CN117275763A - 数据处理方法、装置、设备、介质及产品 - Google Patents
数据处理方法、装置、设备、介质及产品 Download PDFInfo
- Publication number
- CN117275763A CN117275763A CN202311233562.6A CN202311233562A CN117275763A CN 117275763 A CN117275763 A CN 117275763A CN 202311233562 A CN202311233562 A CN 202311233562A CN 117275763 A CN117275763 A CN 117275763A
- Authority
- CN
- China
- Prior art keywords
- question
- medical
- target
- model
- doctor
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 29
- 238000012549 training Methods 0.000 claims description 101
- 238000000034 method Methods 0.000 claims description 68
- 238000010801 machine learning Methods 0.000 claims description 48
- 230000004044 response Effects 0.000 claims description 43
- 239000000463 material Substances 0.000 claims description 30
- 238000000605 extraction Methods 0.000 claims description 27
- 238000006243 chemical reaction Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 21
- 230000001960 triggered effect Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003058 natural language processing Methods 0.000 claims description 16
- 230000009471 action Effects 0.000 claims description 15
- 238000002372 labelling Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 14
- 238000004140 cleaning Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 15
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 77
- 238000010586 diagram Methods 0.000 description 40
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 10
- 230000036541 health Effects 0.000 description 9
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 230000003993 interaction Effects 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 238000012217 deletion Methods 0.000 description 4
- 230000037430 deletion Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005236 sound signal Effects 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 208000027691 Conduct disease Diseases 0.000 description 1
- 230000000172 allergic effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 208000010668 atopic eczema Diseases 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9032—Query formulation
- G06F16/90332—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本公开提供了一种数据处理方法、装置、设备、介质及产品,涉及人工智能领域,尤其涉及知识图谱、智能搜索、深度学习、AI医疗等技术领域。具体实现方案为:获取目标医生的医疗数据和形象数据;基于所述医疗数据,生成所述目标医生的个人医疗模型;基于所述形象数据,生成所述目标医生的个人形象模型;根据所述个人医疗模型和所述个人形象模型,确定所述目标医生的数字医生模型,所述数字医生模型用于为目标对象提供医疗咨询服务。
Description
技术领域
本公开涉及人工智能领域中的知识图谱、智能搜索、深度学习、AI医疗等技术领域,尤其涉及一种数据处理方法、装置、设备、介质及产品。
背景技术
随着信息技术的快速发展,互联网医疗是指以互联网为载体实现电子健康档案、疾病风险评估、在线疾病咨询、远程会诊、远程诊疗等多种形式的健康医疗服务。在医疗领域中,医生的专业知识非常丰富,医生可以通过互联网在线为患者诊疗、为普通用户提供健康咨询服务、为医学生提供医学知识,解答不同用户的医疗问题。
但是,互联网医疗中,一般需要医生本人进行人工回复,医生只能提供少量的人工咨询服务,导致互联网医疗的效率较低,线上医疗的推广较为缓慢。
发明内容
本公开提供了一种用于医疗服务的数据处理方法、装置、设备、介质及产品。
根据本公开的第一方面,提供了一种数据处理方法,包括:
获取目标医生的医疗数据和形象数据;
基于所述医疗数据,生成所述目标医生的个人医疗模型;
基于所述形象数据,生成所述目标医生的个人形象模型;
根据所述个人医疗模型和所述个人形象模型,确定所述目标医生的数字医生模型,所述数字医生模型用于为目标对象提供医疗咨询服务。
根据本公开的第二方面,提供了一种数据处理方法,包括:
响应于目标对象针对目标医生触发的医疗咨询请求,显示所述目标医生的数字医生模型中的个人形象模型,所述数字医生模型基于第一方面以及第一方面各种可能所述的数据处理方法确定;
响应于所述目标对象针对所述个人形象模型执行的医疗咨询操作,获取所述目标对象输入的医疗问题;
基于所述数字医生模型中的个人医疗模型,获得所述医疗问题对应的问题答案;
通过所述个人形象模型,输出所述医疗问题对应的问题答案。
根据本公开的第三方面,提供了一种数据处理装置,包括:
数据获取单元,用于获取目标医生的医疗数据和形象数据;
医疗生成单元,用于基于所述医疗数据,生成所述目标医生的个人医疗模型;
形象生成单元,用于基于所述形象数据,生成所述目标医生的个人形象模型;
模型确定单元,用于根据所述个人医疗模型和所述个人形象模型,确定所述目标医生的数字医生模型。
根据本公开的第四方面,提供了一种数据处理装置,包括:
咨询响应单元,用于响应于目标对象针对目标医生触发的医疗咨询请求,显示所述目标医生的数字医生模型中的个人形象模型,所述数字医生模型基于第一方面以及第一方面各种可能所述的数据处理方法确定;
问题输入单元,用于响应于所述目标对象针对所述个人形象模型执行的医疗咨询操作,获取所述目标对象输入的医疗问题;
答案查询单元,用于基于所述数字医生模型中的个人医疗模型,获得所述医疗问题对应的问题答案;
问题输出单元,用于通过所述个人形象模型,输出所述医疗问题对应的问题答案。
根据本公开的第五方面,提供了一种电子设备,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的指令,所述指令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第一方面或者第二方面所述的方法。
根据本公开的第六方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据第一方面或第二方面的方法。
根据本公开的第七方面,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,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面或第二方面所述的方法。
根据本公开的技术方案中,先获取目标医生的医疗数据和形象数据。进而,基于医疗数据,生成目标医生的个人医疗模型,基于形象数据,生成目标医生的个人形象模型。通过个人医疗模型和个人形象模型可以确定目标医生的数字医生模型。数字医生模型的个人医疗模型学习到目标医生的医疗知识,个人形象模型可以体现目标医生的外貌和行为,通过数字医疗模型为患者提供医疗咨询服务,可以使得患者获得具备实感性质的线上医疗服务。数字医生模型提供线上医疗服务的过程中,可以减少或者避免目标医生人工参与医疗咨询,提高线上医疗咨询的效率。
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信息,也不用于限制本公开的范围。本公开的其它信息将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3是根据本公开实施例的一种管理页面的示意图;
图4是根据本公开第三实施例的示意图;
图5是根据本公开实施例的一种信息处理页面的示意图;
图6是根据本公开实施例的一种语料管理页面的示意图;
图7是根据本公开实施例的一种上传语料页面的示意图;
图8是根据本公开实施例的一种问答管理页面的示意图;
图9是根据本公开实施例的一种上传问答页面的示意图;
图10是根据本公开实施例的一种自动回复页面的示意图;
图11是根据本公开实施例的一种日志页面的示意图;
图12是根据本公开实施例的一种话术编辑页面的示意图;
图13是根据本公开实施例的一种个人信息页面的示意图;
图14是根据本公开实施例的数据处理方法的一个示意性流程图;
图15是根据本公开实施例的一种个人形象页面的示意图;
图16是根据本公开实施例的一种聊天页面的示意图;
图17是根据本公开实施例的一种视频创作页面的示意图;
图18是根据本公开实施例的一种视频编辑页面的示意图;
图19是根据本公开第四实施例的示意图;
图20是根据本公开第五实施例的示意图;
图21是根据本公开第六实施例的示意图;
图22是用来实现本公开实施例的数据处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
本公开提供一种数据处理方法、装置、设备、介质及产品,应用于人工智能领域中的知识图谱、智能搜索、深度学习、AI医疗等技术领域,通过提供个性化的数字医生模型,以达到智能医疗咨询的目的,提高医疗咨询效率。
在互联网医疗领域中,患者可以通过互联网远程获取医生的医疗服务。目前,较为常见的医疗咨询场景一般是患者通过视频远程与医生进行沟通,此类线上服务还是以医生实时参与到医疗服务中。另一种较为常见的医疗咨询场景一般是,医生和患者建立即时通讯消息,例如,通过会话页面进行会话。通过即时通讯消息实现互联网医疗的过程中,医生还是需要参与到咨询过程。而由于医生的时间有限,同一时间内服务的患者数量是一定的,导致互联网医疗的效率较低,线上医疗的推广较为缓慢。
为了解决上述问题,本申请的技术方案中,考虑使用AI(ArtificialIntelligence,人工智能)模型学习医生的医疗知识,获得具备医生个人医疗知识的个人医疗模型,使得医疗模型具备个性化的医疗知识。为了提高交互的实感性和真实性,还可以搭建一个模拟医生的外貌和行为的个人形象模型。进而通过医生的个人医疗模型和个人形象模型来搭建医生的数字医疗模型。数字医疗模型可以模拟医生的医疗知识和形象,可以自动处理患者的医疗咨询,减少医生的医疗咨询的工作量,提高医疗咨询效率。
