CN113836284A - 知识库构建、生成应答语句的方法和装置 - Google Patents
知识库构建、生成应答语句的方法和装置 Download PDFInfo
- Publication number
- CN113836284A CN113836284A CN202111127364.2A CN202111127364A CN113836284A CN 113836284 A CN113836284 A CN 113836284A CN 202111127364 A CN202111127364 A CN 202111127364A CN 113836284 A CN113836284 A CN 113836284A
- Authority
- CN
- China
- Prior art keywords
- answer
- target
- knowledge base
- extraction
- events
- 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 67
- 230000004044 response Effects 0.000 title claims description 32
- 238000009411 base construction Methods 0.000 claims abstract description 24
- 238000003745 diagnosis Methods 0.000 claims abstract description 6
- 238000000605 extraction Methods 0.000 claims description 91
- 230000015654 memory Effects 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 208000017520 skin disease Diseases 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 208000018556 stomach disease Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F16/33—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
- G06F16/35—Clustering; Classification
- G06F16/355—Class or cluster creation or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Pathology (AREA)
- Human Computer Interaction (AREA)
- Biomedical Technology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了知识库构建方法和装置，涉及人工智能技术领域。方法的一具体实施方式包括：获取多个用户的历史问诊语句；对历史问诊语句进行事件抽取，得到多个抽取事件；基于抽取事件及所对应的应答语句，构建问答知识库，以用于在用户问诊时生成应答语句。该实施方式有助于提升生成自动应答语句的效率和准确性。
Description
技术领域
本申请涉及计算机技术领域，具体涉及人工智能技术领域，尤其涉及一种知识库构建、生成应答语句的方法和装置。
背景技术
在医疗健康类应用程序中，偶尔遇到医生管家不能及时回复信息的情况，而患者一般都希望对自己的问题有一个快速的反馈。
目前自动应答很多是依靠关键词进行信息匹配，所以存在以下缺点：1.患者发送的消息用语不够专业化，可能不会涉及很多专业名词，无法命中词库，不能准确给出答复。2.目前市面上的自动应答***，还没有建立完整的医患交互记录知识库，即使给出答案，也可能是多个答案，而不是准确的答案。
发明内容
本申请实施例提供了一种知识库构建方法、装置、设备以及存储介质。
根据第一方面，本申请实施例提供了一种知识库构建方法，该方法包括：获取多个用户的历史问诊语句；对历史问诊语句进行事件抽取，得到多个抽取事件；基于抽取事件及所对应的应答语句，构建问答知识库，以用于在用户问诊时生成应答语句。
根据第二方面，本申请实施例提供了一种生成应答语句的方法，该方法包括：获取目标用户在历史预设时间段内的目标问诊语句；对目标问诊语句进行事件抽取，得到目标抽取事件；基于目标抽取事件，在问答知识库中查找与目标问诊语句相对应的目标应答语句，其中，问答知识库是如上述第一方面任一实现方式描述的方法得到的问答知识库；响应于确定查找到目标应答语句，将目标应答语句推送给用户。
根据第三方面，本申请实施例提供了一种知识库构建装置，该装置包括：获取模块，被配置成获取多个用户的历史问诊语句；抽取模块，被配置成对历史问诊语句进行事件抽取，得到多个抽取事件；构建模块，被配置成基于抽取事件及所对应的应答语句，构建问答知识库，以用于在用户问诊时生成应答语句。
