[发明专利]基于药学知识图谱的智能问答方法及装置

说明书

本发明实施例提供一种基于药学知识图谱的智能问答方法及装置。其中，方法包括：获取对当前问题的回答；若判断获知对当前问题的回答与当前待回答节点所表示的信息相匹配，则根据下一待回答节点输出问题；其中，当前问题，是根据当前待回答节点输出的；待回答节点，为所表示的信息不能根据初始输入信息获取的中间节点；中间节点为规则路径上的中间节点；规则路径是根据初始输入信息搜索药学知识图谱获得的，规则路径上的起始节点所表示的信息与初始输入信息中患者的疾病信息相匹配。本发明实施例提供的基于药学知识图谱的智能问答方法及装置，通过药学知识图谱进行智能问答，问答过程符合专业的用药规则，能提高智能问答的准确性和实用性。

技术领域

本发明涉及计算机技术领域，更具体地，涉及一种基于药学知识图谱的智能问答方法及装置。

背景技术

智能问答装置逐渐成为实现人与机器相互交流的新趋势，是一种包含了自然语言处理、信息检索、数据挖掘等交叉领域的信息服务系统。智能问答装置首先对用户提出的问题进行理解，进而在互联网中进行相关数据的搜索，最后回答用户的问题。传统的问答装置工作原理为：将相关的问答语句利用爬虫技术从各搜索引擎、相关论坛或网页里进行爬取，并将其整合成文本信息作为语料库。当问答装置接收到用户的问题，即输入，系统使用模板匹配的方法寻找语料库中与用户输入的句子最相似的多个问题句子，然后比较这些问题句子在语料库中的回答句与问题的相关性，从而获得类似的结果，这个相关性较高的回答即作为系统的回答返还给用户。

基于药学知识图谱的智能问答装置，用于利用海量与医疗有关的数据信息实现自主问诊，并最终给出用药方案。基于药学知识图谱的智能问答装置可应用于医学专业的教学、医疗咨询等非疾病的诊断和治疗的场景。

问答装置有多种可能的数据来源。传统的数据来源包括网页文档、搜索引擎、百科描述、问答社区等。上述传统的数据来源都是非结构化的纯文本数据。对于纯文本数据，语义理解往往建立在问句与文本句子的相似度计算。然而语义理解和知识的本质在于关联，这种一对一的相似度计算忽视了数据关联。并且，纯文本中，由于同类知识容易在文本中多次提及，会导致数据不一致的现象，降低了其准确率。

发明内容

本发明实施例提供一种基于药学知识图谱的智能问答方法及装置，用以解决或者至少部分地解决现有技术存在的问答准确率低的缺陷。

第一方面，本发明实施例提供一种基于药学知识图谱的智能问答方法，包括：

获取对当前问题的回答；

若判断获知所述对当前问题的回答与当前待回答节点所表示的信息相匹配，则根据下一待回答节点输出问题；

其中，所述当前问题，是根据所述当前待回答节点输出的；所述待回答节点，为所表示的信息不能根据初始输入信息获取的中间节点；所述中间节点为规则路径上的中间节点；所述规则路径是根据所述初始输入信息搜索药学知识图谱获得的，所述规则路径上的起始节点所表示的信息与所述初始输入信息中患者的疾病信息相匹配；所述规则路径的结束节点为表示用药方案的节点。

优选地，所述获取对当前问题的回答之前，还包括：

根据所述患者的疾病信息搜索所述药学知识图谱，获取所述规则路径。

优选地，所述根据所述患者的疾病信息搜索药学知识图谱，获取所述规则路径的具体步骤包括：

根据所述患者的疾病信息搜索所述药学知识图谱，获取所表示的信息与所述患者的疾病信息相匹配的节点作为候选起始节点；

分别以每一所述候选起始节点作为候选的规则路径的起始节点，搜索所述药学知识图谱，获取候选的规则路径；

将所需问答轮次最少的候选的规则路径，作为所述规则路径。

优选地，所述获取所述规则路径与所述获取对当前问题的回答之间，还包括：