[发明专利]智能对话方法、装置、设备及存储介质

说明书

本发明属于计算机技术领域，公开了一种智能对话方法、装置、设备及存储介质。本发明通过在接收到用户端发送的问诊请求时，根据所述问诊请求确定对话文本；根据预设文本分析模型对所述对话文本进行解析，以确定用户意图；根据所述用户意图与标准问题库中各个标准问题进行匹配，以获得目标标准问题；获取所述目标标准问题对应的解答信息，将所述解答信息反馈至用户端。由于采用了预设文本分析模型，可以对问诊请求中的对话文本进行解析，快速明确用户意图，并且由于使用大量历史问诊对话记录进行分析、聚类构建标准问题库，标准问题库中标准问题覆盖全面，可满足用户在线挂号过程中各种提问需求，不必引入大量人工，可降低人工成本。

技术领域

本发明涉及计算机技术领域，尤其涉及一种智能对话方法、装置、设备 及存储介质。

背景技术

目前，在医疗领域已经大量使用了在线挂号等功能，但是，由于医疗领 域各种病情繁多，患者难以确定自身具体应该进行挂号的科室及医生，而现 有技术针对此种情况一般仅仅只是设定了部分常用问题，用户选择常用问题， 则弹出响应的答案，但是此类常用问题由于类别较少，问题覆盖率低，通常 无法解决用户疑惑，最终还需要引入人工服务，从而进行解答，而人工成本 高昂，也限制了该功能的普及与发展。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是 现有技术。

发明内容

本发明的主要目的在于提供一种智能对话方法、装置、设备及存储介质， 旨在解决现有技术在线挂号时问题覆盖率低，无法满足用户需求，从而需引 入人工服务，成本高昂的技术问题。

为实现上述目的，本发明提供了一种智能对话方法，所述方法包括以下 步骤:

在接收到用户端发送的问诊请求时，根据所述问诊请求确定对话文本；

根据预设文本分析模型对所述对话文本进行解析，以确定用户意图；

根据所述用户意图与标准问题库中各个标准问题进行匹配，以获得目标 标准问题；

获取所述目标标准问题对应的解答信息，将所述解答信息反馈至用户端。

可选的，所述在接收到用户端发送的问诊请求时，根据所述问诊请求确 定对话文本的步骤之前，还包括：

获取聚类样本集，所述聚类样本集为根据历史问诊对话记录构建的无监 督样本集；

对所述聚类样本集进行特征提取，以获得聚类样本特征集；

根据所述聚类样本特征集进行无监督聚类，以获得聚类结果；

根据所述聚类结果对标准问题库进行扩展。

可选的，所述对所述聚类样本集进行特征提取，以获得聚类样本特征集 的步骤之前，包括：

获取初始预训练模型及特征提取样本集，其中，所述初始预训练模型为 基于Bi-LSTM算法构建的多层神经网络模型；

通过所述特征提取样本集对所述初始预训练模型进行训练，以获得预设 预训练模型；

相应的，所述对所述聚类样本集进行特征提取，以获得聚类样本特征集 的步骤，包括：

通过所述预设预训练模型对所述聚类样本集进行特征提取，以获得聚类 样本特征集。

可选的，所述初始预训练模型中各层神经网络之间设有归一化处理层， 所述归一化处理层用于进行残差连接处理及层归一化处理。

可选的，所述根据所述聚类样本特征集进行无监督聚类，以获得聚类结 果的步骤，包括：

通过自编码聚类算法对所述聚类样本特征集进行无监督聚类，以获得聚 类结果。