CN116796718A - 一种基于人工智能生成内容的产品说明书生成方法及*** - Google Patents
一种基于人工智能生成内容的产品说明书生成方法及*** Download PDFInfo
- Publication number
- CN116796718A CN116796718A CN202310693952.5A CN202310693952A CN116796718A CN 116796718 A CN116796718 A CN 116796718A CN 202310693952 A CN202310693952 A CN 202310693952A CN 116796718 A CN116796718 A CN 116796718A
- Authority
- CN
- China
- Prior art keywords
- chapter
- product
- target product
- answer
- result
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 36
- 230000004044 response Effects 0.000 claims abstract description 30
- 238000012986 modification Methods 0.000 claims description 26
- 230000004048 modification Effects 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 17
- 238000003745 diagnosis Methods 0.000 claims description 9
- 238000000338 in vitro Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 206010067484 Adverse reaction Diseases 0.000 claims description 4
- 230000006838 adverse reaction Effects 0.000 claims description 4
- 238000001727 in vivo Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 4
- 238000011282 treatment Methods 0.000 claims description 4
- 238000013024 troubleshooting Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 239000003814 drug Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001647 drug administration Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229940127554 medical product Drugs 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种基于人工智能生成内容的产品说明书生成方法及***，包括：获取目标产品信息对应的参考产品名称和第一参考产品说明书；根据预设的分类规则和参考产品名称，得到目标产品的结构化属性分类结果，并将结构化属性分类结果与第一参考产品说明书对应的章节结构进行匹配，构造目标产品的配置文件；依次加载在配置文件中各章节的产品信息，并根据当前时刻的样本示例，对当前加载的章节进行迭代应答，获得当前加载章节对应的回答结果，直到获得所有章节对应的回答结果；其中，每次迭代时，根据上一章节的回答结果更新当前时刻的样本示例；根据所有回答结果，生成目标产品说明书；能够有效提高医疗器械领域相关文档的生成效率。
Description
技术领域
本发明涉及自然语言处理技术领域，尤其涉及一种基于人工智能生成内容的产品说明书生成方法及***。
背景技术
在目前针对医疗器械领域相关文档的生成，往往需要结合多语种、复杂法规条例、体系管理要求和专家经验等多方的交流调整才能完成。并且，医疗器械产品本身分类繁杂、种类众多，按照中国药品监督管理局的医疗器械分类目录统计共两千余种类型。医疗器械相关文档的生成，需要多方的协助，对撰写人员的专业性以及要求其对相关的医疗器械法规了如指掌，这一过程需要耗费大量的人力、时间以及开销，医疗器械领域的相关文档生成十分困难。
AIGC(AI generated content)，即人工智能生成内容，本质上是一种AI赋能技术，反映了AI生产能力的提升。AIGC具有广泛的应用场景，以ChatGPT为代表，其在代码生成、纠正语法生成文本等方面表现出极强的能力，并凭借“对话式”搜索的强交互模式对现有的搜索引擎造成了较强的冲击。但是，目前未有人通过编写prompt这类问答处理方案来引导ChatGPT去生成医疗器械领域的文档，实现该领域AIGC的应用。
发明内容
本发明的目的是针对上述现有技术的不足，提出一种基于人工智能生成内容的产品说明书生成方法及***，能够有效提高医疗器械领域相关文档的生成效率。
本发明提供了一种基于人工智能生成内容的产品说明书生成方法，包括：
获取目标产品信息对应的参考产品名称和第一参考产品说明书；其中，所述第一参考产品说明书是将所述目标产品信息与医疗器械数据库进行匹配，并根据得到的参考产品名称，将在所述医疗器械数据库中提取的多个参考章节信息进行拼接得到的；
根据预设的分类规则和所述参考产品名称，得到目标产品的结构化属性分类结果，并将所述结构化属性分类结果与所述第一参考产品说明书对应的章节结构进行匹配，构造所述目标产品的配置文件；其中，所述结构化属性分类结果包括：使用部位属性、电源属性和使用次数属性；
依次加载在所述配置文件中各章节的产品信息，并根据当前时刻的样本示例，对当前加载的章节进行迭代应答，获得当前加载章节对应的回答结果，直到获得所有章节对应的回答结果；其中，每次迭代时，根据上一章节的回答结果更新当前时刻的样本示例；
根据所有章节对应的回答结果，生成第一目标产品说明书。
本发明采用根据目标产品信息从医疗器械数据库中进行匹配，得到现有文档中的参考产品以及参考产品信息，从而基于人工智能生成内容获取目标产品的分类属性，按照分类属性和参考产品信息进行产品说明书的自动生成，降低产品说明书的撰写门槛，进而提高医疗器械领域相关文档的生成效率；并且，将本章节的回答结果作为下一章节的样本示例，能够确保下一章节的回答结果与本章节的回答结果在流程上保持强关联性和输出规范性，避免上下文输出时出现逻辑不连贯、不通顺、矛盾的现象，进一步提高医疗器械领域相关文档的生成效率。
