一种病历书写知识智能问答方法、系统、设备及

本发明属于人工智能，具体涉及一种病历书写知识智能问答方法、系统、设备及存储介质。背景技术：1、病历是记载患者健康诊疗情况的文档资料，合格的病历必须具有完整性、及时性、准确性，能证实医生医疗行为的合理性，对医疗、科研、教学、管理、医保付费、纠纷处理等提供依据。但目前病历管理及病历书写能力普遍较弱，与其重要的利用功能形成矛盾，亟须采用有效的方法提高病历书写及管理能力。2、在病历管理方面，目前病历管理相关知识的普及、强化是靠人力间断培训，提问人工回答，以此来实现病历管理。但是现有方法主要依靠间断式的人力培训，导致工作推进慢且成效差；人力培训成本高，且参会人数和培训次数有限；临床医师能及时获取病历管理知识的途径有限。因此，人们通过问答系统来实现病历管理，将rag技术应用在了病历管理的问答系统中。3、在rag技术领域，已经存在多种实现方案，这些方案主要包括：4、基于检索的生成模型：这类模型在生成过程中使用检索到的信息来指导生成过程，确保生成的文本包含准确的信息。5、多跳检索策略：一些研究提出了多跳检索策略，即模型在生成过程中可以多次检索知识库，以获取更全面和深入的信息。6、对抗训练方法：为了提高生成文本的真实性和准确性，一些研究采用了对抗训练方法，即使用鉴别器来判断生成文本的真实性，并指导生成模型的学习过程。7、知识感知的生成模型：这类模型通过引入外部知识库，使得生成模型能够感知并利用相关知识来生成更准确和丰富的文本。8、随着深度学习技术的发展，基于变换器(transformer)架构的生成模型(如gpt系列模型)在文本生成任务上取得了显著的进展。然而，这些模型在处理长尾问题或需要精确事实信息的问题时，会生成不准确或不相关的信息。为了解决这个问题，研究者们开始探索将信息检索技术与生成模型相结合的方法。9、rag技术通过在生成过程中引入检索步骤，使得模型能够利用外部知识库来提供更准确的信息。这种技术通常涉及两个主要组件：一个是检索系统，用于从大规模知识库中检索与输入相关的信息；另一个是生成模型，用于根据检索到的信息和输入生成最终的输出。10、现有的问答系统在处理垂直领域病历书写知识等病历管理专业知识时存在知识检索不精准、响应时间过长等问题。随着人工智能技术的发展，基于预训练语言模型的问答系统已经取得一定进展，但在处理垂直领域知识时仍存在不足。技术实现思路1、为了提升问答的效率和准确性，本发明提供了一种病历书写知识智能问答方法，具体为一种基于rag检索增强生成技术的垂直领域病历书写知识智能问答方法，该系统能够快速地从大量垂直领域病历书写知识数据中提取相关知识，并进行有效的信息融合，以提供准确、快速的回答，旨在提高问答的准确性和效率。2、为了实现上述目的，本发明提供如下技术方案：3、一种病历书写知识智能问答方法，包括以下步骤：4、收集病历书写知识数据，对病历书写知识数据进行分词、词性标注处理，并将处理后的文本转化为向量数据，基于向量数据训练语言模型；5、接收用户提交的问题，并对问题中的文本数据进行命名实体识别，根据识别结果提取需要检索的关键词；6、根据关键词，采用检索增强rag技术进行病历书写知识的检索，得到非结构化病历书写数据；7、将检索到的非结构化病历书写数据与常识信息进行融合；8、将融合后的数据输入训练好的语言模型，对融合后的信息进行分析，并根据分析结果，生成问题的答案；9、所述将检索到的非结构化病历书写数据与常识信息进行融合，具体包括：10、将非结构化病历书写数据转换为结构化病历书写数据，识别结构化病历书写数据的医疗实体以及各医疗实体之间的关系；11、将医疗实体以及各医疗实体之间的关系与常识信息中的相关概念相匹配，根据专业知识和常识信息中的实体和关系以图的形式表示出来构成病历书写知识图谱，病历书写知识图谱中的节点代表实体，边代表实体之间的关系。12、优选地，所述对问题进行命名实体识别，具体包括：13、对问题中的文本信息进行清洗，去除停用词，然后进行词性标注；14、识别词性标注后的文本中的命名实体，将识别出的实体分配到相应的类别中，并分析各实体之间的关系。