基于人机交互的文本推荐方法、存储介质及电子设备与流程

1.本发明属于文本匹配的技术领域，涉及一种文本推荐方法，特别是涉及一种基于人机交互的文本推荐方法、存储介质及电子设备。


背景技术：

2.在医疗信息化领域，数据治理是一项极为重要的工作。而建立从源信息(治理前数据)到目标信息(治理后数据)的映射关系是其中的重要环节。其中，映射关系的建立是根据文本信息的匹配。
3.为了顺利完成以上大量的文本匹配的生产工作，目前主流的方式有两种：纯人工比对和使用正则表达式等工具或自然语言处理等算法。
4.其中，纯人工比对是指人工比对源数据与目标数据，将合适目标填入源数据表格，存在的问题是整体任务难度随源数据规模与目标数据规模乘积上升，纯人工做工作量大，效率低如需为300条源数据匹配目标数据，候选目标数据共有500条，则纯人工需对300
×
500＝150,000对映射关系进行核对，并且历史上的匹配结果没有被充分利用。因此，在业务实现上效率较低。
5.使用正则表达式等工具或自然语言处理等算法是指人工建立规则，使用工具匹配结果或算法推荐结果，存在的问题是这些信息对照工作对准确率要求较高，工具或算法很难达到，风险较大。应用场景众多，每个场景独立开发算法代价及成本很高。如果不是明显能判断推荐正确的，依然需要人工去大量的可能选项中去寻找。历史上的匹配结果也没有被充分利用，在业务实现上效率较低。
6.因此，如何提供一种基于人机交互的文本推荐方法、存储介质及电子设备，以解决现有技术无法在减少人力投入和成本投入的同时保证推荐精度等缺陷，成为本领域技术人员亟待解决的技术问题。


技术实现要素：

7.鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于人机交互的文本推荐方法、存储介质及电子设备，用于解决现有技术无法在减少人力投入和成本投入的同时保证推荐精度的问题。
8.为实现上述目的及其他相关目的，本发明一方面提供一种基于人机交互的文本推荐方法，所述基于人机交互的文本推荐方法包括：基于不同的预设推荐方式，获取用户针对每一种所述预设推荐方式形成的匹配判定数据；利用所述匹配判定数据调整每一种所述预设推荐方式的推荐权重；根据所述推荐权重确定每一种所述预设推荐方式的推荐贡献度；按照所有预设推荐方式的推荐贡献度，更新文本推荐方式。
9.于本发明的一实施例中，所述基于不同的预设推荐方式，获取用户针对每一种所述预设推荐方式形成的匹配判定数据的步骤，包括：确定每一种所述预设推荐方式给出的推荐结果；获取用户针对所述推荐结果，判定为匹配或不匹配的操作数据。
10.于本发明的一实施例中，所述确定每一种所述预设推荐方式给出的推荐结果的步骤，包括：设置匹配度阈值；将每一种所述预设推荐方式推荐出的匹配度高于所述匹配度阈值的内容作为所述推荐结果。
11.于本发明的一实施例中，所述利用所述匹配判定数据调整每一种所述预设推荐方式的推荐权重的步骤，包括：分析所述匹配判断数据中，判定为匹配的所述推荐结果的数量；按照匹配数量的高低调整每一种所述预设推荐方式的推荐权重。
12.于本发明的一实施例中，所述按照匹配数量的高低调整每一种所述预设推荐方式的推荐权重的步骤，包括：针对所述匹配数量高于或等于预设数量的预设推荐方式，调高推荐权重；针对所述匹配数量低于预设数量的预设推荐方式，调低推荐权重。
13.于本发明的一实施例中，在所述推荐权重调整之前，将每一种所述预设推荐方式设为相同的推荐权重。
14.于本发明的一实施例中，在所述按照所有预设推荐方式的推荐贡献度，更新文本推荐方式的步骤之后，所述基于人机交互的文本推荐方法还包括：基于更新的文本推荐方式，获取用户形成的所述匹配判定数据；通过不断积累的所述匹配判定数据，对所述文本推荐方式进行迭代更新。
15.于本发明的一实施例中，在所述对所述文本推荐方式进行迭代更新的步骤之后，所述基于人机交互的文本推荐方法还包括：响应于积累次数达到预设次数，针对迭代更新的文本推荐方式进行定制化设计。
16.为实现上述目的及其他相关目的，本发明另一方面提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的基于人机交互的文本推荐方法。
17.为实现上述目的及其他相关目的，本发明最后一方面提供一种电子设备，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行所述的基于人机交互的文本推荐方法。
18.如上所述，本发明所述的基于人机交互的文本推荐方法、存储介质及电子设备，具有以下有益效果：
19.(1)针对纯人工比对工作量大，效率低的问题，本发明对于待匹配项使用算法推荐，减少人工在劣质匹配项中浪费的搜寻时间；对于人工核检时提供推荐度，相近字段高亮等辅助信息，降低决策成本。