进一步，所述根据预设的分类规则和所述参考产品名称，得到目标产品的结构化属性分类结果，包括：
根据所述参考产品名称，依次判断参考产品是否为体外诊断产品、是否为有源产品和是否为一次性产品，分别得到使用部位属性、电源属性和使用次数属性，并根据所述使用部位属性、所述电源属性和所述使用次数属性，得到所述参考产品的第一属性分类；
将所述第一属性分类作为目标产品的第二属性分类，并将所述第二属性分类结果整理为键值对形式的结构化属性分类结果。
本发明采用根据人工智能生成内容的属性分类功能，对参考产品进行分类，得到的属性分类结果能够符合医疗器械相关法规的分类要求，从而确保自动生成的该领域相关文档符合法规要求，进而提高文档质量和生成产品说明书的规范性。
进一步，所述将所述结构化属性分类结果与所述第一参考产品说明书对应的章节结构进行匹配，构造所述目标产品的配置文件，包括：
根据目标产品的第二属性分类，分别获取表示体内或体外诊断产品的第一章节说明数据、表示有源或无源的第二章节说明数据和表示使用次数的第三章节说明数据；
从问答界面获取是否展示最终结果的展示数据和展示最终结果的语言种类数据，并与所述第一章节说明数据、所述第二章节说明数据和所述章节第三说明数据构建对应的配置文件。
进一步，所述依次加载在所述配置文件中各章节的产品信息，并根据当前时刻的样本示例，对当前加载的章节进行迭代应答，获得当前加载章节对应的回答结果，包括：
在检索***中搜索所述目标产品名称，得到近似产品信息，并根据所述近似产品信息、目标产品名称、历史回答结果和所述配置文件中第一章节的第一匹配章节，构建所述第一章节对应的问题配置，根据所述问题配置和预先设置的第一样本示例，得到若干回答作为回答结果。
进一步，所述对当前加载的章节进行迭代应答，获得当前加载章节对应的回答结果，直到获得所有章节对应的回答结果，包括：
当加载下一章节的第二匹配章节后，根据上一章节的回答结果的问题关键字，得到历史回答结果，根据所述历史回答结果和所述下一章节的第二匹配章节，对下一章节的问题配置进行迭代，得到所述下一章节的问题配置得到对应的回答结果，直到得到所述目标产品的所有章节对应的回答结果。
进一步，在所述生成第一目标产品说明书之后，还包括：将所述第一目标产品说明书存储在数据库中，以使根据阅读指令对数据库中的数据进行读取或修改。
进一步，所述以使根据阅读指令对数据库中的数据进行读取或修改，包括：
根据第一阅读指令读取存储的第二目标产品说明书，并根据对应的接口，将所述第二目标产品说明书进行展示并填写到答案列表中；
根据获取的更改指令和更改信息，对所述第二目标产品说明书进行修改操作，并将得到的修改结果更新到所述答案列表中；
若所述答案列表被填写完成，则获取第二阅读指令，将所述答案列表生成最终的阅读文档。
本发明采用根据阅读指令对基于人工智能生成内容的目标产品说明书进行修改，即只需要在文档自动生成后进行修改和审核，无需专家进行完整的目标产品说明书编写，从而可以减少人力资源的浪费，进一步提高医疗器械领域相关文档的生成效率；并且，用户对自动生成的目标产品说明书，有任何与自身需求有冲突的地方，都可以通过对目标产品说明书进行内容以及格式的修改，使得文档编辑灵活自由，具有更高的可操作性和实用性。
进一步，在所述据获取的更改指令和更改信息，对所述第二目标产品说明书进行修改操作之前，包括：
按照第二目标产品各章节的索引，调用接口对问答过程进行可视化展示，直到达到最后一次索引，得到第一目标产品章节；
若到达最后一次索引，则不再调用接口，并获取第二目标产品的第一章节信息关键字，根据所述第一章节信息关键字，调用检索***的接口，获取若干参考文献，根据所述参考文献和所述第一目标产品章节，得到第二目标产品说明书。
进一步，所述第一目标产品说明书的章节包括：预期用途、产品特性、包装规格、规格型号、使用说明、适用范围、禁忌症、警告、防范措施、不良反应、贮存、运输、标签、处理、参考文献和免责声明，或者包含安装、运行条件、电源、故障排除和维修的有源产品信息，或者包含***维护的非一次性医疗用品信息。
第二方面，本发明提供了一种基于人工智能生成内容的产品说明书生成***，包括：
信息获取模块，用于获取目标产品信息对应的参考产品名称和第一参考产品说明书；其中，所述第一参考产品说明书是将所述目标产品信息与医疗器械数据库进行匹配，并根据得到的参考产品名称，将在所述医疗器械数据库中提取的多个参考章节信息进行拼接得到的；
配置文件构造模块，用于根据预设的分类规则和所述参考产品名称，得到目标产品的结构化属性分类结果，并将所述结构化属性分类结果与所述第一参考产品说明书对应的章节结构进行匹配，构造所述目标产品的配置文件；
应答模块，依次加载在所述配置文件中各章节的产品信息，并根据当前时刻的样本示例，对当前加载的章节进行迭代应答，获得当前加载章节对应的回答结果，直到获得所有章节对应的回答结果；其中，每次迭代时，根据上一章节的回答结果更新当前时刻的样本示例；
产品说明书生成模块，用于根据所有章节对应的回答结果，生成第一目标产品说明书。
附图说明
图1是本发明实施例提供的基于人工智能生成内容的产品说明书生成方法的流程示意图；
图2是本发明实施例提供的问题配置的示意图；
图3是本发明实施例提供的AI Builder***对回答结果进行修改的流程示意图；
图4是本发明实施例提供的基于人工智能生成内容的产品说明书生成***的结构示意图；
图5是本发明实施例提供的基于人工智能生成内容的产品说明书生成方法的流程示意图；
图6是本发明实施例提供的基于人工智能生成内容的产品说明书生成的示例图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
优选地，人工智能生成内容的应用场景为ChatGPT技术。
值得说明的是，ChatGPT相关的步骤实际包括：根据目标产品名称，对产品进行属性分类，依据相关法规的对章节的标准，将得到的属性结果与目标说明书的章节结构进行匹配。因此，用户只需输入目标产品名称，即可通过问答处理过程，通过ChatGPT输出得到的目标产品的迭代展示回答结果。由此，可根据多个回答结果，生成第一目标产品说明书，并将第一目标产品说明书存入文档数据库中，以使根据阅读指令，从文档数据库中读取对应的信息返回给用户。同时，最终的阅读文档将以PDF形式交付给用户。
参见图1，是本发明实施例提供的基于人工智能生成内容的产品说明书生成方法的流程示意图，包括步骤S11～S14，具体为：
步骤S11、获取目标产品信息对应的参考产品名称和第一参考产品说明书；其中，所述第一参考产品说明书是将所述目标产品信息与医疗器械数据库进行匹配，并根据得到的参考产品名称，将在所述医疗器械数据库中提取的多个参考章节信息进行拼接得到的。
