基于AI技术的互联网智能自动诊疗应答系统技术方案

本发明专利技术属于互联网医疗技术领域，具体涉及基于AI技术的互联网智能自动诊疗应答系统。所述系统包括：关键词提取单元，配置用于提取用户输入的内容的关键词，得到关键词集合；关键词派生单元，配置用于将关键词集合中的每个关键词进行关键词派生，得到每个关键词对应的一个或多个派生关键词，将每个关键词与其对应的派生关键词组成关键词组合，将所有的关键词组合组成关键词组合集合。本发明专利技术通过对用户输入内容的自动提取关键词，再对关键词进行分析和计算，不仅实现了智能化的在线自动诊疗，更能实现基于内容的反问，提升用户体验，具有智能化程度高和响应准确率高的优点。化程度高和响应准确率高的优点。化程度高和响应准确率高的优点。

【技术实现步骤摘要】
基于AI技术的互联网智能自动诊疗应答系统


[0001]本专利技术属于互联网医疗
，具体涉及基于AI技术的互联网智能自动诊疗应答系统。

技术介绍

[0002]人工智能(Artificial Intelligence)是计算机科学的一个分支，英文缩写为Al，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
[0003]人机聊天是指人与计算机之间进行交互聊天的过程。人机聊天可应用于娱乐及情感陪伴、智能服务拟人化等方面。例如:通过人机聊天系统可以随时随地进行对话，缓解人们的生活压力，对于儿童还可帮助儿童提高语言能力。除此之外，人机聊天还可以适用于互联网医疗领域，通过与患者的对话，实现自动诊疗。
[0004]目前，传统的人机聊天系统主要基于大规模自动挖掘的聊天句对，每个聊天句对中含有聊天上句P(post)和针对P的下句R(Response)。对于用户输入的聊天句子Q(query)，首先计算出与Q相似度最高的多个聊天上句{PI,P2,
…
，Pn}，再对聊天上句对应的聊天下句{Rl，R2，*"，Rn}进行排序，然后选择出最优的聊天下句R返回给用户。
[0005]这种应答的方式虽然能够实现自动聊天和自动回复，但由于AI只能针对用户提出的问题单纯的进行简单的回复，缺乏多轮聊天能力，即用户提出聊天上句，机器回复聊天下句，缺乏主动性，不够真实自然；对于时效性要求较高的对话例如新闻，则无法精准地进行回答；另外，聊天过程非常机械化，在实践中，由于用户提出的诊疗问题可能因人而异，且不同的用户的沟通习惯不同，使得其无法针对不同的情况提出更为准确和人性化的回答，导致在线诊疗的结果效果不佳。