根据第四方面，本申请实施例提供了一种生成应答语句的装置，该装置包括：问诊模块，被配置成对目标问诊语句进行事件抽取，得到目标抽取事件；获得模块，被配置成对历史问诊语句进行事件抽取，得到多个抽取事件；查找模块，被配置成基于目标抽取事件，在问答知识库中查找与目标问诊语句相对应的目标应答语句，其中，问答知识库是如上述第一方面任一实现方式描述的方法得到的问答知识库；推送模块，被配置成响应于确定查找到目标应答语句，将目标应答语句推送给用户。
根据第五方面，本申请实施例提供了一种电子设备，该电子设备包括一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被该一个或多个处理器执行，使得一个或多个处理器实现如第一方面或第二方面中任一实现方式描述的方法。
根据第六方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面或第二方面中任一实现方式描述的方法。
本申请通过获取多个用户的历史问诊语句；对历史问诊语句进行事件抽取，得到多个抽取事件；基于抽取事件及所对应的应答语句，构建问答知识库，以用于在用户问诊时生成应答语句，即通过构建应用于用户问诊场景下的知识库，提升了生成自动应答语句的效率和准确性。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
图1是本申请可以应用于其中的示例性***架构图；
图2是根据本申请的知识库构建方法的一个实施例的流程图；
图3是根据本申请的知识库构建方法的一个应用场景的示意图；
图4是根据本申请的知识库构建方法的另一个实施例的流程图；
图5是根据本申请的生成应答语句的方法的一个实施例的示意图；
图6是根据本申请的知识库构建装置的一个实施例的示意图；
图7是根据本申请的生成应答语句的装置的一个实施例的示意图；
图8是适于用来实现本申请实施例的服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的知识库构建方法的实施例的示例性***架构100。
如图1所示，***架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如，诊断类应用、通讯类应用等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于手机和笔记本电脑。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供知识库构建服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如，获取多个用户的历史问诊语句；对历史问诊语句进行事件抽取，得到多个抽取事件；基于抽取事件及所对应的应答语句，构建问答知识库，以用于在用户问诊时生成应答语句。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供知识库构建服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要指出的是，本公开的实施例所提供的知识库构建方法可以由服务器105执行，也可以由终端设备101、102、103执行，还可以由服务器105和终端设备101、102、103彼此配合执行。相应地，信息提醒装置包括的各个部分(例如各个单元、子单元、模块、子模块)可以全部设置于服务器105中，也可以全部设置于终端设备101、102、103中，还可以分别设置于服务器105和终端设备101、102、103中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
图2示出了可以应用于本申请的知识库构建方法的流程示意图200。在本实施例中，知识库构建方法包括以下步骤：
步骤201，获取多个用户的历史问诊语句。
在本实施例中，执行主体(如图1中所示的服务器105或终端设备101、102、103)可从多种渠道获取多个用户的历史问诊语句，例如，健康类应用程序的后台数据库存储的用户与医生的聊天记录中、公众号或者期刊的科普文章中、社区论坛中的聊天记录中等，本申请对此不作限定。
步骤202，对问诊语句进行事件抽取，得到多个抽取事件。
在本实施例中，执行主体在获取到多个用户的问诊语句后，可采用事件抽取算法对问诊语句进行事件抽取，得到多个抽取事件。
其中，事件抽取是指从非结构化信息中抽取出用户感兴趣的事件，并以结构化呈现给用户。事件抽取算法可以采用现有技术或未来发展技术中的事件抽取算法，例如，基于模式匹配的事件抽取算法、基于机器学习的事件抽取算法、基于神经网络的事件抽取算法等等，本申请对此不作限定。
这里，执行主体可采用以下方式对事件抽取算法的效果进行评估：
基于召回率(记为R)准确率(记为P)的微平均(记为F)值法，或基于丢失率(记为L)误报率(记为M)的错误识别代价(记为C)法。其中，
F＝2×PR(P+R)
C＝Cmiss×L×Ltar+Cfa×M×(1-Ltar)
Cmiss为一次丢失的代价，Cfa为一次误报的代价，Ltar为***作出肯定判断的先验概率，通常根据具体应用设定为常值。上述公式表明，两种效果测评方法之间不存在简单的逆反关系，因此在分析不同评价方法下的两种不同算法的效果时应进行适当的换算。
步骤203，基于抽取事件及所对应的应答语句，构建问答知识库，以用于在用户问诊时生成应答语句。
在本实施例中，执行主体可根据获取的多个抽取事件及多个抽取事件中各抽取事件对应的应答语句，构建问答知识库，以用于在用户问诊时生成应答语句。