其中，所述第一目标产品说明书的章节包括：预期用途、产品特性、包装规格、规格型号、使用说明、适用范围、禁忌症、警告、防范措施、不良反应、贮存、运输、标签、处理、参考文献和免责声明，或者包含安装、运行条件、电源、故障排除和维修的有源产品信息，或者包含***维护的非一次性医疗用品信息。
值得说明的是，本申请采用根据与ChatGPT有效对话并生成目标文档内容的问答处理，包括：目标文档内容与已有的医疗器械数据库的快速匹配、为ChatGPT提供恰当的样本示例和根据ChatGPT强大的属性分类功能这一特性与法规具体要求相结合，从而成为医疗器械领域AIGC的成功应用。
针对意图利用ChatGPT生成医疗器械相关的目标文档，需要输入足够的文档所需的必要信息；再利用该输入的必要信息与已有的医疗器械数据库进行匹配，作为后续与ChatGPT进行问答对话时所需要的有针对性的信息来源。因此，向用户获取必要信息，向***中输入足够的文档所需的必要信息。
示例性地，所述必要信息可以为用户提供的目标产品名称，即从交互界面上获取包含目标产品名称的目标产品信息，并将目标产品信息与自有的医疗器械相关数据库中进行匹配；其中，根据用户所选择的语言，选择对应的医疗器械数据库进行匹配，根据预设的相关度算法，获取与目标产品名称相关度最高的若干产品名称，并将若干产品名称进行拼接，得到参考产品名称。具体地，若获得的语言种类为中文，则根据国家药品监督管理局(National Medical Products Administration,NMPA)数据库进行匹配；若获得的语言种类为英文，则根据美国食品药品监督管理局(Food and Drug Administration,FDA)数据库进行匹配。根据用于分布式全文检索(Elasticsearch,ES)数据库自带的相关度算法得到前5个相关度最高的产品，对这5个产品名称进行拼接，得到参考产品名称。
根据该拼接后的参考产品名称，从相应的数据库中提取该产品的产品说明书(IFU)部分章节，提取的章节模块严格参考了医疗器械法规要求，并对提取的部分章节同样在匹配后进行了拼接，以使将从数据库中提取出的所有关于目标产品的信息组成关联到与ChatGPT问答方案的对应位置。
步骤S12、根据预设的分类规则和所述参考产品名称，得到目标产品的结构化属性分类结果，并将所述结构化属性分类结果与所述第一参考产品说明书对应的章节结构进行匹配，构造所述目标产品的配置文件；其中，所述结构化属性分类结果包括：使用部位属性、电源属性和使用次数属性。
其中，根据预设的分类规则和所述参考产品名称，得到目标产品的结构化属性分类结果，包括：根据所述参考产品名称，依次判断参考产品是否为体外诊断产品、是否为有源产品和是否为一次性产品，分别得到使用部位属性、电源属性和使用次数属性，并根据所述使用部位属性、所述电源属性和所述使用次数属性，得到所述参考产品的第一属性分类；将所述第一属性分类作为目标产品的第二属性分类，并将所述第二属性分类结果整理为键值对形式的结构化属性分类结果。
示例性地，将医疗器械数据库中得到的最相近的参考产品名称输入到ChatGPT中，由ChatGPT先对目标产品进行初步的属性分类并输出为Json格式的数据，便于后续文档生成过程中对数据的处理，并对目标产品按属性分类需要严格遵守医疗器械法规中要求的器械分类规则。主要是判断参考产品是体外诊断(IVD)产品/医疗器械(MD)，医疗器械(MD)中是有源/无源，产品是一次性/非一次性，根据参考产品的属性分类来作为目标产品的属性分类。
示例性地，预设的分类规则包括规则(1)～(4)，具体为：
规则(1)、{product_name}标志这个目标产品属于IVD还是MD，只回答\"IVD\"或\"MD\"。
规则(2)、{product_name}标志这个目标产品属于有源器械还是无源器械，只回答\"有源\"或\"无源\"。
规则(3)、{product_name}标志这个目标产品是否属于一次性医疗器械，只回答\"是\"或\"不是\"。
规则(4)、将规则(1)～(3)的结果整理成Json格式(键值对形式)返回，规则(1)的结果用\"ivd_or_md\"这个键保存，规则(2)的结果用\"active_or_nonactive\"这个键保存，规则(3)的结果用\"is_one_time\"这个键保存。
本发明采用根据人工智能生成内容的属性分类功能，对参考产品进行分类，得到的属性分类结果能够符合医疗器械相关法规的分类要求，从而确保自动生成的该领域相关文档符合法规要求，进而提高文档质量和生成产品说明书的规范性。
将所述结构化属性分类结果与所述第一参考产品说明书对应的章节结构进行匹配，构造所述目标产品的配置文件，包括：根据目标产品的第二属性分类，分别获取表示体内或体外诊断产品的第一章节说明数据、表示有源或无源的第二章节说明数据和表示使用次数的第三章节说明数据；从问答界面获取是否展示最终结果的展示数据和展示最终结果的语言种类数据，并与所述第一章节说明数据、所述第二章节说明数据和所述章节第三说明数据构建对应的配置文件。
示例性地，构造相应的配置文件，以确保医疗器械产品的属性分类输出逻辑通顺。配置文件的具体内容展示包括字段1～5，具体为：
字段1、section1_xxx_key_use类型：用于判断最终结果是否展示；
字段2、section1_language:问题的语言环境，根据对应的问题，进行中文或英文的语境。示例性地，此时的语言环境为中文，若为英文的语言环境，则对应配置另一套配置文件；
字段3、ivd_or_md：用于标志md还是ivd类型的产品的章节说明数据；
字段4、active_or_nonactive：md类产品会特殊判断，即如果是有源产品，则需要生成对应的章节说明数据；
字段5、is_one_time：md类产品特殊判断，即如果不是一次性产品，则需生成对应的章节说明数据。
需要注意的是，获取配置文件并不只是简单的调用ChatGPT接口并获取回答，需要根据聊天问题(chat question)，对当前的配置问题进行处理并进行特殊字段替换。所有需要处理的内容在chat question中会被特殊符号{}包裹住，其中，包括以下类型1～4，具体为：
类型1、{Device Name}标识当前的目标产品名称；
类型2、{section1_xxx}标识上一章节的ChatGPT输出内容。根据上面以回答完成问题关键字(question key)，对当前的问题进行替换，即对当前的章节进行替换；
类型3、{es_xxx}标识自有数据库所对应的章节字段。在Elastic Search中根据产品名进行搜索，后面的xxx对应的是需要获取内容进行替换的字段；
