[发明专利]问诊模板的匹配方法、装置、设备及存储介质

说明书

本发明涉及人工智能技术领域，公开了一种问诊模板的匹配方法、装置、设备及存储介质，方法包括：获取用户提供的主诉信息；将主诉信息与问诊模板的正则表达式进行匹配，将匹配成功的正则表达式所对应的问诊模板，确定为目标问诊模板；向用户提供目标问诊模板；每种问诊模板的正则表达式通过下述方式得到：获取问诊模板对应的样本集合；基于样本集合的样本属性信息，得到初始表达式；基于预设的更新算法更新初始表达式和样本集合，直至满足第一指定条件，得到问诊模板的正则表达式。该方式可以使运营人员明确知晓每种问诊模板的分类规则，分类过程便于控制，当出现故障或业务变更时，方便运营人员解决故障问题以及更快地对业务变更进行调整。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种问诊模板的匹配方法、装置、设备及存储介质。

背景技术

在患者问诊的过程中，首先需要根据患者的主诉病症，向患者提供合适的问诊模板，以供患者填写具体的病症表现。通常，不同的病症所匹配的问诊模板不同，此时，就需要根据患者提供的主诉病症，向患者提供最匹配的问诊模板。相关技术中，通过机器学习的方式训练分类模型，将患者提供的主诉病症输入至该分类模型中，即可输出匹配的问诊模板。但是通过机器学习方式训练得到的分类模型属于黑盒模型，缺少解释性，难以理解，也无法得知其分类的具体过程，一旦出现故障或者业务变更等问题，医学运营人员很难在短时间内更新分类模型，增加了修复或者变更业务的成本。

发明内容

本发明提供了一种问诊模板的匹配方法、装置、设备及存储介质，用于使运营人员可以明确知晓每种问诊模板的分类规则，分类过程便于控制，当出现故障或业务变更时，可以尽快修改分类规则，方便运营人员解决故障问题以及更快地对业务变更进行调整。

为实现上述目的，本发明第一方面提供了一种问诊模板的匹配方法，包括：获取用户提供的主诉信息；主诉信息包括用户的身体状况信息和不适症状信息；将主诉信息与每种问诊模板的正则表达式进行匹配，将匹配成功的正则表达式所对应的问诊模板，确定为目标问诊模板；向用户提供目标问诊模板；目标问诊模板用于用户填写病症表现信息；其中，每种问诊模板的正则表达式通过下述方式得到：获取问诊模板对应的样本集合；基于样本集合的样本属性信息，得到初始表达式；基于预设的更新算法更新初始表达式和样本集合，直至满足第一指定条件，得到问诊模板的正则表达式。

可选的，在本发明第一方面的第一种实现方式中，获取问诊模板对应的样本集合的步骤，包括：获取训练语料集；训练语料集中包括多组训练预料，每组训练预料中包括主诉信息、模板名称和所属科室；从训练语料集中获取问诊模板的模板名称对应的第一训练语料，将第一训练语料作为正样本；从训练语料集中获取除问诊模板的模板名称以外的模板名称对应的第二训练语料，将第二训练语料作为负样本；将正样本和负样本作为问诊模板对应的样本集合。

可选的，在本发明第一方面的第二种实现方式中，基于样本集合的样本属性信息，得到初始表达式的步骤，包括：对样本集合中的主诉信息进行分词处理，得到多个文本词；针对每个文本词，基于文本词的词义，以及文本词在样本集合中的出现频率，确定文本词的权重；统计多个文本词之间的出现位置的关联关系；根据样本集合中的多个文本词、每个文本词的权重、以及多个文本词之间的出现位置的关联关系，生成初始表达式。

可选的，在本发明第一方面的第三种实现方式中，基于文本词的词义，以及文本词在样本集合中的出现频率，确定文本词的权重的步骤，包括：基于预设的同义词表，对多个文本词进行归一化操作，将同义的文本词划分为同一类，得到每个文本词的词义类型；基于每个文本词的词义类型，通过词频和逆文档频率的统计方式，得到每个文本词的权重。

可选的，在本发明第一方面的第四种实现方式中，统计多个文本词之间的出现位置的关联关系的步骤，包括：针对多个文本词之间的任意两个文本词，统计任意两个文本词之间的共现参数；共现参数包括共现频率、平均间距、最小间距和最大间距信息；基于任意两个文本词之间的共现参数，生成多个文本词之间的共现矩阵；在共现矩阵中，每个矩阵位置上包括一个共现参数，共现参数为该矩阵位置对应的两个文本词之间的共现参数。