医院科室推荐方法、装置、计算机设备及存储介质与流程

1.本发明涉及科室推荐方法，更具体地说是指医院科室推荐方法、装置、计算机设备及存储介质。


背景技术：

2.当前，在医院场景下，常用的智能自助终端包含以下功能：一是查询科室导航信息；二是挂号、加号、缴费、取报告，并不能进行导医推荐科室医生。用户就医时，可能会对病症及对应科室关系不了解，导致挂错科室而无法就医，使得就医不便。
3.因此，有必要设计一种新的方法，实现根据用户提供的语义信息推荐匹配的科室，提高就医便捷性。


技术实现要素：

4.本发明的目的在于克服现有技术的缺陷，提供医院科室推荐方法、装置、计算机设备及存储介质。
5.为实现上述目的，本发明采用以下技术方案：医院科室推荐方法，包括：
6.获取用户语音信息；
7.对所述用户语音信息进行语义识别，以得到识别结果；
8.判断所述识别结果是否是疾病或症状信息；
9.若所述识别结果是疾病或症状信息，则根据所述识别结果从医院场景知识图谱获取推荐科室；
10.判断所述推荐科室是否存在关联科室；
11.若所述推荐科室存在关联科室，则确定所述关联科室作为目标科室；
12.查询所述目标科室内的医生列表；
13.根据所述识别结果筛选所述医生列表内符合要求的医生信息；
14.发送所述医生信息至终端；
15.若所述推荐科室不存在关联科室，则确定所述推荐科室为目标科室，并执行所述查询所述目标科室内的医生列表。
16.其进一步技术方案为：所述判断所述识别结果是否是疾病或症状信息之后，还包括：
17.若所述识别结果不是疾病也不是症状信息，则判断所述识别结果是否是查询特定疾病的症状；
18.若所述识别结果是查询特定疾病的症状，则根据所述识别结果调取医院场景知识图谱中相关的临床表现信息；
19.发送所述临床表现信息至终端。
20.其进一步技术方案为：所述判断所述识别结果是否是查询特定疾病的症状之后，还包括：
21.若所述识别结果不是查询特定疾病的症状，则根据所述识别结果调取医院场景知识图谱中相关的疾病简介信息；
22.发送所述疾病简介信息至终端。
23.其进一步技术方案为：所述医院场景知识图谱包括疾病节点、疾病别名节点、描述节点、症状节点以及科室节点。
24.其进一步技术方案为：所述根据所述识别结果从医院场景知识图谱获取推荐科室，包括：
25.根据所述识别结果从医院场景知识图谱的疾病节点与科室节点、症状节点与科室节点之间的拓扑关系检索关联的科室，以得到推荐科室。
26.其进一步技术方案为：所述根据所述识别结果筛选所述医生列表内符合要求的医生信息，包括：
27.根据所述识别结果与所述医生列表中的医生专业和擅长领域信息进行相似度计算，以得到相似度值；
28.根据相似度值从高到低将对应的医生信息进行排序，以得到排序结果；
29.根据所述排序结果确定对应医生的繁忙程度；
30.按照繁忙程度以及排序结果确定符合要求的医生信息。
31.本发明还提供了医院科室推荐装置，包括：
32.语音信息获取单元，用于获取用户语音信息；
33.语义识别单元，用于对所述用户语音信息进行语义识别，以得到识别结果；
34.第一判断单元，用于判断所述识别结果是否是疾病或症状信息；
35.推荐科室获取单元，用于若所述识别结果是疾病或症状信息，则根据所述识别结果从医院场景知识图谱获取推荐科室；
36.关联科室判断单元，用于判断所述推荐科室是否存在关联科室；
37.第一确定单元，用于若所述推荐科室存在关联科室，则确定所述关联科室作为目标科室；
38.列表查询单元，用于查询所述目标科室内的医生列表；
39.筛选单元，用于根据所述识别结果筛选所述医生列表内符合要求的医生信息；
40.第一发送单元，用于发送所述医生信息至终端；
41.第二确定单元，用于若所述推荐科室不存在关联科室，则确定所述推荐科室为目标科室，并执行所述查询所述目标科室内的医生列表。
42.其进一步技术方案为：还包括：
43.第二判断单元，用于若所述识别结果不是疾病也不是症状信息，则判断所述识别结果是否是查询特定疾病的症状；
44.临床表现信息获取单元，用于若所述识别结果是查询特定疾病的症状，则根据所述识别结果调取医院场景知识图谱中相关的临床表现信息；
45.第二发送单元，用于发送所述临床表现信息至终端。
46.本发明还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
47.本发明还提供了一种存储介质，所述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的方法。
