[发明专利]基于相互学习的问诊快捷回复推荐方法、装置及电子设备

说明书

本申请提供了一种基于相互学习的问诊快捷回复推荐方法、装置及电子设备，该方法包括：构建话术语料库；基于所述话术语料库，对历史问诊对话中包括话术语料库中话术的问诊数据进行筛选；基于所述筛选的问诊数据，构建数据集，所述数据集包含问诊信息、对话上下文、当前回复和负样本列表四部分；基于当前对话上下文，利用检索模型和排序模型从所述话术语料库筛选回复推荐话术；其中，所述检索模型和排序模型是基于所述数据集利用相互学习的框架进行迭代交替训练得到的。本申请通过结合患者的问诊信息和对话上下文信息，采用相互学习训练的模型从预设话术语料库中快速准确地匹配回复话术，提高了模型用于医疗问诊时推荐回复话术的效果。

技术领域

本申请涉及人工智能领域，具体而言，涉及一种基于相互学习的问诊快捷回复推荐方法、装置及电子设备。

背景技术

在线接诊与复诊开方极大地提高了医疗资源的利用，使得人可以足不出户地完成基础的医疗需求。然而，面对数据庞大的订单量，在线服务的医生需要高效地完成对患者的提问与回复，回复推荐技术能极大地提升医生的工作效率。

相关技术中，通常都是先从话术库里筛选出几百个回复候选，然后通过精排技术选出最合适的几个回复作为结果返回。其中，一般采用Best Match25算法预检索，该算法运行效率高且效果较好，但需要额外的如Elasticsearch等服务辅助完成。除此之外，现有话术推荐技术，虽然可以很好地解决字面相似性的匹配问题，但在语义相似性匹配方面仍有待提高。

发明内容

有鉴于此，本申请实施例的目的在于提供一种基于相互学习的问诊快捷回复推荐方法、装置及电子设备，在医疗问诊对话回复推荐时，除了对话上下文也将患者的问诊信息考虑在内，根据对话上下文和问诊信息，进行问诊的快捷回复推荐，改善上述现有技术中存在的问题。

第一方面，本申请实施例提供了一种基于相互学习的问诊快捷回复推荐方法，所述方法包括：构建话术语料库，所述话术语料库包括：业务人员归纳总结的通用话术、医生输入文本中的高频话术以及医生设置的常见快捷回复话术；基于所述话术语料库，对历史问诊对话中包括话术语料库中话术的问诊数据进行筛选，得到筛选的问诊数据；基于所述筛选的问诊数据，构建数据集，所述数据集包含问诊信息、对话上下文、当前回复和负样本列表四部分；基于当前对话上下文，利用检索模型和排序模型从所述话术语料库筛选回复推荐话术；其中，所述检索模型和排序模型是基于所述数据集利用相互学习的框架进行迭代交替训练得到的。

可选地，所述基于所述筛选的问诊数据，构建数据集，包括：将所述筛选的问诊数据中匹配所述话术语料库的话术作为当前回复，加入数据集；将所述当前回复前的历史对话作为所述当前回复对应的对话上下文，加入数据集。

可选地，所述基于所述筛选的问诊数据，构建数据集，还包括：获取从历史问诊对话里对医生回复的话术随机采样的回复话术，作为所述当前回复对应的负样本，加入数据集；获取所述对话上下文对应的患者问诊信息，并将所述问诊信息加入数据集，所述问诊信息包括字段名和字段值。

可选地，所述对历史问诊对话中包括话术语料库中话术的问诊数据进行筛选，包括：基于所述话术语料库中的话术，根据每个样本里每轮对话的匹配程度进行打分，得到每个样本的匹配得分；根据所述样本得分，对所述历史问诊对话数据进行初步筛选和抽样；对所述初步筛选的问诊数据进行再次筛选，去除相似数据。

可选地，所述基于当前对话上下文，利用检索模型和排序模型从所述话术语料库筛选回复推荐话术，包括：利用所述检索模型，计算所述话术语料库中各话术作为当前对话上下文的回复的得分，将得分较高的话术作为候选话术；利用所述排序模型，重新计算上述候选话术得分，作为各候选话术的最终得分，或者结合所述检索模型的打分得到各候选话术的最终得分；根据各候选话术的最终得分，筛选出回复得分较高的话术作为回复推荐话术。