当前nlu(natural language understanding,自然语言理解)基本任务命名实体识别取得一定进展，基本满足工业应用，但在低容错应用场景还有一定差距，特别是精准医疗等领域。

3、在任务型多轮对话系统中，一般采用基于槽位填充的方法驱动完成对话任务。在中医场景中，问诊主要任务是搜集患者症状信息，进一步，症状信息中又会包含症状的离散型属性等信息，例如，痰的颜色等。在问诊系统中，收集这些信息的任务称为“槽位填充”。传统方法一般把离散型槽位值看做一种特殊的实体，利用ner(name entity recognition，实体识别)相关技术直接进行标注、训练和识别。另一方面，当ner技术不能完整提取槽位值片段信息时，直接导致槽值填充失败。因此，如何提高在数字医疗领域中机器人辅助问诊的问诊文本准确性成为了目前亟待解决的技术问题。

技术实现思路

1、本申请提供了一种问诊文本生成方法、装置、计算机设备及存储介质，以提高在数字医疗领域中机器人辅助问诊的问诊文本准确性。

2、第一方面，本申请提供了一种问诊文本生成方法，所述问诊文本生成方法包括：

3、获取目标用户的当前答复文本，并基于预设问诊文本库与所述当前答复文本，确定所述目标用户的当前症状信息；

4、通过预设问诊文本模型，确定所述当前症状信息对应的伴随症状概率分布表，并将所述伴随症状概率分布表中最高概率确定为所述当前症状信息的目标概率；

5、在所述目标概率大于预设概率阈值时，根据所述当前症状信息生成目标问诊文本。

6、第二方面，本申请还提供了一种问诊文本生成装置，所述装置包括：

7、当前症状确定模块，用于获取目标用户的当前答复文本，并基于预设问诊文本库与所述当前答复文本，确定所述目标用户的当前症状信息；

8、目标概率确定模块，用于通过预设问诊文本模型，确定所述当前症状信息对应的伴随症状概率分布表，并将所述伴随症状概率分布表中最高概率确定为所述当前症状信息的目标概率；

9、目标问诊文本确定模块，用于在所述目标概率大于预设概率阈值时，根据所述当前症状信息生成目标问诊文本。

10、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；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的问诊文本生成方法。

11、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存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的问诊文本生成方法。

12、本申请公开了一种问诊文本生成方法、装置、计算机设备及存储介质，所述问诊文本生成方法包括获取目标用户的当前答复文本，并基于预设问诊文本库与所述当前答复文本，确定所述目标用户的当前症状信息；通过预设问诊文本模型，确定所述当前症状信息对应的伴随症状概率分布表，并将所述伴随症状概率分布表中最高概率确定为所述当前症状信息的目标概率；在所述目标概率大于预设概率阈值时，根据所述当前症状信息生成目标问诊文本。通过上述方式，本申请通过患者的当前答复文本，确定当前症状信息，进一步确定了当前症状信息对应的伴随症状概率分布表，取最高的概率作为当前症状信息的目标概率，并将其与概率阈值进行比较，目标概率大于概率阈值时，将当前症状信息确定为目标问诊文本，提高了在数字医疗领域中机器人辅助问诊的问诊文本准确性。

技术特征：

1.一种问诊文本生成方法，其特征在于，所述方法包括：

2.根据权利要求1所述的问诊文本生成方法，其特征在于，所述获取目标用户的当前答复文本，并基于预设问诊文本库与所述当前答复文本，确定所述目标用户的当前症状信息之前，包括：

3.根据权利要求2所述的问诊文本生成方法，其特征在于，所述获取目标用户的当前答复文本，并基于预设问诊文本库与所述当前答复文本，确定所述目标用户的当前症状信息之前，包括：

4.根据权利要求3所述的问诊文本生成方法，其特征在于，所述获取目标用户的当前答复文本，并基于预设问诊文本库与所述当前答复文本，确定所述目标用户的当前症状信息，包括：

5.根据权利要求1所述的问诊文本生成方法，其特征在于，所述通过预设问诊文本模型，确定所述当前症状信息对应的伴随症状概率分布表，并将所述伴随症状概率分布表中最高概率确定为所述当前症状信息的目标概率之前，包括：

6.根据权利要求5所述的问诊文本生成方法，其特征在于，所述对所述预设问诊文本库中输入层的预设槽位id与预设伴随症状进行特征向量融合，包括：

7.根据权利要求1至6中任一项所述问诊文本生成方法，其特征在于，所述在所述目标概率大于预设概率阈值时，根据所述当前症状信息生成目标问诊文本之前，包括：

8.一种问诊文本生成装置，其特征在于，所述问诊文本生成装置包括：

9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至7中任一项所述的问诊文本生成方法。

技术总结
本申请涉及人工智能领域及数字医疗领域，公开了一种问诊文本生成方法、装置、计算机设备及存储介质，所述方法包括获取当前答复文本，并确定当前症状信息；通过问诊文本模型，在伴随症状概率分布表中确定当前症状信息的目标概率；在目标概率大于概率阈值时，根据当前症状信息生成目标问诊文本。通过上述方式，本申请通过患者的当前答复文本，确定当前症状信息，进一步确定了当前症状信息对应的伴随症状概率分布表，取最高的概率作为当前症状信息的目标概率，并将其与概率阈值进行比较，目标概率大于概率阈值时，根据当前症状信息生成目标问诊文本，提高了在数字医疗领域中机器人辅助问诊的问诊文本准确性。

技术研发人员：吴信朝,阮晓雯,吴振宇
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：
技术公布日：2024/1/15