类型4、{pub_xxx}标识输入到生物医学文献免费检索***(PubMed)的产品名称字段。根据PubMed接口进行搜索，后面的字段表示的是用于搜索的字段。
返回结果严格遵守医疗器械法规对于产品说明书各章节结构的相关要求，将分类后的目标产品与其所对应的章节结构进行匹配，以辅助后续设计ChatGPT的问答处理方案。医疗器械法规中要求的章节结构细节参见表1固定包含的结构、表2有源器械包含的结构和表3非一次性医疗器械包含的结构。
表1固定包含的结构
步骤S13、依次加载在所述配置文件中各章节的产品信息，并根据当前时刻的样本示例，对当前加载的章节进行迭代应答，获得当前加载章节对应的回答结果，直到获得所有章节对应的回答结果；其中，每次迭代时，根据上一章节的回答结果更新当前时刻的样本示例。
值得说明的是，将上一问答结果作为下一模块的样本示例，也有部分章节利用具体产品说明书(IFU)来作为示例，确保回答结果的强关联性和输出规范。调用不同的生成模板，使ChatGPT更有针对性地去生成IFU。
表2有源器械包含的结构
其中，依次加载在所述配置文件中各章节的产品信息，并根据当前时刻的样本示例，对当前加载的章节进行迭代应答，获得当前加载章节对应的回答结果，包括：在检索***中搜索所述目标产品名称，得到近似产品信息，并根据所述近似产品信息、目标产品名称、历史回答结果和所述配置文件中第一章节的第一匹配章节，构建所述第一章节对应的问题配置，根据所述问题配置和预先设置的第一样本示例，得到若干回答作为回答结果。
对当前加载的章节进行迭代应答，获得当前加载章节对应的回答结果，直到获得所有章节对应的回答结果，包括：当加载下一章节的第二匹配章节后，根据上一章节的回答结果的问题关键字，得到历史回答结果，根据所述历史回答结果和所述下一章节的第二匹配章节，对下一章节的问题配置进行迭代，得到所述下一章节的问题配置得到对应的回答结果，直到得到所述目标产品的所有章节对应的回答结果。
示例性地，针对第一个章节(预期用途)加载配置文件，结合配置文中的预期用途作为参考信息，输入到ChatGPT的样本示例中让其生成目标产品的预期用途。值得注意的是，各章节参考信息可能来自身医疗器械数据库、上一条ChatGPT的回答结果以及具体的IFU示例文档。
以此类推，回答结果不断输入并迭代。从配置文件中加载的第一个问题以及该问题对应的若干答案并发送给平台，即从配置文件中加载的第一个章节以及该章节对应的若干内容并发送给平台。并将第一个问答的结果等参考信息添加到下一个问答的样本示例，确保ChatGPT问答流程的强关联性和输出规范，避免ChatGPT上下文输出时出现逻辑不连贯、不通顺、矛盾的现象。
问题即章节的内容，通过在问题配置(question config)上进行设置，每个问题代表了当前产品需要的章节，每个问题通过独特的chat_question这一字段配置需要向ChatGPT询问的语句。除了询问的语句，每个问题配置一段实例问题和答案，用于对ChatGPT回答的内容进行微调。
优选地，问题配置包括关键字1～7，具体为：
关键字1、system:***指令，用于表示当前这个机器人的***形象；
关键字2、chat_question:问的问题，里面会有需要进行替换的字段，会详细说明；
关键字3、example_q：示例问题，让ChatGPT根据实例问题进行问题判断；
关键字4、example_a：示例答案，让ChatGPT理解应该以怎样的方式返回；
关键字5、chat_answer：特殊权限后存在，回答的问题；
关键字6、editor：特殊权限后存在，上一个修改人；
关键字7、score：特殊权限后存在，对回答的满意度。
参见图2，是本发明实施例提供的问题配置的示意图，图中给出上述7个关键字的取值以对问题配置进行设置。
步骤S14、根据所有章节对应的回答结果，生成第一目标产品说明书。
在所述生成第一目标产品说明书之后，还包括：将所述第一目标产品说明书存储在数据库中，以使根据阅读指令对数据库中的数据进行读取或修改。
用ChatGPT生成所有回答结果，直到获得的所有章节模块，以确保已有信息足够生成相应的IFU文档，并将最终所有生成内容的数据存储到Azure Blob数据库中。
值得说明的是，将问答过程中所获数据的进行可视化和可编辑平台展示，即将问答方案结果输出与智能文档编辑的管理***(AI Builder)进行交互，包括：将各章节的回答结果与AI Builder相结合，返回一份储存在Blob(存储二进制文件的容器)的Json文件。具体地，首先利用阅读指令读取存储在Azure Blob数据库中的数据，将获取到的信息通过接口管理模块返回给用户；该***是搭建在微软Azure云计算框架，基于平台即服务(Platform as a Service,PaaS)，不同于传统计算机架构中“硬件+操作***/开发工具+应用软件”的模式，云计算的平台层能够提供一整套开发、运行和运营应用软件的支撑平台。
其次，根据用户输入的信息和指令，利用撰写指令更改和写入在Azure Blob数据库中的数据；其中，撰写指令的功能包括创建新公司、创建新项目、记录答案、生成文档和合并文档。
具体地，根据第一阅读指令读取存储的第二目标产品说明书，并根据对应的接口，将所述第二目标产品说明书进行展示并填写到答案列表中；根据获取的更改指令和更改信息，对所述第二目标产品说明书进行修改操作，并将得到的修改结果更新到所述答案列表中；若所述答案列表被填写完成，则获取第二阅读指令，将所述答案列表生成最终的阅读文档。
其中，根据AI Builder***中的阅读指令，依照答案列表的文件，生成用户所需的阅读文档，最终以PDF形式交付给用户。阅读指令的功能包括：读取公司信息、读取项目信息、读取模块信息、预览和下载已经生成的文档。
通过上述的回答结果与AI Builder***结合的过程，能够极大减少开发成本，并能保证生成说明书功能的完整。另外，若有对输出结果不满意的地方，用户可直接在页面上修改，并生成最终的阅读文档。
参见图3，是本发明实施例提供的AI Builder***对回答结果进行修改的流程示意图，具体过程包括子步骤S131～S136，具体为：
子步骤S131、向***中输入生成IFU所需的3个基本参数：产品名称、企业名称和企业标识(logo)。
子步骤S132、获取第一个章节提问过程：提取配置文件中第一次提问，将回答结果输出到前端；其中，前端会需要对下一次问题的索引(index)进行判断。
子步骤S133、获取第二个章节提问过程：第二次会结合上一次的所有问答结果，即将上一章节的问答结果作为下一章节的样本示例，部分样本示例来源于医疗器械数据库自有的信息，包括：预期用途章节的样本示例。
子步骤S134、获取第N次章节提问过程：此时最后一次索引为空(NONE)，不再调用接口；其中，参考文献章节是利用ChatGPT预期用途章节的输出内容总结关键词，再根据该关键词，调用PubMed接口。
