[发明专利]一种面向高血压的智能问答系统

说明书

本发明公开了一种面向高血压的智能问答系统。包含：高血压知识图谱的构建；确定高血压这一专业领域的知识来源，分析知识图谱的构建过程，包括源数据的清洗处理、本体层构建、实体层构建。知识问答有关的算法和高血压智能问答系统的实现；研究问句意图分类和命名实体识别有关技术，实现问句语义的理解，以及对自然语言理解模型(NLU)进行相应的训练。除自主式问答方式的研究实现之外，还需要研究向导式问答有关算法。向导式问答主要目的是引导用户去提问，其中需要涉及推荐有关的技术，对于待推荐的问题需要进行分类，考虑以什么为推荐的依据，并且，需要设计机器人智能问诊模块，采集用户的大致病情特征。

技术领域

本发明涉及高血压智能诊疗系统领域，特别涉及一种面向高血压的智能问答系统。

背景技术

慢性病是我国居民健康的一个重大危害，其危险因素一直处于一个较高水平。据《健康 管理蓝皮书：中国健康管理与健康产业发展报告(2018)》中的数据显示，我国有大约有3 亿的慢性病患者，在慢性病中高血压的患病率是最高的，并且高血压抽样调查结果显示，在 我国大于18岁的人群中，高血压患病率为23.2％，患病人数达2.45亿。

对于不同的高血压患者的而言，其症状表现会有所不同，患者初期也许没有明显的表现 出什么症状，只是偶然的血压偏高。然而，如果患者没有及时发现病情，随着疾病慢慢加重， 就容易出现比较严重的，甚至难以控制的症状。并且它作为一种常见的慢性病，整个诊疗时 间较长，治愈较低，为终身性疾病。高血压这种终身性慢性病所具有的特点直接导致了患者 需要对自身病情进行长期持续性的关注。

据2018年《中国网民科普需求搜索行为报告》统计，健康与医疗主题一直是网民搜索 的科普热点，意味着在搜索引擎上查找医疗健康方面信息的人是越来越多。然而，搜索引擎 提供的信息服务并不够准确，在一定程度上，仍需用户去筛选有效信息。除此之外，在日常 诊疗过程中，患者对于自身病情的了解不够充分，很难根据自己的病情提出专业的咨询问题， 往往只是被动的听取一些医嘱。

问答系统与搜索引擎提供信息服务的形式有着一定程度的差别。对于搜索引擎而言，它 给用户提供的更多是按照关键词匹配而来的文档排序，而问答系统给用户提供的答案是一种 更加接近日常的自然语言的形式。

因此，本专利提出面向高血压的智能问答系统，系统问答依赖于一个高血压的知识图谱。 作为基于知识库的自动问答的常见应用之一，知识图谱被用来描述现实世界中实体、概念以 及实体与概念之间的关系，它是语义网络的一种表现形式。在智能问答中，需要先把用户的 问题使用自然语言处理技术提取实体和语义信息，然后再从知识图谱中查找答案。系统为弥 补用户对于高血压这一专业领域知识的欠缺，在自主式问答的基础上，提出向导式的问答方 式，让用户在即使不了解专业知识的前提下也可以轻松向医生咨询专业问题。在一方面，完 善的专业领域知识库，可以帮助用户解决日常生活中大部分问题，节省线下公共医疗卫生资 源；在另一方面，使不具备专业知识的患者也能够通过问答系统学会咨询医生专业问题，对 于自己的病情有更加深入的了解，有助于患者对于高血压的控制和治疗。

1.1医疗领域应用知识图谱的国内外现状

近年来，随着人工智能相关技术的发展，知识图谱在医疗领域的应用场景也在逐步增多， 而正是由于知识图谱的发展，问答系统与其相关的技术也在不断地进步。在2012年的时候， 谷歌首次提出知识图谱的概念，这一概念的提出将信息检索从字符串匹配上升到智能理解的 阶段。比较有名的国外医疗领域智能问答系统IBM的Watson Health第一次在智力竞赛上 战胜人类选手时，曾一度引起巨大的轰动，Watson基于强大的认知计算能力以及丰富的知 识库数据，主要针对肿瘤、癌症帮助医生进行决策支持。医学系统命名法－临床术语SNO MED-CT，构建医疗本体知识图谱，其涵盖了如药品、人体结构等很多方面的临床信息，能 够满足临床工作者以及其他相关者的各种各样的需求。