48.本发明与现有技术相比的有益效果是：本发明通过获取用户语音信息，并进行语义识别，据语音识别的结果，结合已训练后的医院场景知识图谱进行对应的查询，进行科室和医生的推荐或临床表现信息、简介信息等的推荐，并将结果发送至终端显示，以便于用户根据显示内容进行挂号，实现根据用户提供的语义信息推荐匹配的科室，提高就医便捷性。
49.下面结合附图和具体实施例对本发明作进一步描述。
附图说明
50.为了更清楚地说明本发明实施例技术方案，下面将对实施例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。
51.图1为本发明实施例提供的医院科室推荐方法的应用场景示意图；
52.图2为本发明实施例提供的医院科室推荐方法的流程示意图；
53.图3为本发明实施例提供的医院科室推荐方法的子流程示意图；
54.图4为本发明实施例提供的医院科室推荐装置的示意性框图；
55.图5为本发明实施例提供的医院科室推荐装置的筛选单元的示意性框图；
56.图6为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
57.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做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。
58.应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
59.还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
60.还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
61.请参阅图1和图2，图1为本发明实施例提供的医院科室推荐方法的应用场景示意图。图2为本发明实施例提供的医院科室推荐方法的示意性流程图。该医院科室推荐方法应用于服务器中。该服务器与终端进行数据交互，通过终端获取用户语音信息，对信息进行语义识别后，根据语音识别的结果，结合已训练后的医院场景知识图谱进行对应的查询，进行科室和医生的推荐或临床表现信息、简介信息等的推荐，并将结果发送至终端显示，以便于用户根据显示内容进行挂号等。
62.图2是本发明实施例提供的医院科室推荐方法的流程示意图。如图2所示，该方法包括以下步骤s110至s250。
63.s110、获取用户语音信息。
64.在本实施例中，用户语音信息是指用户对着终端发起的语音内容。该终端可以是移动终端，也可以是语音服务器等。
65.s120、对所述用户语音信息进行语义识别，以得到识别结果。
66.在本实施例中，识别结果是指用户语音信息的实际意图。
67.具体地，当用户和服务器进行语音交互时，该用户语音信息通过asr(自动语音识别技术，automatic speech recognition)转换为语义文本，由语义服务中的意图识别服务识别该语义文本的意图。当识别该语义意图为“导医指南”后，则触发“导医指南”模块，该模块以多轮对话的形式引导用户询问病症相关业务的问题。
68.s130、判断所述识别结果是否是疾病或症状信息。
69.在本实施例中，当用户在服务器上触发“导医指南”意图后，可进入“导医指南”界面。此时，服务器通过tts播报提示语：“我是您的导医小助手。您可简单描述症状，我为尽力为您推荐科室哦”，播报该提示语的目的是为了告知用户自己的能力，并引导用户进入对话。当用户直接说出疾病名称或疾病别名，如：新冠、我可能得了高血压、我怀疑自己得了新冠肺炎。或者是用户表达了自己的症状信息：如：我的头有点晕，这些内容识别的结果是疾病或症状信息。
70.s140、若所述识别结果是疾病或症状信息，则根据所述识别结果从医院场景知识图谱获取推荐科室。
71.在本实施例中，医院场景知识图谱包括疾病节点、疾病别名节点、描述节点、症状节点以及科室节点。将各个科室所能诊断和治疗的疾病、疾病别名、描述以及症状采用网状的形式，组合形成知识图谱。医院场景知识图谱是一个以结构化的方式存储实体节点及其之间节点关系的知识库，可以更好的组织、管理和理解医院场景下的医疗先验知识。医院场景下的知识图谱是作为推荐科室服务器的源数据库，整个知识图谱存储了“疾病”、“疾病别名”、“描述”、“症状”、“科室”五个数据节点，五个节点的数据达到四万多，节点之间的拓扑关系构成将近八万条。相关数据从wikipedia、百度百科、健康160，中国疾病网爬取。通过与用户交互获取用户导医需求，之后从知识图谱的节点和节点拓扑关系里检索出科室进行推荐。
