适用于问诊的信息补全方法、装置、设备及介质与流程

1.本发明涉及人工智能及智慧医疗技术领域，尤其涉及一种适用于问诊的信息补全方法、装置、设备及介质。


背景技术：

2.近年来，线上问诊层出不穷，大众对其的接受度也逐渐升高，使得线上问诊的访问量剧增，从而给问诊的医生带来不小的挑战。目前大部分医生会配置日常用语和医学术语等进行快捷回复，通过关键词触发或者鼠标一键发送。但是一个科室的医生问诊的疾病种类较多，关键词经常记混，而逐一浏览又比较费时，导致难以有效提高问诊效率；现有患者对个性化的需求逐渐凸显，医生总是回复同样的消息，使得患者误以为是机器自动回复，降低患者对线上问诊的信任程度。


技术实现要素：

3.基于此，有必要针对现有技术的线上问诊通过关键词触发或者鼠标一键发送预先配置的快捷信息，难以有效提高问诊效率，难以满足患者对个性化的需求的技术问题，提出了一种适用于问诊的信息补全方法、装置、设备及介质。
4.第一方面，提供了一种适用于问诊的信息补全方法，所述方法包括：
5.基于预配置的信息补全模式，获取信息补全信号；
6.根据所述信息补全信号对应的待补全医生信息，从所述信息补全模式对应的问诊话术库中搜索问诊话术，得到第一问诊话术集；
7.根据所述待补全医生信息，对所述第一问诊话术集进行坏召回结果删除处理，得到第二问诊话术集；
8.对所述第二问诊话术集进行排序，得到第三问诊话术集；
9.根据所述第三问诊话术集中的排序最高的所述问诊话术，生成所述待补全医生信息对应的信息补全结果。
10.第二方面，提供了一种适用于问诊的信息补全装置，所述装置包括：
11.信号获取模块，用于基于预配置的信息补全模式，获取信息补全信号；
12.搜索模块，用于根据所述信息补全信号对应的待补全医生信息，从所述信息补全模式对应的问诊话术库中搜索问诊话术，得到第一问诊话术集；
13.删除处理模块，用于根据所述待补全医生信息，对所述第一问诊话术集进行坏召回结果删除处理，得到第二问诊话术集；
14.排序模块，用于对所述第二问诊话术集进行排序，得到第三问诊话术集；
15.信息补全结果确定模块，用于根据所述第三问诊话术集中的排序最高的所述问诊话术，生成所述待补全医生信息对应的信息补全结果。
16.第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述适用
于问诊的信息补全方法的步骤。
17.第四方面，提供了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，所述计算机程序被处理器执行时实现上述适用于问诊的信息补全方法的步骤。
18.本技术的适用于问诊的信息补全方法，基于预配置的信息补全模式，获取信息补全信号；根据所述信息补全信号对应的待补全医生信息，从所述信息补全模式对应的问诊话术库中搜索问诊话术，得到第一问诊话术集；根据所述待补全医生信息，对所述第一问诊话术集进行坏召回结果删除处理，得到第二问诊话术集；对所述第二问诊话术集进行排序，得到第三问诊话术集；根据所述第三问诊话术集中的排序最高的所述问诊话术，生成所述待补全医生信息对应的信息补全结果。相对通过关键词触发或者鼠标一键发送预先配置的快捷信息，本技术通过所述信息补全模式对应的问诊话术库，迎合了医生话术习惯，满足了患者对个性化的需求；通过对所述第一问诊话术集进行坏召回结果删除处理，避免了坏的召回结果进入排序阶段，提高了确定的信息补全结果的准确性；通过响应信息补全信号以实时生成信息补全结果，使医生只需要输入部分信息即可自动进行信息补全，减少了医生输入的文本，有效的提高了问诊效率。
附图说明
19.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
20.其中：
21.图1为一个实施例中适用于问诊的信息补全方法的应用环境图；
22.图2为一个实施例中适用于问诊的信息补全方法的流程图；
23.图3为一个实施例中适用于问诊的信息补全装置的结构框图；
24.图4为一个实施例中计算机设备的结构框图。
具体实施方式
25.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