本公开的技术方案中,为了搭建目标医生的数字医生模型,可以先获取目标医生的医疗数据和形象数据。进而,基于医疗数据,生成目标医生的个人医疗模型,基于形象数据,生成目标医生的个人形象模型。通过个人医疗模型和个人形象模型可以确定目标医生的数字医生模型。数字医生模型的个人医疗模型学习到目标医生的医疗知识,个人形象模型可以体现目标医生的外貌和行为,通过数字医疗模型为患者提供医疗咨询服务,可以使得患者获得具备实感性质的线上医疗服务。数字医生模型提供线上医疗服务的过程中,可以减少或者避免目标医生人工参与医疗咨询,提高线上医疗咨询的效率。
下面将结合附图对本公开的技术方案进行详细说明。
图1是根据本公开第一实施例的示意图,参考图1所示的数据处理方法的应用示意图,该医疗数据处理***可以包括:目标医生的终端设备11、与终端设备11存在通信连接的服务器12、以及与服务器12连接的目标对象的终端设备13。
服务器12可以通过终端设备11获取目标医生的医疗数据和形象数据。并基于医疗数据,生成目标医生的个人医疗模型。基于形象数据,生成目标医生的个人形象模型。根据个人医疗模型和个人形象模型,确定目标医生的数字医生模型。
数字医生模型可以应用于目标对象的终端设备13。终端设备13可以通过数字医生模型为目标对象提供医疗咨询服务。
进一步地,终端设备13可以显示数字医生模型中的个人形象模型131,并通过个人形象模型输出“请输入医疗问题”的提示信息132。终端设备13还可以检测目标对象输入的医疗问题,通过数字医生模型的个人医疗模型获取医疗问题对应的医疗答案,之后可以通过个人形象模型输出该医疗问题对应的医疗答案。
图2是根据本公开第二实施例的示意图,参考图2所示的数据处理方法,可以包括下列步骤:
201、获取目标医生的医疗数据和形象数据。
本公开提供的数据处理方法可以配置于服务器。服务器可以与目标医生的终端设备建立通信连接。终端设备可以与目标医生进行交互,实现目标医生的医疗数据和形象数据的采集,采集的医疗数据和形象数据可以被发送至服务器。由服务器执行本公开中个人医疗模型和个人形象模型的生成。
当然,数据处理方法的执行主体也可以是目标医生的终端设备,终端设备可以与目标医生进行交互,并执行数字医生模型的生成。本公开中对具体的执行场景并不过多限定。
目标医生的医疗数据可以是指目标医生的个人医疗知识所对应的数据。此外,医疗数据中还可以包括公共医疗知识所对应的数据。目标医生的形象数据可以是指目标医生的外貌和行为、形象、动作所对应的数据。
其中,个人医疗知识可以是指目标医生个人的医疗知识,例如可以包括目标医生发表的论文、目标医生的诊疗文档、目标医生手动输入的问答对等。公共医疗知识可以是指目标医生所属科室的基础医疗知识。同科室的医生可以具有相同的公共医疗知识。
医疗数据可以包括:医疗文件、医疗文章、目标医生手动输入的问答对、公共基础知识文档、目标医生的诊疗文档等多种形式的数据。
形象数据可以包括:医生的个人形象的图像或视频、医生的声音素材等数据,形象数据能够体现医生在一个或多个形象维度的形象特性。
其中,步骤201,可以包括:采集目标医生的医疗数据和形象数据。具体可以采集目标医生输入的医疗数据和形象数据。
进一步地,采集目标医生的医疗数据还可以包括:从第三方知识库中查询并获取目标医生的医疗知识文档。第三方知识库例如可以包括数字出版平台对应的数据库、文献管理***对应的数据库等。
进一步地,采集目标医生的形象数据还可以包括:从第三方应用程序中查询并获取目标医生的形象视频或图像。第三方应用程序例如可以为社交程序、媒体程序、通讯程序等。
202、基于医疗数据,生成目标医生的个人医疗模型。
其中,个人医疗模型可以是指具备目标医生的医疗知识的AI模型,具体可以为问答模型。个人医疗模型的输入可以为医疗问题,输出可以为问题答案。目标医生的个人医疗模型可以用于查询目标医生的医疗问题的问题答案。
可选地,步骤202可以包括:将医疗数据发送至服务器,通过服务器利用医疗数据生成目标医生的个人医疗模型。接收服务器发送的目标医生的个人医疗模型。
进一步地,个人医疗模型的生成步骤可以包括:利用医疗数据,对AI模型进行训练,获得目标医生的个人医疗模型。
203、基于形象数据,生成目标医生的个人形象模型。
其中,个人形象模型可以包括具备目标医生的外形、动作、声音等特性的数字人,也就是,与目标医生的个人形象接近的数字化的人物形象。
个人形象模型还可以包括目标医生的语音生成模型。语音生成模型可以用于模拟目标医生的语音特点将文本转换为声音素材。
可选地,步骤203可以包括:将形象数据发送至服务器,通过服务器利用形象数据生成目标医生的个人形象模型。接收服务器发送的目标医生的个人形象模型。
进一步地,个人形象模型的生成步骤可以包括:利用形象数据,对形象模型进行训练,获得目标医生的个人形象模型。
204、根据个人医疗模型和个人形象模型,确定目标医生的数字医生模型,数字医生模型用于为目标对象提供医疗咨询服务。
其中,步骤204,可以包括:将个人医疗模型和个人形象模型组合获得目标医生的数字医生模型。
数字医生模型集成了目标医生的个人医疗模型和个人形象模型,具备目标医生的人物形象和医疗知识,能够提供智能化的医疗咨询服务。
本公开实施例的技术方案中,为了搭建目标医生的数字医生模型,可以先获取目标医生的医疗数据和形象数据。进而,基于医疗数据,生成目标医生的个人医疗模型,基于形象数据,生成目标医生的个人形象模型。通过个人医疗模型和个人形象模型可以确定目标医生的数字医生模型。数字医生模型的个人医疗模型学习到目标医生的医疗知识,个人形象模型可以体现目标医生的外貌和行为,通过数字医疗模型为目标对象提供医疗咨询服务,可以使得目标对象获得具备实感性质的线上医疗服务。数字医生模型提供线上医疗服务的过程中,可以减少或者避免目标医生人工参与医疗咨询,提高线上医疗咨询的效率。
为使读者更深刻地理解本公开的实现原理,现结合以下图3-图17对图2所示的实施例进行进一步细化。
进一步地,在上述任一实施例的基础上,基于医疗数据,生成目标医生的个人医疗模型,可以包括:
基于医疗数据,确定多个问答对,问答对包括具备问答关系的医疗问题和问题答案。
将多个问答对存储至目标医生的个人知识库,目标医生的个人知识库用于存储专属于目标医生的问答对。
基于目标医生的个人知识库中的问答对,训练机器学习模型,获得目标医生的个人医疗模型。
可选地,基于医疗数据,确定多个问答对,可以包括从医疗数据中提取问答对,并根据提取的问答对确定多个问答对。
目标医生的个人知识库可以用于存储目标医生个人的资料。例如可以存储目标医生的医疗数据、多个问答对、至少一个医疗问答视频等。通过为目标医生建立个人知识库可以实现目标医生的各种资料的独立性存储,提高存储效率和安全性。
其中,将多个问答对存储至目标医生的个人知识库可以包括:将多个问答对发送至目标医生的个人知识库,以使得个人知识库存储接收到的多个问答对。
示例性地,问答对可以以键值对的方式存储。Key-Value(键值对)对应的存储关系中,问题可以为key,答案可以为value。
进一步地,个人知识库存储接收到的多个问答对可以包括:个人知识库将接收到的多个问答对按照本地存储格式进行转化,获得适应本地存储要求的多个存储问答对,实现多个问答对的有效存储。
而基于目标医生的个人知识库中的问答对,训练机器学习模型,获得个人医疗模型,可以包括:从目标医生的个人知识库中读取可以用于训练的问答对,利用获得的问答对训练机器学习模型,获得个人医疗模型。
其中,机器学习模型可以为预先建立的AI模型,可以通过问答对的输入对机器学习模型的模型参数进行训练,获得训练结束时的目标参数,进而确定该目标参数对应的机器学习模型为目标医生的个人医疗模型。
本公开实施例的技术方案中,可以通过医疗数据,确定多个问答对,以多个问答对表示目标医生的医疗知识,为医生提供线上的医疗咨询提供了便捷性。而将多个问答对存储至目标医生的个人知识库,可以实现专属于目标医生的问答对的高效且独立性的管理。同时,利用目标医生的个人知识库中的问答对训练机器学习模型,可以使得机器学习模型学习目标医生的个人医疗知识,使得个人医疗模型能够准确对医生的医疗知识进行智能化的应用,进而提高医疗咨询服务的效率和质量。
进一步地,在上述任一实施例的基础上,基于目标医生的个人知识库中的问答对,训练机器学习模型,获得目标医生的个人医疗模型,包括:
基于目标医生的个人知识库中的问答对,确定训练数据集,其中,训练数据集包括多组训练数据,任一组训练数据包括训练数据和标注信息,训练数据为问答对中的医疗问题,标注信息为与训练数据的医疗问题对应的问题答案。
基于训练数据集,训练机器学习模型,直至机器学习模型满足收敛条件,并根据训练获得的机器学习模型,确定目标医生的个人医疗模型。
可选地,根据训练获得的机器学习模型,确定目标医生的个人医疗模型,包括:获取固定问答对,并确定以固定问答对和训练获得的机器学习模型构成的个人医疗模型。固定问答对的医疗问题和问题答案之间的问答关系是固定的,若输入的问题是固定问答对中的医疗问题,则可以直接输出该固定问答对中的问题答案。不再将问题输入到机器学习模型中。当然,上述方式是示例性的,并不构成对本公开个人医疗模型的具体限定。
可选地,机器学习模型包括问答模型。也即,可以训练获得问答模型作为目标医生的个人医疗模型。
进一步地,基于训练数据集,训练机器学习模型,直至机器学习模型满足收敛条件包括:基于训练数据集训练问答模型直至问答模型满足收敛条件。
其中,收敛条件可以是指预设的目标结束条件。达到收敛条件时,即可以终止机器学习模型的训练。示例性地,收敛条件可以包括达到迭代次数或者机器学习模型的误差小于预设误差阈值。
本公开实施例提供的技术方案中,通过从目标医生的个人知识库的问答对中,确定训练数据集,训练数据集中可以包括多组训练数据。每组训练数据可以包括训练数据和标注信息。训练数据即为问答对中的医疗问题,标注信息包括问答对中的问题答案。实现以目标用户为训练对象的机器学习模型的训练,训练获得的机器学习模型即为目标医生的个人医疗模型,能够应用于目标医生的个人医疗知识的问答场景中。
作为一种可选实施方式,基于医疗数据,确定多个问答对,包括:
从医疗数据中的至少一个医疗文件中提取至少一个第一问答对。
获取医疗数据中已存在的至少一个第二问答对。
确定至少一个第一问答对和至少一个第二问答对组成的多个问答对。
可选地,至少一个医疗文件可以包括目标医生上传的语料文件和/或语料文章。第一问答对可以为从医疗文件中提取的问答对。
其中,获得医疗数据之后,可以将医疗数据存储至目标医生的个人知识库。
进一步地,获取医疗数据中已存在的至少一个第二问答对,可以包括:获取医疗数据中目标医生输入的至少一个输入问答对,和/或,获取医疗数据中目标医生编辑的至少一个编辑问答对,和/或,获取医疗数据中目标医生确认的至少一个话术问答对。也就是,至少一个第二问答对包括至少一个输入问答对和/或至少一个话术问答对和/或至少一个编辑问答对。
本公开实施例的技术方案中,通过从至少一个医疗文件中提取至少一个第一问答对,以及获取目标医生输入的至少一个第二问答对,实现多个问答对的获取,多个问答对可以从医疗文件提取获得以及由目标医生输入获得,可以使得问答对的来源更丰富,进而使得AI模型对目标医生的医疗知识进行更大范围的学习,获得的目标医生的个人医疗模型可以适应更多的问答场景,提高医疗咨询服务的咨询质量。
进一步地,从医疗数据中的至少一个医疗文件中提取至少一个第一问答对,包括:
基于医疗数据中的至少一个医疗文件,对医疗文件进行数据清洗处理,获得至少一个目标医疗文件。
基于自然语言处理算法,分别提取至少一个目标医疗文件中的第一问答对,获得至少一个第一问答对。
可选地,对医疗文件进行数据清洗处理,可以包括:检测医疗文件中是否出现预先设置的敏感词,若是,则确定该医疗文件为需要清理的文件,若否则确定该医疗文件为目标医疗文件。
其中,自然语言处理算法(Natural Language Processing,NLP)可以提取目标医疗文件中的第一问答对。
进一步地,可以将目标医疗文件中的文本输入到NLP算法,获得NLP算法输出的第一问答对。自然语言处理算法可以包括训练获得的自然语言处理模型。也即,可以将目标医疗文件中的文本输入到自然语言处理模型,获得自然语言处理模型识别的第一问答对。
