System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及献血医学领域,更具体地,涉及一种献血前征询知识图谱构建方法、征询应答分析方法及系统。
技术介绍
1、献血者健康征询是献血者选择策略的重要组成部分,指询问献血者一些直接和特定的问题,包括他们的治疗史、性行为史和近期旅行史,以筛查具有潜在感染风险,或可能不耐受采血过程的个体。献血者献出的血液在血液中心检验科仅检测乙肝、丙肝、艾滋、梅毒、转氨酶以及血型,所以做好献血前健康征询工作极为重要,一方面避免了资源浪费的情况出现,另一方面保证了采集血液的质量,给临床患者提供了安全保障。
2、现阶段献血前征询大多采用献血者填写回答征询表问题并由医生人工汇总信息的方式,征询表内容繁多且多为专业术语,导致献血者在登记过程中出现各种问题,不能及时得到解答,服务不到位,征询结果不准确、书写潦草导致电脑输入信息错误,填表环境的嘈杂等都极大地影响了献血前征询表的准确性,并且难以保护献血者的隐私。
技术实现思路
1、本专利技术针对现有技术中存在的技术问题,提供一种献血前征询知识图谱构建方法、征询应答分析方法及系统。
2、根据本专利技术的第一方面,提供了一种献血前征询知识图谱构建方法,包括:
3、获取献血前征询文本,所述献血前征询文本包括多个问题和每个问题对应的答案;
4、将所述献血前征询文本输入训练后的实体识别模型,识别出所述献血前征询文本中的每一个献血前征询实体:
5、通过所述实体识别模型对所述献血前征询文本的每个字符进行标注,生成标注后
6、根据标注后的所述献血前征询文本,确定所述献血前征询文本中的献血前征询实体;
7、将识别出的每一个献血前征询实体输入训练后的实体关系抽取模型中,抽取各个所述献血前征询实体之间的实体关系;
8、根据各个所述献血前征询实体之间的实体关系,构建献血前征询知识图谱。
9、在上述技术方案的基础上,本专利技术还可以作出如下改进。
10、可选的,通过如下方式训练实体识别模型:
11、获取献血前征询实体样本集,所述献血前征询实体样本集包括献血前征询文本和对应的实体,所述献血前征询文本包括多个问题和对应的答案;
12、基于所述献血前征询实体样本集对实体识别模型进行训练。
13、可选的,通过所述实体识别模型对所述献血前征询文本的每个字符进行标注,生成标注后的所述献血前征询文本,包括:
14、获取所述献血前征询文本中每个字符的上文信息和下文信息;
15、将每个字符以及所述上文信息和所述下文信息均输入训练后的实体识别模型,分别获取字符、上文信息和下文信息的输出向量,其中,所述输出向量中包括在实体识别模型的处理方式下,字符、上文信息和下文信息的标签分别为每个预设标签的概率,所述预设标签为分类结果;
16、将字符的输出向量、上文信息的输出向量和下文信息的输出向量加和,确定字符的标签,获得对每一个字符标注后的所述献血前征询文本。
17、可选的,通过如下方式训练实体关系抽取模型:
18、获取具有实体关系的献血前实体样本集,所述献血前实体样本集包括多个征询实体以及各个征询实体之间的图谱关系;
19、基于所述献血前实体样本集,对实体关系抽取模型进行训练。
20、可选的,所述将识别出的每一个献血前征询实体输入训练后的实体关系抽取模型中,抽取各个所述献血前征询实体之间的实体关系,包括:
21、将所述实体识别模型从所述献血前征询文本中识别出的献血前征询实体输入到训练后的所述实体关系抽取模型中;
22、基于训练后的所述实体关系抽取模型识别所述献血前征询文本中的各个所述献血前征询实体之间的语义内容;
23、根据所述语义内容,采用注意力机制结合医学专业知识,确定所述献血前征询文本中的各个所述献血前征询实体之间的实体关系和关系分类。
24、根据本专利技术的第二方面,提供一种献血前征询应答分析方法,包括:
25、响应于献血前ai征询系统的提问进行应答,通过献血前ai征询系统获取献血者的应答语音,将所述应答语音转换为应答文本信息;
26、将所述应答文本信息输入训练后的所述实体识别模型,识别出所述应答文本信息中的征询实体;
27、基于所述征询实体在构建的所述献血前征询知识图谱中查询所述征询实体与其它征询实体之间的关系,分析献血者是否合适献血。