技术实现思路

[0006]本专利技术的主要目的在于提供基于AI技术的互联网智能自动诊疗应答系统，本专利技术通过对用户输入内容的自动提取关键词，再对关键词进行分析和计算，不仅实现了智能化的在线自动诊疗，更能实现基于内容的反问，提升用户体验，具有智能化程度高和响应准确率高的优点。
[0007]为达到上述目的，本专利技术的技术方案是这样实现的：
[0008]基于AI技术的互联网智能自动诊疗应答系统，所述系统包括：关键词提取单元，配置用于提取用户输入的内容的关键词，得到关键词集合；关键词派生单元，配置用于将关键词集合中的每个关键词进行关键词派生，得到每个关键词对应的一个或多个派生关键词，将每个关键词与其对应的派生关键词组成关键词组合，将所有的关键词组合组成关键词组合集合；关键词组合融合单元，配置用于对关键词组合进行关键词融合计算，得到每个关键词组合最终对应的融合关键词；向量计算单元，配置用于基于融合关键词，使用预设关键词向量计算模型，得到每个融合关键词的向量；应答处理单元，配置用于基于计算得到的融合
关键词的向量，从预设的应答向量数据库中进行匹配检索，得到对应的应答结果，输出给用户，同时基于融合关键词的向量，计算得到问题概率，再从应答向量数据库中检索到应答结果对应的应答问题，使用问题概率判断是否需要将应答问题输出给用户，若是，则直接输出应答问题，若否，则忽略；所述应答向量数据库为一个关系数据库，其中存储有多个应答向量，每个应答向量对应一个应答内容，每个应答内容对应一个应答问题，每个应答内容与应答问题通过问题概率转移矩阵关联。
[0009]进一步的，所述关键词提取单元包括：分词器、相似度计算单元、权重计算单元和关键词选取单元；所述分词器，配置用于对内容进行分词得到单词，对所述单词进行过滤得到候选关键词；所述相似度计算单元，配置用于计算任意两个候选关键词之间的相似度；权重计算单元，配置用于使用如下公式，根据相似度计算候选关键词的权重：重计算单元，配置用于使用如下公式，根据相似度计算候选关键词的权重：其中，Weight(v
i
)表示候选关键词V
i
的权重，d为调整系数，取值范围为0.2～0.6；n为候选关键词的数量；similar(v
i
,v
j
)表示候选关键词v
i
与v
j
的相似度；λ为相似度校正值，取值范围为0.4～0.7；所述关键词选取单元，配置用于根据计算得到的候选关键的权重，按照权重值从高到底，选取预设的K个候选关键词作为关键词，得到关键词集合。
[0010]进一步的，所述相似度计算单元计算相似度的方法执行以下步骤：其中，为候选关键词v
i
的语义中心距离值，为候选关键词v
j
的语义中心距离值；所述语义中心距离值的获得方法为：采用分层聚类方法构建词语语义树；根据词语语义树中每个连接的不一致率计算，候选关键词在词语语义树中距离根节点的距离作为语义中心距离值。
[0011]进一步的，所述关键词派生单元包括：派生单元，配置用于将关键词集合中的每个关键词进行关键词派生，得到每个关键词对应的一个或多个派生关键词；组合单元，配置用于将每个关键词与其对应的派生关键词组成关键词组合，将所有的关键词组合组成关键词组合集合。
[0012]进一步的，所述派生单元将关键词集合中的每个关键词进行关键词派生，得到每个关键词对应的一个或多个派生关键词的方法包括：从预先建立的派生词数据库中，基于关键词进行检索，得到关键词对应的派生关键词；所述派生词数据库为关系数据库，存储内容为预先录入的词语，每个词语与其对应的近义词相关联，在对关键词进行检索时，检索到派生词数据库中匹配的词语后，将该词语关联的近义词提取出来作为该关键词的派生词。
[0013]进一步的，所述关键词组合融合单元，配置用于对关键词组合进行关键词融合计算，得到每个关键词组合最终对应的融合关键词的方法包括：计算每个关键词组合中关键词与其对应的派生关键词在词语语义树中的语义中心距离值，再计算所有语义中心距离值的算术平均值，从词语语义树种获取距离根节点为算术平均值的所有词语，然后找到这些词语中与关键词组合中的关键词距离最近的词语，作为融合关键词。
[0014]进一步的，所述向量计算单元，基于融合关键词，使用预设关键词向量计算模型，得到每个融合关键词的向量的方法包括：将词语语义树中的根节点作为坐标原点，将融合关键词在词语语义树种的位置作为终节点，连接坐标原点与终节点，按照从原点到终结点
的方向，得到融合关键词的向量的方向，按照原点与终结点的欧式距离，得到向量值。
[0015]进一步的，所述基于融合关键词的向量，计算得到问题概率的方法包括：其中，R为融合关键词向量值，X为问题概率。
[0016]进一步的，所述问题概率转移矩阵为一个判别矩阵，其矩阵表达如下：
[0017]其中，A、B和C均为预设值，满足以下约束关系：1＝A*B*C。
[0018]进一步的，所述应答内容和应答问题均为预先录入的纯文本内容。
[0019]本专利技术的基于AI技术的互联网智能自动诊疗应答系统，具有如下有益效果：
[0020]1.准确率和效率高：本专利技术在进行诊本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于AI技术的互联网智能自动诊疗应答系统，其特征在于，所述系统包括：关键词提取单元，配置用于提取用户输入的内容的关键词，得到关键词集合；关键词派生单元，配置用于将关键词集合中的每个关键词进行关键词派生，得到每个关键词对应的一个或多个派生关键词，将每个关键词与其对应的派生关键词组成关键词组合，将所有的关键词组合组成关键词组合集合；关键词组合融合单元，配置用于对关键词组合进行关键词融合计算，得到每个关键词组合最终对应的融合关键词；向量计算单元，配置用于基于融合关键词，使用预设关键词向量计算模型，得到每个融合关键词的向量；应答处理单元，配置用于基于计算得到的融合关键词的向量，从预设的应答向量数据库中进行匹配检索，得到对应的应答结果，输出给用户，同时基于融合关键词的向量，计算得到问题概率，再从应答向量数据库中检索到应答结果对应的应答问题，使用问题概率判断是否需要将应答问题输出给用户，若是，则直接输出应答问题，若否，则忽略；所述应答向量数据库为一个关系数据库，其中存储有多个应答向量，每个应答向量对应一个应答内容，每个应答内容对应一个应答问题，每个应答内容与应答问题通过问题概率转移矩阵关联。2.如权利要求1所述的系统，其特征在于，所述关键词提取单元包括：分词器、相似度计算单元、权重计算单元和关键词选取单元；所述分词器，配置用于对内容进行分词得到单词，对所述单词进行过滤得到候选关键词；所述相似度计算单元，配置用于计算任意两个候选关键词之间的相似度；权重计算单元，配置用于使用如下公式，根据相似度计算候选关键词的权重：其中，Weight(v
i
)表示候选关键词V
i
的权重，d为调整系数，取值范围为0.2～0.6；n为候选关键词的数量；similar(v
i
,v
j
)表示候选关键词v
i
与v
j
的相似度；λ为相似度校正值，取值范围为0.4～0.7；所述关键词选取单元，配置用于根据计算得到的候选关键的权重，按照权重值从高到底，选取预设的K个候选关键词作为关键词，得到关键词集合。3.如权利要求2所述的系统，其特征在于，所述相似度计算单元计算相似度的方法执行以下步骤：其中，为候选关键词v
i
的语义中心距离值，为候选关键词v
...

【专利技术属性】
技术研发人员：罗宁政，王立法，贾佳，刘海滨，
申请(专利权)人：深圳市宁远科技股份有限公司，
类型：发明
国别省市：