26.本发明实施例提供的适用于问诊的信息补全方法，可应用在如图1的应用环境中，其中，客户端110通过网络与服务端120进行通信。服务端120可以通过客户端110基于预配置的信息补全模式，获取信息补全信号。服务端120根据所述信息补全信号对应的待补全医生信息，从所述信息补全模式对应的问诊话术库中搜索问诊话术，得到第一问诊话术集，根据所述待补全医生信息，对所述第一问诊话术集进行坏召回结果删除处理，得到第二问诊话术集，对所述第二问诊话术集进行排序，得到第三问诊话术集，根据所述第三问诊话术集中的排序最高的所述问诊话术，生成所述待补全医生信息对应的信息补全结果。从而满足了患者对个性化的需求，有效的提高了问诊效率。
27.其中，客户端110可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。下面通过具体的实施例对本发明进行详细的描述。
28.请参阅图2所示，图2为本发明实施例提供的适用于问诊的信息补全方法的一个流程示意图，包括如下步骤：
29.s1：基于预配置的信息补全模式，获取信息补全信号；
30.预配置的信息补全模式，预先配置问诊话术库。
31.问诊话术库中至少包含问诊话术，其中，问诊话术是医生答复患者的文本。
32.信息补全信号，是对医生输入的信息进行补全的信号。
33.具体而言，在预配置的信息补全模式下，医生在回复患者信息时，当医生在输入框中输入的信息对应的文本的字数超过预设触发字数时自动触发信息补全信号，或者医生在输入框中输入信息并主动点击触发按钮触发信息补全信号。
34.s2：根据所述信息补全信号对应的待补全医生信息，从所述信息补全模式对应的问诊话术库中搜索问诊话术，得到第一问诊话术集；
35.医生在输入框中输入信息，可以直接输入文本，也可以输入语音。
36.待补全医生信息，是医生在输入框中输入的信息对应的文本。
37.具体而言，根据所述信息补全信号对应的待补全医生信息，从所述信息补全模式对应的问诊话术库中搜索最相似的多个问诊话术，将搜索的所有问诊话术进行第一问诊话术集。
38.s3：根据所述待补全医生信息，对所述第一问诊话术集进行坏召回结果删除处理，得到第二问诊话术集；
39.坏召回结果，是搜索出的差异较大和/或对信息补全意义不大的问诊话术。
40.所述第一问诊话术集中的问诊话术，可能存在坏的召回结果，为了避免坏的召回结果进入下一个环节(也就是排序)，需要根据所述待补全医生信息，对所述第一问诊话术集进行坏召回结果删除处理，将完成删除处理的所述第一问诊话术集作为第二问诊话术集。
41.s4：对所述第二问诊话术集进行排序，得到第三问诊话术集；
42.具体而言，基于预设的排序规则，对所述第二问诊话术集中的问诊话术进行排序，将排序后的所述第二问诊话术集作为第三问诊话术集。
43.可选的，预设的排序规则为字符数。
44.可选的，预设的排序规则为最晚使用时间。
45.s5：根据所述第三问诊话术集中的排序最高的所述问诊话术，生成所述待补全医生信息对应的信息补全结果。
46.具体而言，将所述第三问诊话术集中的排序最高的所述问诊话术作为命中话术；根据所述命中话术对所述待补全医生信息进行补全，得到信息补全结果。
47.可选的，将所述第三问诊话术集中的排序最高的所述问诊话术作为命中话术；将所述命中话术作为信息补全结果。
48.在倒序排序中，排序最高是第一个；在正序排序中，排序最高是最后一个。
49.本实施例相对通过关键词触发或者鼠标一键发送预先配置的快捷信息，本技术通
过所述信息补全模式对应的问诊话术库，迎合了医生话术习惯，满足了患者对个性化的需求；通过对所述第一问诊话术集进行坏召回结果删除处理，避免了坏的召回结果进入排序阶段，提高了确定的信息补全结果的准确性；通过响应信息补全信号以实时生成信息补全结果，使医生只需要输入部分信息即可自动进行信息补全，减少了医生输入的文本，有效的提高了问诊效率。
50.在一个实施例中，所述基于预配置的信息补全模式，获取信息补全信号的步骤之前，还包括：
51.s11：获取模式配置请求；
52.模式配置请求，是对信息补全模式进行预配置的请求。
53.具体而言，获取用户输入的模式配置请求，也可以获取第三方应用发送的模式配置请求。
54.s12：根据所述模式配置请求携带的模式配置数据，配置所述信息补全模式；
55.其中，所述模式配置数据包括：话术库范围配置，所述话术库范围配置的取值范围包括：本人、同机构同科室和同科室。
56.所述话术库范围配置为本人，也就是采用待补全医生信息对应的医生对应的个人话术库，该个人话术库是医生本人对应的问诊话术库。医生本人对应的问诊话术库，是根据在预设窗口内该医生在历史问诊中发送的所有消息生成的话术库。
