[发明专利]一种知识图谱辅助下的自动诊断对话系统

说明书

本发明涉及一种知识图谱辅助下的自动诊断对话系统，该系统包括前端模块、数据采集模块、数据存储管理模块、症状扩充模块和模块医患对话处理模块：其中前端模块将用户输入传入医患对话处理模块、显示用户输入和相应系统反馈；数据采集模块完成医患对话语料和疾病条例的采集；数据存储管理模块接收来自数据采集模块的数据，构建知识图谱，完善用户信息症状表、医学数据选择表；症状扩充模块扩充医患对话模型训练语料，对知识图谱进行查询获得导致疾病的关键症状和大概率症状，传入医学数据选择表；医患对话处理模块训练医患对话模型，接收前端用户输入，利用医患对话模型决策下一步该采取的动作生成句子或诊断结果传至前端模块，显示给用户。

技术领域

本发明涉及一种对话系统，尤其是一种知识图谱辅助下的自动诊断对话系统。

背景技术

数字医疗行业迅速发展，特别是对网络问诊等非接触式辅助诊断技术的需求急剧增加。 但是目前的网络问诊主要是医生在线诊断并不是智能化自动诊断，患者往往需要等待医生在 线回复，诊断缺乏实时性，大量的问题也增加了医生的回复负担，因此研究者提出了一种基 于知识图谱的自动诊断对话系统。

知识图谱是结构化的语义知识库，把海量互联网信息表达成客观世界可认知的语义表示， 具有强大的语义表达、存储能力，被广泛应用于聊天机器人、推荐系统等，医生根据医学知 识和医疗经验确定患者所患疾病，而知识图谱正是是人类知识和经验的总结，特定领域的专 业知识图谱能够为下游任务提供强大的知识支撑；对话系统分为非任务型的聊天系统和任务 型的对话系统，该系统能够通过计算机和用户之间的自然语言互动来完成特定的任务，被广 泛应用于推荐系统、预定系统等。

目前存在的一些疾病诊断系统存在以下问题：大都是简单的单跳问答系统，仅通过用户 的一次输入根据关键词匹配得出诊断结果，忽略了症状和疾病之间的关系，并不符合实际生 活中的问诊过程，诊断结果缺乏严谨性。通过机器学习、深度学习技术对大量语料、病例的 学习所获得模型带来的“黑箱”问题使得诊断结果缺乏可解释性，导致医生对此类诊断系统 有所顾虑。模型训练语料过于简单或医患对话缺失导致训练模型症状不足导致训练出的模型 效率较低、准确率较低。

发明内容

为了解决上述问题，本发明提供了一个知识图谱辅助下的自动诊断对话系统，实现常见 疾病的自动诊断通过强化学习方法学习医生的诊断思维实现医患自动对话，对用户的输入挖 掘症状进行疾病验证，模拟整个问诊过程。本发明将医学知识图谱引入对话系统，为疾病诊 断提供理论依据，使结果更具说服力和可解释性。利用知识图谱通过搜索匹配进行症状扩充 补足训练语料数据实现常见疾病的自动诊断，更加准确地得出疾病诊断结果，并通过知识图 谱查询给出全面的就诊意见。本发明为了实现上述目的采用的技术方案如下：

一个知识图谱辅助下的自动诊断对话系统，其特征在于，包括：前端模块，数据采集模 块、数据存储管理模块、症状扩充模块和医患对话处理模块。

其中：

前端模块，显示人机交互的重要窗口，显示用户输入和相应的系统反馈，在用户输入症 状后将其传入医患对话处理模块中。

数据采集模块，利用python爬虫技术完成数据采集工作，采集内容为医患对话语料和疾 病词条，向数据存储管理模块输出以完成知识图谱构建和训练样本构建工作。

数据存储管理模块，包括医学知识图谱构建子模块、用户症状信息表和医学数据选择表。 其中：

医学知识图谱中包含疾病、症状、就诊科室、治疗方式、关键症状等实体以及症状-疾病 之间的权重关系，医学知识图谱构建子模块包括知识获取孙模块、知识融合孙模块、疾病- 症状权重关系计算孙模块、知识存储孙模块；其中：