72.推荐科室是指由医院场景知识图谱直接查询所得的科室。
73.具体地，根据所述识别结果从医院场景知识图谱的疾病节点与科室节点、症状节点与科室节点之间的拓扑关系检索关联的科室，以得到推荐科室。
74.将用户的咨询问题通过医院场景知识图谱先初步判断为“疾病”或“症状”，再通医院场景知识图谱中预训练的“疾病”—“科室”、“症状”—“科室”节点之间的拓扑关系属性检索推荐科室。
75.s150、判断所述推荐科室是否存在关联科室。
76.在本实施例中，因为知识图谱中通用的科室和特定医院的科室可能会存在偏差，因此医院可以按需配置通用科室和医院相关科室的映射关系。
77.s160、若所述推荐科室存在关联科室，则确定所述关联科室作为目标科室。
78.在本实施例中，目标科室是指最终推荐给用户的具体科室。
79.在获取推荐科室后，需要对该推荐科室所关联的科室进行确认，以提高科室推荐
的准确率。
80.如果检索到推荐科室对应的关联科室，则使用关联科室作为推荐科室；如果检索到的推荐科室没有对应的关联科室，则使用检索到的原始的推荐科室。
81.s170、查询所述目标科室内的医生列表。
82.在本实施例中，每个科室都有一张就诊医生的列表，该列表内囊括有医生的专业领域和擅长领域的信息、出诊时间以及预约时间等。
83.s180、根据所述识别结果筛选所述医生列表内符合要求的医生信息。
84.在本实施例中，医生信息包括科室名称、医生姓名以及可预约时间等内容。
85.在一实施例中，请参阅图3，上述的步骤s180可包括步骤s181～s184。
86.s181、根据所述识别结果与所述医生列表中的医生专业和擅长领域信息进行相似度计算，以得到相似度值。
87.在本实施例中，相似度值是指疾病或者症状信息与医生列表中的医生专业和擅长领域信息的接近程度。
88.可采用余弦相似度等相似度计算方式进行所述识别结果与所述医生列表中的医生专业和擅长领域信息的相似度计算。
89.s182、根据相似度值从高到低将对应的医生信息进行排序，以得到排序结果。
90.在本实施例中，排序结果是指医生信息按照相似度值从高到低的排序所得列表。
91.s183、根据所述排序结果确定对应医生的繁忙程度。
92.在本实施例中，可以根据医生的出诊时间和可预约时间进行繁忙程度的界定。
93.s184、按照繁忙程度以及排序结果确定符合要求的医生信息。
94.在本实施例中，对繁忙程度以及排序结果设置加权系数，按照加权求和的方式确定繁忙程度以及排序结果的综合结果，筛选出加权求和值最高的医生信息，由此形成符合要求的医生信息。
95.s190、发送所述医生信息至终端。
96.根据用户症状或疾病名称，与推荐科室中医生的专业与擅长领域信息进行相似度匹配，按照匹配度的高低对科室内医生进行排序。然后调用医院内部系统接口，获取科室内医生的繁忙程度(余号数量)，并结合上一步获取的医生排序，获取擅长信息匹配度最高，且余号数量最多的医生，推荐给用户，可以提高就医的效率和准确率。
97.s200、若所述推荐科室不存在关联科室，则确定所述推荐科室为目标科室，并执行所述查询所述目标科室内的医生列表。
98.举个例子：当用户直接说出疾病名称或疾病别名，如：新冠、我可能得了高血压、我怀疑自己得了新冠肺炎。服务器从用户语义中获取疾病信息，并查询知识图谱推荐科室。根据推荐科室查询平台配置的关联科室和科室医生列表，计算科室医生匹配度，再调用医院内部接口获取科室医生的实时余号数量，结合科室医生匹配度和余号数量为用户推荐科室医生。当用户表达了自己的症状信息：如：我的头有点晕；服务器从用户语义中提取到相关症状后，会追问用户获取更多的用户症状信息，并根据最终获取到的症状信息集去查询知识图谱，获取推荐科室；根据推荐科室查询平台配置的关联科室和科室医生列表，计算科室医生匹配度，再调用医院内部接口获取科室医生的实时余号数量，结合科室医生匹配度和余号数量为用户推荐科室医生。
99.s210、若所述识别结果不是疾病也不是症状信息，则判断所述识别结果是否是查询特定疾病的症状。
100.在本实施例中，当用户直接询问特定疾病的症状，如：高血压都有哪些症状？则所述识别结果是查询特定疾病的症状。
101.s220、若所述识别结果是查询特定疾病的症状，则根据所述识别结果调取医院场景知识图谱中相关的临床表现信息。