此外,获得至少一个第一问答对之后,还可以对每个第一问答对进行安全校验,获得通过安全校验的至少一个第一问答对,并将通过安全校验的至少一个第一问答对参与到后续的机器学习模型的训练,提高机器学习模型的训练安全性。
本公开实施例的技术方案中,通过数据清洗和自然语言处理算法可以实现至少一个第一问答对的获取。通过数据清洗可以避免无效的医疗文件参与到问答对的提取,可以使得至少一个目标医疗文件的可靠性更高,具备更有效的医疗知识。同时利用自然语言处理算法可以对问答对进行高效且有效的提取,提高至少一个第一问答对的提取效率和准确性。
进一步地,在上述任一实施例的基础上,基于形象数据,生成目标医生的个人形象模型,包括:
确定预先设置的至少一个形象维度。
基于形象数据,提取至少一个形象维度分别对应的维度特征。
根据至少一个形象维度分别对应的维度特征,生成目标医生的个人形象模型。
可选地,形象维度可以是指能够体现人物的形象特性的维度。至少一个形象维度可以包括:外形维度、声音维度、服装维度、动作维度等。
其中,基于形象数据,提取至少一个形象维度分别对应的维度特征可以包括:从形象数据中确定至少一个形象维度分别对应的形象素材,根据各形象维度的形象素材提取对应的维度特征,获得至少一个形象维度分别对应的形象素材。
进一步地,根据至少一个形象维度分别对应的维度特征,生成目标医生的个人形象模型,可以包括:根据各形象维度的维度特征训练该形象维度的形象模型,获得至少一个形象维度分别对应的形象模型,确定至少一个形象维度分别对应的形象模型为目标医生的个人形象模型。
本公开实施例的技术方案中,通过设置至少一个形象维度,从形象数据中提取至少一个形象维度分别对应的维度特征,而至少一个形象维度分别对应的维度特征可以用于生成目标医生的个人形象模型。通过至少一个形象维度生成目标医生的个人形象模型,使得个人形象模型从一个或多个维度表示目标医生的形象,实现对目标医生的更有效的形象模拟。
作为一种可选实施方式,形象维度包括外形维度。基于形象数据,提取至少一个形象维度分别对应的维度信息,包括:
基于形象数据中的外形素材,提取目标医生在外形维度对应的外形特征。
根据至少一个形象维度分别对应的维度信息,生成目标医生的个人形象模型,包括:
将外形维度对应的外形特征映射到预设动作模型中,获得目标医生的用户形体模型。
基于用户形体模型,确定目标医生的个人形象模型。
可选地,基于用户形体模型,确定目标医生的个人形象模型,包括:获取目标医生的语音生成模型,确定用户形体模型和语音生成模型为目标医生的个人形象模型。
其中,目标医生的语音生成模型,可以是指根据目标医生的声音特点生成的语音生成模型。语音生成模型的建立和训练步骤可以参考下列实施例的描述。
此外,目标医生的语音生成模型还可以是目标医生选择的语音生成模型。示例性的,可以显示至少一个候选语音生成模型,不同候选语音生成模型的语音播放属性不同。语音播放属性可以是指声音的音调、音色、男音或女音、声调、变调等属性。响应于目标医生针对至少一个候选语音生成模型分别对应的属性提示信息触发的点击操作,获得该点击操作对应的目标属性提示信息,并确定该目标属性提示信息对应的候选语言生成模型为目标医生的语音生成模型。
本公开实施例的技术方案中,形象维度包括外形维度,进而可以提取外形维度对应的外形特征。从而利用外形特征确定目标医生的用户形体模型。用户形体模型可以作为目标医生的个人形象模型的部分模型。从外形维度维护目标医生的个人形象模型,可以使得个人形象模型能够从形象上对目标医生的个人形象进行模拟,使得目标医生的个人形象模型更加立体化,提高与目标对象的交互体验。
可选地,外形素材包括外形图像,基于形象数据中的外形素材,提取目标医生在外形维度对应的外形特征,包括:
基于形象数据中的外形图像,提取目标医生的纹理特征、表情特征和姿态特征,并将纹理特征、表情特征和姿态特征作为目标医生的外形特征。
将外形维度对应的外形特征映射到预设动作模型中,获得目标医生的用户形体模型,包括:
将外形维度对应的纹理特征映射到基础人体模型,获得纹理模型。
将纹理模型按照姿态特征和表情特征进行动作调整,获得目标医生的用户形体模型。
可选地,基于形象数据中的外形图像,提取目标医生的纹理特征、表情特征和姿态特征,包括:通过纹理提取模型,提取外形图像中的纹理特征。通过人脸识别模型,提取外形图像中的表情特征。通过姿态提取模型提取外形图像中的姿态特征。
纹理特征可以是指用于表示目标医生的服装纹理的特征向量或者特征矩阵。表情特征可以是指目标医生的人脸的特征向量或者特征矩阵。姿态特征可以是指表示目标医生的身高、身体宽度、动作的特征向量或者特征矩阵。
其中,基础人体模型可以是指根据人体参数建立的数字仿真模型。人体参数可以包括身高、身宽、身体长度、以及各个肢体部位的相关数据,例如头部周长、高度、四肢长度、三围等。
可选地,外形素材可以包括针对目标医生拍摄的形象图像,形象图像可以包括目标医生的个人形象,形象图像可以为目标医生的全身照或者半身照或者头像。目标医生的个人形象模型可以包括用户形体模型和语音生成模型。
进一步地,将纹理模型按照姿态特征和表情特征进行动作调整可以是指,通过仿射变换等算法,将纹理模型按照姿态特征和表情特征进行动作调整。
本公开实施例提供的技术方案中,基于形象数据中的各种形象图像,提取目标医生在外形维度对应的纹理特征、表情特征和姿态特征,从纹理、表情和姿态,对目标医生的用户形象进行模拟,获得的用户形体模型与目标医生的实际形象更匹配,模型准确度更高。
作为又一种可选实施方式,形象维度包括声音维度。基于形象数据,提取至少一个形象维度分别对应的维度信息,包括:
基于形象数据中的声音素材,提取目标医生在声音维度对应的声音特征。
根据至少一个形象维度分别对应的维度信息,生成目标医生的个人形象模型,包括:
以声音特征作为模型参数,建立待训练的语音生成模型。
获取声音素材对应的文本信息。
以文本信息作为训练数据并以声音素材作为标注信息,训练待训练的语音生成模型,直至语音生成模型满足收敛条件。
基于训练获得的语音生成模型,确定目标医生的个人形象模型。
可选地,基于形象数据中的声音素材,提取目标医生在声音维度对应的声音特征,包括:通过语音特征提取算法,提取形象数据的声音素材对应的声音特征,以确定该声音特征为目标医生在声音维度对应的声音特征。
可选地,基于训练获得的语音生成模型,确定目标医生的个人形象模型,包括:获取目标医生的用户形体模型,确定用户形体模型和训练获得的语音生成模型为目标医生的个人形象模型。
语言生成模型可以将问题答案转换为模拟目标医生的声音信号。具体可以是按照目标医生的声音大小、音色、响度、音调等特性将问题答案转换为目标医生的声音信号。声音信号例如可以为mp3(Moving Picture Experts Group Audio LayerIII,动态影像专家压缩标准音频层面3)、wav(WaveForm,波形文件)等任意格式。
本公开实施例的技术方案中,形象维度包括声音维度,进而可以提取声音维度对应的声音特性。从而以声音特性作为训练数据并以声音素材作为标注信息,训练语音生成模型,直至语音生成模型满足收敛条件。获得的语音生成模型可以生成与目标医生的声音特性相一致的语音生成模型,可以使得个人形象模型能够从声音维度对目标医生的个人形象进行模拟,使得目标医生的个人形象模型更加立体化,提高与目标对象的交互体验。
在至少一个形象维度包括外形维度和声音维度时,可以提取外形维度对应的外形特征以及声音维度对应的声音特征。从而利用外形特征确定目标医生的用户形体模型,利用声音特征,训练目标医生的语音生成模型。用户形体模型和语音生成模型即可以构成目标医生的个人形象模型。从外形和声音两个维度维护目标医生的个人形象模型,可以使得个人形象模型能够从形象和声音两个维度对目标医生的个人形象进行模拟,使得目标医生的个人形象模型更加立体化,提高与目标对象的交互体验。
本公开的技术方案可以集成为一个数字医生的管理***,数字医生的管理***可以包括医生客户端和对象客户端。医生客户端可以与目标医生进行交互,以实现目标医生的数字医生模型的生成。对象客户端可以与目标对象进行交互,以实现数字医生模型的医疗咨询。
进一步地,步骤201之前,还可以包括:响应于针对数字医生管理***发起的网页打开请求,显示医生登录页面。响应于目标医生针对医生登录页面执行的登录信息输入操作,获得目标医生输入的医生登录信息。在对医生登录信息校验成功的情况下,显示医生管理***的管理页面。
示例性地,图3示出了一种管理页面的示意图。参考图3,管理页面300可以包括控件显示区域301和页面显示区域302。
其中,控件显示区域301用于显示首页控件302、AI应用控件303、培养中心控件304和我的控件305。
其中,首页控件302为触发目标医生的首页页面的控件。
AI应用控件303可以为触发数字医生模型的应用场景的控件。
培养中心控件304可以为触发目标医生的语料管理的控件。
我的控件305可以为触发目标医生的个人信息管理的控件。
如图3所示,AI应用控件303例如可以包括聊天会话控件3031和创意工具控件3032。培养中心控件304可以包括原始语料控件3041、问答管理控件3042和自动回复控件3043。我的控件305可以包括个人信息控件3051。
页面显示区域302用于显示被触发的控件所关联的页面。
为了便于理解本公开的技术方案,下列实施例可以是对图3所示的管理页面300的进一步细化。当然,图3所示的管理页面300仅是为了详细说明本公开的一种具体实施方式,并不应构成对页面结构或者组成的具体限定。
本公开实施例中,医疗数据和形象数据可以由医生输入获得。
下面图4所示的第三实施例的示意图,参考图4所示的数据处理方法,获取目标医生的医疗数据和形象数据,可以包括:
401、响应于目标医生针对医疗输入页面执行的医疗数据输入操作,获取目标医生对应的医疗数据。
402、响应于目标医生针对信息输入页面执行的形象数据输入操作,获取目标医生生成的形象数据。
可选地,医疗输入页面可以是指对目标医生的医疗数据进行输入的页面。医疗输入页面可以包括上述实施例中的:语料输入页面、问答管理页面和自动回复页面中的至少一个。语料输入页面、问答管理页面和自动回复页面的具体示例在下列实施例详细介绍。相应地,医疗数据可以包括:目标医生上传的医疗文件,目标医生手动输入的输入问答对以及话术问答对等。
可选地,信息输入页面可以是指对目标医生的个人形象数据进行裁剪的页面。图5示出了一种信息输入页面的示意图。信息输入页面500可以包括图像输入区域501和语音输入区域502。形象数据的具体获取步骤包括:响应于目标医生针对图像输入区域501触发的图像输入操作,获得目标医生的形象图像。响应于目标医生针对语音输入区域502触发的语音采集操作,获得目标医生的语音信号。相应地,形象数据可以包括目标医生的形象图像和语音信号。
本公开实施例的技术方案中可以通过与目标医生进行交互,采集目标医生的医疗数据和形象数据,实现目标医生对医疗数据和形象数据的有效输入,获得更丰富的医疗数据和形象数据。
为了详细说明本实施例中医疗数据的采集方案,下面对医疗输入页面的具体实施方式进行进一步细化说明。
实施方式一、医疗输入页面可以包括语料管理页面。
进一步地,步骤401、响应于目标医生针对医疗输入页面执行的医疗数据输入操作,获取目标医生对应的医疗数据,可以包括:
响应于目标医生针对语料管理页面执行的语料管理操作,获得目标医生生成的至少一个医疗文件。
基于至少一个医疗文件,确定目标医生对应的医疗数据。
可选地,响应于目标医生针对语料管理页面执行的语料管理操作之前,该方法还包括:响应于目标医生针对语料管理控件触发的显示操作,显示语料管理页面,语料管理页面包括目标医生的至少一个医疗文件。
为了便于理解,图6示出了一种语料管理页面的示意图。参考图6所示的问答管理页面600,可以包括:搜索提示控件601、上传控件602以及授权网络内容控件603以及文件展示区域604。
其中,搜索提示控件601用于提示医生执行文件搜索,例如可以通过在搜索提示控件601的输入区域6011输入文件名或者标题,触发查询控件6012执行文件搜索。授权网络内容控件603可以用于提示目标医生对网络内容获取使用授权。文件展示区域604可以用于展示目标医生已提供的至少一个医疗文件,每个医疗文件可以包括医疗文件ID、名称(文件名或标题)、创建时间、以及可针对每条语料执行的操作,例如删除操作。