57.所述话术库范围配置为同机构同科室，也就是采用待补全医生信息对应的医生在同一个机构同一个科室对应的科室话术库，该科室话术库是同机构同科室对应的问诊话术库。同机构同科室对应的问诊话术库，是根据该与医生在同一个机构同一个科室的所有医生在预设窗口内的历史问诊中发送的所有消息生成的话术库。
58.所述话术库范围配置为同科室，也就是采用待补全医生信息对应的医生所在科室在所有医院下对应的科室话术库，该科室话术库是同科室对应的问诊话术库。同科室对应的问诊话术库，是根据所有机构中与该医生属于同一个科室的所有医生在预设窗口内的历史问诊中发送的所有消息生成的话术库。
59.对预设窗口内的历史问诊中发送的所有消息进行没有补全空间的消息去除，然后将剩下的消息作为问诊话术库。
60.没有补全空间的消息去除包括：去除系统直抛消息、去除快捷回复的消息和去除重复消息。
61.对于去除系统直抛消息，也就是在医生的问诊过程中，有一些是系统直抛的话术，比如开具处方时点选处方药物即可，系统直抛药物名称+用法用量的消息，此类消息没有补全的空间，所以将其去除。
62.对于去除快捷回复的消息，也就是部分医生设置了一些快捷回复，比如“请随时关注身体变化情况。问诊结束请给我五星好评，十分感谢”,此类消息医生通过快捷键或者特殊键一键发送，同样没有补全的空间，所以将其去除。
63.对于去除重复消息，也就是在医生发送消息的时候，总是习惯性发送空格，造成消息之间的差异，极大地增加了话术库的话术数量，因此去除消息中的空格后，再去掉完全一样的消息。
64.本实施例通过预配置信息补全模式，所述话术库范围配置的取值范围包括：本人、
同机构同科室和同科室，后续采用所述信息补全模式对应的问诊话术库，迎合了医生话术习惯，满足了患者对个性化的需求。
65.在一个实施例中，所述根据所述信息补全信号对应的待补全医生信息，从所述信息补全模式对应的问诊话术库中搜索问诊话术，得到第一问诊话术集的步骤，包括：
66.s21：对所述待补全医生信息进行分词，得到第一分词结果；
67.具体而言，对所述待补全医生信息进行分词，将分词得到的所有短语作为第一分词结果。
68.s22：对所述第一分词结果和所述信息补全模式对应的所述问诊话术库中的每个所述问诊话术对应的第二分词结果进行tf得分计算；
69.tf得分，英文全称为term frequency score，英文简称为tf score，也及词频得分。
70.问诊话术库中存储的是问诊话术和第二分词结果对应的关联数据。
71.进行tf得分计算的方法步骤可以从现有技术选择，在此不做赘述。
72.s23：将所述信息补全模式对应的所述问诊话术库中的所述tf得分最大的m个所述问诊话术作为所述第一问诊话术集；
73.其中，所述第二分词结果是对所述问诊话术的话术索引进行分词得到的数据，所述话术索引是采用elasticsearch的索引构建方法对所述问诊话术的前k个文字进行索引构建得到的数据。
74.elasticsearch，是分布式搜索和分析引擎。
75.可以理解的是，所述待补全医生信息的字数小于或等于k，k是大于1的整数。
76.采用elasticsearch的索引构建方法对所述问诊话术的前k个文字进行索引构建的方法步骤可以从现有技术选择，在此不做赘述。
77.本实施例将所述信息补全模式对应的所述问诊话术库中的所述tf得分最大的m个所述问诊话术作为所述第一问诊话术集，从而实现搜索出最相似的m个所述问诊话术作为所述第一问诊话术集；通过所述信息补全模式对应的问诊话术库，迎合了医生话术习惯，满足了患者对个性化的需求。
78.在一个实施例中，所述根据所述待补全医生信息，对所述第一问诊话术集进行坏召回结果删除处理，得到第二问诊话术集的步骤，包括：
79.s31：基于动态规划方法，对所述待补全医生信息和所述第一问诊话术集中的每个所述问诊话术进行对齐，得到所述第一问诊话术集中的每个所述问诊话术对应的对齐文本及补全文本；
80.动态规划方法，也称为滚动式的规划方法，也就是上一次计算的结果作为本次的输入，以实现动态的规划。
81.具体而言，基于动态规划方法，对所述待补全医生信息和所述第一问诊话术集中的每个所述问诊话术进行对齐，将所述问诊话术的与所述待补全医生信息相似的部分作为对齐文本，将所述问诊话术中的对齐文本以外的部分作为补全文本。
82.比如，所述待补全医生信息为“湿疹的病因复杂多样”，所述问诊话术为“湿疹的病因比较复杂具体谁也说不清楚”，则对齐文本为“湿疹的病因比较复杂”，补全文本为“具体谁也说不清楚”。