102.在本实施例中，临床表现信息是指特定疾病的所有症状的介绍内容。
103.s230、发送所述临床表现信息至终端。
104.当用户直接询问特定疾病的症状，如：高血压都有哪些症状？服务器会从用户语义中提取到相关疾病名称和“查询疾病症状”意图后，会根据疾病名称从医院场景知识图谱中获取该疾病的主要临床表现。
105.s240、若所述识别结果不是查询特定疾病的症状，则根据所述识别结果调取医院场景知识图谱中相关的疾病简介信息。
106.在本实施例中，疾病简介信息是指特定疾病的介绍信息。
107.s250、发送所述疾病简介信息至终端。
108.当用户直接询问特定疾病的介绍信息。如：高血压是个什么病？服务器从用户语义中提取到相关疾病名称和“介绍疾病”意图后，会根据疾病名称从医院场景知识图谱中获取该疾病的简介信息。
109.举个例子：当用户直接说出疾病名称或疾病别名时，终端将用户对话输入去请求知识图谱数据分类接口，该接口可识别并区分3种数据，分别为：症状、疾病名称、疾病别名。如果通过该接口得到疾病名称或疾病别名，则直接通过医院场景知识图谱的“疾病别名”和“疾病”、“疾病”和“科室”的节点关系获取到疾病对应的科室信息作为推荐科室结果返回至终端，如：我可能得了高血压。终端请求医院场景知识图谱数据分类接口，医院场景知识图谱数据分类接口识别该请求中的“高血压”为疾病，并查询医院场景知识图谱的“高血压”和“科室”的节点关系得到{“疾病”：“高血压”，“科室”：“心内科”}，医院场景知识图谱将“心内科”作为推荐科室。若查询平台配置“心内科”的关联科室为“心血管内科”，则将“心血管内科”作为推荐科室；若未查询到“心内科”的关联科室，则将“心内科”作为推荐科室。再通过医院后台获取推荐科室的医生列表为[{姓名：“王xx”，性别：“男”，职务：“主任医师”，擅长：“擅长对心功能衰竭、心肌炎、心肌病等疾病的诊治”}，{姓名：“李xx”，性别：“男”，职务：“副主任医师”，擅长：“擅长高血压、冠心病、心率失常等心血管等疾病的诊治”}]。将用户描述的疾病“高血压”医生列表的擅长领域信息进行相似度匹配排序得到[“李xx”，“王xx”]，然后调用医院内部系统接口，获取排序后医生列表的余号数量得到[{姓名：“李xx”，余号数量：3}，{姓名：“王xx”，余号数量：5}]，则最终将“李xx”医生推荐给用户。
[0110]
当用户表达了自己的症状信息时，服务器从用户对话中提取到相关症状信息，具体通过bm25检索算法对医院场景知识图谱中的症状集进行检索匹配，如：用户说：“我的头有点晕”，服务器请求医院场景知识图谱数据分类接口会识别到用户该句输入是在描述症状，则将该症状添加至会话管理症状集，同时增加症状的会话状态计数标志位。且终端反问用户：“请问您还有其他症状吗”，引导用户补充症状以期获取更多症状信息为用户更精准地推荐科室，因为仅靠一个症状信息在绝大多数情况下是无法很好的达到推荐科室的目
的。
[0111]
在此反问后，用户可能有以下2种回答方式：一是用户表达无症状提供了；二是用户继续补充和描述症状。当用户表达无症状时，服务器则根据当前会话管理收集到的用户症状信息去请求医院场景知识图谱接口获取症状对应科室进行推荐科室。当用户继续补充和描述症状后，则服务器继续提取相关症状信息，将该症状信息添加至会话管理症状集，增加症状的会话状态计数标志位。此时是第二次收集用户症状信息。收集完毕后，终端会最后反问用户：“好的，请问您最后还有什么症状需要补充吗”。此时，用户仍然可能存在以上2种回答方式。当用户表达无症状时，服务器则根据当前会话管理收集到的用户症状集去请求医院场景知识图谱接口获取对应科室进行科室推荐；如果用户继续补充和描述症状后，则服务器继续从该语义中提取相关症状信息，将该症状信息添加至会话管理症状集，此时症状的会话状态计数标志位已达到3次，服务器将获取到的会话管理症状集请求医院场景知识图谱数据接口进行推荐科室。根据推荐科室查询平台配置的关联科室和科室医生列表，计算科室医生匹配度，再调用医院内部接口获取科室医生的实时余号数量，结合科室医生匹配度和余号数量为用户推荐科室医生。
[0112]
