售前電話
135-3656-7657
售前電話 : 135-3656-7657
國家高新技術企業 省級專精特新企業
咨詢熱線：135-3656-7657 400-6333-661
國家高新技術企業 省級專精特新企業
咨詢熱線：135-3656-7657 400-6333-661
《基于智能對話的自動問診系統.pdf》由會員分享，可在線閱讀，更多相關《基于智能對話的自動問診系統.pdf（9頁完成版）》請在專利查詢網上搜索。
1、(19)中華人民共和國國家知識產權局 (12)發明專利申請 (10)申請公布號 (43)申請公布日 (21)申請號 2.1 (22)申請日 2020.07.17 (71)申請人 北京歐應信息技術有限公司 地址 北京市朝陽區光華路9號樓7 層702室 (72)發明人 劉崢嶸王巖張國強孟齊源 許可蘇軒 (74)專利代理機構 北京瑞盛銘杰知識產權代理 事務所(普通合伙) 11617 代理人 黃淑娟 (51)Int.Cl. G06F 16/332(2019.01) G06F 40/211(2020.01) G06F 40/295(2020.01) G06F 40/3。
2、0(2020.01) G06F 16/36(2019.01) G06N 5/04(2006.01) G16H 50/20(2018.01) (54)發明名稱 一種基于智能對話的自動問診系統 (57)摘要 本發明公開了一種基于智能對話的自動問 診系統， 所述自動問診系統包括： 智能對話引擎、 知識圖譜數據庫、 知識推理機和病例數據庫； 所 述智能對話引擎， 用于接收用戶輸入信息， 并通 過自然語言算法從所述輸入信息中提取問診信 息； 所述知識圖譜數據庫， 用于以圖數據庫的形 式存儲醫療知識圖譜； 所述知識推理機， 用于將 所述問診信息與所述醫療知識圖譜中的醫療知 識相結合， 進行相應的知識關系推。
3、導， 輸出預問 診結果； 病例數據庫， 用于存儲所述用戶的病例。 本發明提供的自動問診系統針對性強、 反應速度 快、 準確率和自動化程度高。 權利要求書1頁 說明書5頁 附圖2頁 CN A 2020.11.24 CN A 1.一種基于智能對話的自動問診系統， 其特征在于， 所述自動問診系統包括： 智能對話 引擎、 知識圖譜數據庫、 知識推理機和病例數據庫； 所述智能對話引擎， 用于接收用戶輸入信息， 并通過自然語言算法從所述輸入信息中 提取問診信息； 所述知識圖譜數據庫， 用于以圖數據庫的形式存儲醫療知識圖譜； 所述知識推理機， 用于將所述問診信息與所述。
4、醫療知識圖譜中的醫療知識相結合， 進 行相應的知識關系推導， 輸出預問診結果； 病例數據庫， 用于存儲所述用戶的病例。 2.根據權利要求1所述的自動問診系統， 其特征在于， 所述智能對話引擎包括： 多輪對 話模塊； 所述多輪對話模塊， 用于提供多輪對話服務。 3.根據權利要求1所述的自動問診系統， 其特征在于， 所述智能對話引擎還用于， 接收 所述預問診結果， 并將所述預問診結果反饋給用戶； 接收用戶查閱所述預問診結果后的輸入信息。 4.根據權利要求3所述的自動問診系統， 其特征在于， 所述智能對話引擎通過ner命名 實體識別、 句法模板和/或word 語義理解算法從所述輸入。
5、信息中提取問診信息。 5.根據權利要求1所述的自動問診系統， 其特征在于， 所述用戶輸入信息包括： 用戶輸入的文字、 圖片和/或視頻信息； 或 用戶通過可視化控件的交互操作確定的信息。 6.根據權利要求1所述的自動問診系統， 其特征在于， 所述醫療知識圖譜用實體和關系 的形式對醫療知識進行表示。 7.根據權利要求6所述的自動問診系統， 其特征在于， 所述實體， 表示具體的概念； 所述關系， 表示兩個所述實體之間的關聯。 8.根據權利要求1所述的自動問診系統， 其特征在于， 所述病例包括： 用戶的基本信息、 待診療部位、 癥狀、 前期治療狀況。 權利要求書 1/1 頁 2 CN 。
6、1 A 2 一種基于智能對話的自動問診系統 技術領域 0001 本發明屬于人工智能技術領域， 具體地說， 涉及一種基于智能對話的自動問診系 統。 背景技術 0002 隨著人工智能技術的發展， 自動問診技術的應用得到了大力發展。 現有的自動問 診技術常見的實現方案為： 根據需要診斷的疾病，人工設置好問題的決策樹； 然后根據問題 的回答進行預設規則的匹配智慧問診系統， 從而給出診斷建議。 舉例說明： 預設問診時需要詢問的問題， 詢問后得到每個問題對應的不同答案； 然后根據答案的不同， 設定不同的決策分支， 以此來 不斷推進下一個問題。 直到收集完所有的問題， 給出最終的答案， 或者根據收集的問題進行 規則匹。
7、配， 得到最后的答案。 0003 在上述自動問診技術中， 大部分采用人工配置問題決策樹的方式， 即事先設置好 大量的問題分支， 然后根據回答的選項來進行決策。 該方法最大的問題在于不利于大量疾 病的擴展。 當需要在大量的疾病上應用自動問診時， 需要大量人力進行問題決策樹的設計， 設計工作量大， 且過程中容易出現錯誤。 目前大部分自動問診實現的推薦結果， 由于缺乏專 業性知識的聯動， 無法用于醫生專業級別的診斷。 此外， 現有的產品只提供在線問診建議， 但是缺少專業醫生的確診， 因此很難進行有效的信息收集， 得到疾病與癥狀之間的各種數 據統計。 鑒于此， 無法給醫生提供長期的、 更加細化的數字層。