子步骤S135、用户可以根据实际需求对回答结果进行更改和撰写。
子步骤S136、将上述所有回答结果，更新到当次的答案列表(ans_list)和更新版本记录；其中，接口一次调用只会返回IFU一个章节的内容，并将其存进答案列表中；答案列表的文件用作存储回答结果，同时另外单独生成一个文件用作更新版本记录。
本发明采用根据阅读指令对基于人工智能生成内容的目标产品说明书进行修改，即只需要在文档自动生成后进行修改和审核，无需专家进行完整的目标产品说明书编写，从而可以减少人力资源的浪费，进一步提高医疗器械领域相关文档的生成效率；并且，用户对自动生成的目标产品说明书，有任何与自身需求有冲突的地方，都可以通过对目标产品说明书进行内容以及格式的修改，使得文档编辑灵活自由，具有更高的可操作性和实用性。
其中，在所述据获取的更改指令和更改信息，对所述第二目标产品说明书进行修改操作之前，包括：按照第二目标产品各章节的索引，调用接口对问答过程进行可视化展示，直到达到最后一次索引，得到第一目标产品章节；若到达最后一次索引，则不再调用接口，并获取第二目标产品的第一章节信息关键字，根据所述第一章节信息关键字，调用检索***的接口，获取若干参考文献，根据所述参考文献和所述第一目标产品章节，得到第二目标产品说明书。
参见图4，是本发明实施例提供的基于人工智能生成内容的产品说明书生成***的结构示意图，包括：信息获取模块31、配置文件构造模块32、应答模块33和产品说明书生成模块34。
值得说明的是，信息获取模块31主要用于获取目标产品信息和目标产品信息对应的参考产品信息，并将得到的目标产品信息和参考产品信息传输给配置文件构造模块32；配置文件构造模块32接收到目标产品信息和参考产品信息后，构造对应的配置文件，并将得到的配置文件传输给应答模块33；应答模块33接收到配置文件后，根据配置文件对说明书章节进行智能生成对应的回答结果，将得到的回答结果传输给产品说明书生成模块34；产品说明书生成模块34接收到回答结果后，生成最终的阅读文档。
信息获取模块31，用于获取目标产品信息对应的参考产品名称和第一参考产品说明书；其中，所述第一参考产品说明书是将所述目标产品信息与医疗器械数据库进行匹配，并根据得到的参考产品名称，将在所述医疗器械数据库中提取的多个参考章节信息进行拼接得到的。
其中，所述第一目标产品说明书的章节包括：预期用途、产品特性、包装规格、规格型号、使用说明、适用范围、禁忌症、警告、防范措施、不良反应、贮存、运输、标签、处理、参考文献和免责声明，或者包含安装、运行条件、电源、故障排除和维修的有源产品信息，或者包含***维护的非一次性医疗用品信息。
配置文件构造模块32，用于根据预设的分类规则和所述参考产品名称，得到目标产品的结构化属性分类结果，并将所述结构化属性分类结果与所述第一参考产品说明书对应的章节结构进行匹配，构造所述目标产品的配置文件；其中，所述结构化属性分类结果包括：使用部位属性、电源属性和使用次数属性。
其中，根据预设的分类规则和所述参考产品名称，得到目标产品的结构化属性分类结果，包括：根据所述参考产品名称，依次判断参考产品是否为体外诊断产品、是否为有源产品和是否为一次性产品，分别得到使用部位属性、电源属性和使用次数属性，并根据所述使用部位属性、所述电源属性和所述使用次数属性，得到所述参考产品的第一属性分类；将所述第一属性分类作为目标产品的第二属性分类，并将所述第二属性分类结果整理为键值对形式的结构化属性分类结果。
本发明采用根据人工智能生成内容的属性分类功能，对参考产品进行分类，得到的属性分类结果能够符合医疗器械相关法规的分类要求，从而确保自动生成的该领域相关文档符合法规要求，进而提高文档质量和生成产品说明书的规范性。
将所述结构化属性分类结果与所述第一参考产品说明书对应的章节结构进行匹配，构造所述目标产品的配置文件，包括：根据目标产品的第二属性分类，分别获取表示体内或体外诊断产品的第一章节说明数据、表示有源或无源的第二章节说明数据和表示使用次数的第三章节说明数据；从问答界面获取是否展示最终结果的展示数据和展示最终结果的语言种类数据，并与所述第一章节说明数据、所述第二章节说明数据和所述章节第三说明数据构建对应的配置文件。
应答模块33，用于依次加载在所述配置文件中各章节的产品信息，并根据当前时刻的样本示例，对当前加载的章节进行迭代应答，获得当前加载章节对应的回答结果，直到获得所有章节对应的回答结果；其中，每次迭代时，根据上一章节的回答结果更新当前时刻的样本示例。
其中，依次加载在所述配置文件中各章节的产品信息，并根据当前时刻的样本示例，对当前加载的章节进行迭代应答，获得当前加载章节对应的回答结果，包括：在检索***中搜索所述目标产品名称，得到近似产品信息，并根据所述近似产品信息、目标产品名称、历史回答结果和所述配置文件中第一章节的第一匹配章节，构建所述第一章节对应的问题配置，根据所述问题配置和预先设置的第一样本示例，得到若干回答作为回答结果。
对当前加载的章节进行迭代应答，获得当前加载章节对应的回答结果，直到获得所有章节对应的回答结果，包括：
当加载下一章节的第二匹配章节后，根据上一章节的回答结果的问题关键字，得到历史回答结果，根据所述历史回答结果和所述下一章节的第二匹配章节，对下一章节的问题配置进行迭代，得到所述下一章节的问题配置得到对应的回答结果，直到得到所述目标产品的所有章节对应的回答结果。
产品说明书生成模块34，用于根据所有章节对应的回答结果，生成第一目标产品说明书。
在所述生成第一目标产品说明书之后，还包括：将所述第一目标产品说明书存储在数据库中，以使根据阅读指令对数据库中的数据进行读取或修改。具体地，据第一阅读指令读取存储的第二目标产品说明书，并根据对应的接口，将所述第二目标产品说明书进行展示并填写到答案列表中；根据获取的更改指令和更改信息，对所述第二目标产品说明书进行修改操作，并将得到的修改结果更新到所述答案列表中；若所述答案列表被填写完成，则获取第二阅读指令，将所述答案列表生成最终的阅读文档。
本发明采用根据阅读指令对基于人工智能生成内容的目标产品说明书进行修改，即只需要在文档自动生成后进行修改和审核，无需专家进行完整的目标产品说明书编写，从而可以减少人力资源的浪费，进一步提高医疗器械领域相关文档的生成效率；并且，用户对自动生成的目标产品说明书，有任何与自身需求有冲突的地方，都可以通过对目标产品说明书进行内容以及格式的修改，使得文档编辑灵活自由，具有更高的可操作性和实用性。
其中，在所述据获取的更改指令和更改信息，对所述第二目标产品说明书进行修改操作之前，包括：按照第二目标产品各章节的索引，调用接口对问答过程进行可视化展示，直到达到最后一次索引，得到第一目标产品章节；若到达最后一次索引，则不再调用接口，并获取第二目标产品的第一章节信息关键字，根据所述第一章节信息关键字，调用检索***的接口，获取若干参考文献，根据所述参考文献和所述第一目标产品章节，得到第二目标产品说明书。