上传控件602可以供目标医生上传医疗文件。进一步地,可以响应于目标医生针对语料管理页面的上传控件602执行的点击操作,切换显示上传语料页面。响应于目标医生针对上传语料页面执行的文件上传操作获得目标医生上传的医疗文件。其中,图7示出了一种上传语料页面700的示意图,上传语料页面700可以包括上传文档701、上传文章702或者批量上传文章703的提示信息。
检测目标医生点击上传文档701时,可以切换显示上传文档页面704。上传文档页面704可以包括文档上传区域,该文档上传区域可以显示文档上传提示信息。上传提示信息例如为:【点击上传】或将文件拖入此区域,以及注意:格式支持doc、pdf、txt、avi、mp3等,单次最多上传20个文件。此外,文档上传页面704还可以包括取消按钮和确认按钮,以便于完成文档上传或取消文档上传。
检测目标医生点击上传文章702时,可以切换显示上传文章页面705。上传文章页面705可以包括:标题输入区域和正文输入区域。此外,上传文章页面705还可以包括取消按钮和确认按钮,以便于完成文章上传或者取消文章上传。
检测目标医生点击批量上传文章703时,可以切换显示批量上传文章页面706。批量上传文章页面706可以包括:批量上传方式的提示信息和批量文件上传区域。批量上传方式的提示信息例如为:【点击下载模板】以及按照模板完成填写后再上传,单次导入最多100篇文章。批量上传文章页面可以包括批量上传提示信息,批量上传提示信息例如可以为:【点击上传】或将文件拖入此区域。此外,批量上传文章页面706还可以包括取消按钮和确认按钮,以便于完成批量文章上传或者取消批量文章上传。
进一步地,目标医生可以对问答管理页面中的问答对进行编辑操作,使得问答对更准确。该方法还可以包括:响应于目标医生针对问答管理页面中待编辑问答对执行的编辑操作,获得待编辑问答对的编辑结果。基于待编辑问答对的编辑结果,更新个人知识库中待编辑问答对。
本公开实施例的技术方案中,通过语料管理页面实现至少一个医疗文件的获取,使得医疗数据中包括至少一个医疗文件,提高医疗数据的丰富度,并通过利用至少一个医疗文件对目标医生的医疗资源进行更全面的获取,使得目标医生的医疗数据更全面更有效。
实施方式二、医疗输入页面可以包括问答管理页面。
进一步地,步骤401、响应于目标医生针对医疗输入页面执行的医疗数据输入操作,获取目标医生对应的医疗数据,可以包括:
响应于目标医生针对问答管理页面执行的问答管理操作,获得目标医生生成的输入问答对,输入问答对包括目标医生编辑的医疗问题和医疗答案。
基于输入问答对,确定目标医生对应的医疗数据。
可选地,响应于目标医生针对问答管理页面执行的问答管理操作之前,还包括:响应于目标医生针对问答管理控件触发的显示操作,显示问答管理页面,问答管理页面包括目标医生的语料库中的问答对。
为了便于理解,图8示出了一种问答管理页面的示意图。参考图8所示的问答管理页面800,可以包括上传问答控件801、搜索区域802、问答对显示区域803。
此外,问答管理页面800的问答对显示区域803中可以包括至少一个问答对。该至少一个问答对可以包括从至少一个医疗文件中提取的问答对。
进一步地,每个问答对可以关联操作控件:编辑控件和删除控件。若检测到目标医生针对任意问答对的操作控件执行的点击操作,可以切换至该问答对对应的管理页面。例如,若点击编辑控件可以切换至问答对的编辑页面。若点击删除控件可以切换至问答对的删除页面。
其中,若检测到目标医生触发上传问答控件801,则可以切换至上传问答页面。图9为上传问答页面的一个示例图。上传问答页面900可以包括单条输入901和批量上传902两种控件。上传问答页面900默认显示单条输入901对应的上传页面9011,单条输入901对应的上传页面9011可以包括问题输入区域9012和答案输入区域9013。
若批量上传902的上传控件被选中,则可以切换至批量上传902对应的上传页面9021。批量上传902对应的上传页面9021可以包括批量上传方式的提示信息9022和批量文件上传区域9023。批量上传方式的提示信息例如为:【点击下载模板】以及按照模板完成填写后再上传,单次导入最多100条问答对。
本公开实施例的技术方案中,通过问答管理页面实现输入问答对的获取,使得医疗数据中包括目标医生手动输入的问答对。通过手动输入问答对可以实现目标医生对问答对的手动管理,可以使得医疗数据更丰富。同时,采用手动输入问答对可以避免出现错误的问答对,提高问答对的准确性,进而使得目标医生的个人知识库更准确,学习到目标医生更全面的医疗知识。
实施方式三、医疗输入页面可以包括自动回复页面。
进一步地,步骤401、响应于目标医生针对医疗输入页面执行的医疗数据输入操作,获取目标医生对应的医疗数据,可以包括:
响应于目标医生针对自动回复页面执行的话术管理操作,获得目标医生生成的话术问答对,话术问答对包括话术问题和话术答案。
基于话术问答对,确定目标医生对应的医疗数据。
可选地,响应于目标医生针对自动回复页面执行的话术管理操作之前,还包括:响应于目标医生针对自动回复控件触发的显示操作,显示自动回复页面,自动回复页面包括至少一个话术问答对,话术问答对包括话术问题和与话术问题对应的话术答案。
为了便于理解,图10示出了一种自动回复页面的示意图。自动回复页面中1000可以包括至少一个显示区域,每个显示区域用于显示一个话术问答对。显示区域可以包括问题显示子区域和话术回答子区域。其中问题显示子区域可以显示话术问题。话术回答子区域可以用于显示话术答案。
以图10示出的6个显示区域1001、1002、1003、1004、1005、1006为例,每个显示区域可以显示一个话术。例如,显示区域1001可以显示“开场白”的话术问题以及“您好,我是医生的数字分身,您有……”的话术答案。显示区域1002可以显示“欢迎语”的话术问题和“您好我记得您,您的有……”的话术答案。话术问题例如可以为回绝话术、高危或紧急场景的话术问题、兜底话术问题等。
可选地,目标医生可以对话术问答对进行管理。该方法还可以包括:响应于目标医生针对目标话术问答对的管理控件执行的点击操作,切换至目标话术问答对的管理页面。管理控件可以包括日志控件和编辑控件。
其中,日志控件被点击可以显示目标话术问答对的日志页面。具体地,日志页面可以包括话术问答对在不同时间的审核状态。参考图11所示的日志页面的示意图。日志页面1100可以包括第一时间的修改日志1101、第二时间的修改日志1102以及第三时间的修改日志1103。每个修改日志可以包括修改内容和审核状态等信息。
此外,编辑控件被点击,可以显示显示目标话术问答对的话术编辑页面。参考图12所示的话术编辑页面的示意图,话术编辑页面1200可以包括话术问题的显示区域1201、原始话术答案的显示区域1202、以及更新的话术答案的编辑区域1203。该方法还包括:采集目标医生针对更新的话术答案的编辑区域1203执行的编辑操作,获得更新后的目标话术问答对。将更新后的目标话术问答对同步到目标医生的个人知识库中。
在又一种可能的设计中,话术问答对可以作为目标医生的个人医疗模型中的固定问答对。
本公开实施例的技术方案中,可以通过话术管理设置自动回复,使得部分不容易解答的话术问题关联相应的话术答案,使得目标医生的医疗数据内容更全面,进而利用更全面的医疗数据对目标医生的个人医疗模型进行更准确的学习,扩展个人医疗模型的应用场景,减少医疗咨询失败或不准确的现象,提高医疗咨询的准确率和效率。
实施方式四、医疗输入页面可以包括语料管理页面、问答管理页面和自动回复页面。
进一步地,步骤401、可以包括:
响应于目标医生针对语料管理页面执行的语料管理操作,获得目标医生生成的至少一个医疗文件。
响应于目标医生针对问答管理页面执行的问答管理操作,获得目标医生生成的输入问答对,输入问答对包括目标医生输入的医疗问题和医疗答案。
响应于目标医生针对自动回复页面执行的话术管理操作,获得目标医生生成的话术问答对,话术问答对包括话术问题和话术答案。
将至少一个医疗文件和/或输入问答对和/或话术问答对确定为目标医生的医疗数据。
本实施例中部分步骤与前述实施例中部分步骤相同,在此不再赘述。
本公开实施例的技术方案中,可以在获取至少一个医疗文件、输入问答对和话术问答对的基础上,可以将至少一个医疗文件和/或输入问答对和/或话术问答对确定为目标医生的医疗数据。可以使得医疗数据的构成更灵活,适应不同的应用场景。进而利用医疗数据训练目标医生的个人医疗模型时,可以使得个人医疗模型的应用场景更丰富。
进一步地,在上述任一实施例的基础上,该方法还包括:
响应于目标医生针对个人信息控件执行的点击操作,显示个人信息页面。
响应于目标医生针对个人信息页面执行的个人信息输入操作,获得目标医生输入的个人信息。
其中,个人信息页面可以是指与个人信息控件关联的页面,具体可以是指用于采集目标医生的个人信息的页面。当然,本实施例中采集目标医生的个人信息时,是在获取目标医生的授权的基础上采集的。可以理解的是,在使用本公开各实施例公开的技术方案之前,均应当依据相关法律法规通过恰当的方式对本公开所涉及的个人信息的类型、使用范围、使用场景等告知医生,并获得医生的授权。
图13示出了一种个人信息页面1300的示例图。信息输入页面1300可以用于采集目标医生的个人信息。个人信息例如可以包括照片、姓名、职称介绍、自我评价、个人成就、医生介绍信息、医生擅长信息等信息。
自我评价和个人成就可以通过触发“点击填写”的提示信息进行输入。
可选地,可以响应于目标医生针对自我评价的点击填写控件执行的点击操作,切换自我评价的自我评价页面,响应于目标医生针对自我评价页面执行的自我评价信息的输入操作,获得目标医生的自我评价信息。
可选地,可以响应于目标医生针对个人成就的点击填写控件执行的点击操作,切换个人成就的个人成就页面,响应于目标医生针对个人成就页面执行的个人成就信息的输入操作,获得目标医生的个人成就信息。
目标医生的个人信息可以供使用目标医生的个人信息的目标对象查看。进一步地,还包括:接收目标对象的用户终端发送的个人信息查看请求,发送目标医生的个人信息至目标对象的用户终端。目标对象的用户终端可以接收目标医生的个人信息,并显示目标医生的个人信息。例如可以通过页面或弹窗方式显示目标医生的个人信息。
此外,目标医生的个人信息还可以用于提取目标医生的个人问答对。个人问答对可以作为目标医生的个人医疗模型的固定问答对。固定问答对可以不参与到机器学习的训练过程中。
输入到个人医疗模型的问题为固定问答对时,可以将相应固定问答对的答案直接输出。
本实施例的技术方案中,通过个人信息页面采集目标医生的个人信息,可以实现全面的个人信息的采集。并且个人信息页面可以为目标医生提供信修改或编辑操作,可以供目标医生及时修改个人信息,提高个人信息的时效性。
为了进一步理解本公开的技术方案,图14示出了本公开的数据处理方法的一个示意性流程图,参考图14所示的流程图:
目标医生通过医生管理***1401可以提供输入问答对、话术问答对、目标医生的个人信息、以及至少一个医疗文件等多种医疗数据。
其中,输入问答对可以包括目标医生编辑的编辑问答对,也可以包括目标医生直接输入的问题对。
至少一个医疗文件通过数据清洗、NLP处理后获得的问答对可以提供至目标医生的个人知识库。个人知识库中的问答对用于训练机器学习模型,获得训练获得的机器学习模型。训练获得的机器学习模型可以进行自动问答。
而话术问答对、目标医生的个人信息对应的问答对可以作为固定问答对添加到目标医生的个人医疗模型中。个人医疗模型可以被目标对象的客户端1402应用。
当然,在实际应用中,固定问答对也可以参与到机器学习模型的训练过程,本实施例中对此并不过多限定。
为了进一步丰富目标医生的个人知识库,目标医生可以人工解答个人知识库中不存在答案的问题。
进一步地,在上述任一实施例的基础上,该方法还包括:
响应于目标医生触发的首页显示操作,显示针对目标医生的数字医生模型生成的个人形象页面,个人形象页面包括:待解答问题。
响应于目标医生针对待解答问题执行的回答触发操作,切换至待解答问题对应的问题解答页面。
响应于目标医生针对问题解答页面执行的信息输入操作,获取目标医生生成的解答信息。
基于待解答问题和解答信息,生成解答问答对,并将解答问答对存储至目标医生的个人知识库。
可选地,目标医生触发的首页显示操作的检测步骤,可以包括:响应于目标医生针对管理页面中首页控件执行的点击操作。
个人形象页面可以是指以目标医生的个人形象模型生成的页面。可以包括目标医生的个人形象,还可以包括待解答问题。此外,个人形象页面还可以包括整个数字医生的管理***的使用提示信息。使用提示信息例如可以包括使用提示文本和链接等信息。