当用户直接询问特定疾病的症状，如：高血压有哪些症状：服务器从用户语义中识别到“查询疾病症状”意图时，直接从用户语义中获取到疾病名称和对应意图，将疾病名称传入医院场景知识图谱，并从中获取到疾病的症状属性信息；若没有识别到“查询疾病症状”意图，则请求医院场景知识图谱数据分类接口，该接口会将“高血压”识别为疾病名称，并通过医院场景知识图谱的触发词进行判断，得知用户需要询问特定疾病的症状，然后将该疾病名称传入知识图谱，从中获取到疾病节点的症状属性信息。如：我可能得了高血压，知识图谱数据分类接口识别到疾病“高血压”和询问疾病症状，知识图谱会查询得到{“疾病”：“高血压”，“症状”：“血压高，重压感，紧箍感，神经性呕吐，眼花，头晕目眩，颈部搏动，心脏主动脉瓣返流，头晕，乏力”}，服务器将疾病的症状信息回复给用户。
[0113]
当用户直接询问特定疾病的介绍信息，如：介绍一下新冠肺炎，服务器从用户语义中识别到“介绍疾病”意图时，直接从用户语义中获取到疾病名称和对应意图，将疾病名称传入医院场景知识图谱，并从中获取到疾病的描述属性信息；若没有识别到“介绍疾病”意图，则请求医院场景知识图谱数据分类接口，该接口会将“新冠肺炎”识别为疾病名称，并通过医院场景知识图谱的触发词进行判断，得知用户需要介绍疾病，然后将该疾病名称传入知识图谱，从中获取到疾病节点的描述属性信息。如：介绍一下新冠肺炎，医院场景知识图谱数据分类接口识别到疾病“新冠肺炎”和介绍疾病，医院场景知识图谱会查询得到{“疾病”：“新冠肺炎”，“描述"：“新型冠状病毒感染的肺炎是一种急性感染性肺炎，其病原体是一种先前未在人类中发现的新型冠状病毒，即2019新型冠状病毒(2019novel coronavirus，2019-ncov)。患者初始症状多为发热、干咳、乏力，并逐渐出现呼吸困难等严重表现。”}，服务器将疾病的描述信息回复给用户。
[0114]
本实施例的方法将语义服务和知识图谱相结合，通过引导用户提供相关症状或疾病信息，并利用知识图谱中症状、疾病、科室之间的关系节点的知识库推荐科室，再结合医院平台系统为用户智能推荐科室医生，可以让医院场景的服务机器人更好的完成导医工作，有效降低医院导医工作人员负担，提高了用户导医问询的效率和服务体验，也增加了机器人在该场景下的实用性和用户粘性，提高了服务机器人在医院场景下的使用价值。
[0115]
上述的医院科室推荐方法，通过获取用户语音信息，并进行语义识别，据语音识别的结果，结合已训练后的医院场景知识图谱进行对应的查询，进行科室和医生的推荐或临床表现信息、简介信息等的推荐，并将结果发送至终端显示，以便于用户根据显示内容进行挂号等，实现根据用户提供的语义信息推荐匹配的科室，提高就医便捷性。
[0116]
图4是本发明实施例提供的一种医院科室推荐装置300的示意性框图。如图4所示，对应于以上医院科室推荐方法，本发明还提供一种医院科室推荐装置300。该医院科室推荐装置300包括用于执行上述医院科室推荐方法的单元，该装置可以被配置于服务器中。具体地，请参阅图4，该医院科室推荐装置300包括语音信息获取单元301、语义识别单元302、第一判断单元303、推荐科室获取单元304、关联科室判断单元305、第一确定单元306、列表查询单元307、筛选单元308、第一发送单元309、第二确定单元310、第二判断单元311、临床表现信息获取单元312、第二发送单元313、简介信息获取单元314以及第三发送单元315。
[0117]
语音信息获取单元301，用于获取用户语音信息；语义识别单元302，用于对所述用户语音信息进行语义识别，以得到识别结果；第一判断单元303，用于判断所述识别结果是否是疾病或症状信息；推荐科室获取单元304，用于若所述识别结果是疾病或症状信息，则根据所述识别结果从医院场景知识图谱获取推荐科室；关联科室判断单元305，用于判断所述推荐科室是否存在关联科室；第一确定单元306，用于若所述推荐科室存在关联科室，则确定所述关联科室作为目标科室；列表查询单元307，用于查询所述目标科室内的医生列表；筛选单元308，用于根据所述识别结果筛选所述医生列表内符合要求的医生信息；第一发送单元309，用于发送所述医生信息至终端；第二确定单元310，用于若所述推荐科室不存在关联科室，则确定所述推荐科室为目标科室，并执行所述查询所述目标科室内的医生列表；第二判断单元311，用于若所述识别结果不是疾病也不是症状信息，则判断所述识别结果是否是查询特定疾病的症状；临床表现信息获取单元312，用于若所述识别结果是查询特定疾病的症状，则根据所述识别结果调取医院场景知识图谱中相关的临床表现信息；第二发送单元313，用于发送所述临床表现信息至终端。简介信息获取单元314，用于若所述识别结果不是查询特定疾病的症状，则根据所述识别结果调取医院场景知识图谱中相关的疾病简介信息；第三发送单元315，用于发送所述疾病简介信息至终端。
