本发明专利技术提供一种面向医疗问答场景的智能交互装置与方法，针对于医疗场景的垂直领域应用，基于对于用户意图的判断，构造和优化提示词，获得更符合客户期望的交互结果，并且避免了避免了对通用大模型专门训练或调优面临的高训练成本问题。装置包括指令获取模块，用于获取和识别用户指令；用户意图判别模块，用于根据用户指令进行意图预测和初步提示词构建；知识工程工作模块，用于根据用户指令、用户意图判别模块输出的对应的意图预测，分析获得相应的知识工程输出结果；信息加工模块，用于根据用户指令、用户意图判别模块输出的初步提示词、知识工程输出结果输入，获得融合提示词指令；通用大模型交互模块，用于将所述的融合提示词指令输入通用大模型，生成并反馈最终的交互信息。
【技术实现步骤摘要】
本专利技术涉及生成式模型，尤其涉及一种人机交互方法及装置。
技术介绍
1、随着大型语言模型（llm）的发展，生成式人工智能应用呈现爆发式增长，人机交互方式也正经历智能化变革。提示词工程（prompt engineering） 作为业务、技术、数据之间的桥梁，可以帮助大模型更好地理解和回答用户的请求，加速大模型场景落地。所谓提示词（prompt）就是给大模型的指令。
2、提示可能是问题，也可能是描述，也可能是带有参数的描述。提示工程就是设计、改进、完善提示的学问和技术。通过设计和优化输入提示，使模型能够更准确、可靠地回答问题、执行任务以及提供更有价值的信息。计算机程序或系统产生的结果质量是基于其输入数据质量的。在与大型语言模型交互时，问题的提法（即prompt）对输出的质量也至关重要，提示词就是将模糊问题用语言清晰地描述、准确地限制，以此来控制大模型生成的结果。通用大模型在训练过程中未专门调优垂直领域的场景问题，而普通用户难以全面掌握提示词工程技巧，因此，如何根据患者输入文本自动化构建合理的提示词成为基于大模型的人机交互研究的重点和难点。此外，当前的大模型普遍存在幻觉现象，在特定的问题上输出错误的结果，因此，结合垂直领域知识工程，将与用户意图相关的背景知识引用并输入大模型，可以有效抑制大模型幻觉现象。通常垂直领域的知识工程包括：知识图谱、搜索引擎、专有数据库等。综合来讲，将提示词工程与知识工程结合起来，可以创建出既高效又智能的垂直领域专有智能系统，这些系统能够更好地满足用户的需求并最大化大模型效能。
<
p>技术实现思路1、本专利技术是为了克服现有技术中的不足之处，提供一种面向医疗问答场景的智能交互装置与方法，针对于医疗场景的垂直领域应用，基于对于用户意图的判断，构造和优化提示词，获得更符合客户期望的交互结果，并且避免了对通用大模型专门训练或调优面临的高训练成本问题。
2、本申请提供一种面向医疗问答场景的智能交互装置，所述装置包括：
3、指令获取模块，用于获取和识别用户指令；
4、用户意图判别模块，用于根据用户指令进行意图预测和初步提示词构建；
5、知识工程工作模块，用于根据用户指令、用户意图判别模块输出的对应的意图预测，分析获得相应的知识工程输出结果；
6、信息加工模块，用于根据用户指令、用户意图判别模块输出的初步提示词、知识工程输出结果输入，获得融合提示词指令；
7、通用大模型交互模块，用于将所述的融合提示词指令输入通用大模型，生成并反馈最终的交互信息。
8、作为优选，所述的用户意图判别模块包括：
9、垂直领域分词器，是针对医疗垂直领域的预分词模块，包含了获取自医学权威指南文献的领域词典；
10、bert模型，所述bert模型是已经过意图分类和提示词输出多任务训练，用于将根据输入的文本指令，获得预测的意图分类和构建的初步提示词；
11、用户意图分类输出单元，用于将bert模型的意图分类结果输出至知识工程工作模块；
12、提示词输出单元，用于将bert模型构建的初步提示词输出至信息加工模块。
13、作为优选，所述的bert模型的训练方法包括以下步骤：