示例性地,图15示出了一种个人形象页面的示意图。参考图15所示的个人形象页面1500,可以包括目标医生的个人形象模型中的形象图像1501,可以包括显示待解答问题的问题显示区域1502以及显示使用提示的使用提示区域1503。问题显示区域1502中可以显示一个或多个待解答问题,每个待解答问题可以关联问题处理控件。问题处理控件可以包括忽略控件和回答控件。
其中,响应于目标医生生成待解答问题执行的回答触发操作的检测步骤可以包括检测目标医生针对待解答问题的回答控件执行的点击操作。
进一步地,问题解答页面可以包括待解答问题的显示区域和解答信息的输入区域。响应于目标医生针对问题解答页面执行的信息输入操作,可以包括响应于目标医生针对问题解答页面的解答信息的输入区域执行的信息输入操作,
可选地,基于待解答问题和解答信息,生成解答问题对,可以包括:对待解答问题的解答信息进行安全验证,若确定安全验证通过,则确定待解答问题和解答信息组成的解答问答对。
本公开实施例的技术方案,可以在目标医生触发首页显示操作,显示针对目标医生的数字医生模型生成的个人形象页面。个人形象页面可以包括待解答问题,待解答问题未关联答案。针对待解答问题执行的信息输入操作,可以获取目标医生生成的解答信息。通过待解答信息和解答信息生成解答问答对,可以将解答问答对存储至目标医生的个人知识库。通过针对性解答待解答问题,丰富了目标医生的个人知识库,可以提供更有效的医疗咨询。
在实际应用中,目标医生可以通过首页查看其自身的数字医生模型,并对数字医生模型进行使用测试或者查看与目标对象的会话页面,以及时了解医疗咨询结果。
进一步地,在上述任一实施例的基础上,还包括:
获取目标医生与目标对象关联的会话页面中目标对象输入的医疗问题。
基于数字医生模型中的个人医疗模型,获得医疗问题对应的问题答案。
在会话页面显示医疗问题对应的问题答案。
可选地,目标医生可以同时与多个目标对象进行会话,每个目标对象与目标医生的会话均在对应的会话页面实现。也就是,会话页面可以包括多个,每个会话页面关联目标对象。数字医生模型可以同时为多个目标对象提供自动的医疗咨询服务,可以减轻医生的工作负担,优化医生的资源配置,提高医疗服务的效率和质量。
可选地,还包括:响应于目标医生针对聊天会话控件执行的点击操作,显示目标医生的聊天页面。聊天页面可以包括目标医生与多个目标对象的会话框。检测目标医生针对聊天页面中目标会话框的点击操作,获得与该目标会话框关联的会话页面。
示例性地,图16示出了一种聊天页面的示意图。参考图16所示的聊天页面1600可以包括多个会话框,分别为目标对象1的会话框、目标对象2的会话框、目标对象3的会话框和目标对象4的会话框,当然上述会话框的数量仅是示意性的。检测目标医生针对目标对象1的会话框执行点击操作,则确定目标对象1为目标对象。进而可以获取目标医生与目标对象关联的会话页面1601。会话页面1601中可以包括目标对象发起的医疗问题和与该医疗问题对应的医疗答案。
本公开实施例的技术方案,可以获取目标医生与目标对象关联的会话页面中目标对象输入的医疗问题,并基于数字医生模型中的个人医疗模型,获得医疗问题对应的问题答案,在会话页面显示医疗问题对应的医疗答案。通过数字医生模型的应用可以实现自动化的医疗咨询,快速完成医疗咨询,提高诊断的效率和准确性,降低医疗成本和风险。
为了使得医疗知识能够更广泛的传播,为更多目标对象提供更专业的医疗服务,可以将问答对结合目标医生的个人形象模型,生成相应的视频。并通过发布视频,实现医疗知识的快速传播。
因此,作为一种可选实施方式,在会话页面显示医疗问题对应的问题答案之后,还包括:
响应于目标医生针对会话页面显示的目标问答对执行的视频生成操作,获得与视频生成操作对应的目标问答对,目标问答对包括目标医疗问题和目标医疗问题对应的问题答案。
根据数字医生模型中的个人形象模型和目标问答对,生成医疗问答视频。
发布医疗问答视频。
可选地,会话页面中可以包括至少一个问答对。每个问答对可以对应有显示区域,显示区域中可以包括视频转换提示信息。响应于目标医生针对会话页面显示的目标问答对执行的视频生成操作,可以包括:响应于目标医生针对会话页面显示的目标问答对的显示区域执行的视频生成操作。
进一步地,发布医疗问答视频,可以包括:将医疗问答视频发布到互联网中,以便于目标对象查看。发布医疗问答视频之后,还可以包括将医疗问答视频存储至目标医生的个人知识库,使得个人知识库中存储的问答对的表现形式更加丰富,满足不同场景的医疗咨询需求。
本公开实施例的技术方案,目标医生可以针对会话页面显示的目标问答对执行视频生成操作,获得与视频生成操作对应的目标问答对,进而获得目标问答对的目标医疗问题和问题答案,进而根据数字医生模型中的个人形象模型和目标问答对,生成医疗问答视频。医疗问答视频可以不需要目标医生参与到视频拍摄,而数字医生模型的个人形象模型可以作为目标医生的视频形象,自动生成视频,可以减少医生的工作量,节约医生的时间和精力。以视频形式进行医疗知识的输出可以提高医疗知识的推广效率和观看体验,进而提高医疗咨询的效率。
进一步地,响应于目标医生针对会话页面显示的目标问答对执行的视频生成操作之前,还包括:
在会话页面的至少一个问答对分别对应的显示区域中显示视频转换提示信息。
检测目标医生针对任意问答对的视频转换提示信息执行的点击操作,获得点击操作对应的目标问答对并确定目标问答对的视频生成操作。
其中,每个问答对可以对应有显示区域。显示区域可以包括问题显示区域和答案显示区域。在会话页面的至少一个问答对分别对应的显示区域中显示视频转换提示信息包括:在会话页面的至少一个问答对分别对应的答案显示区域中显示视频转换提示信息。
进一步地,可以在会话页面的至少一个问答对分别对应的答案显示区域关联一转换提示区域,在该转换提示区域中显示视频转换提示信息。
以图16中的医疗问题和医疗答案构成的问答对为例,可以在医疗答案的显示区域1602的左侧关联一个转换提示区域1603。并在转换提示区域1603中显示视频转换提示信息。
进一步地,检测目标医生针对任意问答对的视频转换提示信息执行点击操作,具体可以是指检测目标医生针对任意问答对的视频转换提示信息对应的转换提示区域执行的点击操作。
本公开实施例提供的技术方案中,通过在至少一个问答对分别对应的显示区域显示视频转换提示信息,并通过检测目标医生针对任意问答对的视频转换提示信息执行的点击操作,可以获得点击操作所针对的问答对未目标问答对,并确定目标问答对的视频生成操作,进而针对视频生成操作作出响应,生成目标问答对对应的医疗问答视频。也即通过目标医生的简单操作即可以实习医疗问答视频的生成,不需要再针对目标医生实际进行视频录制,可以降低医疗问答视频的生成成本,提高医疗问答视频的生成效率,以更有加准确和更加便捷的方式提供医疗问答视频的推广,提高医疗服务的效率和质量。
在基于目标医生的问答对生成医疗问答视频的基础上,为了便于医生管理医疗视频,可以提供视频创作页面,以便于目标医生对医疗问答视频进行管理。进一步地,在上述任一实施例的基础上,还包括:
响应于目标医生针对创意工具控件执行的点击操作,显示视频创作页面,视频创作页面包括至少一个医疗问答视频。
响应于目标医生针对目标医疗问答视频的编辑控件执行的点击操作,显示目标医疗问答视频对应的视频编辑页面,视频编辑页面包括目标医生的个人形象模型、视频标题和视频内容。
响应于目标医生针对视频编辑页面执行的视频编辑操作,获得与视频编辑操作对应的视频编辑结果。
基于视频编辑结果,更新目标医疗问答视频,并发布更新后的目标医疗问答视频。
可选地,创意工具控件可以关联视频创作页面。视频创作页面是指用于根据目标医生的问答对和个人形象模型生成视频的页面。视频创作页面可以是指在数字医生管理***上设置的用于视频生成和管理的页面。
示例性地,图17示出了一种视频创作页面的示意图。视频创作页面7600可以包括目标医生的至少一个医疗问答视频1701。
其中,每个医疗问答视频1701可以包括视频封面,视频封面可以关联医疗问答视频的播放链接、编辑控件以及删除控件、下载控件、视频标题、视频内容等信息。
此外,视频创作页面还可以包括快速创作控件1702。检测目标医生针对快速创作控件1702执行点击操作可以切换至问答对的选择页面,并获取目标医生针对该选择页面中目标问答对执行的选择操作,并根据目标医生的个人形象模型生成目标问答对对应的医疗问答视频。
进一步地,目标医疗问答视频可以为目标医生选择的任意医疗问答视频。检测目标医生针对任意医疗问答视频的编辑控件执行的点击操作可以确定被点击的医疗问答视频为目标医疗问答视频。
进一步地,检测目标医生点击删除控件之后可以删除该删除控件关联的医疗问答视频。检测目标医生点击下载控件之后可以下载该下载控件关联的医疗问答视频至本地存储空间。
示例性地,视频编辑页面可以包括至少一个操作控件。响应于目标医生针对视频编辑页面执行的视频编辑操作,获得与视频编辑操作对应的视频编辑结果可以包括:响应于目标医生针对视频编辑页面的至少一个操作控件执行的视频编辑操作,获得视频编辑操作对应的视频编辑结果。
其中,视频编辑操作可以包括针对至少一个操作控件分别执行的编辑子操作。图18示出了一种视频编辑页面的示意图。参考图18所示的视频编辑页面1800,可以包括视频比例的编辑控件1801、数字人形象的编辑控件1802、字幕显示与否的编辑控件1803、背景图的编辑控件1804以及文本编辑控件1805。其中文本编辑控件用于编辑生成目标医疗问答视频的目标问答对,也即目标问答对所对应的医疗问题和医疗答案。
此外,为了便于操作视频编辑页面,视频编辑页面中还可以包括存草稿、合成视频等控件,提高视频编辑页面的操作便捷性。
本公开实施例的技术方案,可以在创意工具控件执行点击操作的基础上,可以显示视频创造页面。视频创作页面可以包括至少一个医疗问答视频。响应于目标医生针对目标医疗问答视频的编辑控件执行的点击操作,可以显示目标医疗问答视频的视频编辑页面。通过视频编辑页面可以编辑目标医生的个人形象模型、视频标题和视频内容,实现视频编辑页面执行的视频编辑操作,可以获得与视频编辑对应的视频编辑结果。通过视频编辑可以使得目标医疗问答视频中的视频内容与目标医生的视频输出需求相一致,对目标医生的医疗知识从视频输出角度进行了维护。而通过视频可以对医疗知识进行更细致的解答,降低医疗知识推广的难度,扩展了医疗知识的传输路径和传输成本,提供更有效的视频管理服务。
图19为根据本公开第四实施例的示意图。参考图19所示的数据处理方法,可以包括下列步骤:
1901、响应于目标对象针对目标医生触发的医疗咨询请求,显示目标医生的数字医生模型中的个人形象模型,数字医生模型基于上述任一种数据处理方法确定。
可选地,目标对象可以针对目标医生发起医疗咨询请求,例如,目标对象使用线上医疗咨询服务时,可以显示多个医生,目标对象可以针对多个医生中的目标医生发起医疗咨询请求。通过医疗咨询请求的触发显示目标医生的数字医生模型中的个人形象模型。
本公开的数字医生平台可以应用于多种应用场景中,例如健康咨询、医学教育、智能助手、患者管理等场景。
其中,不同场景的目标对象的身份不同,咨询方式相同。
以健康咨询为例,目标对象可以为普通用户。数字医生模型可以为大众提供健康咨询服务,如解答常见健康问题、提供健康建议等
以医疗教育为例,目标对象可以为目标学生。数字医生模型可以作为医学教育工具,帮助医学生和医生学习新的医学知识和技能。
以智能助手为例,目标对象可以为目标医生本人,数字医生模型可以协助医生进行临床诊断和治疗,如提醒医生患者的过敏史、药物相互作用信息等。从而提高诊断的效率和准确性,减少误诊和漏诊的情况,降低医疗成本和风险。
以患者管理为例,目标对象可以为目标患者。数字医生模型可以帮助患者进行疾病咨询、健康管理,如监测健康指标、提供运动和饮食建议等。减轻医生的工作负担,使医生能够更加专注于患者的治疗和护理,优化医生资源的配置,提高医疗服务的效率和质量。
数字医生模型还可以用于远程医疗,可以实现医学影像的远程解读和诊断,促进远程医疗和移动医疗的发展,使得患者可以得到优质的医疗服务。
1902、响应于目标对象针对个人形象模型执行的医疗咨询操作,获取目标对象输入的医疗问题。
可选地,获取目标对象输入的医疗问题可以包括:获取目标对象通过与个人形象模型关联的问题输入区域执行的输入操作,获得输入产生的医疗问题。
1903、基于数字医生模型中的个人医疗模型,获得医疗问题对应的问题答案。
可选地,步骤1903可以包括:将医疗问题输入到个人医疗模型中的机器学习模型,获得机器学习模型输出的问题答案。
