【技术实现步骤摘要】
本专利技术涉及智慧医疗，尤其涉及一种基于大模型的医疗健康咨询推送方法、系统及存储介质。
技术介绍
1、随着计算机和网络技术的发展，医疗健康信息电子化逐渐成为医疗健康信息领域的主流方式。例如：医院或体检机构为每个病人用户建立电子病历，以方便医生对病人的管理；或者，病人用户在终端设备(如智能手机、平板电脑等)中加入群聊，通过线上的方式进行医疗健康咨询，为提高用户的医疗健康咨询的体验，医疗健康咨询推送的问题越来越受人们所重视。
2、现有的医疗健康咨询推送过程中，针对不同病史、相同问题的用户，一般是将相同的健康推送信息对用户进行信息推送，进而导致医疗健康咨询推送准确率低下。
技术实现思路
1、本专利技术实施例的目的在于提供一种基于大模型的医疗健康咨询推送方法、系统及存储介质，以解决现有技术中医疗健康咨询推送准确率低下的问题。
2、本专利技术实施例是这样实现的，一种基于大模型的医疗健康咨询推送方法，所述方法包括：
3、获取群聊咨询文本，并将所述群聊咨询文本输入预训练的大模型进行用户提问分类，得到用户咨询提问；
4、对所述用户咨询提问进行语义分析，得到用户语义，并根据所述用户语义确定咨询需求和咨询疾病；
5、获取所述用户咨询提问对应用户的历史咨询问答信息，并根据所述历史咨询问答信息确定病史信息；
6、根据所述咨询需求、所述咨询疾病和所述病史信息确定医疗健康推送信息，并根据所述医疗健康推送信息对所述用户咨询提问对应用户进行信
7、优选的，根据所述历史咨询问答信息确定病史信息，包括：
8、对所述历史咨询问答信息进行实体识别，得到咨询实体，并根据所述咨询实体的实体类型确定既往疾病词、症状描述词、诊断描述词和用药描述词；
9、根据所述既往疾病词在所述历史咨询问答信息中的文本位置进行语句提取，得到既往史信息，并根据所述症状描述词在所述历史咨询问答信息中的文本位置进行语句提取，得到现病史信息；
10、根据所述诊断描述词在所述历史咨询问答信息中的文本位置进行语句提取，得到诊断信息，并根据所述用药描述词在所述历史咨询问答信息中的文本位置进行语句提取，得到用药信息；
11、将所述既往史信息、所述病史信息、所述诊断信息和所述用药信息进行组合，得到所述病史信息。
12、优选的，根据所述医疗健康推送信息对所述用户咨询提问对应用户进行信息推送之后，还包括：
13、接收到针对所述医疗健康推送信息的用户反馈文本，并对所述用户反馈文本进行情绪分析，得到用户情绪；
14、根据所述用户情绪和所述医疗健康推送信息确定问题解释信息，并根据所述问题解释信息对所述用户反馈文本进行问题反馈。
15、优选的，对所述用户反馈文本进行情绪分析，得到用户情绪，包括：
16、对所述用户反馈文本进行分词，得到反馈分词，并对所述反馈分词进行去停用词处理；
17、对去停用词处理后的所述反馈分词进行特征提取，得到反馈特征，并对所述反馈特征进行词嵌入处理，得到反馈词嵌入特征；
18、计算所述反馈词嵌入特征与情绪标准特征之间的特征相似度，并将最大所述特征相似度对应的情绪设置为所述用户情绪。
19、优选的，所述方法还包括：
20、获取群聊用户的历史咨询时间，并根据所述历史咨询时间和当前时间确定未咨询时长；
21、若任一所述未咨询时长大于时长阈值，则将所述未咨询时长对应所述群聊用户设置为目标推送用户；
22、获取所述目标推送用户的历史咨询疾病，并根据所述历史咨询疾病确定健康建议；
23、将所述健康建议对所述目标推送用户进行信息推送。
24、优选的，将所述群聊咨询文本输入预训练的大模型进行用户提问分类之前，还包括：
25、将群聊咨询样本输入所述大模型进行用户提问分类，得到用户分类结果；
26、将咨询提问样本输入所述大模型进行语义分析，得到问题样本语义，并根据所述问题样本语义进行需求预测，得到预测需求和预测疾病；
27、获取所述咨询提问样本对应的历史咨询问答样本，并根据所述历史咨询问答样本进行病史预测，得到预测病史；
28、根据所述预测需求、所述预测疾病和所述预测病史确定样本推送信息，并根据所述样本推送信息对所述大模型进行模型训练，直至所述大模型收敛，得到所述预训练的大模型。
29、优选的，根据所述样本推送信息对所述大模型进行模型训练，包括：
30、计算所述用户分类结果和分类标准结果之间的分类相似度，并根据所述分类相似度确定第一模型损失；
