一种基于跨会话用户维度的健康记忆智能管理方法与流程

本发明涉及人工智能对话系统，具体涉及一种基于跨会话用户维度的健康记忆智能管理方法及系统，适用于智能照护、养老评估、健康管理等应用场景。

背景技术：

1、随着人工智能技术的发展，ai对话助手在养老照护、健康管理等领域的应用日益广泛。然而，现有ai对话系统在健康信息管理方面存在以下技术问题：

2、第一，现有ai对话助手通常以会话（session）为维度管理上下文信息，当用户开启新对话或切换会话时，之前的健康信息（如用药记录、体征数据、症状描述等）即丢失，无法实现跨会话的信息累积和回顾。用户在多次对话中反复描述相同的健康信息，体验较差且容易遗漏关键信息。

3、第二，现有部分健康类ai助手采用档案级记忆方案，即用户需要主动上传病历、体检报告或通过智能设备同步数据来构建健康档案。此类方案存在以下不足：用户需要主动操作上传数据，使用门槛高；数据来源依赖外部设备或文档，无法从日常对话中自动获取；档案数据是结构化文档而非对话级事件，无法反映用户在对话中实时描述的健康状况变化。

4、第三，现有部分ai对话系统采用通用对话记忆方案，即使用语义向量相似度计算从历史对话中检索相关片段。此类方案存在以下不足：语义向量检索是基于语义相似度的概率匹配，可能检索到不相关的对话片段；缺乏对健康事件的分类管理，用药、体征、症状等信息混杂存储，无法按类别检索；提取的信息为对话片段而非结构化事件，缺乏时间、药物名称、体征数值等结构化字段。

5、第四，即使部分系统能够存储健康信息，也缺乏将历史健康事件作为上下文注入当前对话的机制，使ai回复无法参考用户的历史健康数据，降低了回复的针对性和准确性。

6、因此，亟需一种能够从用户自然语言对话中自动提取结构化健康事件、以用户维度跨会话累积存储、并在后续对话中自动注入为上下文的技术方案，且该方案应基于照护领域特定分类和规则匹配，而非通用语义向量检索。

技术实现思路

1、针对现有技术的不足，本发明提供一种基于跨会话用户维度的健康记忆智能管理方法及系统，实现了从用户自然语言消息中通过照护领域特定关键词库和规则匹配自动提取结构化健康事件、以用户标识为维度跨会话累积存储、并在后续对话中自动注入为上下文的技术方案。

2、本发明与现有技术的核心区别在于：健康事件提取基于照护领域八个特定类别的关键词库和正则表达式规则匹配，而非通用语义向量相似度检索；健康事件存储为主动从对话中提取的结构化事件（含时间、药物名称、体征数值），而非依赖用户手动上传的档案文档或设备同步数据；健康事件分类基于照护业务场景的实际需求（用药、体征、排泄、服务等八类），而非通用语义聚类。

3、本发明解决上述技术问题的技术方案如下：一种基于跨会话用户维度的健康记忆智能管理方法，包括以下步骤：s1：接收用户在对话交互中输入的自然语言消息；s2：将所述自然语言消息与照护领域健康事件关键词库进行确定性子串匹配，所述关键词库包括八个照护领域特定类别；s3：当匹配命中时，通过多模式正则表达式提取结构化健康事件信息；s4：将结构化健康事件信息存储至以用户标识为维度的健康记忆库中，独立于会话标识；s5：在后续对话处理中，从健康记忆库获取用户的最近若干条事件，格式化为上下文文本并注入系统提示词；s6：基于注入了健康记忆上下文的系统提示词，调用语言模型生成回复。

4、本发明的有益效果如下：

5、1）跨会话健康信息累积：通过以用户标识而非会话标识为维度存储健康事件，使用户在不同会话中产生的健康信息实现跨会话累积，无论开启多少次新对话，历史健康记忆始终可用。

6、2）自动结构化提取：通过八个照护领域特定类别的关键词库和多模式正则表达式，从用户自然语言消息中自动提取事件类型、时间、药物名称和体征数值等结构化信息，无需用户手动上传结构化数据或连接外部设备。

7、3）照护领域特定分类：健康事件分类基于照护业务场景的实际需求（用药、症状、体征、饮食、睡眠、运动、排泄、服务八类），而非通用语义聚类，使事件分类与照护服务和管理场景直接对应。

