CN111177343A - 一种自动构造医美问诊引导逻辑的方法及*** - Google Patents
一种自动构造医美问诊引导逻辑的方法及*** Download PDFInfo
- Publication number
- CN111177343A CN111177343A CN201911300806.1A CN201911300806A CN111177343A CN 111177343 A CN111177343 A CN 111177343A CN 201911300806 A CN201911300806 A CN 201911300806A CN 111177343 A CN111177343 A CN 111177343A
- Authority
- CN
- China
- Prior art keywords
- inquiry
- dialogs
- logic
- data
- categories
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000002537 cosmetic Substances 0.000 claims description 7
- 230000009193 crawling Effects 0.000 claims description 7
- 230000008451 emotion Effects 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000007493 shaping process Methods 0.000 claims description 7
- 238000013145 classification model Methods 0.000 claims description 5
- 208000024891 symptom Diseases 0.000 description 3
- 230000003796 beauty Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
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
- G06F16/35—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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种自动构造医美问诊引导逻辑的方法,包括以下步骤:S1:获取至少两家医院对话数据,抽取对话数据中的客服回复话术,包括问诊话术和非问诊话术;S2:抽取问诊话术进行分析,并将问诊话术分成多种问诊类别;S3:分析对话数据在不同问诊类别的频率,得到主题项目的最佳问诊逻辑和最佳问诊话术。
Description
技术领域
本发明涉及医疗整形领域,尤其是一种自动构造医美问诊引导逻辑的方法及***。
背景技术
现有对话机器人主要都是由访客来主导对话,机器人是被动的。但是在医疗整形行业,要求机器人能够主动对话、引导访客。传统方案是根据访客发送关键词来触发问诊或者通过写通用的问诊引导流程来主导对话。这种形式对话内容会比较生硬,且不能理解客户语义。
发明内容
为解决现有技术中存在的问题,本发明是基于主题场景的机器人问诊机制,理解访客语义,主导对话流程,帮助机器人获得更多访客信息以进行更精准的症状分析,从而提出了一种自动构造医美问诊引导逻辑的及***。具体如下:
一种自动构造医美问诊引导逻辑的方法,包括以下步骤:
S1:获取至少两家医院对话数据,抽取对话数据中的客服回复话术,包括问诊话术和非问诊话术;
S2:抽取问诊话术进行分析,并将问诊话术分成多种问诊类别;
S3:分析对话数据在不同问诊类别的频率,得到主题项目的最佳问诊逻辑和最佳问诊话术。
优选的,步骤S2进一步包括:
S2-1:通过爬虫爬取步骤S1中每家医院官网的整形项目信息,并统计常见项目;
S2-2:将对话数据按照所述的常见项目进行分类,形成项目数据;
S2-3:依据每类项目数据,抽取步骤S1的客服回复话术中的问诊话术;
优选的,步骤S3进一步包括:
S3-1:抽取对话数据中的优质对话,分析该对话在不同问诊类别的频率,选择出现频率最高的排列组合作为主题项目的问诊逻辑;
S3-2:针对每种问诊类别,选择使用频率最高的问诊话术,得到问诊类别的最佳问诊逻辑和最佳问诊话术。
优选的,步骤S2采用BERT语言模型以及二分类模型。
优选的,所述的问诊话术依据统计学和/或机器学习的结果获得。
优选的,所述优质对话包括对话超过三轮且用户无负面情绪的对话。
根据本发明的另一个方面,提供一种自动构造医美问诊引导逻辑的***,包括:
数据模块、类别模块以及分析模块;其中,
所述数据模块,用于获取至少两家医院对话数据,抽取对话数据中的客服回复话术,包括问诊话术和非问诊话术;
所述类别模块,用于抽取问诊话术进行分析,并将问诊话术分成多种问诊类别;
所述分析模块,用于分析对话数据在不同问诊类别的频率,得到主题项目的最佳问诊逻辑和最佳问诊话术。
优选的,所述类别模块进一步用于:
(1)通过爬虫爬取每家医院官网的整形项目信息,并统计常见项目;
(2)将对话数据按照所述的常见项目进行分类,形成项目数据;
(3)依据每类项目数据,抽取客服回复话术中的问诊话术。