28、可选的,所述献血前ai征询系统布置于隔音房间内,所述隔音房间安置于献血车以及献血屋内。
29、根据本专利技术的第三方面,提供了一种献血前征询知识图谱构建系统,包括:
30、第一获取模块,用于获取献血前征询文本,所述献血前征询文本包括多个问题和每个问题对应的答案;
31、第一识别模块,用于将所述献血前征询文本输入训练后的实体识别模型,识别出所述献血前征询文本中的每一个献血前征询实体:
32、通过所述实体识别模型对所述献血前征询文本的每个字符进行标注,生成标注后的所述献血前征询文本,其中,所述标注是指对每个字符的类型进行标注;
33、根据标注后的所述献血前征询文本,确定所述献血前征询文本中的献血前征询实体;
34、抽取模块,用于将识别出的每一个献血前征询实体输入训练后的实体关系抽取模型中,抽取各个所述献血前征询实体之间的实体关系;
35、构建模块,用于根据各个所述献血前征询实体之间的实体关系,构建献血前征询知识图谱。
36、可选的,所述第一识别模块,通过所述实体识别模型对所述献血前征询文本的每个字符进行标注,生成标注后的所述献血前征询文本,包括:
37、获取所述献血前征询文本中每个字符的上文信息和下文信息;
38、将每个字符以及所述上文信息和所述下文信息均输入训练后的实体识别模型,分别获取字符、上文信息和下文信息的输出向量,其中,所述输出向量中包括在实体识别模型的处理方式下,字符、上文信息和下文信息的标签分别为每个预设标签的概率,所述预设标签为分类结果;
39、将字符的输出向量、上文信息的输出向量和下文信息的输出向量加和,确定字符的标签,获得对每一个字符标注后的所述献血前征询文本。
40、根据本专利技术的第四方面,提供了一种献血前征询应答分析系统,包括:
41、第二获取模块,用于响应于献血前ai征询系统的提问进行应答,通过献血前ai征询系统获取献血者的应答语音,将所述应答语音转换为应答文本信息;
42、第二识别模块,用于将所述应答文本信息输入权利要求1中训练后的所述实体识别模型,识别出所述应答文本信息中的征询实体;
43、分析模块,用于基于所述征询实体在权利要求1构建的所述献血前征询知识图谱中查询所述征询实体与其它征询实体之间的关系,分析献血者是否合适献血。本文档来自技高网...
【技术保护点】
1.一种献血前征询知识图谱构建方法,其特征在于,包括:
2.根据权利要求1所述的献血前征询知识图谱构建方法,其特征在于,通过如下方式训练实体识别模型:
3.根据权利要求1所述的献血前征询知识图谱构建方法,其特征在于,通过所述实体识别模型对所述献血前征询文本的每个字符进行标注,生成标注后的所述献血前征询文本,包括:
4.根据权利要求1所述的献血前征询知识图谱构建方法,其特征在于,通过如下方式训练实体关系抽取模型:
5.根据权利要求1所述的献血前征询知识图谱构建方法,其特征在于,所述将识别出的每一个献血前征询实体输入训练后的实体关系抽取模型中,抽取各个所述献血前征询实体之间的实体关系,包括:
6.一种献血前征询应答分析方法,其特征在于,包括:
7.根据权利要求7所述的献血前征询应答分析方法,其特征在于,所述献血前AI征询系统布置于隔音房间内,所述隔音房间安置于献血车以及献血屋内。
8.一种献血前征询知识图谱构建系统,其特征在于,包括:
9.根据权利要求8所述的献血前征询知识图谱构建系统,其
10.一种献血前征询应答分析系统,其特征在于,包括:
...【技术特征摘要】
1.一种献血前征询知识图谱构建方法,其特征在于,包括:
2.根据权利要求1所述的献血前征询知识图谱构建方法,其特征在于,通过如下方式训练实体识别模型:
3.根据权利要求1所述的献血前征询知识图谱构建方法,其特征在于,通过所述实体识别模型对所述献血前征询文本的每个字符进行标注,生成标注后的所述献血前征询文本,包括:
4.根据权利要求1所述的献血前征询知识图谱构建方法,其特征在于,通过如下方式训练实体关系抽取模型:
5.根据权利要求1所述的献血前征询知识图谱构建方法,其特征在于,所述将识别出的每一个献血前征询实体输入训练后的实体关系抽取模型中,...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。