83.比如，所述待补全医生信息为“湿疹的病因复杂多样”，所述问诊话术为“皮炎的病因复杂多样，和多种因素相关”，则对齐文本为“皮炎的病因复杂多样”，补全文本为“，和多种因素相关”。
84.比如，所述待补全医生信息为“湿疹的病因复杂多样”，所述问诊话术为“湿疹的病因包括内因外因”，则对齐文本为“湿疹的病因”，补全文本为“包括内因外因”。
85.s32：根据所述待补全医生信息、各个所述对齐文本和各个所述补全文本，对所述第一问诊话术集进行坏召回结果删除处理；
86.坏召回结果至少包括所述待补全医生信息与所述对齐文本的差异较大的问诊话术。
87.具体而言，对所述待补全医生信息和每个所述对齐文本进行相似度计算，将相似度小于预设相似度阈值的问诊话术从所述第一问诊话术集中进行删除处理，其中，相似度小于预设相似度阈值(也就是差异较大)的问诊话术也就是坏召回结果，相似度可以为余弦相似度。
88.s33：将完成删除处理的所述第一问诊话术集作为所述第二问诊话术集。
89.具体而言，完成删除处理的所述第一问诊话术集，也就是完成坏召回结果删除处理的所述第一问诊话术集，此时所述第一问诊话术集是质量较高的与所述待补全医生信息相关的搜索结果，因此，将完成删除处理的所述第一问诊话术集作为所述第二问诊话术集。
90.本实施例通过根据各个所述对齐文本和各个所述补全文本，对所述第一问诊话术集进行坏召回结果删除处理，将完成删除处理的所述第一问诊话术集作为所述第二问诊话术集，避免了坏的召回结果进入排序阶段，提高了确定的信息补全结果的准确性。
91.在一个实施例中，所述基于动态规划方法，对所述待补全医生信息和所述第一问诊话术集中的每个所述问诊话术进行对齐，得到所述第一问诊话术集中的每个所述问诊话术对应的对齐文本及补全文本的步骤，包括：
92.s311：对所述待补全医生信息进行分词，得到第一分词结果；
93.具体而言，对所述待补全医生信息进行分词，将分词得到的所有短语作为第一分词结果。
94.s312：对所述第一问诊话术集中的每个所述问诊话术进行忽略标点符号处理及分词处理，得到第三分词结果；
95.具体而言，对所述第一问诊话术集中的每个所述问诊话术进行忽略标点符号处理，对完成忽略标点符号处理的所述问诊话术进行分词，将针对一个所述问诊话术分词得到的所有短语作为第三分词结果。
96.s313：基于动态规划方法和同义词属于相同词的原则，对所述第一分词结果和每个所述第三分词结果进行对齐，得到每个所述第三分词结果对应的所述对齐文本及所述补全文本。
97.同义词属于相同词的原则，也就是将同义词视为相同的词。
98.具体而言，基于动态规划方法和同义词属于相同词的原则，对所述第一分词结果和每个所述第三分词结果进行对齐，将所述问诊话术的与所述待补全医生信息相似的部分作为对齐文本，将所述问诊话术中的对齐文本以外的部分作为补全文本。
99.本实施例对所述第一问诊话术集中的每个所述问诊话术进行忽略标点符号处理
及分词处理，从而避免了标点符号对对齐的影响，有利于提高确定的所述对齐文本和所述补全文本的准确性；通过同义词属于相同词的原则，从而实现从语义的相似性上进行了对齐，进一步提高了确定的所述对齐文本和所述补全文本的准确性。
100.在一个实施例中，所述根据所述待补全医生信息、各个所述对齐文本和各个所述补全文本，对所述第一问诊话术集进行坏召回结果删除处理的步骤，包括：
101.s321：采用预设的相似度函数，对所述待补全医生信息和每个所述对齐文本进行相似度计算，得到候选相似度；
102.具体而言，采用预设的相似度函数，对所述待补全医生信息和每个所述对齐文本进行相似度计算，将计算得到的每个相似度作为一个候选相似度。
103.s322：将所述候选相似度大于预设相似度阈值的每个所述对齐文本对应的所述问诊话术，从所述第一问诊话术集中删除；
104.具体而言，所述候选相似度大于预设相似度阈值的每个所述对齐文本对应的所述问诊话术，是问诊话术的对齐部分(也就是对齐文本)与所述待补全医生信息的差异过大，属于坏召回结果，因此，将所述候选相似度大于预设相似度阈值的每个所述对齐文本对应的所述问诊话术，从所述第一问诊话术集中删除。
105.s323：将字数大于第一字数阈值的所述补全文本对应的所述问诊话术，从所述第一问诊话术集中删除；
106.具体而言，字数大于第一字数阈值的所述补全文本对应的所述问诊话术，此类问诊话术对应的所述补全文本有大段多余的内容，属于坏召回结果，因此，将所述候选相似度大于预设相似度阈值的每个所述对齐文本对应的所述问诊话术，从所述第一问诊话术集中删除。
