一种基于GPT模型的科室和专家推荐方法及系统与流程

本发明属于医用交互系统领域，更具体地说，尤其涉及一种基于gpt模型的科室和专家推荐方法。同时，本发明还涉及一种基于gpt模型的科室和专家推荐系统。

背景技术：

1、随着现代病症分类的细化和病患医学常识的缺乏，很多病人来到医院，面对细化的就诊科室，并不十分准确清楚知道自己应该到哪个科室挂号就诊。挂错号，造成病情的耽误和来回奔波，都可能会给病人带来负面情绪。

2、目前导诊服务主要分为人工咨询导诊、图示标志导诊、信息化平台导诊以及智能机器人导诊，其中信息化平台导诊以及智能机器人导诊存在医疗资源信息可靠性差、导诊准确率低等问题，同时，针对信息化平台导诊以及智能机器人目前主要的作用是提供引导、介绍、健康宣教、咨询导医等功能，在应对复杂情景等方面仍需不断改进，实际应用效果有待验证。

技术实现思路

1、本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于gpt模型的科室和专家推荐方法及系统，推荐方法通过用户输入的基础信息进行初步导诊，判定可能设定的科室，然后通过交互式问答方式精准计算适合用户病症的专家，相较于现有技术，导诊准确率高，实用便捷。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于gpt模型的科室和专家推荐方法，包括如下步骤：

4、s1、系统接收用户输入的第一描述信息，提取第一描述信息中的症状特征；

5、s2、系统中的gpt模型结合症状特征和医疗知识图谱进行第一相关度计算，确定若干个初步相关科室，并推送至用户交互界面显示若干个初步相关科室选项；

6、s3、系统中的gpt模型接收用户根据初步相关科室选项输入的第二描述信息，结合知识图谱进行第二相关度计算，确定各科室下专家，并推送至用户交互界面显示若干个专家选项。

7、优选的，步骤s2中，所述医疗知识图谱中的数据信息包括：疾病症状、诊断、治疗方案、科室职能以及医生专业方向；

8、所述医疗知识图谱构建步骤为：

9、s11、对融入的数据信息进行实体识别；

10、s12、利用多任务方式同时提高实体识别以及关系抽取的精度；

11、s13、进行归一化处理将表达同一意义的实体进行链接。

12、优选的，步骤s2中，所述gpt模型的训练步骤包括：

13、s21、使用未经标注的大规模医疗文本数据对gpt模型进行预训练；

14、s22、根据具体应用场景对预训练模型进行调整优化；

15、s23、调整优化后评估模型性能；

16、s24、基于实际使用对用户与gpt模型进行交互式问答过程中的反馈进行积累，持续迭代gpt模型性能。

17、优选的，步骤s21中，所述gpt模型预训练采用无监督预训练，包括：

18、给定无标签序列；

19、对似然值进行最大化训练，表达式为：

20、

21、其中，l1（u）表示似然值，k是滑动窗口的大小，p是条件概率，是模型的参数。

22、优选的，步骤s22中，所述对预训练模型进行调整优化包括：

23、对每个实例包含一个输入token的序列以及一个标签；

24、输入token序列通过gpt模型获取其最后一层的最后一个token的输出；

25、然后将其通过参数的线性输出层来预测。

26、优选的，步骤s3中所述通过计算输出最可能的若干科室选项，包括：

27、s31、获取医疗知识图谱中某个科室的信息数据、用户输入信息以及关系类型；

28、s32、根据科室的信息以及用户输入信息数据分别计算出各科室相关度；其中，相关度计算式为：

29、d×r1×r2；

30、式中，f为用户与对应科室的相关度；r1表示医疗知识图谱中某个科室的信息数据，r2表示用户输入信息，d表示关系类型，所述关系类型为相似度；

31、s33、选择相关度超过阈值的若干科室生成推荐选项输出。

32、优选的，所述各科室相关度判断原则为：

33、若f（d，r1，r2）=1；表示用户输入信息与医疗知识图谱中某个科室的信息数据通过相似度关联成功，相似度高于50%，医疗知识图谱中对应的科室为推断涉及的科室；

34、若f（d，r1，r2）=0：表示用户输入信息与医疗知识图谱中某个科室的信息数据通过相似度未关联成功，医疗知识图谱中对应的科室为未涉及的科室。

35、优选的，步骤s4中，所述gpt模型对专家推送采用语言模糊c均值聚类算法对gpt模型进行训练，通过为每个数据点分配模糊隶属度，将数据点划分到不同的聚类中心；

36、所述语言模糊c均值聚类算法包括：

37、s41、初始化，并定义最终期望获得的聚类数量；

38、s42、计算聚类中心，聚类中心是数据点的加权平均值，其中权重由隶属度表示；

39、s43、根据当前的聚类中心值更新隶属度；

40、s44、重复计算聚类中心以及根据当前的聚类中心值更新隶属度，进行迭代更新。

41、优选的，步骤s43所述根据当前的聚类中心值更新隶属度，具体为，对于每个数据点i和每个聚类k，更新后的隶属度u（i,k）的计算式为：

42、

43、其中，x（i）是数据点i的特征向量，c（k）是聚类中心k的特征向量，j表示所有聚类的索引，m是模糊因子。

44、一种基于gpt模型的科室和专家推荐系统，所述系统用于实现上述的基于gpt模型的科室和专家推荐方法，包括：

45、接收单元，用于接收用户输入的第一描述信息；

46、计算单元，所述计算单元内置gpt模型模块，用于实现初步相关科室计算以及专家推送计算；

47、人机交互单元，用于实现系统与用户之间的交互，且人机交互单元与所述接收单元电性连接；

48、内置于人机交互单元中的显示单元；

49、存储单元，用于储存医疗知识图谱以及与科室、医生相关信息数据；

50、信息调取单元，用于调取查阅医疗知识图谱、科室、医生相关信息数据。

51、本发明的技术效果和优点：本发明提供的一种基于gpt模型的科室和专家推荐方法，本发明通过训练医疗gpt模型使其能够理解病患输入的症状描述，并能根据描述推理出可能的疾病范围及其对应科室，在通过用户与gpt模型进行交互式问答方式实现专家的精准导诊，与现有技术相比，导诊准确率高，实用便捷；

52、其次，本发明在用户与gpt模型进行交互式问答方式中，对gpt模型采用语言模糊c均值聚类算法训练，在一定程度上降低了交互的专业性，使非专业术语以及方言也能实现交互。

技术特征：

1.一种基于gpt模型的科室和专家推荐方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于gpt模型的科室和专家推荐方法，其特征在于，步骤s2中，所述医疗知识图谱中的数据信息包括：疾病症状、诊断、治疗方案、科室职能以及医生专业方向；

3.根据权利要求1所述的一种基于gpt模型的科室和专家推荐方法，其特征在于，步骤s2中，所述gpt模型的训练步骤包括：

4.根据权利要求3所述的一种基于gpt模型的科室和专家推荐方法，其特征在于，步骤s21中，所述gpt模型预训练采用无监督预训练，包括：

5.根据权利要求4所述的一种基于gpt模型的科室和专家推荐方法，其特征在于，步骤s22中，所述对预训练模型进行调整优化包括：

6.根据权利要求1所述的一种基于gpt模型的科室和专家推荐方法，其特征在于，步骤s3中，所述初步相关科室选项的推荐方法包括：

7.根据权利要求6所述的一种基于gpt模型的科室和专家推荐方法，其特征在于，所述各科室相关度判断原则为：

8.根据权利要求1所述的一种基于gpt模型的科室和专家推荐方法，其特征在于，步骤s3中，所述gpt模型对专家推送采用语言模糊c均值聚类算法对gpt模型进行训练，通过为每个数据点分配模糊隶属度，将数据点划分到不同的聚类中心；

9.根据权利要求8所述的一种基于gpt模型的科室和专家推荐方法，其特征在于，步骤s43所述根据当前的聚类中心值更新隶属度，具体为，对于每个数据点i和每个聚类k，更新后的隶属度u（i，k）的计算式为：

10.一种基于gpt模型的科室和专家推荐系统，其特征在于，所述系统用于实现权利要求1-9任一所述的基于gpt模型的科室和专家推荐方法，包括：

技术总结本发明公开了一种基于GPT模型的科室和专家推荐方法及系统，涉及医用交互系统领域，所述方法包括：S1、系统接收用户输入的第一描述信息，提取第一描述信息中的症状特征；S2、系统中的GPT模型结合症状特征和医疗知识图谱进行第一相关度计算，确定若干个初步相关科室；S3、GPT模型接收用户根据初步相关科室选项输入的第二描述信息，结合知识图谱进行第二相关度计算，确定各科室下专家，并推送至用户交互界面显示若干个专家选项。本发明通过训练医疗GPT模型使其能够理解病患输入的症状描述，并能根据描述推理出可能的疾病范围及其对应科室，在通过用户与GPT模型进行交互式问答方式实现专家的精准导诊，与现有技术相比，导诊准确率高，实用便捷。技术研发人员：康飞若,徐业贵,程达,蔡凌豪,曾焕洁,叶仁杰受保护的技术使用者：旭辉卓越健康信息科技有限公司技术研发日：技术公布日：2024/6/11