[发明专利]信息生成方法及装置

权利要求书

1.一种信息生成方法，其特征在于，包括：

将目标用户的至少一个治疗干预技术文本按照时间先后排序，得到治疗干预技术文本序列L[C₁，C₂，C₃......C_n]，其中，不同的咨询阶段需要给予不同的治疗干预技术文本，且不同治疗干预技术文本的时间的先后排序，会得到不同的治疗干预线；

将所述治疗干预技术文本序列L[C₁，C₂，C₃......C_n]输入至预先训练的循环神经网络进行预测，输出所述序列中最后一个元素C_n的下一个治疗干预技术文本C_n+1；其中，预训练的双向循环神经网络可以对输入的至少一个治疗干预技术文本之间的顺序、治疗干预技术文本的特征词进行识别，从而可以基于目前的治疗干预技术的组合方式，确定下一个阶段的治疗干预技术文本；包括：针对 L[C₁ ， C₂ ， C₃......C_n] ，将各个治疗干预技术文本的one-hot编码按照从左到右依次输入到了一个LSTM层，依次获得状态向量组l[h1,h2……hn]；将上述治疗干预技术文本的one-hot编码按照从右到左输入另一个LSTM神经网络，获得r[hn,hn-1,……h1]的隐状态向量组；将两组隐向量组l、r进行首位拼接，获得了2n*1的张量T；将T输入到一个LSTM+MLP全连接层，进行softmax，来预测下一个序列L中的下一项治疗干预技术文本；

将治疗干预技术文本序列L[C₁，C₂，C₃......C_n，C_n+1]输入至所述预先训练的循环神经网络中，输出治疗干预技术文本C_n+2；

将每一次得到的治疗干预技术文本序列输入至所述预先训练的循环神经网络进行预测，循环执行预设次数m次后，得到治疗干预技术文本组成的序列L[C₁，C₂，C₃......C_n，C_n+1，......C_n+m]；其中，在每一次预测得到治疗干预技术文本后，确定与其相似的相似治疗干预技术文本，其中，将所述相似治疗干预技术文本作为备选治疗干预技术文本；确定与其相似的相似治疗干预技术文本包括：基于预测得到治疗干预技术文本，在语义向量词典中确定与其对应的目标语义向量；确定与所述目标语义向量相似的相似语义向量，以将所述相似语义向量对应的治疗干预技术文本作为相似治疗干预技术文本。

2.根据权利要求1所述的信息生成方法，其特征在于，所述预先训练的循环神经网络的训练过程包括：

对每一个预设治疗干预技术文本进行独热编码，得到每一个预设治疗干预技术文本对应的独热向量；

基于所述预设治疗干预技术文本对应的独热向量，确定每一个预设治疗干预线文本的序列；

将所有的预设治疗干预线文本的序列，输入至预建立的双向循环神经网络中，并且以序列中的最后一个独热向量为实际值，使用交叉熵损失函数计算误差，完成所述网络的参数学习，得到训练完成的网络模型。

3.根据权利要求1所述的信息生成方法，其特征在于，所述方法还包括建立语义向量词典，包括：

将预设治疗干预技术的描述文本、所述预设治疗干预技术的成效描述文本作为分类网络的输入；

将预设治疗干预技术的描述文本标定为正性类别标签、将所述预设治疗干预技术的成效描述文本标定为负性类别标签；

基于所述分类网络的输入、标定的所述正性类别标签、标定的所述负性类别标签，对所述分类网络进行训练；

获取训练过程中提取的所述描述文本的注意力向量，并由所述注意力向量组成语义向量词典。