优选的,所述分析模块进一步用于:
(1)抽取对话数据中的优质对话,分析该对话在不同问诊类别的频率,选择出现频率最高的排列组合作为主题项目的问诊逻辑;
(2)针对每种问诊类别,选择使用频率最高的问诊话术,得到问诊类别的最佳问诊逻辑和最佳问诊话术。
优选的,所述项目模块包括BERT语言模型以及二分类模型。
优选的,所述的问诊话术依据统计学和/或机器学习的结果获得。
优选的,所述优质对话包括对话超过三轮且用户无负面情绪的对话。
与现有技术相比较,本发明具有以下优点:
1.可以根据项目主动问诊引导;
2.根据统计学及机器学习的结果自动生成问诊逻辑及话术,节省人力物力,也能根据大数据获取最佳的问诊逻辑及问诊话术。
附图说明
图1是本发明问诊引导逻辑方法的流程图;
图2是本发明***实施例的结构示意图。
具体实施方式
如图1所示为本发明一种自动构造医美问诊引导逻辑的方法的流程图,本发明是一种基于主题场景的机器人问诊机制,理解访客语义,主导对话流程,帮助机器人获得更多访客信息以进行更精准的症状分析。一种自动构造医美问诊引导逻辑的方法,包括以下步骤:
S1:获取至少两家医院对话数据,抽取对话数据中的客服回复话术,包括问诊话术和非问诊话术;
S2:抽取问诊话术进行分析,并将问诊话术分成多种问诊类别;该步骤采用BERT语言模型以及二分类模型实现;包括:
S2-1:通过爬虫爬取步骤S1中每家医院官网的整形项目信息,并统计常见项目;
S2-2:将对话数据按照所述的常见项目进行分类,形成项目数据;
S2-3:依据每类项目数据,抽取步骤S1的客服回复话术中的问诊话术;
S3:分析对话数据在不同问诊类别的频率,得到主题项目的最佳问诊逻辑和最佳问诊话术;包括:
S3-1:抽取对话数据中的优质对话,分析该对话在不同问诊类别的频率,选择出现频率最高的排列组合作为主题项目的问诊逻辑;
S3-2:针对每种问诊类别,选择使用频率最高的问诊话术,得到问诊类别的最佳问诊逻辑和最佳问诊话术。
优选的,所述的问诊话术依据统计学和/或机器学习的结果获得。
优选的,所述优质对话包括对话超过三轮且用户无负面情绪的对话。
一种自动构造医美问诊引导逻辑的方法具体包括:
1)从不同城市抽取1-2家医院对话数据;
2)抽取客服回答话术;
3)通过爬虫爬取1)中医院官网的整形项目信息,统计常见项目;
4)将对话按照项目进行分类;其中,一个对话中包含多个项目的对话数据去掉,因为对话量大,除去一些对话数据没什么影响;
5)针对每类项目数据,从客服回答话术中抽取问诊引导话术,这是一个分类问题,将客户回答话术分为两个类别,问诊话术、非问诊话术,其采用的技术路线为bert以及一个二分类模型;
6)分析问诊数据,将问诊话术分成多种问诊类别;
7)将优质对话抽取出来,其中,优质对话包括对话超过三轮、用户无负面情绪的对话;
8)统计分析步骤7)不同问诊类别顺序的频率,选择问诊类别顺序在真实对话中出现频率最高的排列组合作为项目的问诊逻辑;
9)对于每种问诊类别,选择使用频率最高的问诊话术;
10)得到问诊类别的最佳排序(问诊逻辑)及最佳问诊话术。
本发明还提供一种自动构造医美问诊引导逻辑的***,从而实现基于主题项目的机器人问诊流程,理解访客语义、获得更多访客信息进一步对访客更精准的症状分析、解答。
如图2所示,图2是本发明***实施例的结构示意图。本实施例中,该***包括:
数据模块、类别模块以及分析模块;其中,
所述数据模块,用于获取至少两家医院对话数据,抽取对话数据中的客服回复话术,包括问诊话术和非问诊话术;
所述类别模块,用于抽取问诊话术进行分析,并将问诊话术分成多种问诊类别;
所述分析模块,用于分析对话数据在不同问诊类别的频率,得到主题项目的最佳问诊逻辑和最佳问诊话术。
优选的,所述类别模块进一步用于:
(1)通过爬虫爬取每家医院官网的整形项目信息,并统计常见项目;
(2)将对话数据按照所述的常见项目进行分类,形成项目数据;
(3)依据每类项目数据,抽取客服回复话术中的问诊话术。
优选的,所述分析模块进一步用于:
(1)抽取对话数据中的优质对话,分析该对话在不同问诊类别的频率,选择出现频率最高的排列组合作为主题项目的问诊逻辑;
(2)针对每种问诊类别,选择使用频率最高的问诊话术,得到问诊类别的最佳问诊逻辑和最佳问诊话术。
优选的,所述项目模块包括BERT语言模型以及二分类模型。
优选的,所述的问诊话术依据统计学和/或机器学习的结果获得。
优选的,所述优质对话包括对话超过三轮且用户无负面情绪的对话。
上述实施例中的实施方案可以进一步组合或者替换,且实施例仅仅是对本发明的优选实施例进行描述,并非对本发明的构思和范围进行限定,在不脱离本发明设计思想的前提下,本领域中专业技术人员对本发明的技术方案作出的各种变化和改进,均属于本发明的保护范围。
Claims (10)
1.一种自动构造医美问诊引导逻辑的方法,其特征在于,包括以下步骤:
S1:获取至少两家医院对话数据,抽取对话数据中的客服回复话术,包括问诊话术和非问诊话术;
S2:抽取问诊话术进行分析,并将问诊话术分成多种问诊类别;
S3:分析对话数据在不同问诊类别的频率,得到主题项目的最佳问诊逻辑和最佳问诊话术。
2.根据权利要求1所述的一种自动构造医美问诊引导逻辑的方法,其特征在于,步骤S2进一步包括:
S2-1:通过爬虫爬取步骤S1中每家医院官网的整形项目信息,并统计常见项目;
S2-2:将对话数据按照所述的常见项目进行分类,形成项目数据;
S2-3:依据每类项目数据,抽取步骤S1的客服回复话术中的问诊话术。
