本發(fā)明涉及問診，尤其涉及一種對寵物疾病進行人工智能問診的方法及系統(tǒng)。

背景技術(shù)：

1、隨著人們生活水平的提高，寵物的數(shù)量也越來越多，寵物的問診和治療需求也越來越大，寵物的在線問診也逐漸成為了新的發(fā)展趨勢，其中智能問診方式的出現(xiàn)，也極大地提高了寵物的問診效率。

2、對寵物疾病進行智能問診是通過利用人工智能技術(shù)來輔助寵物主人快速識別和診斷寵物的健康問題，這不僅能夠減少候診時間，還能夠提供個性化的診斷方案；因此，“如何利用寵物病例數(shù)據(jù)，對寵物進行智能問診”是本發(fā)明所需要解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種對寵物疾病進行人工智能問診的方法及系統(tǒng)，以解決上述背景技術(shù)中提出“如何利用寵物病例數(shù)據(jù)，對寵物進行智能問診”的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種對寵物疾病進行人工智能問診的方法，所述方法包括：

4、s100：創(chuàng)建由云端和終端設(shè)備組成的分布式架構(gòu)，并在所述云端中部署預(yù)訓(xùn)練語言模型和知識庫；

5、s200：采集不同格式的寵物病例數(shù)據(jù)，其中所述病例數(shù)據(jù)至少包括癥狀描述、診斷結(jié)果和治療方案，對所述寵物病例數(shù)據(jù)進行預(yù)處理，切分為若干個單項，并對所述單項進行語義提取，得到關(guān)鍵信息，利用預(yù)設(shè)的多模態(tài)融合模型，融合不同格式的所述單項，配置出所有所述單項間的對應(yīng)關(guān)系，整合所述單項和對應(yīng)關(guān)系，生成多維度寵物疾病知識圖譜，并建立與所述知識庫的鏈接；

6、s300：接收用戶通過所述終端設(shè)備上傳的問診請求，并建立對話，將所述問診請求輸入到預(yù)訓(xùn)練語言模型中，輸出得到問診請求中的關(guān)鍵信息，定義為目標(biāo)信息，將所述目標(biāo)信息轉(zhuǎn)入到多維度寵物疾病知識圖譜中進行相似度匹配，并利用所述匹配結(jié)果回復(fù)所述對話；

7、s400：對所述知識庫進行分區(qū)，得到正確知識庫、待驗證知識庫和錯誤知識庫，提取出所述對話中的知識點，并轉(zhuǎn)入到待驗證知識庫中，在所述待驗證知識庫中集成多層級專家審核機制，并設(shè)置觸發(fā)頻率；

8、s500：如果當(dāng)前時刻滿足所述觸發(fā)頻率，激活所述多層級專家審核機制，對所述待驗證知識庫進行驗證，并根據(jù)驗證結(jié)果，將所述知識點同步到正確知識庫或錯誤知識庫中，搭建所述正確知識庫與現(xiàn)有醫(yī)學(xué)文獻數(shù)據(jù)庫的通信鏈路；

9、s600：基于所述目標(biāo)信息，在所述正確知識庫中進行檢索，利用檢索出內(nèi)容修正所述對話。

10、進一步的，所述s100包括：

11、確定若干個數(shù)量的虛擬服務(wù)器，并組建分布式架構(gòu)，嵌入負載均衡機制；

12、在所述云端中，配置出虛擬服務(wù)器的處理環(huán)境，并部署預(yù)訓(xùn)練語言模型和知識庫。

13、進一步的，所述s200包括：

14、對所述寵物病例數(shù)據(jù)進行預(yù)處理，其中所述預(yù)處理至少包括：清洗、分詞和實體識別；

15、利用所述關(guān)鍵信息，替換所述單項內(nèi)的數(shù)據(jù)。

16、進一步的，所述s200還包括：

17、將所述關(guān)鍵信息歸類為若干個子類，并在所述子類間插入指向，其中所述指向用于表征子類間的病癥關(guān)系，所述指向至少包括：引發(fā)指向、治療指向和并發(fā)指向；

18、將所述指向同步到單項中，確定出單項間的對應(yīng)關(guān)系。

19、進一步的，所述s300包括：

20、利用預(yù)設(shè)的詞嵌入模型，對所述目標(biāo)信息和多維度寵物疾病知識圖譜中的單項進行相似度匹配；

21、按照由大到小的順序，對匹配出的單項進行排序，并將排序首位的單項定義為匹配結(jié)果；

22、查找出所述匹配結(jié)果中的關(guān)鍵字，利用所述關(guān)鍵字，在所述知識庫中遍歷出關(guān)聯(lián)知識，并將所述關(guān)聯(lián)知識鏈接到所述匹配結(jié)果中。

23、進一步的，所述s400包括：

24、對所述知識點進行難度分級，將所述多層級專家審核機制拆分為若干個層級，并建立難度分級與層級的映射關(guān)系；

25、利用所述錯誤知識庫，構(gòu)建驗證策略，其中所述驗證策略為：判斷所述對話中是否存在與錯誤知識庫中相同的數(shù)據(jù)，如果存在，則修正所述對話。

26、進一步的，所述s600包括：

27、向所述對話中添加標(biāo)記，并建立知識溯源機制；

28、利用現(xiàn)有技術(shù)中的注意力可視化技術(shù)，標(biāo)記出所述對話中的關(guān)注點，并對所述對話進行置信度分析，確定信任值；

29、利用所述信任值生成標(biāo)簽，將所述標(biāo)簽插入到對話中。

30、進一步的，所述系統(tǒng)包括：

31、部署模塊，用于創(chuàng)建由云端和終端設(shè)備組成的分布式架構(gòu)，并在所述云端中部署預(yù)訓(xùn)練語言模型和知識庫；

32、建立模塊，用于采集不同格式的寵物病例數(shù)據(jù)，其中所述病例數(shù)據(jù)至少包括癥狀描述、診斷結(jié)果和治療方案，對所述寵物病例數(shù)據(jù)進行預(yù)處理，切分為若干個單項，并對所述單項進行語義提取，得到關(guān)鍵信息，利用預(yù)設(shè)的多模態(tài)融合模型，融合不同格式的所述單項，配置出所有所述單項間的對應(yīng)關(guān)系，整合所述單項和對應(yīng)關(guān)系，生成多維度寵物疾病知識圖譜，并建立與所述知識庫的鏈接；

33、匹配模塊，用于接收用戶通過所述終端設(shè)備上傳的問診請求，并建立對話，將所述問診請求輸入到預(yù)訓(xùn)練語言模型中，輸出得到問診請求中的關(guān)鍵信息，定義為目標(biāo)信息，將所述目標(biāo)信息轉(zhuǎn)入到多維度寵物疾病知識圖譜中進行相似度匹配，并利用所述匹配結(jié)果回復(fù)所述對話；

34、設(shè)置模塊，用于對所述知識庫進行分區(qū)，得到正確知識庫、待驗證知識庫和錯誤知識庫，提取出所述對話中的知識點，并轉(zhuǎn)入到待驗證知識庫中，在所述待驗證知識庫中集成多層級專家審核機制，并設(shè)置觸發(fā)頻率；

35、搭建模塊，用于如果當(dāng)前時刻滿足所述觸發(fā)頻率，激活所述多層級專家審核機制，對所述待驗證知識庫進行驗證，并根據(jù)驗證結(jié)果，將所述知識點同步到正確知識庫或錯誤知識庫中，搭建所述正確知識庫與現(xiàn)有醫(yī)學(xué)文獻數(shù)據(jù)庫的通信鏈路；

36、修正模塊，用于根據(jù)所述目標(biāo)信息，在所述正確知識庫中進行檢索，利用檢索出內(nèi)容修正所述對話。

37、進一步的，所述部署模塊包括：

38、嵌入單元，用于確定若干個數(shù)量的虛擬服務(wù)器，并組建分布式架構(gòu)，嵌入負載均衡機制；

39、配置單元，用于在所述云端中，配置出虛擬服務(wù)器的處理環(huán)境，并部署預(yù)訓(xùn)練語言模型和知識庫。

40、進一步的，所述建立模塊包括：

41、預(yù)處理單元，用于對所述寵物病例數(shù)據(jù)進行預(yù)處理，其中所述預(yù)處理至少包括：清洗、分詞和實體識別；

42、替換單元，用于利用所述關(guān)鍵信息，替換所述單項內(nèi)的數(shù)據(jù)；

43、插入單元，用于將所述關(guān)鍵信息歸類為若干個子類，并在所述子類間插入指向，其中所述指向用于表征子類間的病癥關(guān)系，所述指向至少包括：引發(fā)指向、治療指向和并發(fā)指向；

44、同步單元，用于將所述指向同步到單項中，確定出單項間的對應(yīng)關(guān)系。

45、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

46、通過利用預(yù)設(shè)的多模態(tài)融合模型，能夠?qū)Σ煌袷降膶櫸锊±龜?shù)據(jù)進行融合，極大地拓展了數(shù)據(jù)來源，通過構(gòu)建預(yù)訓(xùn)練語言模型，能夠大大提高對寵物病例數(shù)據(jù)的語言理解能力和推理能力，并通過生成多維度知識圖譜，大幅提升了診斷的準(zhǔn)確性和全面性，通過將預(yù)訓(xùn)練語言模型與知識庫的整合，使得分布式架構(gòu)能夠持續(xù)自我進化，逐漸提高診斷的正確率。