(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 202111234994.X (22)申请日 2021.10.2 2 (71)申请人 科大讯飞股份有限公司 地址 230088 安徽省合肥市高新区望江西 路666号 申请人 安徽科大讯飞医疗信息技 术有限公 司 (72)发明人 刘加新　胡加学　贺志阳　肖飞　 赵景鹤　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 代理人 付丽 (51)Int.Cl. G06F 40/35(2020.01) G06N 20/00(2019.01) (54)发明名称 对话路径构建方法、 对话路径 生成方法及相 关设备 (57)摘要 本申请提供了一种对话路径构建方法、 对话 路径生成方法及相关设备， 对话路径构建方法包 括： 从医学文本中获取若干对话要素以及若干对 话要素分别对应的属性， 根据各对话要素分别对 诊断的影响情况和各对话要素分别对应的属性 对各对话要素进行排序， 以得到初始对话路径； 对初始对话路径进行调整， 以得到最终构建出的 对话路径， 经由本申请提供的对话路径构建方法 可自动构建出对话路径， 在此基础上， 本申请还 提供了对话路径生成方法， 该方法利用对话路径 生成模型生成对话路径， 由于对话路径生成模型 采用通过上述方法构建出的大量对话路径训练 得到， 因此， 对话路径生成模型性能较佳， 利用性 能较佳的对话路径生成模型能够生成较为合理 的对话路径。 权利要求书3页 说明书16页 附图2页 CN 113887247 A 2022.01.04 CN 113887247 A 1.一种对话路径构建方法， 其特 征在于， 包括： 从具有诊断的医学文本 中获取若干对话要素以及所述若干对话要素分别对应的属性， 其中， 所述对话要素为所述医学文本中与所述诊断相关的医学要素； 根据各对话要素分别对所述诊断的影响情况和各对话要素分别对应的属性， 对各对话 要素进行排序， 得到的对话要素序列 作为初始对话路径； 对所述初始对话路径中顺序不合理 的对话要素的顺序进行调 整， 调整后的对话路径作 为最终构建出的对话路径。 2.根据权利要求1所述的对话路径构建方法， 其特征在于， 所述根据各对话要素分别对 所述诊断的影响情况和各对话要素分别对应的属性， 对各对话要素进行排序， 包括: 根据各对话要素分别对所述诊断的似然比和各对话要素分别对应的属性， 对所述对话 要素进行排序。 3.根据权利要求1所述的对话路径构建方法， 其特征在于， 所述根据各对话要素分别对 所述诊断的似然比和各对话要素分别对应的属性， 对所述对话要素进行排序， 包括： 按各对话要素分别对所述诊断的似然比从大到小的顺序， 对各对话要素进行排序， 以 得到排序结果； 根据所述排序 结果以及各对话要素分别对应的属性， 从各对话要素中确定初始对话要 素； 对所述初始对话要素按似然比从大到小的顺序进行排序， 并将其它对话要素按似然比 从大到小的顺序排在最后一个初始对话要素之后。 4.根据权利要求1所述的对话路径构建方法， 其特征在于， 所述对所述初始对话路径中 顺序不合理的对话要素的顺序进行调整， 包括： 利用预先建立的对话路径调整模型， 对所述初始对话路径中顺序不合理 的对话要素的 顺序进行调整； 其中， 所述对话路径调整模型以根据真实医患对话数据获得的对话路径为训练样本训 练得到。 5.根据权利要求4所述的对话路径构建方法， 其特征在于， 所述利用预先建立的对话路 径调整模型， 对所述初始对话路径中顺序不 合理的对话要素的顺序进行调整， 包括： 利用预先建立的对话路径调整模型， 以所述初始对话路径中的初始对话要素为依据， 逐个生成对话要素； 其中， 生成每个对话要素时， 预测所述初始对话路径中各非初始对话要素被生成的概 率， 并根据预测出的概 率生成对话要素。 