107.s324：将字数小于第二字数阈值的所述补全文本对应的所述问诊话术，从所述第一问诊话术集中删除；
108.其中，所述第二字数阈值小于所述第一字数阈值；
109.所述相似度函数的计算公式sim为：
110.sim＝q*x+p*jaccard_score(m,m
′
)
111.x＝1-lvst_score(m,m
′
)/max(len(m),len(m
′
))
112.q和p是常量，jaccard_score是所述待补全医生信息和所述对齐文本之间的杰卡德距离，m是所述待补全医生信息，m
′
是所述对齐文本，lvst_score是计算字符级别的编辑距离，max是计算最大值，len是计算字符长度。
113.具体而言，字数小于第二字数阈值的所述补全文本对应的所述问诊话术，此类问诊话术对应的所述补全文本的字符大多无意义，为了不给医生造成干扰，需要删除这类问诊话术，因此，将字数小于第二字数阈值的所述补全文本对应的所述问诊话术，从所述第一问诊话术集中删除。
114.m是所述待补全医生信息对应的字符序列，m
′
是所述对齐文本对应的字符序列。lvst_score是计算所述待补全医生信息对应的字符序列与所述对齐文本对应的字符序列之间的字符级别的编辑距离。
115.lvst_score计算字符级别的编辑距离，jaccard_score是两个序列的词的差异性，从而使所述相似度函数从字符级别和词级别度量两个序列的相似性，提高了确定的候选相
似度的准确性。
116.本实施例通过将所述候选相似度大于预设相似度阈值的每个所述对齐文本对应的所述问诊话术，从所述第一问诊话术集中删除，将字数大于第一字数阈值的所述补全文本对应的所述问诊话术，从所述第一问诊话术集中删除，将字数小于第二字数阈值的所述补全文本对应的所述问诊话术，从所述第一问诊话术集中删除，从而实现了对所述第一问诊话术集进行坏召回结果删除处理，避免了坏的召回结果进入排序阶段，提高了确定的信息补全结果的准确性。
117.在一个实施例中，所述对所述第二问诊话术集进行排序，得到第三问诊话术集的步骤，包括：
118.s41：采用预设的排序模型，对所述第二问诊话术集进行排序，得到第三问诊话术集；
119.其中，所述排序模型是基于预设的排序算法训练得到的模型，所述排序算法的计算公式rank为：
120.rank＝a0+a1*sim+a2*log(freq)
121.a0、a1和a2是训练得到的数据，sim是所述相似度函数，log是对数函数，freq是预设时间窗内所述问诊话术的使用次数。
122.具体而言，预设的排序模型是基于所述排序算法rank训练得到的模型，a0、a1和a2是模型训练时需要训练的参数，因此a0、a1和a2是训练得到的数据。sim是步骤s321中的所述相似度函数。
123.本实施例通过基于所述排序算法rank训练得到的模型对所述第二问诊话术集进行排序，提高了排序的效率和准确性。
124.请参阅图3所示，在一实施例中，提供一种适用于问诊的信息补全装置，所述装置包括：
125.信号获取模块801，用于基于预配置的信息补全模式，获取信息补全信号；
126.搜索模块802，用于根据所述信息补全信号对应的待补全医生信息，从所述信息补全模式对应的问诊话术库中搜索问诊话术，得到第一问诊话术集；
127.删除处理模块803，用于根据所述待补全医生信息，对所述第一问诊话术集进行坏召回结果删除处理，得到第二问诊话术集；
128.排序模块804，用于对所述第二问诊话术集进行排序，得到第三问诊话术集；
129.信息补全结果确定模块805，用于根据所述第三问诊话术集中的排序最高的所述问诊话术，生成所述待补全医生信息对应的信息补全结果。
130.本实施例相对通过关键词触发或者鼠标一键发送预先配置的快捷信息，本技术通过所述信息补全模式对应的问诊话术库，迎合了医生话术习惯，满足了患者对个性化的需求；通过对所述第一问诊话术集进行坏召回结果删除处理，避免了坏的召回结果进入排序阶段，提高了确定的信息补全结果的准确性；通过响应信息补全信号以实时生成信息补全结果，使医生只需要输入部分信息即可自动进行信息补全，减少了医生输入的文本，有效的提高了问诊效率。
131.在一个实施例中，所述装置还包括：
132.模式配置模块，用于获取模式配置请求，根据所述模式配置请求携带的模式配置
数据，配置所述信息补全模式；
133.其中，所述模式配置数据包括：话术库范围配置，所述话术库范围配置的取值范围包括：本人、同机构同科室和同科室。
