[发明专利]基于医疗知识图谱的智能问答方法和装置

说明书

本发明涉及一种基于医疗知识图谱的智能问答方法和装置，属于医疗卫生技术领域。其中，该方法包括：获取患者咨询文本；根据患者咨询文本和预设咨询问答模型在预设医疗知识图谱中同时进行图搜索、文本检索和语义向量检索，对应得到三种召回结果；将所有召回结果输入至预设排序评分模型，得到所有召回结果的评分数据；在所有召回结果中确定出评分最高的目标召回结果；将目标召回结果发送给预设终端。本申请通过图搜索、文本检索和语义向量检索这三种检索方式在预设医疗知识图谱中检索用户问题的答案，并在所有检索出的答案中确定出最符合用户问题的答案，使得本申请能够根据用户的问题给出针对性强的答案。

技术领域

本发明涉及医疗卫生技术领域，具体涉及一种基于医疗知识图谱的智能问答方法和装置。

背景技术

医疗平台能够为用户提供医疗知识的智能问答服务，使得不方便去医院的用户可以通过医疗平台咨询到相关医学答案。相关技术采用通过模板匹配的方式来理解用户输入的自然语言问句，并根据模板的问句类型和用户问句中的医疗实体来构建图数据查询语句，并从相关医疗知识图谱中检索答案。

然而，由于医疗领域知识专业性强且较复杂，相关技术通过模板匹配这一单一的检索方式检索出的答案可能不是用户想要的答案，使得相关技术难以根据用户的问题给出针对性强的回答，答案准确度低。

发明内容

有鉴于此，提供一种基于医疗知识图谱的智能问答方法和装置，以解决相关技术存在的难以根据用户的问题给出针对性强的回答的问题。

本发明采用如下技术方案：

第一方面，本申请提供了一种基于医疗知识图谱的智能问答方法，包括：

获取患者咨询文本；

根据所述患者咨询文本和预设咨询问答模型在预设医疗知识图谱中同时进行图搜索、文本检索和语义向量检索，对应得到三种召回结果；

将所有所述召回结果输入至预设排序评分模型，得到所有所述召回结果的评分数据；

在所有所述召回结果中确定出评分最高的目标召回结果；

将所述目标召回结果发送给预设终端。

优选的，所述预设医疗知识图谱通过如下方法构建：

获取医疗知识数据；所述医疗知识数据包括结构化数据、半结构化数据和非结构化数据；

基于预设规则将所述结构化数据和所述半结构化数据转换成第一抽取结果数据，以及基于预设医学知识自动抽取模型在所述非结构化数据中抽取第二抽取结果数据；所述第一抽取结果数据和所述第二抽取结果数据组成医疗知识抽取结果集；

将所述医疗知识抽取结果集与预设开源知识库融合，得到所述预设医疗知识图谱。

优选的，所述第一抽取结果数据的数据格式为RDF三元组或图数据；

所述第二抽取结果数据的数据格式为RDF三元组或图数据。

优选的，所述预设医学知识自动抽取模型通过如下模型训练方法得到：

获取初始训练语料数据集；

根据预设数据增强规则扩展所述初始训练语料数据集，得到最终训练语料数据集；

基于所述最终训练语料数据集，训练得到所述预设医学知识自动抽取模型；所述预设医学知识自动抽取模型为关于BERT+BiLSTM+CRF的模型。

优选的，本申请的基于医疗知识图谱的智能问答方法，还包括：用TinyALBERT中文模型替代所述BERT+BiLSTM+CRF的模型中的BERT的base模型。

优选的，所述将所述医疗知识抽取结果集与预设开源知识库融合，得到所述预设医疗知识图谱，包括：