[0118]
在一实施例中，所述推荐科室获取单元304，用于根据所述识别结果从医院场景知识图谱的疾病节点与科室节点、症状节点与科室节点之间的拓扑关系检索关联的科室，以得到推荐科室。
[0119]
在一实施例中，如图5所示，所述筛选单元308包括相似度计算子单元3081、排序子单元3082、繁忙程度确定子单元3083以及医生信息确定子单元3084。
[0120]
相似度计算子单元3081，用于根据所述识别结果与所述医生列表中的医生专业和擅长领域信息进行相似度计算，以得到相似度值；排序子单元3082，用于根据相似度值从高到低将对应的医生信息进行排序，以得到排序结果；繁忙程度确定子单元3083，用于根据所述排序结果确定对应医生的繁忙程度；医生信息确定子单元3084，用于按照繁忙程度以及排序结果确定符合要求的医生信息。
[0121]
需要说明的是，所属领域的技术人员可以清楚地了解到，上述医院科室推荐装置300和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
[0122]
上述医院科室推荐装置300可以实现为一种计算机程序的形式，该计算机程序可以在如图6所示的计算机设备上运行。
[0123]
请参阅图6，图6是本技术实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器，其中，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。
[0124]
参阅图6，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。
[0125]
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令，该程序指令被执行时，可使得处理器502执行一种医院科室推荐方法。
[0126]
该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运行。
[0127]
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行一种医院科室推荐方法。
[0128]
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解，图6中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0129]
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现如下步骤：
[0130]
获取用户语音信息；对所述用户语音信息进行语义识别，以得到识别结果；判断所述识别结果是否是疾病或症状信息；若所述识别结果是疾病或症状信息，则根据所述识别结果从医院场景知识图谱获取推荐科室；判断所述推荐科室是否存在关联科室；若所述推荐科室存在关联科室，则确定所述关联科室作为目标科室；查询所述目标科室内的医生列表；根据所述识别结果筛选所述医生列表内符合要求的医生信息；发送所述医生信息至终端；若所述推荐科室不存在关联科室，则确定所述推荐科室为目标科室，并执行所述查询所述目标科室内的医生列表。
[0131]
其中，所述医院场景知识图谱包括疾病节点、疾病别名节点、描述节点、症状节点以及科室节点。
[0132]
在一实施例中，处理器502在实现所述判断所述识别结果是否是疾病或症状信息步骤之后，还实现如下步骤：
[0133]
若所述识别结果不是疾病也不是症状信息，则判断所述识别结果是否是查询特定疾病的症状；若所述识别结果是查询特定疾病的症状，则根据所述识别结果调取医院场景知识图谱中相关的临床表现信息；发送所述临床表现信息至终端。
[0134]
在一实施例中，处理器502在实现所述判断所述识别结果是否是查询特定疾病的症状步骤之后，还实现如下步骤：
[0135]
若所述识别结果不是查询特定疾病的症状，则根据所述识别结果调取医院场景知识图谱中相关的疾病简介信息；发送所述疾病简介信息至终端。
[0136]
在一实施例中，处理器502在实现所述根据所述识别结果从医院场景知识图谱获取推荐科室步骤时，具体实现如下步骤：
[0137]
根据所述识别结果从医院场景知识图谱的疾病节点与科室节点、症状节点与科室
节点之间的拓扑关系检索关联的科室，以得到推荐科室。