20.(2)针对历史上的匹配结果没有充分的利用的问题，本发明充分利用已有的匹配数据，实时动态调整算法池中各算法的权重，从而提升推荐精度。
21.(3)针对准确率要求很高、纯算法或其他工具又很难达到的问题，本发明利用人机交互，通过人的判断保障最终的准确性。
22.(4)针对场景很多，每个场景单独开发工具和算法代价很高的问题，本发明对于定制化场景，提供定制化的相似度推荐算法；对于非定制化场景，抽象出可复用的通用算法、前后端组件，提高扩展效率。通用的算法意味着每种场景都复用一套计算流程。如果是非通用的算法，算法a和算法b可能需要的前处理组件是不同的，前端展现形式也是不同的。本发明使得计算流程可以复用，因此，扩展效率或开发效率相应提升。
附图说明
23.图1显示为本发明的基于人机交互的文本推荐方法于一实施例中的原理流程图。
24.图2显示为本发明的基于人机交互的文本推荐方法于一实施例中的具体应用流程图。
25.图3显示为本发明的基于人机交互的文本推荐方法于一实施例中的科室匹配示意图。
26.图4显示为本发明的基于人机交互的文本推荐方法于一实施例中的人工交互示意图。
27.图5显示为本发明的基于人机交互的文本推荐方法于一实施例中的实验室检验术语示意图。
28.图6显示为本发明的基于人机交互的文本推荐方法于一实施例中的数据库模式映射示意图。
29.图7显示为本发明的电子设备于一实施例中的结构连接示意图。
30.元件标号说明
[0031]7ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
电子设备
[0032]
71
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
处理器
[0033]
72
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
存储器
[0034]
s11～s14
ꢀꢀꢀꢀꢀꢀꢀꢀ
步骤
具体实施方式
[0035]
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0036]
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0037]
本发明所述的基于人机交互的文本推荐方法、存储介质及电子设备在人机交互过程中，根据用户选择的匹配情况，实时动态调整算法池中各算法的权重，由此适应通用化的文本匹配场景。
[0038]
以下将结合图1至图7详细阐述本实施例的一种基于人机交互的文本推荐方法、存储介质及电子设备的原理及实施方式，使本领域技术人员不需要创造性劳动即可理解本实施例的基于人机交互的文本推荐方法、存储介质及电子设备。
[0039]
请参阅图1，显示为本发明的基于人机交互的文本推荐方法于一实施例中的原理流程图。
[0040]
如图1所示，所述基于人机交互的文本推荐方法具体包括以下几个步骤：
[0041]
s11，基于不同的预设推荐方式，获取用户针对每一种所述预设推荐方式形成的匹配判定数据。
[0042]
请参阅图2，显示为本发明的基于人机交互的文本推荐方法于一实施例中的具体应用流程图。如图2所示，刚开始使用的预设推荐方式是指使用初期，由于没有太多已匹配
数据作为支撑，系统算法池中提供一套预设的通用推荐算法，如图2中的通用a、通用b和通用c。该套预设的通用推荐算法中包含多种推荐算法。于实际应用中，通用推荐算法是指现有的可以根据两段文本的字面意思，计算他们之间相似度的各种文本相似度算法。这些文本相似度算法不需要依赖大量的语料，因为其通用性，泛化性高，适合冷启动阶段作为保底算法。例如基于编辑距离的文本相似度算法、基于余弦距离的文本相似度算法和基于开源通用词向量的文本相似度算法，三种算法的实现方法不一样，各个算法的准确率在不同场景下也不尽相同。
[0043]
于一实施例中，s11具体包括以下步骤：
[0044]
(1)确定每一种所述预设推荐方式给出的推荐结果。
[0045]
具体地，设置匹配度阈值；将每一种所述预设推荐方式推荐出的匹配度高于所述匹配度阈值的内容作为所述推荐结果。
[0046]
(2)获取用户针对所述推荐结果，判定为匹配或不匹配的操作数据。
[0047]
请参阅图3，显示为本发明的基于人机交互的文本推荐方法于一实施例中的科室匹配示意图。如图3所示，在科室的匹配对照应用场景中，旧架构为：心内科门诊、冠心病门诊、肿瘤科门诊，在具体映射过程中，心内科门诊与冠心病门诊映射到心血管医学中心，肿瘤科门诊映射到临床肿瘤医学中心。
[0048]