机器学习模型包括训练获得的问答模型。
此外,在又一种可能的设计中,个人医疗模型中还可以包括固定问答对。个人医疗模型对于输入的医疗问题,可以先判断该医疗问题是否为固定问答对中的问题。若是,则直接输出包含该医疗温度的固定问答对的问题答案。若否,则将医疗问题输入到个人医疗模型中的机器学习模型,获得机器学习模型输出的问题答案。
1904、通过个人形象模型,输出医疗问题对应的问题答案。
可选地,个人形象模型可以包括用户形体模型和语音生成模型。步骤1904,可以包括:基于个人形象模型中的语音生成模型,将医疗问题对应的问题答案转换为问题答案语音,通过个人形象模型中的用户形体模型按照播放动作播放问题答案语音。
本公开实施例的技术方案,可以在目标对象的触发下,显示目标医生的数字医生模型中的个人形象模型,使得目标对象可以直观地观看目标医生的个人形象。进而在目标对象输入医疗问题之后,可以通过数字医生模型对应的个人医疗模型,获得医疗问题对应的问题答案,实现问题答案的自动查询,提高问题答案的获取效率。进而通过个人形象模型输出医疗问题对应的问题答案,可以实现以更立体的方式输出问题答案。提供高效且有效的医疗咨询。
图20为根据本公开第五实施例的示意图。参考图20示的数据处理装置2000,可以包括下列单元:
数据获取单元2001:用于获取目标医生的医疗数据和形象数。
医疗生成单元2002:用于基于医疗数据,生成目标医生的个人医疗模型。
形象生成单元2003:用于基于形象数据,生成目标医生的个人形象模型。
模型确定单元2004:用于根据个人医疗模型和个人形象模型,确定目标医生的数字医生模型。
进一步地,在上述任一实施例的基础上,医疗生成单元,包括:
问答提取模块,用于基于医疗数据,确定多个问答对,问答对包括具备问答关系的医疗问题和问题答案。
问答存储模块,用于将多个问答对存储至目标医生的个人知识库,目标医生的个人知识库用于存储专属于目标医生的问答对。
模型训练模块,用于基于目标医生的个人知识库中的问答对,训练机器学习模型,获得目标医生的个人医疗模型。
进一步地,在上述任一实施例的基础上,问答提取模块,包括:
第一提取子模块,用于从医疗数据中的至少一个医疗文件中提取至少一个第一问答对。
第二提取子模块,用于获取医疗数据中已存在的至少一个第二问答对。
问答组成子模块,用于确定至少一个第一问答对和至少一个第二问答对组成的多个问答对。
进一步地,在上述任一实施例的基础上,第一提取子模块具体用于:
基于医疗数据中的至少一个医疗文件,对医疗文件进行数据清洗处理,获得至少一个目标医疗文件。基于自然语言处理算法,分别提取至少一个目标医疗文件中的第一问答对,获得至少一个第一问答对。
可选地,模型训练模块,包括:
数据确定子模块,用于基于目标医生的个人知识库中的问答对,确定训练数据集,其中,训练数据集包括多组训练数据,任一组训练数据包括训练数据和标注信息,训练数据为一医疗问题,标注信息为与训练数据的医疗问题对应的问题答案。
模型训练子模块,用于基于训练数据集,训练机器学习模型,直至机器学习模型满足收敛条件,并确定训练获得的机器学习模型为目标医生的个人医疗模型。
进一步地,在上述任一实施例的基础上,形象生成单元,包括:
维度确定模块,用于确定预先设置的至少一个形象维度。
特征提取模块,用于基于形象数据,提取至少一个形象维度分别对应的维度特征。
特征分析模块,用于根据至少一个形象维度分别对应的维度特征,生成目标医生的个人形象模型。
进一步地,在上述任一实施例的基础上,形象维度包括外形维度,特征提取模块,包括:
外形提取子模块,用于基于形象数据中的外形素材,提取目标医生在外形维度对应的外形特征。
特征分析模块,包括:
外形映射子模块,用于将外形维度对应的外形特征映射到预设动作模型中,获得目标医生的用户形体模型。
第一确定子模块,用于基于用户形体模型,确定目标医生的个人形象模型。
进一步地,在上述任一实施例的基础上,外形素材包括外形图像,外形提取子模块,具体用于:
基于形象数据中的外形图像,提取目标医生的纹理特征、表情特征和姿态特征,并将纹理特征、表情特征和姿态特征作为目标医生的外形特征。
外形映射子模块,具体用于:
将外形维度对应的纹理特征映射到基础人体模型,获得纹理模型。将纹理模型按照姿态特征和表情特征进行动作调整,获得目标医生的用户形体模型。
进一步地,在上述任一实施例的基础上,外形维度包括声音维度,特征提取模块,包括:
声音提取子模块,用于基于形象数据中的声音素材,提取目标医生在声音维度对应的声音特征。
特征分析模块,包括:
模型建立子模块,用于以声音特征作为模型参数,建立待训练的语音生成模型。
文本获取子模块,用于获取声音素材对应的文本信息。
声音训练子模块,用于以文本信息作为训练数据并以声音素材作为标注信息,训练待训练的语音生成模型,直至语音生成模型满足收敛条件。
模型确定子模块,用于基于训练获得的语音生成模型,确定目标医生的个人形象模型。
进一步地,在上述任一实施例的基础上,获取目标医生的医疗数据和形象数据,包括:
第一获取模块,用于响应于目标医生针对医疗输入页面执行的医疗数据输入操作,获取目标医生对应的医疗数据。
第二获取模块,用于响应于目标医生针对信息输入页面执行的形象数据输入操作,获取目标医生生成的形象数据。
进一步地,在上述任一实施例的基础上,医疗输入页面包括语料管理页面,第一获取模块,包括:
文件获取子模块,用于响应于目标医生针对语料管理页面执行的语料管理操作,获得目标医生生成的至少一个医疗文件。
第一获取子模块,用于基于至少一个医疗文件,确定目标医生对应的医疗数据。
进一步地,在上述任一实施例的基础上,医疗输入页面包括问答管理页面,第一获取模块,包括:
输入获取子模块,用于响应于目标医生针对问答管理页面执行的问答管理操作,获得目标医生生成的输入问答对,输入问答对包括目标医生编辑的医疗问题和医疗答案。
第二获取子模块,用于基于输入问答对,确定目标医生对应的医疗数据。
进一步地,在上述任一实施例的基础上,医疗输入页面包括自动回复页面,第一获取模块,包括:
话术获取子模块,用于响应于目标医生针对自动回复页面执行的话术管理操作,获得目标医生生成的话术问答对,话术问答对包括话术问题和话术答案。
第三获取子模块,用于基于话术问答,确定目标医生对应的医疗数据。
进一步地,在上述任一实施例的基础上,还包括:
形象页面单元,用于响应于目标医生触发的首页显示操作,显示针对目标医生的数字医生模型生成的个人形象页面,个人形象页面包括:待解答问题。
解答触发单元,用于响应于目标医生针对待解答问题执行的回答触发操作,切换至待解答问题对应的问题解答页面。
问题解答单元,用于响应于目标医生针对问题解答页面执行的信息输入操作,获取目标医生生成的解答信息。
解答获取单元,用于基于待解答问题和解答信息,生成解答问答对,并将解答问答对存储至目标医生的个人知识库。
进一步地,在上述任一实施例的基础上,还包括:
会话页面单元,用于获取目标医生与目标对象关联的会话页面中目标对象输入的医疗问题。
模型应用单元,用于基于数字医生模型中的个人医疗模型,获得医疗问题对应的问题答案。
会话输出单元,用于在会话页面显示医疗问题对应的问题答案。
进一步地,在上述任一实施例的基础上,还包括:
视频触发单元,用于响应于目标医生针对会话页面显示的目标问答对执行的视频生成操作,获得与视频生成操作对应的目标问答对,目标问答对包括目标医疗问题和目标医疗问题对应的问题答案。
视频生成单元,用于根据数字医生模型中的个人形象模型和目标问答对,生成医疗问答视频。
视频发布单元,用于发布医疗问答视频。
进一步地,在上述任一实施例的基础上,还包括:
转换提示单元,用于在会话页面的至少一个问答对分别对应的显示区域中显示视频转换提示信息。
转换触发单元,用于检测目标医生针对任意问答对的视频转换提示信息执行的点击操作,获得点击操作对应的目标问答对并确定目标问答对的视频生成操作。
进一步地,在上述任一实施例的基础上,还包括:
视频创作单元,用于响应于目标医生针对创意工具控件执行的点击操作,显示视频创作页面,视频创作页面包括至少一个医疗问答视频。
编辑触发单元,用于响应于目标医生针对目标医疗问答视频的编辑控件执行的点击操作,显示目标医疗问答视频对应的视频编辑页面,视频编辑页面包括目标医生的个人形象模型、视频标题和视频内容。
视频编辑单元,用于响应于目标医生针对视频编辑页面执行的视频编辑操作,获得与视频编辑操作对应的视频编辑结果。
视频更新单元,用于基于视频编辑结果,更新目标医疗问答视频,并发布更新后的目标医疗问答视频。
进一步地,在上述任一实施例的基础上,还包括:
个人页面单元,用于响应于目标医生针对个人信息控件执行的点击操作,显示个人信息页面。
个人信息单元,用于响应于目标医生针对个人信息页面执行的个人信息输入操作,获得目标医生输入的个人信息。
图21为根据本公开第六实施例的示意图。参考图20所示的数据处理装置2100,可以包括下列单元:
咨询响应单元2101、用于响应于目标对象针对目标医生触发的医疗咨询请求,显示目标医生的数字医生模型中的个人形象模型,数字医生模型基于上述任一种数据处理方法确定。
问题输入单元2102、用于响应于目标对象针对个人形象模型执行的医疗咨询操作,获取目标对象输入的医疗问题。
答案查询单元2103、用于基于数字医生模型中的个人医疗模型,获得医疗问题对应的问题答案。
问题输出单元2104、用于通过个人形象模型,输出医疗问题对应的问题答案。
本公开实施例的技术方案,可以在目标对象的触发下,显示目标医生的数字医生模型中的个人形象模型,使得目标对象可以直观地观看目标医生的个人形象。进而在目标对象输入医疗问题之后,可以通过数字医生模型对应的个人医疗模型,获得医疗问题对应的问题答案,实现问题答案的自动查询,提高问题答案的获取效率。进而通过个人形象模型输出医疗问题对应的问题答案,可以实现以更立体的方式输出问题答案。提供高效且有效的医疗咨询。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图22示出了可以用来实施本公开的实施例的示例电子设备2200的示意性框图。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/或者要求的本公开的实现。
如图22所示,设备2200包括计算单元1201,其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元2208加载到随机访问存储器(RAM)2203中的计算机程序,来执行各种适当的动作和处理。在RAM 2203中,还可存储设备2200操作所需的各种程序和数据。计算单元2201、ROM 2202以及RAM 2203通过总线2204彼此相连。输入/输出(I/O)接口2205也连接至总线2204。
设备2200中的多个部件连接至I/O接口2205,包括:输入单元2206,例如键盘、鼠标等;输出单元2207,例如各种类型的显示器、扬声器等;存储单元2208,例如磁盘、光盘等;以及通信单元2209,例如网卡、调制解调器、无线通信收发机等。通信单元2209允许设备2200通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元2201可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元2201的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元2201执行上文所描述的各个方法和处理,例如数据处理方法。例如,在一些实施例中,数据处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元2208。在一些实施例中,计算机程序的部分或者全部可以经由ROM 2202和/或通信单元2209而被载入和/或安装到设备2200上。当计算机程序加载到RAM 2203并由计算单元2201执行时,可以执行上文描述的数据处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元2201可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行数据处理方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、复杂可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式***的服务器,或者是结合了区块链的服务器。
