《基于智能对话的自动问诊系统.pdf》由会员分享，可在线阅读，更多相关《基于智能对话的自动问诊系统.pdf（9页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 2.1 (22)申请日 2020.07.17 (71)申请人 北京欧应信息技术有限公司 地址 北京市朝阳区光华路9号楼7 层702室 (72)发明人 刘峥嵘王岩张国强孟齐源 许可苏轩 (74)专利代理机构 北京瑞盛铭杰知识产权代理 事务所(普通合伙) 11617 代理人 黄淑娟 (51)Int.Cl. G06F 16/332(2019.01) G06F 40/211(2020.01) G06F 40/295(2020.01) G06F 40/3。

2、0(2020.01) G06F 16/36(2019.01) G06N 5/04(2006.01) G16H 50/20(2018.01) (54)发明名称 一种基于智能对话的自动问诊系统 (57)摘要 本发明公开了一种基于智能对话的自动问 诊系统， 所述自动问诊系统包括： 智能对话引擎、 知识图谱数据库、 知识推理机和病例数据库； 所 述智能对话引擎， 用于接收用户输入信息， 并通 过自然语言算法从所述输入信息中提取问诊信 息； 所述知识图谱数据库， 用于以图数据库的形 式存储医疗知识图谱； 所述知识推理机， 用于将 所述问诊信息与所述医疗知识图谱中的医疗知 识相结合， 进行相应的知识关系推。

3、导， 输出预问 诊结果； 病例数据库， 用于存储所述用户的病例。 本发明提供的自动问诊系统针对性强、 反应速度 快、 准确率和自动化程度高。 权利要求书1页 说明书5页 附图2页 CN A 2020.11.24 CN A 1.一种基于智能对话的自动问诊系统， 其特征在于， 所述自动问诊系统包括： 智能对话 引擎、 知识图谱数据库、 知识推理机和病例数据库； 所述智能对话引擎， 用于接收用户输入信息， 并通过自然语言算法从所述输入信息中 提取问诊信息； 所述知识图谱数据库， 用于以图数据库的形式存储医疗知识图谱； 所述知识推理机， 用于将所述问诊信息与所述。

4、医疗知识图谱中的医疗知识相结合， 进 行相应的知识关系推导， 输出预问诊结果； 病例数据库， 用于存储所述用户的病例。 2.根据权利要求1所述的自动问诊系统， 其特征在于， 所述智能对话引擎包括： 多轮对 话模块； 所述多轮对话模块， 用于提供多轮对话服务。 3.根据权利要求1所述的自动问诊系统， 其特征在于， 所述智能对话引擎还用于， 接收 所述预问诊结果， 并将所述预问诊结果反馈给用户； 接收用户查阅所述预问诊结果后的输入信息。 4.根据权利要求3所述的自动问诊系统， 其特征在于， 所述智能对话引擎通过ner命名 实体识别、 句法模板和/或word 语义理解算法从所述输入。

5、信息中提取问诊信息。 5.根据权利要求1所述的自动问诊系统， 其特征在于， 所述用户输入信息包括： 用户输入的文字、 图片和/或视频信息； 或 用户通过可视化控件的交互操作确定的信息。 6.根据权利要求1所述的自动问诊系统， 其特征在于， 所述医疗知识图谱用实体和关系 的形式对医疗知识进行表示。 7.根据权利要求6所述的自动问诊系统， 其特征在于， 所述实体， 表示具体的概念； 所述关系， 表示两个所述实体之间的关联。 8.根据权利要求1所述的自动问诊系统， 其特征在于， 所述病例包括： 用户的基本信息、 待诊疗部位、 症状、 前期治疗状况。 权利要求书 1/1 页 2 CN 。

6、1 A 2 一种基于智能对话的自动问诊系统 技术领域 0001 本发明属于人工智能技术领域， 具体地说， 涉及一种基于智能对话的自动问诊系 统。 背景技术 0002 随着人工智能技术的发展， 自动问诊技术的应用得到了大力发展。 现有的自动问 诊技术常见的实现方案为： 根据需要诊断的疾病，人工设置好问题的决策树； 然后根据问题 的回答进行预设规则的匹配智慧问诊系统， 从而给出诊断建议。 举例说明： 预设问诊时需要询问的问题， 询问后得到每个问题对应的不同答案； 然后根据答案的不同， 设定不同的决策分支， 以此来 不断推进下一个问题。 直到收集完所有的问题， 给出最终的答案， 或者根据收集的问题进行 规则匹。

7、配， 得到最后的答案。 0003 在上述自动问诊技术中， 大部分采用人工配置问题决策树的方式， 即事先设置好 大量的问题分支， 然后根据回答的选项来进行决策。 该方法最大的问题在于不利于大量疾 病的扩展。 当需要在大量的疾病上应用自动问诊时， 需要大量人力进行问题决策树的设计， 设计工作量大， 且过程中容易出现错误。 目前大部分自动问诊实现的推荐结果， 由于缺乏专 业性知识的联动， 无法用于医生专业级别的诊断。 此外， 现有的产品只提供在线问诊建议， 但是缺少专业医生的确诊， 因此很难进行有效的信息收集， 得到疾病与症状之间的各种数 据统计。 鉴于此， 无法给医生提供长期的、 更加细化的数字层。