6.一种对话路径生成方法， 其特 征在于， 包括： 利用预先建立的对话路径生成模型， 以历史对话路径和用户针对所述历史对话路径中 的对话要素做出的回复为依据， 生成下一对话要素； 其中， 所述对话路径生成模型采用训练数据集中的训练数据训练得到， 所述训练数据 为采用如权利要求1～5中任一项所述的对话路径构建方法构建的对话路径。 7.根据权利要求6所述的对话路径生成方法， 其特征在于， 所述利用预先建立的对话路 径生成模型， 以历史对话路径和用户针对所述历史对话路径中的对话要 素做出的回复为依 据， 生成下一对话要素， 包括：权　利　要　求　书 1/3 页 2 CN 113887247 A 2基于医学知识图谱获取与 所述历史对话路径中的对话要素相关的对话要素， 由获取的 对话要素组成相关对话要素集； 利用预先建立的对话路径生成模型， 以历史对话路径、 用户针对所述历史对话路径中 的对话要素做出的回复以及所述相关对话要素集 为依据， 生成下一对话要素。 8.根据权利要求7所述的对话路径生成方法， 其特征在于， 所述基于 医学知识图谱获取 与所述历史对话路径中的对话要 素相关的对话要 素， 由获取的对话要 素组成相关对话要 素 集， 包括： 从医学知识图谱中找到代表所述历史对话路径中对话要素的目标结点， 将所述目标结 点的父结点、 和/或子结点、 和/或兄弟结点代表的医学要 素作为相关对话要 素， 组成相关对 话要素集。 9.根据权利要求7所述的对话路径生成方法， 其特征在于， 所述以历史对话路径、 用户 针对所述历史对话路径中的对话要素做出的回复以及所述相关对话要 素集为依据， 生成下 一对话要素， 包括： 以历史对话路径、 用户针对所述历史对话路径中的对话要素做出的回复以及所述相关 对话要素集为依据， 预测设定的对话要素集合中各对话要 素被生成的概率以及所述相关对 话要素集 合中各对话要素被生成的概 率； 根据设定的对话要素集合中各对话要素被生成的概率以及所述相关对话要素集合中 各对话要素被生成的概 率， 生成下一对话要素。 10.根据权利要求9所述的对话路径生成方法， 其特征在于， 所述以历史对话路径、 用户 针对所述历史对话路径中的对话要素做出的回复以及所述相关对话要 素集为依据， 预测设 定的对话要素集合中各对话要素被生成的概率以及所述相关对话要素集合中各对话要素 被生成的概 率， 包括： 根据所述历史对话路径、 用户针对所述历史对话路径中的对话要素做出的回复， 确定 用于预测下一对话要素的向量， 作为对话要素 预测向量； 根据所述对话要素 预测向量， 预测设定的对话要素集 合中各对话要素被生成的概 率； 根据所述对话要素预测向量和所述相关对话要素集中各对话要素的表示向量， 预测所 述相关对话要素集 合中各对话要素被生成的概 率。 11.根据权利要求10所述的对话路径生成方法， 其特征在于， 所述根据设定的对话要素 集合中各对话要 素被生成的概率以及所述相关对话要 素集合中各对话要 素被生成的概率， 生成下一对话要素， 包括： 根据所述相关对话要素集合中各对话要素被生成的概率、 所述相关对话要素集中各对 话要素的表示向量以及所述对话要素预测向量， 确定第一权重， 并根所述第一权重确定第 二权重； 用所述第一权重对所述设定的对话要素集合中各对话要素被生成的概率加权， 并用所 述第二权 重对所述相关对话要素集 合中各对话要素被生成的概 率加权； 根据加权后的概 率生成下一对话要素。 12.根据权利要求6所述的对话路径生成方法， 其特征在于， 所述对话路径生成模型的 训练过程包括： 利用对话 生成模型， 依次预测所述训练数据中每 个非初始对话要素被生成的概 率；权　利　要　求　书 2/3 页 3 CN 113887247 A 3