[发明专利]基于智能穿戴设备的智能医疗问答方法、系统及装置

权利要求书

1.一种基于智能穿戴设备的智能医疗问答方法，其特征在于，该智能医疗问答方法包括：

步骤A10，通过训练好的实体识别模型提取用户提问的问句中的医疗实体；所述医疗实体包括疾病名称、症状名称和药物名称；

步骤A20，基于所述医疗实体进行用户意图识别，并基于所述医疗实体和用户意图进行词典槽位填充；

步骤A30，将词典槽位填充后的问句转换为SQL查询语句；

步骤A40，基于所述SQL查询语句，结合用户的健康评价，通过预先构建的智能医疗问答知识图谱获取问句的应答。

其中，所述用户的健康评价，其获取方法为：

步骤B10，通过穿戴设备获取用户生理指标和背景信息；所述生理指标包括用户体重指数、血压、脉搏、肺活量、体温、心率、血脂和心电图；所述背景信息包括用户身高、年龄、性别、职业和过往病史；

步骤B20，基于所述用户生理指标和背景信息，通过训练好的基于BiLSTM的联合深度模型获取用户的健康评价。

2.根据权利要求1所述的基于智能穿戴设备的智能医疗问答方法，其特征在于，所述智能医疗问答知识图谱，其构建方法为：

步骤C10，获取医疗平台的医疗文本数据，并将所述医疗文本数据转换为三元组结构化数据；

步骤C20，将所述三元组结构化数据导入Neo4j数据库，构建以疾病为中心的智能医疗问答知识图谱。

3.根据权利要求1所述的基于智能穿戴设备的智能医疗问答方法，其特征在于，所述实体识别模型，其训练方法为：

步骤D10，将获取的训练数据转换为分词，并通过BIOES标注法对训练数据中的句子进行命名实体标注；

步骤D20，在标注后的训练数据中加入＜PAD＞、＜UNK＞、＜NUM＞分别表示填充字符、未知字符、数字字符；

步骤D30，构建字典标签，将训练数据中的文字与标签分别转成数字，在生成batch后，对batch内句子padding到设定的统一长度，并计算每句的真实长度；

步骤D40，采用BiLSTM对每一个batch进行处理，并将输出结果进行拼接；

步骤D50，通过拼接后的数据进行实体识别模型的迭代训练，并向模型损失函数梯度下降方向更新模型的参数，直至模型损失函数值低于设定阈值或达到设定训练次数，获得训练好的实体识别模型。

4.根据权利要求1所述的基于智能穿戴设备的智能医疗问答方法，其特征在于，所述基于BiLSTM的联合深度模型，其训练方法为：

步骤E10，获取用户生理指标体检数据和背景信息以及对应的用户的真实体检健康评价；

步骤E20，对所述用户生理指标体检数据和背景信息进行异常值、缺失值处理，并对其中的文本数据进行词向量训练，获得预处理用户生理指标体检数据和背景信息；

步骤E30，通过联合深度模型中的LSTM机制获取预处理用户生理指标体检数据的输出状态序列，并通过联合深度模型中自我注意力模块提取生理指标向量；通过联合深度模型中的MLP对预处理用户背景信息进行建模，获得第一预测向量；

步骤E40，通过联合深度模型的全连接层合并所述生理指标向量和第一预测向量，获得用户的预测健康评价；

步骤E50，计算所述用户的真实体检健康评价和预测健康评价之间的二进制交叉熵损失，通过反向传播向模型损失函数梯度下降方向更新模型的参数，进行模型迭代训练直至模型损失函数值低于设定阈值或达到设定训练次数，获得训练好的基于BiLSTM的联合深度模型。