[发明专利]关键症状抽取分析方法、装置、计算机设备及存储介质

说明书

本发明实施例公开了关键症状抽取分析方法、装置、计算机设备及存储介质。所述方法包括：获取用户语音信息；将所述用户语音信息转换为语义文本；对所述语义文本进行意图识别，以得到识别结果；当所述识别结果是描述症状时，则对所述语义文本进行句法依存分析，并抽取症状相关信息，以得到关键症状信息；发送所述关键症状信息至终端。通过实施本发明实施例的方法可实现准确且有效抽取用户关键症状，提升科室推荐的准确性，提升用户使用体验。

技术领域

本发明涉及症状分析方法，更具体地说是指关键症状抽取分析方法、装置、计算机设备及存储介质。

背景技术

当前，在医院推荐科室场景人机语音交互中，当用户描述自己的症状时，可能存在症状描述冗余、修改症状等情况，例如“我这段时间主要就是牙疼，咳嗽倒是不怎么咳嗽”，语义服务可能会将“牙疼、咳嗽”作为用户提供的症状，但该句用户真实症状为“牙疼”，其他描述都为冗余；例如，“我头疼的厉害，哎不对，我觉得可能是落枕了”，语义服务可能会将“头疼、落枕”作为用户提供的症状，但该句用户真实症状为“落枕”。即当前医院推荐科室场景语义服务在根据用户提供的症状抽取关键症状时不够准确。

根据用户提供的症状推荐科室，该推荐科室业务的效果取决于能否抽取关键症状，目前的关键症状抽取技术并不能提高了推荐科室的匹配精度，降低了用户使用体验感。

因此，有必要设计一种新的方法，实现准确且有效抽取用户关键症状，提升科室推荐的准确性，提升用户使用体验。

发明内容

本发明的目的在于克服现有技术的缺陷，提供关键症状抽取分析方法、装置、计算机设备及存储介质。

为实现上述目的，本发明采用以下技术方案：关键症状抽取分析方法，包括：

获取用户语音信息；

将所述用户语音信息转换为语义文本；

对所述语义文本进行意图识别，以得到识别结果；

当所述识别结果是描述症状时，则对所述语义文本进行句法依存分析，并抽取症状相关信息，以得到关键症状信息；

发送所述关键症状信息至终端。

其进一步技术方案为：所述对所述语义文本进行句法依存分析，并抽取症状相关信息，以得到关键症状信息，包括：

采用DDParser对所述语义文本进行句法依存分析，并抽取症状相关信息，以得到关键症状信息。

其进一步技术方案为：所述采用DDParser对所述语义文本进行句法依存分析，并抽取症状相关信息，以得到关键症状信息，包括：

采用DDParser对所述语义文本进行句法依存分析，以得到切词结果、句法关系以及词性；

判断所述切词结果的长度是否是设定的数值；

若所述切词结果的长度是设定的数值，则判断所述词性是否是否定词；

若所述词性是否定词，则清空症状集；

若所述词性不是否定词，则判断所述词性中是否是存在主谓关系、动宾关系以及并列关系中的一种；

若所述词性中存在主谓关系、动宾关系以及并列关系中的一种，则将所述切词结果加入症状集内；

确定所述症状集内的信息为症状相关信息，以得到关键症状信息。

若所述词性不存在主谓关系、动宾关系以及并列关系中的一种，则根据所述词性对所述症状集进行处理，以得到关键症状信息；

若所述切词结果的长度不是设定的数值，则执行所述根据所述词性对所述症状集进行处理，以得到关键症状信息。