134.在一个实施例中，所述搜索模块802的所述根据所述信息补全信号对应的待补全医生信息，从所述信息补全模式对应的问诊话术库中搜索问诊话术，得到第一问诊话术集的步骤，包括：
135.对所述待补全医生信息进行分词，得到第一分词结果；
136.对所述第一分词结果和所述信息补全模式对应的所述问诊话术库中的每个所述问诊话术对应的第二分词结果进行tf得分计算；
137.将所述信息补全模式对应的所述问诊话术库中的所述tf得分最大的m个所述问诊话术作为所述第一问诊话术集；
138.其中，所述第二分词结果是对所述问诊话术的话术索引进行分词得到的数据，所述话术索引是采用elasticsearch的索引构建方法对所述问诊话术的前k个文字进行索引构建得到的数据。
139.在一个实施例中，所述删除处理模块803的所述根据所述待补全医生信息，对所述第一问诊话术集进行坏召回结果删除处理，得到第二问诊话术集的步骤，包括：
140.基于动态规划方法，对所述待补全医生信息和所述第一问诊话术集中的每个所述问诊话术进行对齐，得到所述第一问诊话术集中的每个所述问诊话术对应的对齐文本及补全文本；
141.根据各个所述对齐文本和各个所述补全文本，对所述第一问诊话术集进行坏召回结果删除处理；
142.将完成删除处理的所述第一问诊话术集作为所述第二问诊话术集。
143.在一个实施例中，所述删除处理模块803的所述基于动态规划方法，对所述待补全医生信息和所述第一问诊话术集中的每个所述问诊话术进行对齐，得到所述第一问诊话术集中的每个所述问诊话术对应的对齐文本及补全文本的步骤，包括：
144.对所述待补全医生信息进行分词，得到第一分词结果；
145.对所述第一问诊话术集中的每个所述问诊话术进行忽略标点符号处理及分词处理，得到第三分词结果；
146.基于动态规划方法和同义词属于相同词的原则，对所述第一分词结果和每个所述第三分词结果进行对齐，得到每个所述第三分词结果对应的所述对齐文本及所述补全文本。
147.在一个实施例中，所述删除处理模块803的所述根据各个所述对齐文本和各个所述补全文本，对所述第一问诊话术集进行坏召回结果删除处理的步骤，包括：
148.采用预设的相似度函数，对所述待补全医生信息和每个所述对齐文本进行相似度计算，得到候选相似度；
149.将所述候选相似度大于预设相似度阈值的每个所述对齐文本对应的所述问诊话术，从所述第一问诊话术集中删除；
150.将字数大于第一字数阈值的所述补全文本对应的所述问诊话术，从所述第一问诊话术集中删除；
151.将字数小于第二字数阈值的所述补全文本对应的所述问诊话术，从所述第一问诊话术集中删除；
152.其中，所述第二字数阈值小于所述第一字数阈值；
153.所述相似度函数的计算公式sim为：
154.sim＝q*x+p*jaccard_score(m,m
′
)
155.x＝1-lvst_score(m,m
′
)/max(len(m),len(m
′
))
156.q和p是常量，jaccard_score是所述待补全医生信息和所述对齐文本之间的杰卡德距离，m是所述待补全医生信息，m
′
是所述对齐文本，lvst_score是计算字符级别的编辑距离，max是计算最大值，len是计算字符长度。
157.在一个实施例中，所述排序模块804的所述对所述第二问诊话术集进行排序，得到第三问诊话术集的步骤，包括：
158.采用预设的排序模型，对所述第二问诊话术集进行排序，得到第三问诊话术集；
159.其中，所述排序模型是基于预设的排序算法训练得到的模型，所述排序算法的计算公式rank为：
160.rank＝a0+a1*sim+a2*log(freq)
161.a0、a1和a2是训练得到的数据，sim是所述相似度函数，log是对数函数，freq是预设时间窗内所述问诊话术的使用次数。
162.在一个实施例中，提供了一种计算机设备，该计算机设备可以是客户端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部服务器通过网络连接通信。该计算机程序被处理器执行时以实现一种适用于问诊的信息补全方法客户端侧的功能或步骤。
163.在一个实施例中，提出了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
164.基于预配置的信息补全模式，获取信息补全信号；
165.根据所述信息补全信号对应的待补全医生信息，从所述信息补全模式对应的问诊话术库中搜索问诊话术，得到第一问诊话术集；
166.根据所述待补全医生信息，对所述第一问诊话术集进行坏召回结果删除处理，得到第二问诊话术集；