参见图5，是本发明实施例提供的基于人工智能生成内容的产品说明书生成方法的流程示意图。包括获取目标产品信息，并将目标产品与医疗器械数据库进行匹配，得到参考产品说明书；其中，参考产品说明书是最贴近目标产品名称和参考产品对应的说明书信息；并根据参考产品对应的参考产品说明书，对目标产品进行属性分类，将得到的与医疗器械法规相符的结构化属性分类结果和符合法规的配置文件；根据配置信息按照章节获取回答结果，并对问答进行迭代，得到不同章节上下文顺畅的回答结果，直到获取到完整的章节结构的数据，生成第一目标产品说明书，并将第一目标产品说明书与AI Builder***进行交互，以使进行可视化展示和修改。
本发明针对医疗器械领域的信息处理技术，将目标产品信息与已有的医疗器械数据库快速匹配后输入到ChatGPT中，这一处理极大地提高了与ChatGPT对话过程中定位的准确性，确保ChatGPT能生成最贴近的所需内容；并为ChatGPT提供恰当的样本示例，该样本示例来源于已有的医疗器械数据库、上一条ChatGPT的问答输出结果、具体的示例文档等，能够保证了与ChatGPT对话过程中的强关联性和输出结果的规范性；此外，根据ChatGPT强大的属性分类功能这一特性，与医疗器械相关法规要求相结合，生成合规的医疗器械相关文档，提高自动生成说明书的可信度和规范性。
参见图6，是本发明实施例提供的基于人工智能生成内容的产品说明书生成的示例图，包括图6(a)～6(d)，图6(a)是用户在IFU.ai平台上的输入目标产品信息的示意图，目标产品信息包括：目标产品名称、目标产品的公司名、所述公司的logo和待显示的语言种类；用户点击“开启智能生成”按钮后，等待一段时间，将严格按照法规要求的章节结构及顺序生成用户所需的目标产品说明书，并返回包含回答结果的界面，参见图6(b)，是生成的目标产品说明书的章节目录。值得说明的是，自动生成的目标产品说明书作为“自动生成式法规文档服务”的组成部分，只需用户输入企业名称、产品名称、企业图标信息和目标说明书的语言(目前只有中/英可供选择)，即可快速完成产品使用说明书的生成。参见图6(c)是AIBuilder修改编辑界面中对“预期用途”章节进行修改的示意图，用户可自行根据需求修改生成的文档内容，包括对预期用途、章节标题和章节内容进行修改，并为修改的章节添加对应的内容，包括：添加文本、添加表格或者添加图片，并点击“生成PDF”按钮，将最终的阅读文档以PDF的形式展示给用户，参见图6(d)是基于人工智能生成内容生成的制氧机说明书(部分)。
本发明采用根据目标产品信息从医疗器械数据库中进行匹配，得到现有文档中的参考产品以及参考产品信息，从而基于人工智能生成内容获取目标产品的分类属性，按照分类属性和参考产品信息进行产品说明书的自动生成，降低产品说明书的撰写门槛，进而提高医疗器械领域相关文档的生成效率；并且，将本章节的回答结果作为下一章节的样本示例，能够确保下一章节的回答结果与本章节的回答结果在流程上保持强关联性和输出规范性，避免上下文输出时出现逻辑不连贯、不通顺、矛盾的现象，进一步提高医疗器械领域相关文档的生成效率。
本领域内的技术人员应明白，本申请的实施例还可提供包括计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种基于人工智能生成内容的产品说明书生成方法，其特征在于，包括：
获取目标产品信息对应的参考产品名称和第一参考产品说明书；其中，所述第一参考产品说明书是将所述目标产品信息与医疗器械数据库进行匹配，并根据得到的参考产品名称，将在所述医疗器械数据库中提取的多个参考章节信息进行拼接得到的；
根据预设的分类规则和所述参考产品名称，得到目标产品的结构化属性分类结果，并将所述结构化属性分类结果与所述第一参考产品说明书对应的章节结构进行匹配，构造所述目标产品的配置文件；其中，所述结构化属性分类结果包括：使用部位属性、电源属性和使用次数属性；
依次加载在所述配置文件中各章节的产品信息，并根据当前时刻的样本示例，对当前加载的章节进行迭代应答，获得当前加载章节对应的回答结果，直到获得所有章节对应的回答结果；其中，每次迭代时，根据上一章节的回答结果更新当前时刻的样本示例；
根据所有章节对应的回答结果，生成第一目标产品说明书。
2.如权利要求1所述的基于人工智能生成内容的产品说明书生成方法，其特征在于，所述根据预设的分类规则和所述参考产品名称，得到目标产品的结构化属性分类结果，包括：
根据所述参考产品名称，依次判断参考产品是否为体外诊断产品、是否为有源产品和是否为一次性产品，分别得到使用部位属性、电源属性和使用次数属性，并根据所述使用部位属性、所述电源属性和所述使用次数属性，得到所述参考产品的第一属性分类；
将所述第一属性分类作为目标产品的第二属性分类，并将所述第二属性分类结果整理为键值对形式的结构化属性分类结果。
3.如权利要求1所述的基于人工智能生成内容的产品说明书生成方法，其特征在于，所述将所述结构化属性分类结果与所述第一参考产品说明书对应的章节结构进行匹配，构造所述目标产品的配置文件，包括：
根据目标产品的第二属性分类，分别获取表示体内或体外诊断产品的第一章节说明数据、表示有源或无源的第二章节说明数据和表示使用次数的第三章节说明数据；
从问答界面获取是否展示最终结果的展示数据和展示最终结果的语言种类数据，并与所述第一章节说明数据、所述第二章节说明数据和所述章节第三说明数据构建对应的配置文件。
4.如权利要求1所述的基于人工智能生成内容的产品说明书生成方法，其特征在于，所述依次加载在所述配置文件中各章节的产品信息，并根据当前时刻的样本示例，对当前加载的章节进行迭代应答，获得当前加载章节对应的回答结果，包括：
在检索***中搜索所述目标产品名称，得到近似产品信息，并根据所述近似产品信息、目标产品名称、历史回答结果和所述配置文件中第一章节的第一匹配章节，构建所述第一章节对应的问题配置，根据所述问题配置和预先设置的第一样本示例，得到若干回答作为回答结果。
5.如权利要求1所述的基于人工智能生成内容的产品说明书生成方法，其特征在于，所述对当前加载的章节进行迭代应答，获得当前加载章节对应的回答结果，直到获得所有章节对应的回答结果，包括：
当加载下一章节的第二匹配章节后，根据上一章节的回答结果的问题关键字，得到历史回答结果，根据所述历史回答结果和所述下一章节的第二匹配章节，对下一章节的问题配置进行迭代，得到所述下一章节的问题配置得到对应的回答结果，直到得到所述目标产品的所有章节对应的回答结果。