继续参见图3，图3是根据本实施例的知识库构建方法的应用场景的一个示意图。
在图3的应用场景中，执行主体301获取多个用户的历史问诊语句，例如，用户302经由终端设备303输入的问诊语句为“皮肤病怎么治？”、“为什么皮肤不舒服？”304；用户305经由终端设备306的问诊语句为“我高压120正常吗？”、“我低压70正常吗？”307。进一步，执行主体对上述问诊语句进行事件抽取308，例如，对用户1的问诊语句进行事件抽取，得到抽取事件309，分别为抽取事件1“皮肤病，治”，抽取事件2“高压”、抽取事件3“低压”。获取各抽取事件对应的应答语句，基于抽取事件及所对应的应答语句，构建问答知识库310，以用于在用户问诊时生成应答语句。
本公开的知识库构建方法，通过获取多个用户的历史问诊语句；对历史问诊语句进行事件抽取，得到多个抽取事件；基于抽取事件及所对应的应答语句，构建问答知识库，以用于在用户问诊时生成应答语句，即通过构建应用于用户问诊场景下的知识库，提升了生成自动应答语句的效率和准确性。
进一步参考图4，其示出了知识库构建方法的又一个实施例的流程400。本实施例的知识库构建方法的流程400，可包括以下步骤：
步骤401，获取多个用户的历史问诊语句。
在本实施例中，步骤401的实现细节和技术效果，可以参考对步骤201的描述，在此不再赘述。
步骤402，对历史问诊语句进行事件抽取，得到多个抽取事件。
在本实施例中，步骤402的实现细节和技术效果，可以参考对步骤202的描述，在此不再赘述。
步骤403，对抽取事件进行聚类，得到多个聚类事件。
在本实施例中，执行主体可采用聚类算法，对多个抽取事件进行聚类，得到多个聚类事件。
这里，聚类算法可以采用现有技术或未来发展技术中的聚类算法，例如，K-means算法、Single-Pass增量聚类算法、HAC(Hierarchical Agglomerative Clustering，凝聚式层次聚类)算法等等，本申请对此不作限定。
具体地，对于抽取事件集合S＝{S1，S2，S3,……，Sn}，聚类过程为:
(1)初始化抽取事件的类集合E＝{E1，E2，E3，……，En}，其中Ei＝Si。
(2)如果任意类别Ek，E1，都有Sim(Ek，E1)<Thread，则停止聚类过程；否则，转(3)。其中，Sim(Ek，E1)为Ek与E1的类间相似度，其计算方法见以下公式(余弦相似度公式)；Thread为一个阈值，用以规定聚类的结束条件，本文主要是针对抽取事件聚类，类间相似度阈值Thread取0.2较为合理。
(3)找到类间相似度Sim(Ei，Ej)最大的两个类别Ei，Ej，将这两个类合并，更新集合E，转(2)。
步骤404，基于聚类事件、抽取事件及所对应的应答语句，构建问答知识库。
在本实施例中，执行主体可根据获取的多个抽取事件对应的多个聚类事件、多个抽取事件及多个抽取事件中各抽取事件对应的应答语句，构建问答知识库，以用于在用户问诊时生成应答语句。
具体地，多个抽取事件为抽取事件1“皮肤病怎么治？”，抽取事件2“胃病怎么治？”，执行主体对抽取事件1进行聚类，得到聚类事件1“皮肤病问诊”，对抽取事件2进行聚类，得到聚类事件2“胃病问诊”，进一步地，执行主体可基于聚类事件1、聚类事件2、抽取事件1及所对应的应答语句、抽取事件2及所对应的应答语句构建问答知识库。
本申请的上述实施例，与图2对应的实施例相比，本实施例中的知识库构建方法的流程400体现了对所述抽取事件进行聚类，得到多个聚类事件；基于聚类事件、抽取事件及所对应的应答语句，构建问答知识库，以用于在用户问诊时生成应答语句，有助于为用户提供更加符合自身情况的治疗方案，提升了问答知识库中各问答语句对之间的关联性，并进一步提高了利用问答知识库查找应答语句的效率。
继续参考图5，示出了根据本申请的生成应答语句的方法的一个实施例的流程500。该生成应答语句的方法，包括以下步骤：
步骤501，获取目标用户在历史预设时间段内的目标问诊语句。
在本实施例中，执行主体可采用有线或无线地方式获取目标用户在历史预设时间段内的目标问诊语句。其中，无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
这里，目标用户可以是有问诊需求的任意用户。预设时间段可根据经验和实际需求进行设定，例如，医生不在线的预设时间段内，如医生不在线的时刻起3分钟内、医生不在线且问诊用户提出第一问诊问题时刻起的2分钟内等等，本申请对此不作限定。
其中，目标问诊语句可以是一句，也可以是多句，本申请对此不作限定。
步骤502，对目标问诊语句进行事件抽取，得到目标抽取事件。
在本实施例中，执行主体在获取到历史预设时间段内的目标问诊语句后，可首先将目标问诊语句根据时间整合成文档，然后对文档进行事件抽取，得到目标抽取事件。
具体地，执行主体获取的目标用户在历史预设时间段内的目标问诊语句为“我高压120正常吗？”、“我低压70正常吗？”，执行主体对目标问诊语句进行事件抽取，得到目标抽取事件“高压”、“低压”。
步骤503，基于目标抽取事件，在问答知识库中查找与目标问诊语句相对应的目标应答语句。