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,本发公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (43)
1.一种数据处理方法,包括:
获取目标医生的医疗数据和形象数据;
基于所述医疗数据,生成所述目标医生的个人医疗模型;
基于所述形象数据,生成所述目标医生的个人形象模型;
根据所述个人医疗模型和所述个人形象模型,确定所述目标医生的数字医生模型,所述数字医生模型用于为目标对象提供医疗咨询服务。
2.根据权利要求1所述的方法,其中,所述基于所述医疗数据,生成所述目标医生的个人医疗模型,包括:
基于所述医疗数据,确定多个问答对,所述问答对包括具备问答关系的医疗问题和问题答案;
将多个所述问答对存储至所述目标医生的个人知识库,所述目标医生的个人知识库用于存储专属于所述目标医生的问答对;
基于所述目标医生的个人知识库中的问答对,训练机器学习模型,获得所述目标医生的个人医疗模型。
3.根据权利要求2所述的方法,其中,所述基于所述医疗数据,确定多个问答对,包括:
从所述医疗数据中的至少一个医疗文件中提取至少一个第一问答对;
获取所述医疗数据中已存在的至少一个第二问答对;
确定至少一个所述第一问答对和至少一个所述第二问答对组成的多个所述问答对。
4.根据权利要求3所述的方法,其中,所述从所述医疗数据中的至少一个医疗文件中提取至少一个第一问答对,包括:
基于所述医疗数据中的至少一个医疗文件,对所述医疗文件进行数据清洗处理,获得至少一个目标医疗文件;
基于自然语言处理算法,分别提取至少一个所述目标医疗文件中的第一问答对,获得至少一个所述第一问答对。
5.根据权利要求2-4任一项所述的方法,其中,所述基于所述目标医生的个人知识库中的问答对,训练机器学习模型,获得所述目标医生的个人医疗模型,包括:
基于所述目标医生的个人知识库中的问答对,确定训练数据集,其中,所述训练数据集包括多组训练数据,任一组训练数据包括训练数据和标注信息,所述训练数据为问答对中的医疗问题,所述标注信息为问答对中的问题答案;
基于所述训练数据集,训练所述机器学习模型,直至所述机器学习模型满足收敛条件,并确定训练获得的机器学习模型为所述目标医生的个人医疗模型。
6.根据权利要求1-5任一项所述的方法,其中,所述基于所述形象数据,生成所述目标医生的个人形象模型,包括:
确定预先设置的至少一个形象维度;
基于所述形象数据,提取至少一个所述形象维度分别对应的维度特征;
根据至少一个所述形象维度分别对应的维度特征,生成所述目标医生的个人形象模型。
7.根据权利要求6所述的方法,其中,所述形象维度包括外形维度;所述基于所述形象数据,提取至少一个所述形象维度分别对应的维度特征,包括:
基于所述形象数据中的外形素材,提取所述目标医生在外形维度对应的外形特征;
所述根据至少一个所述形象维度分别对应的维度特征,生成所述目标医生的个人形象模型,包括:
将所述外形维度对应的外形特征映射到预设动作模型中,获得所述目标医生的用户形体模型;
基于所述用户形体模型,确定所述目标医生的个人形象模型。
8.根据权利要求7所述的方法,其中,所述外形素材包括外形图像,所述基于所述形象数据中的外形素材,提取所述目标医生在外形维度对应的外形特征,包括:
基于所述形象数据中的外形图像,提取所述目标医生的纹理特征、表情特征和姿态特征,并将所述纹理特征、所述表情特征和所述姿态特征作为所述目标医生的外形特征;
所述将所述外形维度对应的外形特征映射到预设动作模型中,获得所述目标医生的用户形体模型,包括:
将所述外形维度对应的纹理特征映射到基础人体模型,获得纹理模型;
将所述纹理模型按照所述姿态特征和所述表情特征进行动作调整,获得所述目标医生的用户形体模型。
9.根据权利要求6-8任一项所述的方法,其中,所述形象维度包括声音维度;所述基于所述形象数据,提取至少一个所述形象维度分别对应的维度信息,包括:
基于所述形象数据中的声音素材,提取所述目标医生在声音维度对应的声音特征;
所述根据至少一个所述形象维度分别对应的维度信息,生成所述目标医生的个人形象模型,包括:
以所述声音特征作为模型参数,建立待训练的语音生成模型;
获取所述声音素材对应的文本信息;
以所述文本信息作为训练数据并以所述声音素材作为标注信息,训练所述待训练的语音生成模型,直至所述语音生成模型满足收敛条件;
基于训练获得的所述语音生成模型,确定所述目标医生的个人形象模型。
10.根据权利要求1-9任一项所述的方法,其中,所述获取目标医生的医疗数据和形象数据,包括:
响应于所述目标医生针对医疗输入页面执行的医疗数据输入操作,获取所述目标医生对应的医疗数据;
响应于所述目标医生针对信息输入页面执行的形象数据输入操作,获取所述目标医生生成的形象数据。
11.根据权利要求10所述的方法,其中,所述医疗输入页面包括语料管理页面,所述响应于目标医生针对医疗输入页面执行的医疗数据输入操作,获取所述目标医生对应的医疗数据,包括:
响应于所述目标医生针对所述语料管理页面执行的语料管理操作,获得所述目标医生生成的至少一个医疗文件;
基于至少一个所述医疗文件,确定所述目标医生对应的医疗数据。
12.根据权利要求10或11所述的方法,其中,所述医疗输入页面包括问答管理页面,所述响应于目标医生针对医疗输入页面执行的医疗数据输入操作,获取所述目标医生对应的医疗数据,包括:
响应于所述目标医生针对所述问答管理页面执行的问答管理操作,获得所述目标医生生成的输入问答对,所述输入问答对包括所述目标医生编辑的医疗问题和医疗答案;
基于所述输入问答对,确定所述目标医生对应的医疗数据。
13.根据权利要求10-12任一项所述的方法,其中,所述医疗输入页面包括自动回复页面,所述响应于目标医生针对医疗输入页面执行的医疗数据输入操作,获取所述目标医生对应的医疗数据,包括:
响应于所述目标医生针对所述自动回复页面执行的话术管理操作,获得所述目标医生生成的话术问答对,所述话术问答对包括话术问题和话术答案;
基于所述话术问答,确定所述目标医生对应的医疗数据。
14.根据权利要求1-13任一项所述的方法,还包括:
响应于所述目标医生触发的首页显示操作,显示针对所述目标医生的数字医生模型生成的个人形象页面,所述个人形象页面包括:待解答问题;
响应于所述目标医生针对所述待解答问题执行的回答触发操作,切换至所述待解答问题对应的问题解答页面;
响应于所述目标医生针对所述问题解答页面执行的信息输入操作,获取所述目标医生生成的解答信息;
基于所述待解答问题和所述解答信息,生成解答问答对,并将所述解答问答对存储至所述目标医生的个人知识库。
15.根据权利要求1-14任一项所述的方法,还包括:
获取所述目标医生与目标对象关联的会话页面中所述目标对象输入的医疗问题;
基于所述数字医生模型中的所述个人医疗模型,获得所述医疗问题对应的问题答案;
在所述会话页面显示所述医疗问题对应的问题答案。
16.根据权利要求15所述的方法,其中,所述在所述会话页面显示所述医疗问题对应的问题答案之后,还包括:
响应于所述目标医生针对所述会话页面显示的目标问答对执行的视频生成操作,获得与所述视频生成操作对应的目标问答对,所述目标问答对包括目标医疗问题和所述目标医疗问题对应的问题答案;
根据所述数字医生模型中的所述个人形象模型和所述目标问答对,生成医疗问答视频;
发布所述医疗问答视频。
17.根据权利要求16所述的方法,其中,所述响应于所述目标医生针对所述会话页面显示的目标问答对执行的视频生成操作之前,还包括:
在所述会话页面的至少一个问答对分别对应的显示区域中显示视频转换提示信息;
检测所述目标医生针对任意问答对的视频转换提示信息执行的点击操作,获得所述点击操作对应的目标问答对并确定所述目标问答对的视频生成操作。
18.根据权利要求1-17任一项所述的方法,还包括:
响应于所述目标医生针对创意工具控件执行的点击操作,显示视频创作页面,所述视频创作页面包括至少一个医疗问答视频;
响应于所述目标医生针对目标医疗问答视频的编辑控件执行的点击操作,显示所述目标医疗问答视频对应的视频编辑页面,所述视频编辑页面包括所述目标医生的个人形象模型、视频标题和视频内容;
响应于所述目标医生针对所述视频编辑页面执行的视频编辑操作,获得与所述视频编辑操作对应的视频编辑结果;
基于所述视频编辑结果,更新所述目标医疗问答视频,并发布更新后的目标医疗问答视频。
19.根据权利要求1-18任一项所述的方法,还包括:
响应于所述目标医生针对个人信息控件执行的点击操作,显示个人信息页面;
响应于所述目标医生针对所述个人信息页面执行的个人信息输入操作,获得所述目标医生输入的个人信息。
20.一种数据处理方法,包括:
响应于目标对象针对目标医生触发的医疗咨询请求,显示所述目标医生的数字医生模型中的个人形象模型,所述数字医生模型基于权利要求1-15所述的数据处理方法确定;
响应于所述目标对象针对所述个人形象模型执行的医疗咨询操作,获取所述目标对象输入的医疗问题;
基于所述数字医生模型中的个人医疗模型,获得所述医疗问题对应的问题答案;
通过所述个人形象模型,输出所述医疗问题对应的问题答案。
21.一种数据处理装置,包括:
数据获取单元,用于获取目标医生的医疗数据和形象数据;
医疗生成单元,用于基于所述医疗数据,生成所述目标医生的个人医疗模型;
形象生成单元,用于基于所述形象数据,生成所述目标医生的个人形象模型;
模型确定单元,用于根据所述个人医疗模型和所述个人形象模型,确定所述目标医生的数字医生模型。
22.根据权利要求21所述的装置,其中,所述医疗生成单元,包括:
问答提取模块,用于基于所述医疗数据,确定多个问答对,所述问答对包括具备问答关系的医疗问题和问题答案;
问答存储模块,用于将多个所述问答对存储至所述目标医生的个人知识库,所述目标医生的个人知识库用于存储专属于所述目标医生的问答对;
模型训练模块,用于基于所述目标医生的个人知识库中的问答对,训练机器学习模型,获得所述目标医生的个人医疗模型。
23.根据权利要求22所述的装置,其中,所述问答提取模块,包括:
第一提取子模块,用于从所述医疗数据中的至少一个医疗文件中提取至少一个第一问答对;
第二提取子模块,用于获取所述医疗数据中已存在的至少一个第二问答对;
问答组成子模块,用于确定至少一个所述第一问答对和至少一个所述第二问答对组成的多个所述问答对。
24.根据权利要求23所述的装置,其中,所述第一提取子模块具体用于:
基于所述医疗数据中的至少一个医疗文件,对所述医疗文件进行数据清洗处理,获得至少一个目标医疗文件;基于自然语言处理算法,分别提取至少一个所述目标医疗文件中的第一问答对,获得至少一个所述第一问答对。
25.根据权利要求22-24任一项所述的装置,其中,所述模型训练模块,包括:
数据确定子模块,用于基于所述目标医生的个人知识库中的问答对,确定训练数据集,其中,所述训练数据集包括多组训练数据,任一组训练数据包括训练数据和标注信息,所述训练数据为一医疗问题,所述标注信息为与所述训练数据的医疗问题对应的问题答案;
模型训练子模块,用于基于所述训练数据集,训练所述机器学习模型,直至所述机器学习模型满足收敛条件,并确定训练获得的机器学习模型为所述目标医生的个人医疗模型。
26.根据权利要求21-25任一项所述的装置,其中,所述形象生成单元,包括:
维度确定模块,用于确定预先设置的至少一个形象维度;
特征提取模块,用于基于所述形象数据,提取至少一个所述形象维度分别对应的维度特征;
特征分析模块,用于根据至少一个所述形象维度分别对应的维度特征,生成所述目标医生的个人形象模型。
27.根据权利要求26所述的装置,其中,所述形象维度包括外形维度,所述特征提取模块,包括:
外形提取子模块,用于基于所述形象数据中的外形素材,提取所述目标医生在外形维度对应的外形特征;
所述特征分析模块,包括:
外形映射子模块,用于将所述外形维度对应的外形特征映射到预设动作模型中,获得所述目标医生的用户形体模型;
第一确定子模块,用于基于所述用户形体模型,确定所述目标医生的个人形象模型。
28.根据权利要求27所述的装置,其中,所述外形素材包括外形图像,所述外形提取子模块,具体用于:
基于所述形象数据中的外形图像,提取所述目标医生的纹理特征、表情特征和姿态特征,并将所述纹理特征、所述表情特征和所述姿态特征作为所述目标医生的外形特征;