167.对所述第二问诊话术集进行排序，得到第三问诊话术集；
168.根据所述第三问诊话术集中的排序最高的所述问诊话术，生成所述待补全医生信息对应的信息补全结果。
169.本实施例相对通过关键词触发或者鼠标一键发送预先配置的快捷信息，本技术通过所述信息补全模式对应的问诊话术库，迎合了医生话术习惯，满足了患者对个性化的需求；通过对所述第一问诊话术集进行坏召回结果删除处理，避免了坏的召回结果进入排序阶段，提高了确定的信息补全结果的准确性；通过响应信息补全信号以实时生成信息补全
结果，使医生只需要输入部分信息即可自动进行信息补全，减少了医生输入的文本，有效的提高了问诊效率。
170.在一个实施例中，提出了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，所述计算机程序被处理器执行时实现以下步骤：
171.基于预配置的信息补全模式，获取信息补全信号；
172.根据所述信息补全信号对应的待补全医生信息，从所述信息补全模式对应的问诊话术库中搜索问诊话术，得到第一问诊话术集；
173.根据所述待补全医生信息，对所述第一问诊话术集进行坏召回结果删除处理，得到第二问诊话术集；
174.对所述第二问诊话术集进行排序，得到第三问诊话术集；
175.根据所述第三问诊话术集中的排序最高的所述问诊话术，生成所述待补全医生信息对应的信息补全结果。
176.本实施例相对通过关键词触发或者鼠标一键发送预先配置的快捷信息，本技术通过所述信息补全模式对应的问诊话术库，迎合了医生话术习惯，满足了患者对个性化的需求；通过对所述第一问诊话术集进行坏召回结果删除处理，避免了坏的召回结果进入排序阶段，提高了确定的信息补全结果的准确性；通过响应信息补全信号以实时生成信息补全结果，使医生只需要输入部分信息即可自动进行信息补全，减少了医生输入的文本，有效的提高了问诊效率。
177.需要说明的是，上述关于计算机可读存储介质或计算机设备所能实现的功能或步骤，可对应参阅前述方法实施例中，服务端侧以及客户端侧的相关描述，为避免重复，这里不再一一描述。
178.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
179.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
180.以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应
包含在本发明的保护范围之内。

技术特征：
1.一种适用于问诊的信息补全方法，所述方法包括：基于预配置的信息补全模式，获取信息补全信号；根据所述信息补全信号对应的待补全医生信息，从所述信息补全模式对应的问诊话术库中搜索问诊话术，得到第一问诊话术集；根据所述待补全医生信息，对所述第一问诊话术集进行坏召回结果删除处理，得到第二问诊话术集；对所述第二问诊话术集进行排序，得到第三问诊话术集；根据所述第三问诊话术集中的排序最高的所述问诊话术，生成所述待补全医生信息对应的信息补全结果。2.根据权利要求1所述的适用于问诊的信息补全方法，其特征在于，所述基于预配置的信息补全模式，获取信息补全信号的步骤之前，还包括：获取模式配置请求；根据所述模式配置请求携带的模式配置数据，配置所述信息补全模式；其中，所述模式配置数据包括：话术库范围配置，所述话术库范围配置的取值范围包括：本人、同机构同科室和同科室。3.根据权利要求1所述的适用于问诊的信息补全方法，其特征在于，所述根据所述信息补全信号对应的待补全医生信息，从所述信息补全模式对应的问诊话术库中搜索问诊话术，得到第一问诊话术集的步骤，包括：对所述待补全医生信息进行分词，得到第一分词结果；对所述第一分词结果和所述信息补全模式对应的所述问诊话术库中的每个所述问诊话术对应的第二分词结果进行tf得分计算；将所述信息补全模式对应的所述问诊话术库中的所述tf得分最大的m个所述问诊话术作为所述第一问诊话术集；其中，所述第二分词结果是对所述问诊话术的话术索引进行分词得到的数据，所述话术索引是采用elasticsearch的索引构建方法对所述问诊话术的前k个文字进行索引构建得到的数据。4.根据权利要求1所述的适用于问诊的信息补全方法，其特征在于，所述根据所述待补全医生信息，对所述第一问诊话术集进行坏召回结果删除处理，得到第二问诊话术集的步骤，包括：基于动态规划方法，对所述待补全医生信息和所述第一问诊话术集中的每个所述问诊话术进行对齐，得到所述第一问诊话术集中的每个所述问诊话术对应的对齐文本及补全文本；根据所述待补全医生信息、各个所述对齐文本和各个所述补全文本，对所述第一问诊话术集进行坏召回结果删除处理；将完成删除处理的所述第一问诊话术集作为所述第二问诊话术集。5.根据权利要求4所述的适用于问诊的信息补全方法，其特征在于，所述基于动态规划方法，对所述待补全医生信息和所述第一问诊话术集中的每个所述问诊话术进行对齐，得到所述第一问诊话术集中的每个所述问诊话术对应的对齐文本及补全文本的步骤，包括：对所述待补全医生信息进行分词，得到第一分词结果；