[0138]
在一实施例中，处理器502在实现所述根据所述识别结果筛选所述医生列表内符合要求的医生信息步骤时，具体实现如下步骤：
[0139]
根据所述识别结果与所述医生列表中的医生专业和擅长领域信息进行相似度计算，以得到相似度值；根据相似度值从高到低将对应的医生信息进行排序，以得到排序结果；根据所述排序结果确定对应医生的繁忙程度；按照繁忙程度以及排序结果确定符合要求的医生信息。
[0140]
应当理解，在本技术实施例中，处理器502可以是中央处理单元(central processing unit，cpu)，该处理器502还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0141]
本领域普通技术人员可以理解的是实现上述实施例的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。该计算机程序包括程序指令，计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
[0142]
因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序，其中该计算机程序被处理器执行时使处理器执行如下步骤：
[0143]
判断所述识别结果是否是疾病或症状信息；若所述识别结果是疾病或症状信息，则根据所述识别结果从医院场景知识图谱获取推荐科室；判断所述推荐科室是否存在关联科室；若所述推荐科室存在关联科室，则确定所述关联科室作为目标科室；查询所述目标科室内的医生列表；根据所述识别结果筛选所述医生列表内符合要求的医生信息；发送所述医生信息至终端；若所述推荐科室不存在关联科室，则确定所述推荐科室为目标科室，并执行所述查询所述目标科室内的医生列表。
[0144]
其中，所述医院场景知识图谱包括疾病节点、疾病别名节点、描述节点、症状节点以及科室节点。
[0145]
在一实施例中，所述处理器在执行所述计算机程序而实现所述判断所述识别结果是否是疾病或症状信息步骤之后，还实现如下步骤：
[0146]
若所述识别结果不是疾病也不是症状信息，则判断所述识别结果是否是查询特定疾病的症状；若所述识别结果是查询特定疾病的症状，则根据所述识别结果调取医院场景知识图谱中相关的临床表现信息；发送所述临床表现信息至终端。
[0147]
在一实施例中，所述处理器在执行所述计算机程序而实现所述判断所述识别结果是否是查询特定疾病的症状步骤之后，还实现如下步骤：
[0148]
若所述识别结果不是查询特定疾病的症状，则根据所述识别结果调取医院场景知识图谱中相关的疾病简介信息；发送所述疾病简介信息至终端。
[0149]
在一实施例中，所述处理器在执行所述计算机程序而实现所述根据所述识别结果从医院场景知识图谱获取推荐科室步骤时，具体实现如下步骤：
[0150]
据所述识别结果从医院场景知识图谱的疾病节点与科室节点、症状节点与科室节
点之间的拓扑关系检索关联的科室，以得到推荐科室。
[0151]
在一实施例中，所述处理器在执行所述计算机程序而实现所述根据所述识别结果筛选所述医生列表内符合要求的医生信息步骤时，具体实现如下步骤：
[0152]
根据所述识别结果与所述医生列表中的医生专业和擅长领域信息进行相似度计算，以得到相似度值；根据相似度值从高到低将对应的医生信息进行排序，以得到排序结果；根据所述排序结果确定对应医生的繁忙程度；按照繁忙程度以及排序结果确定符合要求的医生信息。
[0153]
所述存储介质可以是u盘、移动硬盘、只读存储器(read-only memory，rom)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
[0154]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0155]
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
[0156]
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。
[0157]
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
[0158]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。