多维语义路由的推理方法、装置、电子设备及存储介质

摘要: 本申请涉及计算机,尤其涉及一种多维语义路由的推理方法、装置、电子设备及存储介质。背景技术:1、近年来,人工智能技术的不断发展和进步,给人们的生活带来了很大的便利...
多维语义路由的推理方法、装置、电子设备及存储介质

本申请涉及计算机,尤其涉及一种多维语义路由的推理方法、装置、电子设备及存储介质。

背景技术:

1、近年来,人工智能技术的不断发展和进步,给人们的生活带来了很大的便利。其中,基于人工智能技术的大语言模型的应用尤为广泛,例如应用在各类聊天机器人、智能助手以及各类内容生成产品中,大语言模型的广泛应用提升了人们在多个领域的知识获取的体验。

2、医疗垂直领域以构建智能问答系统成为了当前的研究热点,现有的问答系统可以将非结构化医学长文本转化为可计算拓扑网络,再基于可计算拓扑网络生成相应的答复,但是,目前的问答结果准确性不足。

技术实现思路

1、本申请的主要目的在于提出一种多维语义路由的推理方法、装置、电子设备及存储介质,用于提高问答结果准确性。

2、为实现上述目的,本申请一方面提出了一种多维语义路由的推理方法,包括:

3、获取多源的医疗文本数据,并对医疗文本数据进行拆解,得到医疗原子命题集合,医疗原子命题集合包括多个医疗原子命题,医疗原子命题为单一事实且无歧义的事实单元;

4、对多个医疗原子命题进行多标签分类,并基于分类结果将多个医疗原子命题分发至预设的多个标签维度桶中;

5、对各个标签维度桶中的医疗原子命题提取医疗实体和带逻辑阈值属性的拓扑边,并基于医疗实体、拓扑边和逻辑阈值属性构建节点拓扑网络,节点拓扑网络包括各个医疗原子命题的数据来源类型对应的各个拓扑子网;

6、获取检索请求,并基于检索请求从多个拓扑子网中匹配目标拓扑子网;

7、基于节点相似度,将目标拓扑子网与其他拓扑子网的节点进行合并,得到跨类型拓扑网络,并基于跨类型拓扑网络对检索请求进行多跳推理。

8、可选地,一种实施方式中,基于医疗实体、拓扑边和逻辑阈值属性构建节点拓扑网络,包括:

9、确定医疗原子命题对应的数据来源类型;

10、基于每个数据来源类型对应的医疗实体、拓扑边和逻辑阈值属性构建拓扑子网;

11、基于各个拓扑子网构建医疗文本数据对应的节点拓扑网络。

12、可选地,一种实施方式中,数据来源类型包括病历、指南或术语中的任一项,各个拓扑子网包括病历拓扑子网、指南拓扑子网和术语拓扑子网,基于检索请求从多个拓扑子网中匹配目标拓扑子网,包括:

13、基于检索请求确定目标患者,并从病历拓扑子网中确定目标患者对应的目标病历拓扑子网;

14、基于节点相似度,将目标拓扑子网与其他拓扑子网的节点进行合并,得到跨类型拓扑网络,包括:

15、基于节点相似度,将目标病历拓扑子网与指南拓扑子网以及术语拓扑子网的节点进行合并,得到跨类型拓扑网络。

16、可选地,一种实施方式中,基于跨类型拓扑网络对检索请求进行多跳推理,包括:

17、基于检索请求从跨类型拓扑网络中的目标病历拓扑子网中查询病情信息;

18、基于跨类型拓扑网络跳转到指南拓扑子网查询病情信息对应的指南信息;

19、基于跨类型拓扑网络跳转到目标病历拓扑子网查询指南信息对应的病史信息,以及跳转到术语拓扑子网查询指南信息对应的药物禁忌信息;

20、基于病情信息、指南信息、病史信息和药物禁忌信息得到多跳推理结果。

21、可选地,一种实施方式中,对各个标签维度桶中的医疗原子命题提取医疗实体和带逻辑阈值属性的拓扑边,包括:

22、对各个标签维度桶中的医疗原子命题进行语义解析,并基于解析结果进行归类,得到各个医疗实体;

23、基于医疗实体之间的语义关联关系构建拓扑边,并基于拓扑边对应的医疗实体在医疗原子命题中的指标数据确定逻辑阈值属性。

24、可选地,一种实施方式中,对多个医疗原子命题进行多标签分类,并基于分类结果将多个医疗原子命题分发至预设的多个标签维度桶中,包括:

25、获取预设置的多个业务维度标签,并为每个业务维度标签配置对应的标签维度桶;

26、对各个医疗原子命题进行语义识别,并基于识别结果确定每个医疗原子命题对应的一项或多项业务维度标签;

27、基于每个医疗原子命题对应的业务维度标签,将将多个医疗原子命题分发至标签维度桶中。

28、可选地,一种实施方式中,对医疗文本数据进行拆解,得到医疗原子命题集合,包括:

29、确定医疗文本数据中的复合文本,并按照语义约束对复合文本进行配对拆分,得到单一主语事实的多个医疗原子命题;

30、基于多个医疗原子命题生成医疗原子命题集合。

31、本申请另一方面提供一种多维语义路由的推理装置,包括:

32、拆解单元,用于获取多源的医疗文本数据,并对医疗文本数据进行拆解,得到医疗原子命题集合,医疗原子命题集合包括多个医疗原子命题,医疗原子命题为单一事实且无歧义的事实单元;

33、分类单元,用于对多个医疗原子命题进行多标签分类,并基于分类结果将多个医疗原子命题分发至预设的多个标签维度桶中;

34、构建单元,用于对各个标签维度桶中的医疗原子命题提取医疗实体和带逻辑阈值属性的拓扑边,并基于医疗实体、拓扑边和逻辑阈值属性构建节点拓扑网络,节点拓扑网络包括各个医疗原子命题的数据来源类型对应的各个拓扑子网;

35、匹配单元,用于获取检索请求,并基于检索请求从多个拓扑子网中匹配目标拓扑子网;

36、推理单元,用于基于节点相似度,将目标拓扑子网与其他拓扑子网的节点进行合并,得到跨类型拓扑网络,并基于跨类型拓扑网络对检索请求进行多跳推理。

37、本申请的另一方面提供了一种电子设备,包括:

38、存储器、收发器、处理器以及总线系统;

39、其中,存储器用于存储程序;

40、处理器用于执行存储器中的程序,包括执行上述各方面的方法;

41、总线系统用于连接存储器以及处理器,以使存储器以及处理器进行通信。

42、本申请的另一方面提供了一种计算机可读存储介质,计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述各方面的方法。

43、从以上技术方案可以看出,本申请实施例具有以下优点:

44、该方法通过先对多源医疗文本拆解生成仅承载单一无歧义事实的医疗原子命题集合,将医学事实精细化规整拆分,再按照多标签分类将原子命题归入对应标签维度桶,在各维度桶内提取医疗实体与挂载逻辑阈值属性的拓扑边,可以缩小单次抽取的数据遍历范围,汇总归属同一数据来源类型下的语义标签维度桶内部提取完成的实体、拓扑边整体构建拓扑子网,从而得到完整的节点拓扑网络。在接收到检索请求后定向匹配目标拓扑子网,再通过节点相似度完成跨子网节点融合形成跨类型拓扑网络开展多跳推理,使得问答推理过程可联动不同数据来源类型的数据,整体提升医疗问答结果准确性。

1.一种多维语义路由的推理方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述基于所述医疗实体、所述拓扑边和所述逻辑阈值属性构建节点拓扑网络,包括:

3.根据权利要求1所述的方法,其特征在于,所述数据来源类型包括病历、指南或术语中的任一项,所述各个拓扑子网包括病历拓扑子网、指南拓扑子网和术语拓扑子网,所述基于所述检索请求从多个所述拓扑子网中匹配目标拓扑子网,包括:

4.根据权利要求3所述的方法,其特征在于,所述基于所述跨类型拓扑网络对所述检索请求进行多跳推理,包括:

5.根据权利要求1所述的方法,其特征在于,所述对各个标签维度桶中的医疗原子命题提取医疗实体和带逻辑阈值属性的拓扑边,包括:

6.根据权利要求1所述的方法,其特征在于,所述对所述多个医疗原子命题进行多标签分类,并基于分类结果将所述多个医疗原子命题分发至预设的多个标签维度桶中,包括:

7.根据权利要求1所述的方法,其特征在于,所述对所述医疗文本数据进行拆解,得到医疗原子命题集合,包括:

8.一种多维语义路由的推理装置,其特征在于,包括:

9.一种电子设备,其特征在于,包括:存储器、收发器、处理器以及总线系统;

10.一种计算机可读存储介质,其特征在于,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1至7中任一项所述的方法。