在本实施例中，执行主体在获取到目标抽取事件后，可直接根据目标抽取事件在问答知识库中查找与目标抽取事件对应的抽取事件对应的应答语句，并将该应答语句确定为目标问诊语句对应的答案；也可以首先对目标抽取事件进行聚类，得到目标聚类事件，根据目标聚类事件在问答知识库中查找与目标抽取事件对应的答案，即在知识库中先查找到目标聚类事件对应的聚类事件，在聚类事件条目下进一步查找与目标抽取事件对应的抽取事件，并将与目标抽取事件对应的抽取事件对应的应答语句确定为目标问诊语句对应的答案。
其中，问答知识库是如图2或图4对应的实施例描述的方法得到的知识库，这里不再赘述。
具体地，目标问诊语句为“我高压120正常吗？”、“我低压70正常吗？”，执行主体对目标问诊语句进行事件抽取，得到目标抽取事件“高压”、“低压”，执行主体可根据目标抽取事件在问答知识库中分别查找“高压”、“低压”对应的应答语句，也可首先对目标抽取事件“高压”、“低压”进行聚类，得到目标聚类事件“血压标准”，根据目标聚类事件，在问答知识库中首先查找到目标聚类事件“血压标准”对应的聚类事件，再在该聚类事件条目下查找与目标抽取事件对应的抽取事件“高压”、“低压”，进而确定“高压”、“低压”对应的应答语句。
步骤504，响应于确定查找到目标应答语句，将目标应答语句推送给用户。
在本实施例中，若执行主体在问答知识库中查找到目标应答语句，则可将目标应答语句通过有线或无线的方式推送给用户。
在一些可选的方式中，该方法还包括：响应于确定未查找到目标应答语句，基于目标抽取事件对所述问答知识库进行更新。
在本实现方式中，若执行主体在问答知识库中未查找到目标应答语句，则可根据目标抽取事件及所对应的应答语句对问答知识库进行更新，得到更新后的问答知识库。
该实现方式通过响应于确定未查找到目标应答语句，基于目标抽取事件对问答知识库进行更新，实现了对问答知识库的不断更新，提高生成的应答语句的准确性。
在一些可选的方式中，该方法还包括：响应于检测到对目标应答语句的校正指令，基于校正指令对目标应答语句进行校正。
在本实现方式中，执行主体在向用户推送应答语句后，若检测到对目标应答语句的校正指令，则可根据校正指令所指示的内容对目标应答语句进行校正，得到校正后的目标应答语句，并将校正后的目标应答语句推送给用户。
该实现方式通过响应于检测到对目标应答语句的校正指令，基于校正指令对目标应答语句进行校正，进一步提升了推送的应答语句的准确性。
进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种知识库构建装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例的知识库构建装置600包括：获取模块601、抽取模块602和构建模块603。
其中，获取模块601，可被配置成获取多个用户的历史问诊语句。
抽取模块602，可被配置成对历史问诊语句进行事件抽取，得到多个抽取事件。
构建模块603，可被配置成基于抽取事件及所对应的应答语句，构建问答知识库，以用于在用户问诊时生成应答语句。
在本实施例的一些可选的方式中，构建模块进一步被配置成对抽取事件进行聚类，得到多个聚类事件；基于聚类事件、抽取事件及所对应的应答语句，构建问答知识库。
进一步参考图7，作为对上述各图所示方法的实现，本申请提供了一种生成应答语句的装置的一个实施例，该装置实施例与图5所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图7所示，本实施例的生成应答语句的装置700包括：问诊模块701、获得模块702、查找模块703和推送模块704。
其中，问诊模块701，可被配置成获取目标用户在历史预设时间段内的目标问诊语句。
获得模块702，可被配置成对目标问诊语句进行事件抽取，得到目标抽取事件。
查找模块703，可被配置成基于目标抽取事件，在问答知识库中查找与目标问诊语句相对应的目标应答语句。
推送模块704，可被配置成响应于确定查找到目标应答语句，将目标应答语句推送给用户。
在本实施例的一些可选的方式中，该装置还包括：更新模块，被配置成响应于确定未查找到目标应答语句，基于目标抽取事件对问答知识库进行更新。
在本实施例的一些可选的方式中，该装置还包括：校正模块，被配置成响应于检测到对目标应答语句的校正指令，基于校正指令对所述应答语句进行校正。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图8所示，是根据本申请实施例的知识库构建方法的电子设备的框图。
800是根据本申请实施例的知识库构建方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示，该电子设备包括：一个或多个处理器801、存储器802，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器***)。图8中以一个处理器801为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的知识库构建方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的知识库构建方法。
存储器802作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的知识库构建方法对应的程序指令/模块(例如，附图6所示的获取模块601、抽取模块602、构建模块603)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的知识库构建方法。