所述外形映射子模块,具体用于:
将所述外形维度对应的纹理特征映射到基础人体模型,获得纹理模型;将所述纹理模型按照所述姿态特征和所述表情特征进行动作调整,获得所述目标医生的用户形体模型。
29.根据权利要求26-28任一项所述的装置,其中,所述外形维度包括声音维度,所述特征提取模块,包括:
声音提取子模块,用于基于所述形象数据中的声音素材,提取所述目标医生在声音维度对应的声音特征;
所述特征分析模块,包括:
模型建立子模块,用于以所述声音特征作为模型参数,建立待训练的语音生成模型;
文本获取子模块,用于获取所述声音素材对应的文本信息;
声音训练子模块,用于以所述文本信息作为训练数据并以所述声音素材作为标注信息,训练所述待训练的语音生成模型,直至所述语音生成模型满足收敛条件;
模型确定子模块,用于基于训练获得的所述语音生成模型,确定所述目标医生的个人形象模型。
30.根据权利要求21-29任一项所述的装置,其中,所述获取目标医生的医疗数据和形象数据,包括:
第一获取模块,用于响应于所述目标医生针对医疗输入页面执行的医疗数据输入操作,获取所述目标医生对应的医疗数据;
第二获取模块,用于响应于所述目标医生针对信息输入页面执行的形象数据输入操作,获取所述目标医生生成的形象数据。
31.根据权利要求30所述的装置,其中,所述医疗输入页面包括语料管理页面,所述第一获取模块,包括:
文件获取子模块,用于响应于所述目标医生针对所述语料管理页面执行的语料管理操作,获得所述目标医生生成的至少一个医疗文件;
第一获取子模块,用于基于至少一个所述医疗文件,确定所述目标医生对应的医疗数据。
32.根据权利要求30或31所述的装置,其中,所述医疗输入页面包括问答管理页面,所述第一获取模块,包括:
输入获取子模块,用于响应于所述目标医生针对所述问答管理页面执行的问答管理操作,获得所述目标医生生成的输入问答对,所述输入问答对包括所述目标医生编辑的医疗问题和医疗答案;
第二获取子模块,用于基于所述输入问答对,确定所述目标医生对应的医疗数据。
33.根据权利要求30-32任一项所述的装置,其中,所述医疗输入页面包括自动回复页面,所述第一获取模块,包括:
话术获取子模块,用于响应于所述目标医生针对所述自动回复页面执行的话术管理操作,获得所述目标医生生成的话术问答对,所述话术问答对包括话术问题和话术答案;
第三获取子模块,用于基于所述话术问答,确定所述目标医生对应的医疗数据。
34.根据权利要求21-33任一项所述的装置,还包括:
形象页面单元,用于响应于所述目标医生触发的首页显示操作,显示针对所述目标医生的数字医生模型生成的个人形象页面,所述个人形象页面包括:待解答问题;
解答触发单元,用于响应于所述目标医生针对所述待解答问题执行的回答触发操作,切换至所述待解答问题对应的问题解答页面;
问题解答单元,用于响应于所述目标医生针对所述问题解答页面执行的信息输入操作,获取所述目标医生生成的解答信息;
解答获取单元,用于基于所述待解答问题和所述解答信息,生成解答问答对,并将所述解答问答对存储至所述目标医生的个人知识库。
35.根据权利要求21-34所述的装置,还包括:
会话页面单元,用于获取所述目标医生与目标对象关联的会话页面中所述目标对象输入的医疗问题;
模型应用单元,用于基于所述数字医生模型中的所述个人医疗模型,获得所述医疗问题对应的问题答案;
会话输出单元,用于在所述会话页面显示所述医疗问题对应的问题答案。
36.根据权利要求28所述的装置,还包括:
视频触发单元,用于响应于所述目标医生针对所述会话页面显示的目标问答对执行的视频生成操作,获得与所述视频生成操作对应的目标问答对,所述目标问答对包括目标医疗问题和所述目标医疗问题对应的问题答案;
视频生成单元,用于根据所述数字医生模型中的所述个人形象模型和所述目标问答对,生成医疗问答视频;
视频发布单元,用于发布所述医疗问答视频。
37.根据权利要求36所述的装置,还包括:
转换提示单元,用于在所述会话页面的至少一个问答对分别对应的显示区域中显示视频转换提示信息;
转换触发单元,用于检测所述目标医生针对任意问答对的视频转换提示信息执行的点击操作,获得所述点击操作对应的目标问答对并确定所述目标问答对的视频生成操作。
38.根据权利要求21-37任一项所述的装置,还包括:
视频创作单元,用于响应于所述目标医生针对创意工具控件执行的点击操作,显示视频创作页面,所述视频创作页面包括至少一个医疗问答视频;
编辑触发单元,用于响应于所述目标医生针对目标医疗问答视频的编辑控件执行的点击操作,显示所述目标医疗问答视频对应的视频编辑页面,所述视频编辑页面包括所述目标医生的个人形象模型、视频标题和视频内容;
视频编辑单元,用于响应于所述目标医生针对所述视频编辑页面执行的视频编辑操作,获得与所述视频编辑操作对应的视频编辑结果;
视频更新单元,用于基于所述视频编辑结果,更新所述目标医疗问答视频,并发布更新后的目标医疗问答视频。
39.根据权利要求21-38任一项所述的装置,还包括:
个人页面单元,用于响应于所述目标医生针对个人信息控件执行的点击操作,显示个人信息页面;
个人信息单元,用于响应于所述目标医生针对所述个人信息页面执行的个人信息输入操作,获得所述目标医生输入的个人信息。
40.一种数据处理装置,包括:
咨询响应单元,用于响应于目标对象针对目标医生触发的医疗咨询请求,显示所述目标医生的数字医生模型中的个人形象模型,所述数字医生模型基于权利要求1-15所述的数据处理方法确定;
问题输入单元,用于响应于所述目标对象针对所述个人形象模型执行的医疗咨询操作,获取所述目标对象输入的医疗问题;
答案查询单元,用于基于所述数字医生模型中的个人医疗模型,获得所述医疗问题对应的问题答案;
问题输出单元,用于通过所述个人形象模型,输出所述医疗问题对应的问题答案。
41.一种电子设备,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的指令,所述指令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1-19或20中任一项所述的方法。
42.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-19或20中任一项所述的方法。
43.一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现权利要求1-19或20中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311233562.6A CN117275763A (zh) | 2023-09-21 | 2023-09-21 | 数据处理方法、装置、设备、介质及产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311233562.6A CN117275763A (zh) | 2023-09-21 | 2023-09-21 | 数据处理方法、装置、设备、介质及产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117275763A true CN117275763A (zh) | 2023-12-22 |
Family
ID=89205704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311233562.6A Pending CN117275763A (zh) | 2023-09-21 | 2023-09-21 | 数据处理方法、装置、设备、介质及产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117275763A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114999441A (zh) * | 2022-05-24 | 2022-09-02 | 北京百度网讯科技有限公司 | 虚拟形象生成方法、装置、设备、存储介质以及程序产品 |
CN116257614A (zh) * | 2023-02-15 | 2023-06-13 | 中山大学中山眼科中心 | 一种虚拟专家医师的人机互动方法及装置 |
CN116525140A (zh) * | 2023-04-06 | 2023-08-01 | 上海梅斯医药科技有限公司 | 基于虚拟数字人技术的医学专业用户沟通方法 |
-
2023
- 2023-09-21 CN CN202311233562.6A patent/CN117275763A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114999441A (zh) * | 2022-05-24 | 2022-09-02 | 北京百度网讯科技有限公司 | 虚拟形象生成方法、装置、设备、存储介质以及程序产品 |
CN116257614A (zh) * | 2023-02-15 | 2023-06-13 | 中山大学中山眼科中心 | 一种虚拟专家医师的人机互动方法及装置 |
CN116525140A (zh) * | 2023-04-06 | 2023-08-01 | 上海梅斯医药科技有限公司 | 基于虚拟数字人技术的医学专业用户沟通方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6616288B2 (ja) | 通信における情報交換のための方法、ユーザ端末、及びサーバ | |
WO2018205224A1 (en) | Assisting psychological cure in automated chatting | |
CN111260754B (zh) | 人脸图像编辑方法、装置和存储介质 | |
CN109189544B (zh) | 用于生成表盘的方法和装置 | |
CN107294837A (zh) | 采用虚拟机器人进行对话交互的方法和*** | |
CN110609836A (zh) | 表单处理方法、装置、电子设备和存储介质 | |
WO2020228208A1 (zh) | 用户智能设备及其情绪图符处理方法 | |
CN114490975B (zh) | 用户问题的标注方法及装置 | |
CN110516749A (zh) | 模型训练方法、视频处理方法、装置、介质和计算设备 | |
CN111724908A (zh) | 基于机器人流程自动化rpa的疫情排查方法和装置 | |
CN112527115A (zh) | 用户形象生成方法、相关装置及计算机程序产品 | |
CN113703585A (zh) | 交互方法、装置、电子设备及存储介质 | |
CN107609487B (zh) | 一种用户头像的生成方法和装置 | |
CN114244793B (zh) | 信息处理方法、装置、设备及存储介质 | |
CN116525140A (zh) | 基于虚拟数字人技术的医学专业用户沟通方法 | |
CN112215062A (zh) | 基于虚拟智能角色的交互方法、客户端及*** | |
KR20230103665A (ko) | 텍스트 기반 아바타 생성 기능을 제공하는 메타버스 공간 장치, 방법, 및 프로그램 | |
CN108306813A (zh) | 会话消息的处理方法、服务器及客户端 | |
CN112307166B (zh) | 一种智能问答方法、装置、存储介质以及计算机设备 | |
CN117573946A (zh) | 对话样本生成方法、聊天对话大模型训练方法及相关装置 | |
CN117275763A (zh) | 数据处理方法、装置、设备、介质及产品 | |
CN115499613A (zh) | 视频通话方法、装置、电子设备及存储介质 | |
CN114519347A (zh) | 用于语言和词汇学习训练的会话内容的生成方法及装置 | |
CN113689854A (zh) | 语音会话方法、装置、计算机设备和存储介质 | |
CN111461005A (zh) | 一种手势识别方法、装置、计算机设备以及存储介质 |
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 |