[发明专利]一种基于知识图谱的医患交流对话自动模拟方法

说明书

本发明公开了一种基于知识图谱的医患交流对话自动模拟方法，涉及深度学习中的自然语言处理领域，具体步骤为：获取患者输入的问题语句；利用医学领域数据集对双向编码模型进行预训练，进而对医学领域中目标领域的数据集进行微调，得到训练完成的意图识别模型，识别出问题语句中的问题意图；使用医学领域命名实体识别任务数据集对BiLSTM‑CRF模型进行训练，得到实体识别模型，识别出问题语句中的实体；基于问题意图和实体，在目标领域知识图谱中查询，得到查询结果，并进行展示。本发明可以真实自然地以多轮对话的形式模拟医生与患者之间的诊断过程，更好的帮助医生进行诊断并训练虚拟标准患者，并且可以对医生的训练和学习提供帮助。

技术领域

本发明涉及深度学习中的自然语言处理领域，更具体的说是涉及一种基于知识图谱的医患交流对话自动模拟方法。

背景技术

由于复杂的疾病症状，训练一个牙医的需要很长的时间，花费很大。大多数对牙医的训练都依赖于某种疾病的标准患者。需要对患者进行4周以上的训练，以与真实患者有相似的描述和表达，可以在很大程度上提高临床诊断、治疗能力和沟通技巧。

虽然标准患者发展前景很好，但它有几个局限性。首先，训练标准患者会对医疗系统引入额外的负担。考虑到面对面的诊断已经让牙科专业人员非常忙碌，专业人员还需要提供有关咨询过程的细节，这进一步大大增加了专业人员的工作量。第二，标准患者和真实患者之间存在着很大的差距。标准的患者很难追踪和监测其生理信号。为了解决这些问题，人们对研究使用人工智能(AI)来取代标准患者。医疗领域，特别是口腔方面的实践将提高牙医的能力，可以在对病人进行手术之前为牙医提供在模拟环境中实践临床技能的机会。目前许多研究工作正在开发医疗对话系统，以完善虚拟标准患者(VSP)。这些虚拟标准患者旨在与牙医进行互动，使牙医可以更好的了解患者的症状状况和病史，并提供临床表现。

近年来，自然语言处理技术的快速发展为人工诊断过程的模拟提供了可能性，其通过模仿医生来回答患者的询问。然而，目前还存在三个挑战，使得模仿牙医与病人的自然互动比较困难。首先，患者对同一疾病的描述非常主观，并且在不同的患者之间存在比较大的差异；其次，虚拟患者应与真实患者相同，描述的时候使用自然语言，而不是医学专业用语；最后，由于数据隐私的问题，患者和牙医之间的对话很难获得。

因此，针对医疗领域，尤其是口腔领域，如何更加真实自然地自动模拟医生和患者之间的自然对话，帮助医生进行更好的诊断，是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于知识图谱的医患交流对话自动模拟方法，针对具体的医疗口腔领域，特别是口腔中的罕见但具有挑战性的病例，模拟真实的诊断过程，通过根据不同的患者描述提供相应的的口腔疾病线索，帮助牙医更好的进行诊断。

为了实现上述目的，本发明提供如下技术方案：

一种基于知识图谱的医患交流对话自动模拟方法，包括以下步骤：

步骤1、获取患者输入的问题语句；

步骤2、使用预设的目标领域的意图识别模型识别出问题语句中的问题意图，同时使用预设的医学领域的实体识别模型识别出问题语句中的实体；

步骤3、基于所述问题意图和所述实体，在目标领域知识图谱中进行查询，得到查询结果；

步骤4、将查询结果进行展示。

可选的，所述目标领域的意图识别模型的构建方法为：

利用医学领域数据集对基于Transformer的双向编码模型进行预训练；

将医学领域中目标领域的数据集输入预训练后的双向编码模型进行微调，直至双向编码模型收敛，得到训练完成的意图识别模型。

可选的，所述医学领域的实体识别模型的构建方法为：