15、优选地，所述采用检索增强rag技术进行病历书写知识的检索，具体为通过用户的原始查询信息、提取的关键词以及扩展的同义词或相关词进行检索。16、优选地，还包括对检索结果进行排序和优化：排序指根据文档符合用户查询的相关程度对查询结果进行排序，优化指去除重复内容、过滤不相关的信息，或者根据用户的历史查询和反馈调整查询结果。17、优选地，根据融合后的信息进行分析，并根据分析结果，生成问题的答案，具体包括：18、对融合后的信息进行预处理，包括：文本清洗、分词、词性标注及实体识别；19、采用nlp技术对融合后的信息进行依存句法分析、语义角色标注，以确定句子中的主语、谓语和宾语成分，获得语义内容；20、将语义内容转换为向量表示，将单词和短语映射到高维空间中的点，并采用预训练的深度学习模型处理向量化的信息，生成问题的答案。21、优选地，还包括对问题的答案进行后处理，包括语言润色、事实核查和专业术语的标准化；22、对后处理后的问题的答案组织文本段落、添加标题和列表。23、优选地，所述关键词包括病症名称、治疗方法、药物名称、医学术语；所述病历书写知识数据包括病历模板、医疗指南、诊断标准、病案信息学。24、本发明还提供一种病历书写知识智能问答系统，包括：25、模型训练模块，用于收集病历书写知识数据，对病历书写知识数据进行分词、词性标注处理，并将处理后的文本转化为向量数据，基于向量数据训练语言模型；26、查询处理模块，用于接收用户提交的问题，并对问题中的文本数据进行命名实体识别，根据识别结果提取需要检索的关键词；27、rag检索模块，用于根据关键词，采用检索增强rag技术进行病历书写知识的检索，得到非结构化病历书写数据；28、知识融合模块，用于将检索到的非结构化病历书写数据与常识信息进行融合；29、语言模型分析模块，用于将融合后的数据输入训练好的语言模型，对融合后的信息进行分析，并根据分析结果，生成问题的答案；30、所述将检索到的非结构化病历书写数据与常识信息进行融合，具体包括：31、将非结构化病历书写数据转换为结构化病历书写数据，识别结构化病历书写数据的医疗实体以及各医疗实体之间的关系；32、将医疗实体以及各医疗实体之间的关系与常识信息中的相关概念相匹配，根据专业知识和常识信息中的实体和关系以图的形式表示出来构成病历书写知识图谱，病历书写知识图谱中的节点代表实体，边代表实体之间的关系；33、所述知识融合模块包括：34、数据转换模块，用于将非结构化病历书写数据转换为结构化病历书写数据，识别结构化病历书写数据的医疗实体以及各医疗实体之间的关系；35、知识图谱构建模块，用于将医疗实体以及各医疗实体之间的关系与常识信息中的相关概念相匹配，根据专业知识和常识信息中的实体和关系以图的形式表示出来构成病历书写知识图谱，病历书写知识图谱中的节点代表实体，边代表实体之间的关系。36、本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行上述病历书写知识智能问答方法的任一步的步骤。37、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器加载时，能够执行上述病历书写知识智能问答方法的任一步的步骤。38、本发明提供的病历书写知识智能问答方法具有以下有益效果：39、本发明首先通过病历书写知识数据对语言模型进行训练，为精准问答提供了基础；其次获取用户问题的关键词，然后采用检索增强rag技术进行病历书写知识的检索，得到非结构化病历书写数据，采用rag技术提高了知识检索的准确性和效率，显著缩短问答方法的响应时间。通过将非结构化病历书写数据与常识信息进行融合，能够实现垂直领域病历知识的精准匹配，将融合后的数据输入训练好的语言模型，对融合后的信息进行分析，并根据分析结果，生成问题的答案，本发明的智能问答方法能够实现快速、准确的问答功能。