基于人工智能的虚拟患者病理化风格文本动态生成方法与流程

摘要: 本申请涉及人工智能及医疗教育,尤其涉及基于人工智能的虚拟患者病理化风格文本动态生成方法。背景技术:1、现有的医患沟通训练及评价主要依赖于以大语言模型为核心的虚拟...
基于人工智能的虚拟患者病理化风格文本动态生成方法与流程

本申请涉及人工智能及医疗教育,尤其涉及基于人工智能的虚拟患者病理化风格文本动态生成方法。

背景技术:

1、现有的医患沟通训练及评价主要依赖于以大语言模型为核心的虚拟患者,通过配置角色数据来模拟不同的患者。通常是根据不同的患者病例,依据患者的人文属性、性格特征等构建虚拟患者的情感倾向、语气风格,通过大语言模型生成虚拟患者的语义数据、语音数据,进而模拟医生与患者的医患沟通场景,但是现有的医患沟通系统主要是针对虚拟患者的语气、音调、情感倾向、方言等方面的构建,缺少具有语言系统疾病虚拟患者的构建,如失语症患者可能出现的语言交流能力障碍,呈现不能完整表达、或呈短语化、片段化表达,以及命名性失语症状显现的忘词表现等不同的病理化风格文本的语言输出。

2、失语症患者语言表达、理解等方面存在多种症状,主要包括典型症状和其他症状,其中,典型症状主要包括broca失语、wernicke失语、传导性失语、经皮质运动性失语、经皮质感觉性失语、经皮质混合性失语,其他症状包括命名性失语、轻度失语、记忆缺失性失语症等,不同类型的失语症症状表现有所差异,如broca失语症、轻度失语症均可呈现电报式语言,但其他表现有差异,具体为,broca失语症表现为口语表达障碍突出,谈话呈非流利型、电报式语言;口语理解相对保留,对单词和简单陈述句理解正常,句式结构复杂时出现困难;复述、命名、阅读和书写均有不同程度损害;轻度失语症表现为语言重复症,类似于电报式语言,说出一个词或音节之后,会不由自主地重复;患者仍然具有写字和默诵的能力。

3、现有虚拟患者的构建方式中,利用大语言模型,通过构建与病理相关的提示词工程架构来实现虚拟患者的语言交互,但是,包括但不限于以上描述的各类失语症,其表现有相似也有差异,在现有技术的基础上,在同一架构下通过设置提示词构建不同病理特征的各类失语症的虚拟患者,很容易产生各类失语症状病理化语言输出表现的融合、干扰,造成各类症状的表现区分不明显或难以区分。

4、因此,如何为虚拟患者提供不同病理化风格文本是本申请要解决的问题。

技术实现思路

1、为了解决上述问题,本申请提供了基于人工智能的虚拟患者病理化风格文本动态生成方法,包括以下步骤:

2、s1,获取初始文本,将初始文本切分为独立的句子序列;

3、s2,将每个句子切分为最小词元的词序列,在词序列的每个位置处构建上下文特征向量,所述上下文特征向量包括词元信息、位置信息、上下文信息向量;

4、s3,基于所述上下文特征向量,对词序列中的每个词元进行词性识别、句法角色识别,获得每个词元的词性信息、角色信息;

5、s4,获取虚拟患者的病理信息,基于预先构建的病理类别与文本动态规则类别的映射关系,选择对应的文本动态规则类别执行相应的动态调整,生成病理化风格文本。

6、进一步的,步骤s4,包括:

7、s41,构建文本动态规则集,所述文本动态规则使用数据结构表示:{条件,词元实体,处理操作};

8、s42,获取虚拟患者的病理类别,基于预先构建的病理类别与文本动态规则的映射关系,获得当前病理类别的文本动态规则集合;

9、s43,响应于随机数,执行当前文本动态规则集合中的各文本动态规则,生成当前病理类别的病理化风格文本。

10、进一步的,步骤s41中,所述处理操作至少包括保留、删除、替换、重复、顺序打乱、增加中的一种。

11、进一步的,步骤s41中,还包括构建语料集,用于进行所述处理操作时提供语料支持。

12、进一步的,步骤s42中,获得当前病理类别的文本动态规则集合之后,还包括:对当前文本动态规则集合中各文本动态规则进行冲突校验,若存在冲突关系,对当前存在冲突关系的各文本动态规则与当前病理类别进行关联度判断,保留关联度最高的文本动态规则,删除当前文本动态规则集合与其存在冲突关系的文本动态规则。

13、进一步的,对当前文本动态规则集合中各文本动态规则进行冲突校验,包括:

14、遍历各词元实体,筛选各词元实体在当前文本动态规则集合中所对应的处理操作集合;

15、若处理操作集合中处理操作的数量大于1,表示该词元实体存在处理操作冲突关系,标记存在处理操作冲突关系的各文本动态规则存在冲突关系;

16、若处理操作的数量小于或等于1,表示该词元实体不存在处理操作冲突关系,标记当前各文本动态规则不存在冲突关系。

17、进一步的,所述词元实体包括词元信息、位置信息、词性信息、角色信息。

18、本申请的有益效果是:

19、本申请提供了一种基于人工智能的虚拟患者病理化风格文本动态生成方法,引入文本动态规则,通过病例中虚拟患者的病理特征匹配相应的文本动态规则,可以生成不同病理化风格文本,提升了用户的交互体验,降低了基于大语音模型下不同病理构建提示词框架下的提示词干扰,减少了开发成本。

1.基于人工智能的虚拟患者病理化风格文本动态生成方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于人工智能的虚拟患者病理化风格文本动态生成方法,其特征在于,步骤s41中,所述处理操作至少包括保留、删除、替换、重复、顺序打乱、增加中的一种。

3.根据权利要求1所述的基于人工智能的虚拟患者病理化风格文本动态生成方法,其特征在于,步骤s41中,还包括构建语料集,用于进行所述处理操作时提供语料支持。

4.根据权利要求1所述的基于人工智能的虚拟患者病理化风格文本动态生成方法,其特征在于,步骤s42中,获得当前病理类别的文本动态规则集合之后,还包括:对当前文本动态规则集合中各文本动态规则进行冲突校验,若存在冲突关系,对当前存在冲突关系的各文本动态规则与当前病理类别进行关联度判断,保留关联度最高的文本动态规则,删除当前文本动态规则集合与其存在冲突关系的文本动态规则。

5.根据权利要求4所述的基于人工智能的虚拟患者病理化风格文本动态生成方法,其特征在于,对当前文本动态规则集合中各文本动态规则进行冲突校验,包括:

6.根据权利要求1至5任一项所述的基于人工智能的虚拟患者病理化风格文本动态生成方法,其特征在于,所述词元实体包括词元信息、位置信息、词性信息、角色信息。