对所述第一问诊话术集中的每个所述问诊话术进行忽略标点符号处理及分词处理，得到第三分词结果；基于动态规划方法和同义词属于相同词的原则，对所述第一分词结果和每个所述第三分词结果进行对齐，得到每个所述第三分词结果对应的所述对齐文本及所述补全文本。6.根据权利要求4所述的适用于问诊的信息补全方法，其特征在于，所述根据所述待补全医生信息、各个所述对齐文本和各个所述补全文本，对所述第一问诊话术集进行坏召回结果删除处理的步骤，包括：采用预设的相似度函数，对所述待补全医生信息和每个所述对齐文本进行相似度计算，得到候选相似度；将所述候选相似度大于预设相似度阈值的每个所述对齐文本对应的所述问诊话术，从所述第一问诊话术集中删除；将字数大于第一字数阈值的所述补全文本对应的所述问诊话术，从所述第一问诊话术集中删除；将字数小于第二字数阈值的所述补全文本对应的所述问诊话术，从所述第一问诊话术集中删除；其中，所述第二字数阈值小于所述第一字数阈值；所述相似度函数的计算公式sim为：sim＝q*x+p*jaccard_score(m,m
′
)x＝1-lvst_score(m,m
′
)/max(len(m),len(m
′
))q和p是常量，jaccard_score是所述待补全医生信息和所述对齐文本之间的杰卡德距离，m是所述待补全医生信息，m
′
是所述对齐文本，lvst_score是计算字符级别的编辑距离，max是计算最大值，len是计算字符长度。7.根据权利要求6所述的适用于问诊的信息补全方法，其特征在于，所述对所述第二问诊话术集进行排序，得到第三问诊话术集的步骤，包括：采用预设的排序模型，对所述第二问诊话术集进行排序，得到第三问诊话术集；其中，所述排序模型是基于预设的排序算法训练得到的模型，所述排序算法的计算公式rank为：rank＝a0+a1*sim+a2*log(freq)a0、a1和a2是训练得到的数据，sim是所述相似度函数，log是对数函数，freq是预设时间窗内所述问诊话术的使用次数。8.一种适用于问诊的信息补全装置，其特征在于，所述装置包括：信号获取模块，用于基于预配置的信息补全模式，获取信息补全信号；搜索模块，用于根据所述信息补全信号对应的待补全医生信息，从所述信息补全模式对应的问诊话术库中搜索问诊话术，得到第一问诊话术集；删除处理模块，用于根据所述待补全医生信息，对所述第一问诊话术集进行坏召回结果删除处理，得到第二问诊话术集；排序模块，用于对所述第二问诊话术集进行排序，得到第三问诊话术集；信息补全结果确定模块，用于根据所述第三问诊话术集中的排序最高的所述问诊话术，生成所述待补全医生信息对应的信息补全结果。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述适用于问诊的信息补全方法的步骤。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任一项所述适用于问诊的信息补全方法的步骤。

技术总结
本申请涉及人工智能及智慧医疗技术领域，揭示了一种适用于问诊的信息补全方法、装置、设备及介质，其中方法包括：基于预配置的信息补全模式，获取信息补全信号；根据所述信息补全信号对应的待补全医生信息，从所述信息补全模式对应的问诊话术库中搜索问诊话术，得到第一问诊话术集；根据所述待补全医生信息，对所述第一问诊话术集进行坏召回结果删除处理，得到第二问诊话术集；对所述第二问诊话术集进行排序，得到第三问诊话术集；根据所述第三问诊话术集中的排序最高的所述问诊话术，生成所述待补全医生信息对应的信息补全结果。从而满足了患者对个性化的需求，有效的提高了问诊效率。率。率。


技术研发人员：赵越
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2023.06.20
技术公布日：2023/9/20