14、构建一个针对医疗垂直领域的多任务训练集，所述训练集包括输入语句、对应的预设意图分类和预设提示词；
15、利用所述多任务训练集训练bert模型，使其对所输入内容的理解趋近于预设意图分类和预设提示词。
16、作为优选，知识工程工作模块通过以下至少一种或多种组合方式获取知识工程输出结果：
17、获取文本形式的用户指令，通过实体识别获取输入实体，将输入实体输入知识图谱或数据库查询推理；
18、从向量数据库中查询所述指令向量对应的文本向量，并根据所述指令向量对应的文本向量获取所述用户指令的问题提示词；
19、从搜索引擎中获得知识工程内容。
20、作为优选，所述的意图预测的分类至少包括咨询、问药、问检查、问医院、报告解读、导诊科室。
21、本申请同时提供一种面向医疗问答场景的智能交互方法，所述方法包括以下步骤：
22、获取用户指令；
23、将所述的用户指令输入用户意图判别模块获得意图预测和构建初步提示词；
24、将用户指令、用户意图判别模块输出的对应的意图预测输入知识工程工作模块，分析获得相应的知识工程输出结果；
25、将用户指令、初步提示词、知识工程输出结果输入信息加工模块，获得融合提示词指令；
26、将所述的融合提示词指令输入通用大模型，生成并反馈用户最终的交互信息。
27、作为优选，所述将所述的用户指令输入用户意图判别模块获得意图预测和构建初步提示词的步骤，进一步包括：
28、用户指令输入针对医疗垂直领域的垂直领域分词器进行分词处理；
29、将垂直领域分词器处理的词元输入bert模型，所述bert模型是已经过意图分类和提示词输出多任务训练，用于将根据输入的文本指令，获得预测的意图分类和构建的初步提示词；
30、用户意图分类输出单元将bert模型的意图分类结果输出至知识工程工作模块；
31、提示词输出单元将bert模型构建的初步提示词输出至信息加工模块。
32、本申请的技术方案，通过用户意图判别自动规划知识工程执行流程，融合专有知识工程结果引导通用大模型正确响应用户问题。整体设计上实现了全自动化构建，智能高效，这种交互方式避免了对通用大模型专门训练或调优面临的高训练成本问题，只需针对垂直领域或细分场景训练一个小型用户意图判别模型即可完成通用大模型在垂直领域的适配。
本文档来自技高网...
【技术保护点】
1.一种面向医疗问答场景的智能交互装置，其特征是，所述装置包括：
2.根据权利要求1的一种面向医疗问答场景的智能交互装置，其特征是，所述的用户意图判别模块包括：
3.根据权利要求2的一种面向医疗问答场景的智能交互装置，其特征是，所述的BERT模型的训练方法包括以下步骤：
4.根据权利要求1的一种面向医疗问答场景的智能交互装置，其特征是，知识工程工作模块通过以下至少一种或多种组合方式获取知识工程输出结果：
5.根据权利要求1的一种面向医疗问答场景的智能交互装置，其特征是，所述的意图预测的分类至少包括咨询、问药、问检查、问医院、报告解读、导诊科室。
6.一种面向医疗问答场景的智能交互方法，其特征是，所述方法包括以下步骤：
7.根据权利要求6所述的一种肝脏肿瘤分割的方法，其特征是，所述将所述的用户指令输入用户意图判别模块获得意图预测和构建初步提示词的步骤，进一步包括：
【技术特征摘要】
1.一种面向医疗问答场景的智能交互装置，其特征是，所述装置包括：
2.根据权利要求1的一种面向医疗问答场景的智能交互装置，其特征是，所述的用户意图判别模块包括：
3.根据权利要求2的一种面向医疗问答场景的智能交互装置，其特征是，所述的bert模型的训练方法包括以下步骤：
4.根据权利要求1的一种面向医疗问答场景的智能交互装置，其特征是，知识工程工作模块通过以下至少一种或多种组合方式获...
【专利技术属性】
技术研发人员：何林阳，季红丽，程国华，洪波，
申请(专利权)人：杭州健培科技有限公司，
类型：发明
国别省市：
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。