存储器802可以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***、至少一个功能所需要的应用程序；存储数据区可存储知识库构建的电子设备的使用所创建的数据等。此外，存储器802可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器802可选包括相对于处理器801远程设置的存储器，这些远程存储器可以通过网络连接至知识库构建的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
知识库构建方法的电子设备还可以包括：输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接，图8中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，有助于实现对用户不良健康状况的及时干预。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (12)
1.一种知识库构建方法，所述方法包括：
获取多个用户的历史问诊语句；
对所述历史问诊语句进行事件抽取，得到多个抽取事件；
基于所述抽取事件及所对应的应答语句，构建问答知识库，以用于在用户问诊时生成应答语句。
2.根据权利要求1所述的方法，其中，所述基于所述抽取事件及所对应的应答语句，构建问答知识库，包括：
对所述抽取事件进行聚类，得到多个聚类事件；
基于所述聚类事件、所述抽取事件及所对应的应答语句，构建问答知识库。
3.一种生成应答语句的方法，所述方法包括：
获取目标用户在历史预设时间段内的目标问诊语句；
对所述目标问诊语句进行事件抽取，得到目标抽取事件；
基于所述目标抽取事件，在问答知识库中查找与所述目标问诊语句相对应的目标应答语句，其中，所述问答知识库是如权利要求1-2之一所述的方法得到的问答知识库；
响应于确定查找到所述目标应答语句，将所述目标应答语句推送给用户。
4.根据权利要求3所述的方法，所述方法还包括：
响应于确定未查找到所述目标应答语句，基于所述目标抽取事件对所述问答知识库进行更新。
5.根据权利要求3所述的方法，所述方法还包括：
响应于检测到对所述目标应答语句的校正指令，基于所述校正指令对所述应答语句进行校正。
6.一种知识库构建装置，所述装置包括：
获取模块，被配置成获取多个用户的历史问诊语句；
抽取模块，被配置成对所述历史问诊语句进行事件抽取，得到多个抽取事件；
构建模块，被配置成基于所述抽取事件及所对应的应答语句，构建问答知识库，以用于在用户问诊时生成应答语句。
7.根据权利要求6所述的装置，其中，所述构建模块进一步被配置成:
对所述抽取事件进行聚类，得到多个聚类事件；
基于所述聚类事件、所述抽取事件及所对应的应答语句，构建问答知识库。
8.一种生成应答语句的装置，所述装置包括：
问诊模块，被配置成获取目标用户在历史预设时间段内的目标问诊语句；
获得模块，被配置成对所述目标问诊语句进行事件抽取，得到目标抽取事件；
查找模块，被配置成基于所述目标抽取事件，在问答知识库中查找与所述目标问诊语句相对应的目标应答语句，其中，所述问答知识库是如权利要求1-2之一所述的方法得到的问答知识库；
推送模块，被配置成响应于确定查找到所述目标应答语句，将所述目标应答语句推送给用户。
9.根据权利要求8所述的装置，所述装置还包括：
更新模块，被配置成响应于确定未查找到所述目标应答语句，基于所述目标抽取事件对所述问答知识库进行更新。
10.根据权利要求8所述的装置，所述装置还包括：
校正模块，被配置成响应于检测到对所述目标应答语句的校正指令，基于所述校正指令对所述应答语句进行校正。
11.一种电子设备，其特征在于，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，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111127364.2A CN113836284A (zh) | 2021-09-26 | 2021-09-26 | 知识库构建、生成应答语句的方法和装置 |
| PCT/CN2022/117228 WO2023045752A1 (zh) | 2021-09-26 | 2022-09-06 | 知识库构建、生成应答语句的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111127364.2A CN113836284A (zh) | 2021-09-26 | 2021-09-26 | 知识库构建、生成应答语句的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113836284A true CN113836284A (zh) | 2021-12-24 |
Family
ID=78970295
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111127364.2A Pending CN113836284A (zh) | 2021-09-26 | 2021-09-26 | 知识库构建、生成应答语句的方法和装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113836284A (zh) |