6.如权利要求1所述的基于人工智能生成内容的产品说明书生成方法，其特征在于，在所述生成第一目标产品说明书之后，还包括：将所述第一目标产品说明书存储在数据库中，以使根据阅读指令对数据库中的数据进行读取或修改。
7.如权利要求6所述的基于人工智能生成内容的产品说明书生成方法，其特征在于，所述以使根据阅读指令对数据库中的数据进行读取或修改，包括：
根据第一阅读指令读取存储的第二目标产品说明书，并根据对应的接口，将所述第二目标产品说明书进行展示并填写到答案列表中；
根据获取的更改指令和更改信息，对所述第二目标产品说明书进行修改操作，并将得到的修改结果更新到所述答案列表中；
若所述答案列表被填写完成，则获取第二阅读指令，将所述答案列表生成最终的阅读文档。
8.如权利要求7所述的基于人工智能生成内容的产品说明书生成方法，其特征在于，在所述据获取的更改指令和更改信息，对所述第二目标产品说明书进行修改操作之前，包括：
按照第二目标产品各章节的索引，调用接口对问答过程进行可视化展示，直到达到最后一次索引，得到第一目标产品章节；
若到达最后一次索引，则不再调用接口，并获取第二目标产品的第一章节信息关键字，根据所述第一章节信息关键字，调用检索***的接口，获取若干参考文献，根据所述参考文献和所述第一目标产品章节，得到第二目标产品说明书。
9.如权利要求1所述的基于人工智能生成内容的产品说明书生成方法，其特征在于，所述第一目标产品说明书的章节包括：预期用途、产品特性、包装规格、规格型号、使用说明、适用范围、禁忌症、警告、防范措施、不良反应、贮存、运输、标签、处理、参考文献和免责声明，或者包含安装、运行条件、电源、故障排除和维修的有源产品信息，或者包含***维护的非一次性医疗用品信息。
10.一种基于人工智能生成内容的产品说明书生成***，其特征在于，包括：
信息获取模块，用于获取目标产品信息对应的参考产品名称和第一参考产品说明书；其中，所述第一参考产品说明书是将所述目标产品信息与医疗器械数据库进行匹配，并根据得到的参考产品名称，将在所述医疗器械数据库中提取的多个参考章节信息进行拼接得到的；
配置文件构造模块，用于根据预设的分类规则和所述参考产品名称，得到目标产品的结构化属性分类结果，并将所述结构化属性分类结果与所述第一参考产品说明书对应的章节结构进行匹配，构造所述目标产品的配置文件；
应答模块，用于依次加载在所述配置文件中各章节的产品信息，并根据当前时刻的样本示例，对当前加载的章节进行迭代应答，获得当前加载章节对应的回答结果，直到获得所有章节对应的回答结果；其中，每次迭代时，根据上一章节的回答结果更新当前时刻的样本示例；
产品说明书生成模块，用于根据所有章节对应的回答结果，生成第一目标产品说明书。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310693952.5A CN116796718B (zh) | 2023-06-13 | 2023-06-13 | 一种基于人工智能生成内容的产品说明书生成方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310693952.5A CN116796718B (zh) | 2023-06-13 | 2023-06-13 | 一种基于人工智能生成内容的产品说明书生成方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116796718A true CN116796718A (zh) | 2023-09-22 |
| CN116796718B CN116796718B (zh) | 2023-12-19 |
Family
ID=88033878
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310693952.5A Active CN116796718B (zh) | 2023-06-13 | 2023-06-13 | 一种基于人工智能生成内容的产品说明书生成方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116796718B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150193505A1 (en) * | 2014-01-07 | 2015-07-09 | Electronics And Telecommunications Research Institute | Apparatus and method for searching information based on wikipedia's contents |
| CN107145511A (zh) * | 2017-03-31 | 2017-09-08 | 上海森亿医疗科技有限公司 | 基于医学文本信息的结构化医学数据库生成方法及*** |
| CN111814457A (zh) * | 2020-05-30 | 2020-10-23 | 国网上海市电力公司 | 一种电网工程合同文本生成方法 |
| CN114462570A (zh) * | 2021-12-31 | 2022-05-10 | 浙江大华技术股份有限公司 | 文本生成模型的训练方法、目标语料扩充方法及相关装置 |
| US20220391586A1 (en) * | 2021-06-03 | 2022-12-08 | Hitachi, Ltd. | Question answering system, question answering program, and question answering method |
-
2023
- 2023-06-13 CN CN202310693952.5A patent/CN116796718B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150193505A1 (en) * | 2014-01-07 | 2015-07-09 | Electronics And Telecommunications Research Institute | Apparatus and method for searching information based on wikipedia's contents |
| CN107145511A (zh) * | 2017-03-31 | 2017-09-08 | 上海森亿医疗科技有限公司 | 基于医学文本信息的结构化医学数据库生成方法及*** |
| CN111814457A (zh) * | 2020-05-30 | 2020-10-23 | 国网上海市电力公司 | 一种电网工程合同文本生成方法 |