3.根据权利要求1所述的一种自动构造医美问诊引导逻辑的方法,其特征在于,步骤S3进一步包括:
S3-1:抽取对话数据中的优质对话,分析该对话在不同问诊类别的频率,选择出现频率最高的排列组合作为主题项目的问诊逻辑;
S3-2:针对每种问诊类别,选择使用频率最高的问诊话术,得到问诊类别的最佳问诊逻辑和最佳问诊话术。
4.根据权利要求1所述的一种自动构造医美问诊引导逻辑的方法,其特征在于,步骤S2采用BERT语言模型以及二分类模型。
5.根据权利要求1至4任一所述的一种自动构造医美问诊引导逻辑的方法,其特征在于,所述的问诊话术依据统计学和/或机器学习的结果获得;
优选的,所述优质对话包括对话超过三轮且用户无负面情绪的对话。
6.一种自动构造医美问诊引导逻辑的***,其特征在于,包括:数据模块、类别模块以及分析模块;其中,
所述数据模块,用于获取至少两家医院对话数据,抽取对话数据中的客服回复话术,包括问诊话术和非问诊话术;
所述类别模块,用于抽取问诊话术进行分析,并将问诊话术分成多种问诊类别;
所述分析模块,用于分析对话数据在不同问诊类别的频率,得到主题项目的最佳问诊逻辑和最佳问诊话术。
7.根据权利要求6所述的一种自动构造医美问诊引导逻辑的***,其特征在于,所述类别模块进一步用于:
(1)通过爬虫爬取每家医院官网的整形项目信息,并统计常见项目;
(2)将对话数据按照所述的常见项目进行分类,形成项目数据;
(3)依据每类项目数据,抽取客服回复话术中的问诊话术。
8.根据权利要求6所述的一种自动构造医美问诊引导逻辑的***,其特征在于,所述分析模块进一步用于:
(1)抽取对话数据中的优质对话,分析该对话在不同问诊类别的频率,选择出现频率最高的排列组合作为主题项目的问诊逻辑;
(2)针对每种问诊类别,选择使用频率最高的问诊话术,得到问诊类别的最佳问诊逻辑和最佳问诊话术。
9.根据权利要求6所述的一种自动构造医美问诊引导逻辑的***,其特征在于,所述项目模块包括BERT语言模型以及二分类模型。
10.根据权利要求7至10任一所述的一种自动构造医美问诊引导逻辑的***,其特征在于,所述的问诊话术依据统计学和/或机器学习的结果获得;
优选的,所述优质对话包括对话超过三轮且用户无负面情绪的对话。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911300806.1A CN111177343A (zh) | 2019-12-17 | 2019-12-17 | 一种自动构造医美问诊引导逻辑的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911300806.1A CN111177343A (zh) | 2019-12-17 | 2019-12-17 | 一种自动构造医美问诊引导逻辑的方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111177343A true CN111177343A (zh) | 2020-05-19 |
Family
ID=70656608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911300806.1A Pending CN111177343A (zh) | 2019-12-17 | 2019-12-17 | 一种自动构造医美问诊引导逻辑的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111177343A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112185544A (zh) * | 2020-09-10 | 2021-01-05 | 浙江传媒学院 | 基于语义的家庭医疗咨询决策支持方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912846A (zh) * | 2016-04-07 | 2016-08-31 | 南京小网科技有限责任公司 | 基于云计算和医学知识库技术的智能医疗辅助决策*** |
CN106570708A (zh) * | 2016-10-31 | 2017-04-19 | 厦门快商通科技股份有限公司 | 一种智能客服知识库的管理方法及*** |
US20180218127A1 (en) * | 2017-01-31 | 2018-08-02 | Pager, Inc. | Generating a Knowledge Graph for Determining Patient Symptoms and Medical Recommendations Based on Medical Information |
CN110543552A (zh) * | 2019-09-06 | 2019-12-06 | 网易(杭州)网络有限公司 | 对话交互方法、装置及电子设备 |
-
2019
- 2019-12-17 CN CN201911300806.1A patent/CN111177343A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912846A (zh) * | 2016-04-07 | 2016-08-31 | 南京小网科技有限责任公司 | 基于云计算和医学知识库技术的智能医疗辅助决策*** |
