[发明专利]分诊方法及装置、计算机可存储介质

权利要求书

1.一种分诊方法，包括：

获取待处理主诉信息；

确定所述待处理主诉信息中的至少一个实体名称和与每个实体名称对应的实体类型；

利用实体匹配算法，确定与所述待处理主诉信息中的每个实体名称对应的候选科室；

根据所述待处理主诉信息，利用训练好的深度学习模型，预测与所述待处理主诉信息对应的候选科室；

根据实体类型的优先级和所述训练好的深度学习模型的优先级，从候选科室中确定目标科室，作为与所述待处理主诉信息对应的分诊结果。

2.根据权利要求1所述的分诊方法，还包括：

根据多条测试数据，确定实体类型的优先级和所述训练好的深度学习模型的优先级，每条测试数据为一条已标注实际科室的主诉信息。

3.根据权利要求2所述的分诊方法，其中，确定实体类型的优先级和所述训练好的深度学习模型的优先级包括：

确定每条测试数据中的至少一个实体名称和与每个实体名称对应的实体类型；

利用实体匹配算法，确定与所述每条测试数据中的每个实体名称对应的科室；

对于与所述待处理主诉信息中的至少一个实体名称对应的每种实体类型，确定所述多条测试数据中所确定的实体类型包括所述每种实体类型的测试数据的数量，作为第一数量；

确定所述第一数量的测试数据中、已标注的实际科室与利用实体匹配算法所确定的科室相同的测试数据的数量，作为第二数量；

对于与所述待处理主诉信息中的至少一个实体名称对应的每种实体类型，计算第二数量与第一数量的比值；

利用所述训练好的深度学习模型，预测与每条测试数据对应的科室；

确定所述多条测试数据中、已标注的实际科室与利用训练好的深度学习模型所预测的科室相同的测试数据的数量，作为第三数量；

对于所述训练好的深度学习模型，计算第三数量与所述多条测试数据的总数量的比值；

根据与所述待处理主诉信息中的至少一个实体名称对应的每种实体类型所对应的比值、和所述训练好的深度学习模型所对应的比值，确定相应的优先级，优先级与比值成正相关。

4.根据权利要求3所述的分诊方法，其中，所述待处理主诉信息中的至少一个实体名称包括多个实体名称，所述多个实体名称对应多种实体类型，确定相应的优先级包括：

对与所述多种实体类型对应的多个比值、和与所述训练好的深度学习模型对应的比值进行排序；

根据排序结果，确定相应的优先级。

5.根据权利要求1所述的分诊方法，还包括：

对于多条训练数据中的每条训练数据，确定该训练数据中的至少一个实体名称、与每个实体名称对应的实体类型、和该训练数据的拼音，每条训练数据为一条已标注实际科室的主诉信息；

利用所述多条训练数据、所述多条训练数据中的多个实体名称、与每个实体名称对应的实体类型和所述多条训练数据的拼音，训练深度学习模型，得到所述训练好的深度学习模型。

6.根据权利要求5所述的分诊方法，其中，所述多条训练数据通过对多条待训练主诉信息进行数据增强得到。

7.根据权利要求5所述的分诊方法，其中，所述深度学习模型包括来自变换器的双向编码器表征量BERT模型和前馈神经网络模型。

8.根据权利要求1所述的分诊方法，其中，利用实体匹配算法，确定与所述待处理主诉信息中的每个实体名称对应的候选科室包括：

从预设的知识库中，选择与所述待处理主诉信息中的每个实体名称所对应的实体类型相同的多个实体名称，作为多个待匹配实体名称，所述知识库包括实体名称、实体类型与候选科室之间的对应关系；

对于所述待处理主诉信息中的每个实体名称，从所述多个待匹配实体名称中，确定与所述待处理主诉信息中的每个实体名称相匹配的实体名称；

将所述知识库中与所述待处理主诉信息中的每个实体名称相匹配的实体名称所对应的候选科室，确定为与所述待处理主诉信息中的每个实体名称对应的候选科室。