[发明专利]基于问诊会话构建用户画像的方法、装置、设备和介质

说明书

本申请公开了一种基于问诊会话构建用户画像的方法、装置、设备和介质，涉及机器学习技术领域。该方法包括：获取用户输入的主诉信息；对主诉信息进行特征提取，得到第一特征向量矩阵；将第一特征向量矩阵输入至预测网络模型中，得到与主诉信息匹配的问诊问题，预测网络模型是根据第一数据集训练得到的，第一数据集包括多个医疗问诊样本，其中，每个医疗问诊样本包括问诊问题与对应的病症；向用户呈现问诊问题，以得到用户输入的问诊信息；根据问诊信息构建用户画像。通过对用户输入的主诉信息进行识别，并通过预测网络模型得到与主诉信息相对应的问诊问题，以此快速的对用户进行自动问诊，提高了获取问诊信息的效率且降低了人工成本。

技术领域

本申请涉及机器学习技术领域，尤其是涉及一种基于问诊会话构建用户画像的方法、装置、设备和介质。

背景技术

相关技术中的根据医疗数据生成用户画像的方法中，大多通过人工在线问诊的方式来获取医患间的问诊信息，通过对问诊信息进行分词、筛查和标识后，根据标识结果来构建患者的用户画像。但此种以人工在线问诊的方式获取问诊信息，并构建用户画像的方式效率较低，且人工成本较高。

发明内容

本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种基于问诊会话构建用户画像的方法、装置、设备和介质，能够提高构建用户画像的效率且降低人工成本。

根据本申请的第一方面实施例的基于问诊会话构建用户画像的方法，包括：获取用户输入的主诉信息，其中，所述主诉信息为所述用户的病症描述信息；对所述主诉信息进行特征提取，得到第一特征向量矩阵；将所述第一特征向量矩阵输入至预测网络模型中，得到与所述主诉信息匹配的问诊问题，其中，所述预测网络模型是根据第一数据集训练得到的，所述第一数据集包括多个医疗问诊样本，每个所述医疗问诊样本包括问诊问题与对应的病症；向所述用户呈现所述问诊问题，以得到所述用户输入的问诊信息；根据所述问诊信息构建用户画像。

根据本申请实施例的问诊会话构建用户画像的方法，至少具有如下有益效果：通过对用户输入的主诉信息进行识别，并对主诉信息进行特征提取后输入至预测网络模型中，通过预测网络模型得到与主诉信息相对应的问诊问题，通过问诊问题快速的对用户进行自动问诊，以获取用户的问诊信息，根据问诊信息构建用户画像，提高了构建用户画像的效率，且在收集问诊信息时不需要通过人工进行问诊，节省人工成本。通过构建好的用户画像，方便后续选择符合用户当前病症的治疗领域的医生进行进一步问诊，且通过用户画像可以更精确的向用户进行项目的推荐。

根据本申请的一些实施例，所述对所述主诉信息进行特征提取，得到第一特征向量矩阵，包括：对所述主诉信息进行自然语言预处理，得到多个第一分词；将所述多个第一分词输入至预先训练好的词向量模型中，以得到多个第一词向量；对所述多个第一词向量进行组合处理，得到所述第一特征向量矩阵。

根据本申请的一些实施例，所述对所述主诉信息进行自然语言预处理，得到多个第一分词，包括：对所述主诉信息进行繁体转简体处理，得到简体信息；对所述简体信息进行分词，得到预分词信息；对所述预分词信息进行去停用词处理，得到分词信息；对所述分词信息进行同义词归一化，得到所述多个第一分词。

根据本申请的一些实施例，所述将所述第一特征向量矩阵输入至预测网络模型中，得到与所述主诉信息匹配的问诊问题，包括：将所述第一特征向量矩阵输入双向循环神经网络进行特征融合处理，得到第一融合特征向量矩阵；将所述第一融合特征向量矩阵输入高速神经网络进行深度处理，得到第一深度特征向量矩阵；通过卷积神经网络对所述第一深度特征向量矩阵进行特征提取，得到第一向量；根据所述第一向量得到与所述主诉信息匹配的问诊问题。

根据本申请的一些实施例，所述向所述用户呈现所述问诊问题，以得到所述用户输入的问诊信息，包括：向所述用户呈现所述问诊问题和结构化的答案选项；根据所述用户输入的所述答案选项，得到所述用户输入的问诊信息。