[发明专利]一种智能检索方法及检索系统

说明书

本发明实施例涉及人工智能技术领域，公开了一种智能检索方法及检索系统，该方法包括：在获取用户输入的查询语句之后，通过预训练语言模型生成查询句向量；将所述查询句向量与每一案例文摘的语义矩阵进行计算，以得到余弦相似度平均值；由高到低输出所述余弦相似度平均值对应案例的原始文本链接。实施本发明实施例，能够提高创伤案例库的检索准确性，为急诊科医务人员及时提供最具备参考价值的救治案例，提升案例库的临床以及科研价值，赋能急诊学科的发展。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种智能检索方法及检索系统。

背景技术

目前，在急诊医学中，创伤是一个非常常见的病种，而创伤救治也是一个非常复杂的涉及多个学科协同的临床实践，因此，基于经典创伤案例救治过程而形成的案例库，具有非常重要的急诊临床指导意义和科研价值。

但在实践中发现，目前现有的主流信息检索技术是基于关键字匹配方法进行检索，而由于医学文本的多样性和复杂性，文本关键字检索和匹配过程中如果不考虑用户输入文本的语义，会导致用户在没有明确检索目标的情况下难以找到符合相关描述的参考案例。

发明内容

本发明实施例公开一种智能检索方法及检索系统，能够提高创伤案例库的检索准确性，为急诊科医务人员及时提供最具备参考价值的救治案例，提升案例库的临床以及科研价值，赋能急诊学科的发展。

本发明实施例第一方面公开一种智能检索方法，所述方法包括：

在获取用户输入的查询语句之后，通过预训练语言模型生成查询句向量；

将所述查询句向量与每一案例文摘的语义矩阵进行计算，以得到余弦相似度平均值；

由高到低输出所述余弦相似度平均值对应案例的原始文本链接。

作为另一种可选的实施方式，在本发明实施例第一方面中，所述在获取用户输入的查询语句之后，通过预训练语言模型生成查询句向量之前，所述方法还包括：

利用抽取式文摘生成算法，将创伤案例库中的每一案例的原始文本生成所述案例文摘；

将每一所述案例文摘的句子逐一输入至所述预训练语言模型中以生成案例句向量；

将所述案例句向量按行组合，以形成所述语义矩阵。

作为另一种可选的实施方式，在本发明实施例第一方面中，所述将所述查询句向量与每一案例文摘的语义矩阵进行计算，以得到余弦相似度平均值，包括：

将所述查询句向量与每一所述语义矩阵进行逐行计算，以得到每一所述语义矩阵对应的余弦行相似度值；

将每一所述余弦行相似度值进行相加之后除以对应的每一所述语义矩阵的总行数，以得到所述余弦相似度平均值。

作为另一种可选的实施方式，在本发明实施例第一方面中，所述方法还包括：

所述预训练语言模型至少包括为BERT系列预训练语言模型。

本发明实施例第二方面公开一种检索系统，所述检索系统包括：

第一生成单元，用于在获取用户输入的查询语句之后，通过预训练语言模型生成查询句向量；

计算单元，用于将所述查询句向量与每一案例文摘的语义矩阵进行计算，以得到余弦相似度平均值；

输出单元，用于由高到低输出所述余弦相似度平均值对应案例的原始文本链接。

作为一种可选的实施方式，在本发明实施例第二方面中，所述检索系统还包括：