请参阅图4，显示为本发明的基于人机交互的文本推荐方法于一实施例中的人工交互示意图。如图4所示，初始阶段，系统会对每种推荐算法预设一个权重，最终推荐出若干个匹配选项供用户参考，推荐的数量用户可以自由定义。用户在算法提供的推荐范围内挑选匹配项。如图4中，呈现了与心血管医学中心匹配的文本，包括匹配度0.9的心内科门诊、匹配度0.7的冠心病门诊和匹配度0.6的血管造影中心。针对每一推荐结果，后面设有勾选框，若用户认为呈现的推荐项目与“心血管医学中心”匹配，则在第一个方框中勾选“匹配”，若用户认为呈现的推荐项目与“心血管医学中心”不匹配，则在第二个方框中勾选“不匹配”。
[0049]
s12，利用所述匹配判定数据调整每一种所述预设推荐方式的推荐权重。
[0050]
于一实施例中，s12具体包括以下步骤：
[0051]
(1)分析所述匹配判断数据中，判定为匹配的所述推荐结果的数量。
[0052]
假设目前有三个算法，a、b、c，他们的初始权重是1：1：1，每个算法各推荐三个文本结果，由此，一共推荐9个。经过一段时间的使用，统计发现：用户选择a推荐的文本更多，即针对算法a推荐的文本用户勾选“匹配”的数量比较多；用户选择c推荐的文本更少，即针对算法c推荐的文本用户勾选“不匹配”的数量比较多。
[0053]
(2)按照匹配数量的高低调整每一种所述预设推荐方式的推荐权重。
[0054]
具体地，针对所述匹配数量高于或等于预设数量的预设推荐方式，调高推荐权重；针对所述匹配数量低于预设数量的预设推荐方式，调低推荐权重。
[0055]
根据上述三个算法，a、b、c，可能会将算法a、算法b和算法c的权重调整成5：3：1。由此，按照权重比例，a推荐5个文本结果时，b推荐3个文本结果，c推荐1个文本结果。
[0056]
进一步地，在所述推荐权重调整之前，将每一种所述预设推荐方式设为相同的推荐权重。于不同的实施例中，也可以将每一种所述预设推荐方式设为不同的推荐权重。开发人员在开发时会用到一些测试文本，根据各算法在测试文本上的效果，进行预设。发挥好的
算法权重也会高。
[0057]
s13，根据所述推荐权重确定每一种所述预设推荐方式的推荐贡献度。
[0058]
具体地，根据上述三个算法，a、b、c，用户选择a推荐的文本更多，用户选择c推荐的文本更少，即预设推荐方式算法a的推荐贡献度比预设推荐方式算法c要高。
[0059]
s14，按照所有预设推荐方式的推荐贡献度，更新文本推荐方式。
[0060]
于一实施例中，在步骤s14之后，所述基于人机交互的文本推荐方法还包括：
[0061]
基于更新的文本推荐方式，获取用户形成的所述匹配判定数据；通过不断积累的所述匹配判定数据，对所述文本推荐方式进行迭代更新。
[0062]
于一实施例中，在所述对所述文本推荐方式进行迭代更新的步骤之后，所述基于人机交互的文本推荐方法还包括：响应于积累次数达到预设次数，针对迭代更新的文本推荐方式进行定制化设计。
[0063]
具体地，随着匹配数据的积累到一定程度后，系统的开发人员将针对某种场景，定制开发推荐算法，再将其加入整个推荐方法所在的系统，帮助提升推荐匹配的精度。请继续参阅图2，算法池中生成定制算法：定制a、定制b和定制c。
[0064]
于实际应用中，积累用户对文本是否匹配的选择，例如，用户将“脓毒症”和“败血症”之间选择为“匹配”，将“高血压”和“高血脂”之间选择为“不匹配”。当匹配和不匹配的数据积累量足够开发人员进行机器学习算法建模时，例如数量大于1000或根据实际应用场景具体设计的其他数量阈值。针对某些场景，包含的文本无法用通用的字面相似度进行很好的匹配，比如在检验场景，“白带”和“阴道分泌物”为相同的意思，但单纯看字面很难有高的相似度，由此需要借助医学术语归一化等手段，定制对此类文本的匹配定制相应算法。
[0065]
请参阅图5，显示为本发明的基于人机交互的文本推荐方法于一实施例中的实验室检验术语示意图。如图5所示，本发明的基于人机交互的文本推荐方法应用于实验室检验术语的对照。项目名称item_name“25羟基维生素d3测定
”‑
样本名称sample_name“静脉血
”‑
数值类型value_type“num”与项目名称item_name“25羟基维生素d3测定
”‑
样本名称sample_name“末梢血
”‑
数值类型value_type“num”，根据匹配度较高，均映射匹配至同一个“血清25-羟维生素d3测定定量”。于实际应用中，针对项目名称item_name、样本名称sample_name以及数值类型value_type多个字段的匹配可以分成多次单一字段匹配，利用每个字段得到的匹配度进行映射，由此出现一对多的情况。通过人机交互，对上述两条数据的映射进行核对，进一步根据用户的匹配判定数据调整实验室检验术语的对照场景中每一种所述预设推荐方式的推荐权重。