31、计算所述问题样本语义与问题标准语义之间的语义相似度，并根据所述语义相似度确定第二模型损失；
32、计算所述预测需求与标准需求之间的需求相似度，并根据所述需求相似度确定第三模型损失；
33、计算所述预测疾病与标准疾病之间的疾病相似度，并根据所述疾病相似度确定第四模型损失；
34、计算所述预测病史与标准病史之间的病史相似度，并根据所述病史相似度确定第五模型损失；
35、计算所述样本推送信息与标准推送信息之间的信息相似度，并根据所述信息相似度确定第六模型损失；
36、对所述第一模型损失、所述第二模型损失、所述第三模型损失、所述第四模型损失、所述第五模型损失和所述第六模型损失进行加权运算，得到模型总损失，并根据所述模型总损失对所述大模型进行参数更新。
37、本专利技术实施例的另一目的在于提供一种基于大模型的医疗健康咨询推送系统，所述系统包括：
38、用户分类模块，用于获取群聊咨询文本，并将所述群聊咨询文本输入预训练的大模型进行用户提问分类，得到用户咨询提问；
39、语义分析模块，用于对所述用户咨询提问进行语义分析，得到用户语义，并根据所述用户语义确定咨询需求和咨询疾病；
40、病史确定模块，用于获取所述用户咨询提问对应用户的历史咨询问答信息，并根据所述历史咨询问答信息确定病史信息；
41、健康推送模块，用于根据所述咨询需求、所述咨询疾病和所述病史信息确定医疗健康推送信息，并根据所述医疗健康推送信息对所述用户咨询提问对应用户进行信息推送。
42、优选的，所述病史确定模块还用于：
43、对所述历史咨询问答信息进行实体识别，得到咨询实体，并根据所述咨询实体的实体类型确定既往疾病词、症状描述词、诊断描述词和用药描述词；
44、根据所述既往疾病词在所述历史咨询问答信息中的文本位置进行语句提取，得到既往史信息，并根据所述症状描述词在所述历史咨询问答信息中的文本位置进行语句提取，得到现病史信息；
45、根据所述诊断描述词在所述历史咨询问答信息中的文本位置进行语句提取，得到诊断信息，并根据所述用药描述词在所述历史咨询问答信息中的文本位置进行语句提取，得到用本文档来自技高网...
【技术保护点】
1.一种基于大模型的医疗健康咨询推送方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于大模型的医疗健康咨询推送方法，其特征在于，根据所述历史咨询问答信息确定病史信息，包括：
3.如权利要求1所述的基于大模型的医疗健康咨询推送方法，其特征在于，根据所述医疗健康推送信息对所述用户咨询提问对应用户进行信息推送之后，还包括：
4.如权利要求3所述的基于大模型的医疗健康咨询推送方法，其特征在于，对所述用户反馈文本进行情绪分析，得到用户情绪，包括：
5.如权利要求1所述的基于大模型的医疗健康咨询推送方法，其特征在于，所述方法还包括：
6.如权利要求1所述的基于大模型的医疗健康咨询推送方法，其特征在于，将所述群聊咨询文本输入预训练的大模型进行用户提问分类之前，还包括：
7.如权利要求6所述的基于大模型的医疗健康咨询推送方法，其特征在于，根据所述样本推送信息对所述大模型进行模型训练，包括：
8.一种基于大模型的医疗健康咨询推送系统，其特征在于，所述系统包括：
9.如权利要求8所述的基于大模型
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于大模型的医疗健康咨询推送方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于大模型的医疗健康咨询推送方法，其特征在于，根据所述历史咨询问答信息确定病史信息，包括：
3.如权利要求1所述的基于大模型的医疗健康咨询推送方法，其特征在于，根据所述医疗健康推送信息对所述用户咨询提问对应用户进行信息推送之后，还包括：
4.如权利要求3所述的基于大模型的医疗健康咨询推送方法，其特征在于，对所述用户反馈文本进行情绪分析，得到用户情绪，包括：
5.如权利要求1所述的基于大模型的医疗健康咨询推送方法，其特征在于，所述方法还包括：
6.如权利要...
【专利技术属性】
技术研发人员：李少宇，柯先文，黄伟，谢冠超，
申请(专利权)人：深圳云知声信息技术有限公司，
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。