| WO (1) | WO2023045752A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023045752A1 (zh) * | 2021-09-26 | 2023-03-30 | 北京京东拓先科技有限公司 | 知识库构建、生成应答语句的方法和装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107358052A (zh) * | 2017-07-18 | 2017-11-17 | 广州有宠网络科技股份有限公司 | 一种对宠物疾病进行人工智能问诊的***及方法 |
| CN108491486A (zh) * | 2018-03-14 | 2018-09-04 | 东软集团股份有限公司 | 模拟病人问诊对话方法、装置、终端设备及存储介质 |
| CN109036588A (zh) * | 2018-09-10 | 2018-12-18 | 百度在线网络技术（北京）有限公司 | 线上问诊的方法、装置、设备及计算机可读介质 |
| CN110188248A (zh) * | 2019-05-28 | 2019-08-30 | 新华网股份有限公司 | 基于新闻问答交互***的数据处理方法、装置及电子设备 |
| CN110309377A (zh) * | 2018-03-22 | 2019-10-08 | 阿里巴巴集团控股有限公司 | 语义归一化、提问模式的生成、应答确定方法及装置 |
| CN111159363A (zh) * | 2018-11-06 | 2020-05-15 | 航天信息股份有限公司 | 一种基于知识库的问题答案确定方法及装置 |
| CN111538816A (zh) * | 2020-07-09 | 2020-08-14 | 平安国际智慧城市科技股份有限公司 | 基于ai识别的问答方法、装置、电子设备及介质 |
| CN112559656A (zh) * | 2020-12-09 | 2021-03-26 | 河海大学 | 基于水文事件的事理图谱构建方法 |
| CN112863630A (zh) * | 2021-01-20 | 2021-05-28 | 中国科学院自动化研究所 | 基于数据和知识的个性化精准医疗问答*** |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10719667B1 (en) * | 2015-06-30 | 2020-07-21 | Google Llc | Providing a natural language based application program interface |
| US10275515B2 (en) * | 2017-02-21 | 2019-04-30 | International Business Machines Corporation | Question-answer pair generation |
| CN107993724B (zh) * | 2017-11-09 | 2020-11-13 | 易保互联医疗信息科技（北京）有限公司 | 一种医学智能问答数据处理的方法及装置 |
| CN110263142A (zh) * | 2019-06-27 | 2019-09-20 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
| CN111221954A (zh) * | 2020-01-09 | 2020-06-02 | 珠海格力电器股份有限公司 | 一种构建家电维修问答库的方法、装置、存储介质及终端 |
| CN111930908A (zh) * | 2020-08-10 | 2020-11-13 | 腾讯科技（深圳）有限公司 | 基于人工智能的答案识别方法及装置、介质、电子设备 |
| CN113836284A (zh) * | 2021-09-26 | 2021-12-24 | 北京京东拓先科技有限公司 | 知识库构建、生成应答语句的方法和装置 |
-
2021
- 2021-09-26 CN CN202111127364.2A patent/CN113836284A/zh active Pending
-
2022
- 2022-09-06 WO PCT/CN2022/117228 patent/WO2023045752A1/zh unknown
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107358052A (zh) * | 2017-07-18 | 2017-11-17 | 广州有宠网络科技股份有限公司 | 一种对宠物疾病进行人工智能问诊的***及方法 |
| CN108491486A (zh) * | 2018-03-14 | 2018-09-04 | 东软集团股份有限公司 | 模拟病人问诊对话方法、装置、终端设备及存储介质 |
| CN110309377A (zh) * | 2018-03-22 | 2019-10-08 | 阿里巴巴集团控股有限公司 | 语义归一化、提问模式的生成、应答确定方法及装置 |