[0066]
请参阅图6，显示为本发明的基于人机交互的文本推荐方法于一实施例中的数据库模式映射示意图。如图6所示，列名“family_name
”‑
注释“患者的姓
”‑
类型“字符串”与列名“name
”‑
注释“患者的名
”‑
类型“字符串”，根据匹配度较高，均映射匹配至同一个列名“patient_name
”‑
注释“患者的姓名
”‑
类型“字符串”；列名“age
”‑
注释“患者的年龄
”‑
类型“整数”，根据匹配度较高，映射匹配至一个列名“patient_age
”‑
注释“年龄(年)
”‑
类型“整数”；列名“sx_kssj
”‑
注释“手术开始的时间
”‑
类型“时间”与列名“sx_jssj
”‑
注释“手术结束的时间
”‑
类型“时间”，根据匹配度较高，均映射匹配至同一个列名“operation_duration
”‑
注释“手术时长，由手术开始时间与手术结束时间间隔决定
”‑
类型“时间”。于实际应用中，针对列名、注释以及类型多个字段的匹配可以分成多次单一字段匹配，利用每个
字段得到的匹配度进行映射，由此出现一对多的情况。通过人机交互，对上述两条数据的映射进行核对，进一步根据用户的匹配判定数据调整数据库模时映射场景中每一种所述预设推荐方式的推荐权重。
[0067]
本发明所述的基于人机交互的文本推荐方法的保护范围不限于本实施例列举的步骤执行顺序，凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
[0068]
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述基于人机交互的文本推荐方法。
[0069]
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的计算机可读存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的计算机存储介质。
[0070]
请参阅图7，显示为本发明的电子设备于一实施例中的结构连接示意图。如图7所示，本实施例提供一种电子设备7，具体包括：处理器71及存储器72；所述存储器72用于存储计算机程序，所述处理器71用于执行所述存储器72存储的计算机程序，以使所述电子设备7执行所述基于人机交互的文本推荐方法的各个步骤。
[0071]
上述的处理器71可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field programmable gatearray，简称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。
[0072]
上述的存储器72可能包含随机存取存储器(random access memory，简称ram)，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。
[0073]
于实际应用中，所述电子设备可以是包括存储器、存储控制器、一个或多个处理单元(cpu)、外设接口、rf电路、音频电路、扬声器、麦克风、输入/输出(i/o)子系统、显示屏、其他输出或控制设备，以及外部端口等所有或部分组件的计算机；所述计算机包括但不限于如台式电脑、笔记本电脑、平板电脑、智能手机、个人数字助理(personal digital assistant，简称pda)等个人电脑。在另一些实施方式中，所述电子设备还可以是服务器，所述服务器可以根据功能、负载等多种因素布置在一个或多个实体服务器上，也可以是由分布的或集中的服务器集群构成的云服务器，本实施例不作限定。
[0074]
综上所述，本发明所述基于人机交互的文本推荐方法、存储介质及电子设备针对纯人工比对工作量大，效率低的问题，本发明对于待匹配项使用算法推荐，减少人工在劣质匹配项中浪费的搜寻时间；对于人工核检时提供推荐度，相近字段高亮等辅助信息，降低决策成本。针对历史上的匹配结果没有充分的利用的问题，本发明充分利用已有的匹配数据，实时动态调整算法池中各算法的权重，从而提升推荐精度。针对准确率要求很高、纯算法或其他工具又很难达到的问题，本发明利用人机交互，通过人的判断保障最终的准确性。针对场景很多，每个场景单独开发工具和算法代价很高的问题，本发明对于定制化场景，提供定制化的相似度推荐算法；对于非定制化场景，抽象出可复用的通用算法、前后端组件，提高扩展效率。本发明有效克服了现有技术中的种种缺点而具有高度产业利用价值。
[0075]
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。