CN106570708A (zh) * | 2016-10-31 | 2017-04-19 | 厦门快商通科技股份有限公司 | 一种智能客服知识库的管理方法及*** |
US20180218127A1 (en) * | 2017-01-31 | 2018-08-02 | Pager, Inc. | Generating a Knowledge Graph for Determining Patient Symptoms and Medical Recommendations Based on Medical Information |
CN110543552A (zh) * | 2019-09-06 | 2019-12-06 | 网易(杭州)网络有限公司 | 对话交互方法、装置及电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112185544A (zh) * | 2020-09-10 | 2021-01-05 | 浙江传媒学院 | 基于语义的家庭医疗咨询决策支持方法 |
CN112185544B (zh) * | 2020-09-10 | 2023-09-19 | 浙江传媒学院 | 基于语义的家庭医疗咨询决策支持方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Poongodi et al. | Chat-bot-based natural language interface for blogs and information networks | |
CN106326440B (zh) | 一种面向智能机器人的人机交互方法及装置 | |
Aleedy et al. | Generating and analyzing chatbot responses using natural language processing | |
Reithinger et al. | Utilizing statistical dialogue act processing in Verbmobil | |
CN110717018A (zh) | 一种基于知识图谱的工业设备故障维修问答*** | |
US9569743B2 (en) | Funnel analysis | |
WO2014047270A1 (en) | Method and apparatus for predicting intent in ivr using natural language queries | |
CN111177310A (zh) | 电力服务机器人智能场景会话方法及装置 | |
CN106294854A (zh) | 一种用于智能机器人的人机交互方法及装置 | |
US9697246B1 (en) | Themes surfacing for communication data analysis | |
Seng et al. | Video analytics for customer emotion and satisfaction at contact centers | |
CN106570181B (zh) | 基于上下文管理的智能交互方法及*** | |
CN111598485A (zh) | 一种多维度智能质检方法、装置、终端设备及介质 | |
CN112256854A (zh) | 一种基于ai自然语言理解的智能ai会话方法及装置 | |
Antunes et al. | A framework to support development of sign language human-computer interaction: Building tools for effective information access and inclusion of the deaf | |
CN115599894A (zh) | 情绪识别的方法、装置、电子设备及存储介质 | |
CN114387061A (zh) | 产品推送方法、装置、电子设备及可读存储介质 | |
CN112287082A (zh) | 结合rpa与ai的数据的处理方法、装置、设备及存储介质 | |
JP5574842B2 (ja) | Faq候補抽出システムおよびfaq候補抽出プログラム | |
CN113505606B (zh) | 一种培训信息获取方法、装置、电子设备及存储介质 | |
CN111177343A (zh) | 一种自动构造医美问诊引导逻辑的方法及*** | |
CN109949723A (zh) | 一种通过智能语音对话进行产品推荐的装置及方法 | |
CN112015879B (zh) | 基于文本结构化管理的人机交互引擎实现方法及装置 | |
CN111180088A (zh) | 一种基于对话流的主动问诊及套电的方法及*** | |
CN116561284A (zh) | 智能应答方法、装置、电子设备及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200519 |
|
RJ01 | Rejection of invention patent application after publication |