8、4）上下文智能注入：通过将历史健康事件格式化为上下文文本并注入系统提示词，使ai回复能够参考用户的历史用药、体征、症状等信息，提高回复的针对性和准确性。

9、5）安全隔离：通过临时替换和恢复系统提示词的机制，确保健康记忆数据不污染原始会话存储，保证数据隔离性。

1.一种基于跨会话用户维度的健康记忆智能管理方法，其特征在于，包括以下步骤：s1：接收用户在对话交互中输入的自然语言消息；s2：将所述自然语言消息与照护领域健康事件关键词库进行匹配，所述关键词库包括用药类、症状类、体征类、饮食类、睡眠类、运动类、排泄类和服务类共八个照护领域特定类别的关键词，所述匹配为逐词子串匹配而非语义向量相似度计算；s3：当匹配命中时，从所述自然语言消息中通过多模式正则表达式提取结构化健康事件信息，包括事件类型、时间信息、药物名称和体征数值，所述提取为基于规则的模式匹配而非基于机器学习的命名实体识别；s4：将所述结构化健康事件信息存储至以用户标识为维度的健康记忆库中，所述健康记忆库独立于会话标识，使同一用户在不同会话中的健康事件实现跨会话累积，所述存储为主动从对话中提取而非依赖用户手动上传或设备同步；s5：在后续对话处理中，从所述健康记忆库中获取所述用户的最近若干条健康事件，格式化为上下文文本并注入至语言模型的系统提示词中；s6：基于注入了健康记忆上下文的系统提示词，调用语言模型生成回复，使所述回复参考用户的历史健康信息。

2.根据权利要求1所述的方法，其特征在于，所述步骤s2中，关键词匹配采用逐词遍历方式，对八个照护领域特定类别的关键词列表分别进行子串匹配，命中任一关键词即将该类别标记为检测到的事件类型；同一消息可命中多个类别，形成多类型并存的健康事件。

3.根据权利要求1所述的方法，其特征在于，所述步骤s2中的八个照护领域特定类别区别于通用健康档案的档案级存储和通用对话记忆的语义向量存储：用药类包含口服药名、注射药名和外用药名关键词；体征类包含血压、血糖、体温、心率、血氧和体重关键词；排泄类包含排便和排尿相关关键词；服务类包含上门服务、预约和照护服务名称关键词；所述分类基于照护业务场景的实际需求而非通用语义聚类。

4.根据权利要求1所述的方法，其特征在于，所述步骤s3中，时间信息提取采用多种正则表达式模式，包括：带时段标识的时分格式、数字加点的格式、以及含「刚」字隐含当前时间的表达方式；提取到的时间以24小时制标准化存储。

5.根据权利要求1所述的方法，其特征在于，所述步骤s3中，药物名称提取采用多种正则表达式模式，包括：吃了或服了或用了加药名模式、打了加素或针模式、喷了加药名模式、贴了加膏药模式。

6.根据权利要求1所述的方法，其特征在于，所述步骤s3中，体征数值提取采用正则表达式匹配以下六种体征类型：血压采用数字斜杠数字格式、血糖采用数字格式、体温采用数字格式、心率采用数字格式、血氧采用数字格式、体重采用数字格式；提取时同时记录体征类型标识和原始数值字符串。

7.根据权利要求1所述的方法，其特征在于，所述步骤s4中，每个用户的健康事件存储数量上限为500条，当超过上限时自动截断保留最近500条事件；每条事件记录包含唯一标识、事件类型列表、原文摘要、时间、药物名称、体征数值、时间戳和日期。

8.根据权利要求1所述的方法，其特征在于，所述步骤s5中，上下文文本格式化包括：按日期降序分组，每组内按时间排序，每条事件显示事件类型标签、时间、原文内容和附加结构化信息，附加结构化信息包括药物名称标注和体征数值标注。

9.根据权利要求1所述的方法，其特征在于，所述步骤s5中，注入健康记忆上下文时，临时替换语言模型的系统提示词内容，在当前对话处理完成后恢复原始系统提示词，使健康记忆数据不污染原始会话存储。

10.根据权利要求1所述的方法，其特征在于，还包括输出安全过滤步骤：在调用语言模型之前，对用户消息进行内容边界检查，所述内容边界检查采用白名单优先放行、黑名单拦截和默认放行的三层机制；在语言模型输出后，对回复内容进行后处理，检测并纠正不合规的负面品牌信息。

11.根据权利要求1所述的方法，其特征在于，还包括用药定时提醒步骤：基于所述健康记忆库中存储的用药类健康事件，按预设规则生成用药提醒计划，并通过对话或消息推送至用户终端。

12.一种基于跨会话用户维度的健康记忆智能管理系统，其特征在于，包括：关键词匹配模块，用于将用户输入的自然语言消息与包含八个照护领域特定类别的健康事件关键词库进行确定性子串匹配；事件提取模块，用于从匹配命中的消息中通过多模式正则表达式提取结构化健康事件信息；用户维度存储模块，用于将结构化健康事件信息主动存储至以用户标识为维度的健康记忆库中，所述健康记忆库独立于会话标识；上下文注入模块，用于在后续对话处理中，从健康记忆库中获取用户的最近若干条健康事件，格式化为上下文文本并注入至语言模型的系统提示词中；对话管理模块，用于基于注入了健康记忆上下文的系统提示词，调用语言模型生成回复。

13.根据权利要求12所述的系统，其特征在于，还包括安全过滤模块，用于在调用语言模型之前对用户消息进行内容边界检查，以及在语言模型输出后对回复内容进行后处理。