| CN109036588A (zh) * | 2018-09-10 | 2018-12-18 | 百度在线网络技术（北京）有限公司 | 线上问诊的方法、装置、设备及计算机可读介质 |
| CN111159363A (zh) * | 2018-11-06 | 2020-05-15 | 航天信息股份有限公司 | 一种基于知识库的问题答案确定方法及装置 |
| CN110188248A (zh) * | 2019-05-28 | 2019-08-30 | 新华网股份有限公司 | 基于新闻问答交互***的数据处理方法、装置及电子设备 |
| CN111538816A (zh) * | 2020-07-09 | 2020-08-14 | 平安国际智慧城市科技股份有限公司 | 基于ai识别的问答方法、装置、电子设备及介质 |
| CN112559656A (zh) * | 2020-12-09 | 2021-03-26 | 河海大学 | 基于水文事件的事理图谱构建方法 |
| CN112863630A (zh) * | 2021-01-20 | 2021-05-28 | 中国科学院自动化研究所 | 基于数据和知识的个性化精准医疗问答*** |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023045752A1 (zh) * | 2021-09-26 | 2023-03-30 | 北京京东拓先科技有限公司 | 知识库构建、生成应答语句的方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023045752A1 (zh) | 2023-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112329964B (zh) | 用于推送信息的方法、装置、设备以及存储介质 | |
| US20190188326A1 (en) | Domain specific natural language understanding of customer intent in self-help | |
| US8700589B2 (en) | System for linking medical terms for a medical knowledge base | |
| CN112509690B (zh) | 用于控制质量的方法、装置、设备和存储介质 | |
| CN112530576A (zh) | 一种线上医患匹配方法、装置、电子设备及存储介质 | |
| CN111274397B (zh) | 建立实体关系检测模型的方法以及装置 | |
| CN112528660A (zh) | 处理文本的方法、装置、设备、存储介质和程序产品 | |
| CN112507701A (zh) | 待纠错医疗数据的识别方法、装置、设备和存储介质 | |
| US20220035998A1 (en) | Obtaining supported decision trees from text for medical health applications | |
| WO2023178971A1 (zh) | 就医的互联网挂号方法、装置、设备及存储介质 | |
| CN111582477B (zh) | 神经网络模型的训练方法和装置 | |
| CN112509691B (zh) | 鉴别诊断的提示方法、装置、电子设备及存储介质 | |
| CA3164921A1 (en) | Unsupervised taxonomy extraction from medical clinical trials | |
| CN111339252B (zh) | 一种搜索方法、装置及存储介质 | |
| CN111782785B (zh) | 自动问答方法、装置、设备以及存储介质 | |
| CN112562808A (zh) | 患者画像的生成方法、装置、电子设备及存储介质 | |
| CN112579750A (zh) | 相似病案的检索方法、装置、设备及存储介质 | |
| US11600389B2 (en) | Question generating method and apparatus, inquiring diagnosis system, and computer readable storage medium | |
| CN113836284A (zh) | 知识库构建、生成应答语句的方法和装置 | |
| CN111785340A (zh) | 一种医疗数据处理方法、装置、设备及存储介质 | |
| CN111667029A (zh) | 一种聚类方法、装置、设备及存储介质 | |
| CN112328896B (zh) | 用于输出信息的方法、装置、电子设备和介质 | |
| CN109360631B (zh) | 基于图片识别的人机交互方法、装置、计算机设备及介质 | |
| CN114218378A (zh) | 一种基于知识图谱的内容推送方法、装置、设备及介质 | |
| CN109448857B (zh) | 医疗咨询信息聚合分析方法 |
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 |