| US20220391586A1 (en) * | 2021-06-03 | 2022-12-08 | Hitachi, Ltd. | Question answering system, question answering program, and question answering method |
| CN114462570A (zh) * | 2021-12-31 | 2022-05-10 | 浙江大华技术股份有限公司 | 文本生成模型的训练方法、目标语料扩充方法及相关装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116796718B (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11537793B2 (en) | System for providing intelligent part of speech processing of complex natural language | |
| Burgueño et al. | An NLP-based architecture for the autocompletion of partial domain models | |
| US10262062B2 (en) | Natural language system question classifier, semantic representations, and logical form templates | |
| CN112307215B (zh) | 数据处理方法、装置及计算机可读存储介质 | |
| US20170017635A1 (en) | Natural language processing system and method | |
| US20160371263A1 (en) | Apparatus, system and method for a semantic editor and search engine | |
| US20140120513A1 (en) | Question and Answer System Providing Indications of Information Gaps | |
| EP3732625A1 (en) | Artificial intelligence system for inferring grounded intent | |
| US10977155B1 (en) | System for providing autonomous discovery of field or navigation constraints | |
| RU2544739C1 (ru) | Способ преобразования структурированного массива данных | |
| Quirchmayr et al. | Semi-automatic Software Feature-Relevant Information Extraction from Natural Language User Manuals: An Approach and Practical Experience at Roche Diagnostics GmbH | |
| WO2020222999A1 (en) | Method, system, and data storage device for automating solution prompts based upon semantic representation | |
| CA3207902A1 (en) | Auditing citations in a textual document | |
| JP7047380B2 (ja) | 生成プログラム、生成方法及び情報処理装置 | |
| Quirchmayr et al. | Semi-automatic rule-based domain terminology and software feature-relevant information extraction from natural language user manuals: An approach and evaluation at Roche Diagnostics GmbH | |
| Furbach et al. | Commonsense reasoning meets theorem proving | |
| US20190236143A1 (en) | Creating apps from natural language descriptions | |
| WO2019167281A1 (ja) | 応答処理プログラム、応答処理方法、応答処理装置および応答処理システム | |
| CN116796718B (zh) | 一种基于人工智能生成内容的产品说明书生成方法及*** | |
| Iorliam et al. | A comparative analysis of generative artificial intelligence tools for natural language processing | |
| Bontcheva et al. | Extracting information from social media with gate | |
| Rajbhoj et al. | A RFP system for generating response to a request for proposal | |
| CN115795046A (zh) | 数据加工方法、装置、***、电子设备和存储介质 | |
| US12026482B2 (en) | Methods, systems, and computer readable media for creating and using minimum dictionary language (MDL) to access data in closed-domain data sets | |
| US11017172B2 (en) | Proposition identification in natural language and usage thereof for search and retrieval |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |