(19)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 202210625599.2 (22)申请日 2022.06.02 (71)申请人 上海柯林布瑞信息技 术有限公司 地址 200233 上海市徐汇区宜山路70 0号B2 栋1504 (72)发明人 秦晓宏　华宗楠　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 初春 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/36(2019.01) G06F 40/205(2020.01) G06F 40/253(2020.01) G16H 80/00(2018.01) (54)发明名称 基于医学知识图谱构建问答对的问答方法 及装置 (57)摘要 本发明实施例公开了一种基于医学知识图 谱构建问答对的问答方法及装置， 该方法包括： 获取当前待解答的医学问题； 将所述医学问题输 入已训练的问答模型以得到所述问题对应的答 案， 并输出所述答案； 其中， 所述已训练的问答模 型用于在检测到所述医学问题为非直接型问题 时， 将所述医学问题对应的至少两个级联医学子 问题中的最后一个医学子问题的答案作为所述 医学问题的答案； 其中， 所述至少两个级联医学 子问题中， 在前的医学子问题的答案是在后的医 学子问题对应三元组中的一个目标 实体。 现有医 学智能问答方法无法确定复杂医疗问题的答案 。 权利要求书1页 说明书7页 附图1页 CN 114936275 A 2022.08.23 CN 114936275 A 1.一种问答方法， 其特 征在于， 包括： 获取当前待解 答的医学问题； 将所述医学问题输入已训练 的问答模型以得到所述医学问题对应的答案， 并输出所述 答案； 其中， 所述已训练的问答模型用于在检测到所述医学问题为非直接型问题时， 将所述 医学问题对应的至少两个级联医学子 问题中的最后一个医学子 问题的答案作为所述医学 问题的答案； 其中， 所述至少两个级联医学子问题中， 在前的医学子问题的答案是在后的医 学子问题对应三元组中的一个目标实体。 2.根据权利要求1所述的方法， 其特征在于， 所述非直接型问题为多跳型问题或推理型 问题。 3.根据权利要求2所述的方法， 其特征在于， 所述推理型问题具体为比较级问题、 区别 型问题、 并列型问题或是否型问题。 4.根据权利要求1所述的方法， 其特征在于， 所述已训练 的问答模型基于预设类型的问 答对训练而成， 所述预设类型的问答对包括基于第一预设类型问题模板从 医学知识图谱中 获取的问答对， 和基于第二预设类型问题模板从医学知识库中获取的问答对。 5.根据权利要求 4所述的方法， 其特 征在于， 第一预设类型问题模板与第 二预设类型问题模板均包含解决方案型问题模板， 枚举型 问题模板， 数值型问题模板， 事实型模板、 定义型问题模板、 原因型问题模板的一种或多种， 所述第一预设类型问题模板还包括是否型问题模板、 推理型问题模板中的一种或多 种。 6.根据权利要求4所述的方法， 其特征在于， 所述至少两个级联医学子问题的语法结构 符合第一预设类型问题模板或第二预设类型问题模板的语法结构。 7.根据权利要求 4所述的方法， 其特 征在于， 所述问答对 还包括通过已训练的问答对提取模型从待提取对象中提取的问答对结果； 所述待提取对象为医学书本和/或医学网站。 8.根据权利要求1所述的方法， 其特 征在于， 所述问答对 包括一个或多个医学问题以及该一个或多个医学问题对应的同一 答案； 所述一个和多个医学问题包括将标准问题通过外语泛化后的泛化问题， 其中， 所述标 准问题为与已有问题模板的语法结构相同的问题。 9.根据权利要求1 ‑8任一所述的方法， 其特 征在于， 所述在前的医学子问题至少包括与所述在后医学子问题相邻且位于所述在后医学子 问题前的医学子问题。 10.一种问答装置， 其特 征在于， 包括： 问题获取模块， 用于获取当前待解 答的医学问题； 答案确定与输出模块， 用于将所述医学问题输入已训练 的问答模型以得到所述问题对 应的答案， 并输出所述答案， 其中， 所述已训练的问答模型用于在检测到所述医学问题为 非 直接型问题时， 将所述医学问题对应的至少两个级联医学子问题中的最后一个医学子问题 的答案作为所述医学问题的答案； 其中， 所述至少两个级联医学子问题中， 在前的医学子问 题的答案是在后的医学子问题对应三元组中的一个目标实体。权　利　要　求　书 1/1 页 2 CN 114936275 A 2基于医学知识图谱构建问答对的问答 方法及装置 技术领域 [0001]本发明实施例涉及计算机程序领域， 尤其涉及一种基于医学知识图谱构建问答对 的问答方法及装置 。 背景技术 [0002]随着医学人工客服的紧缺， 医学智能问答变得越来越重要。 医学智能问答不仅可 以免去用户等待人工客 服的时间， 还能大 大降低医院的运营成本 。 [0003]虽然现有医学智能问答可以解决大部分的用户问题， 以使宝贵的人工客户资源解 决剩余部分的复杂问题。 但不可否认的是， 该剩余部分的复杂问题仍使很多医院的人工客 服不堪重负。 究其原因在于现有医学智能问答仅能解决的问题都是简单 的医疗问题， 比如 甲状腺由什么组织组成， 体温多少度为高烧； 但不能解决复杂的医疗问题， 比如多跳型问 题。 多跳型问题是有条件的约束问题， 比如甲状腺激素升高， 是 得了甲亢了么？ [0004]综上， 本申请人在实现本发明实施例的过程中发现， 现有医学智能问答方法无法 确定复杂医疗问题的答案 。 发明内容 [0005]本发明实施例提供了一种基于医学知识图谱构建问答对的问答方法及装置， 解决 了现有医学智能问答方法无法确定复杂医疗问题的答案 。 [0006]第一方面， 本发明实施例提供了一种问答方法， 包括： [0007]获取当前待解 答的医学问题； [0008]将所述医学问题输入已训练的问答模型以得到所述医学问题对应的答案， 并输出 所述答案； [0009]其中， 所述已训练的问答模型用于在检测到所述医学问题为非直接型问题时， 将 所述医学问题对应的至少两个级联医学子 问题中的最后一个医学子 问题的答案作为所述 医学问题的答案； 其中， 所述至少两个级 联医学子问题中， 在前的医学子问题的答案是在后 的医学子问题对应三元组中的一个目标实体。 [0010]进一步， 所述非直接型问题为多跳型问题或推理型问题。 [0011]进一步， 所述推 理型问题具体为比较级问题、 区别型问题、 并列型问题或是否型问 题。 [0012]进一步， 所述已训练的问答模型基于预设类型的问答对训练而成， 所述预设类型 的问答对包括基于第一预设类型问题模板从医学知识图谱中获取的问答对， 和基于第二预 设类型问题模板从医学知识库中获取的问答对。 [0013]进一步， 第一预设类型问题模板与第二预设类型问题模板均 包含解决方案型问题 模板， 枚举型问题模板， 数值型问题模板， 事实型模板、 定义型问题模板、 原因型问题模板的 一种或多种， [0014]所述第一预设类型问题模板还包括是否型问题模板、 推 理型问题模板中的一种或说　明　书 1/7 页 3 CN 114936275 A 3