(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 202210548072.4 (22)申请日 2022.05.19 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 胡意仪　阮晓雯　陈远旭　 (74)专利代理 机构 深圳市联鼎知识产权代理有 限公司 4 4232 专利代理师 陈涛 (51)Int.Cl. G16H 50/20(2018.01) G06F 16/33(2019.01) G06F 16/332(2019.01) G06F 16/35(2019.01)G06F 40/30(2020.01) (54)发明名称 问题的解释要素生成方法、 装置、 介质及电 子设备 (57)摘要 本公开涉及知识推理领域， 揭示了一种问题 的解释要素生 成方法、 装置、 介质及电子设备。 该 方法包括： 基于问题解释样本集构建解释要素多 分类模型； 将目标问题信息输入至解释要素多分 类模型， 得到多个解释要素； 根据相关性模型确 定各解释要素与目标问题信息的相关度； 生成与 多个解释要素对应的所有解释要素组合， 并根据 各解释要素组合及相关度构建与各解释要素组 合对应的图结构； 利用切线对各图结构进行切图 操作， 并确定与每次切图操作对应的解释要素组 和切图损失； 根据各次切图操作对应的切图损失 确定目标切图损失， 并将目标切图损失对应的解 释要素组中的解释要素作为目标解释要素。 此方 法可以高效准确地为目标问题信息生成相应的 解释要素。 权利要求书3页 说明书13页 附图6页 CN 114882993 A 2022.08.09 CN 114882993 A 1.一种问题的解释要素生成方法， 其特 征在于， 所述方法包括： 基于问题解释样本集构建解释要素多分类模型， 所述问题解释样本集包括多个问题解 释样本， 所述问题解释样本包括问题信息、 答案信息和与所述答案信息对应的解释要素集 合； 将目标问题信 息输入至所述解释要素多分类模型， 得到所述解释要素多分类模型输出 的与所述目标问题信息对应的多个解释要素； 根据预先构建的相关性模型确定各解释要素与所述目标问题信息的相关度； 生成与所述多个解释要素对应的所有解释要素组合， 并根据各解释要素组合及各解释 要素组合中解释要素对应的相关度构建与各解释要素组合对应的图结构， 其中， 所述解释 要素组合包括至少 两个解释要素， 所述图结构包括0节点、 1节点以及与所述解释要素组合 中解释要素对应的解释要素节点， 各所述解释要素节点分别与所述0节点和所述1节点相 连， 与所述解释要素节点相连的边的权重是根据与所述解释要素节点对应的所述相关度确 定的； 利用切线对每个图结构进行至少一 次切图操作， 并确定与每次切图操作对应的解释要 素组和切图损失； 根据各次切图操作对应的切图损 失， 确定目标切图损 失， 并将所述目标切图损 失对应 的解释要素组中的解释要素作为与所述目标问题信息对应的目标解释要素。 2.根据权利要求1所述的问题的解释要素生成方法， 其特征在于， 所述问题信 息包括患 者基本画像信息和患者问诊信息， 所述答案信息为疾病诊断结论， 所述解释要素为诊断要 素。 3.根据权利要求2所述的问题的解释要素生成方法， 其特征在于， 所述疾病 诊断结论包 括疾病名称和证型， 所述诊断要素为证素， 在基于 问题解释样本集构建解释要素多分类模 型之前， 所述方法还 包括： 根据线上业务诊断数据构建包括多个原始问题解释样本的原始问题解释样本集， 所述 原始问题解释 样本包括患者基本画像信息、 患者问诊信息、 疾病名称和证型； 根据各原始问题解释样本 中的疾病名称和证型， 确定各原始问题解释样本对应的解释 要素集合； 将各解释要素集合添加至与 各解释要素集合对应的原始问题解释样本中， 得到多个问 题解释样本。 4.根据权利要求3所述的问题的解释要素生成方法， 其特征在于， 所述根据各原始问题 解释样本中的疾病名称和证型， 确定各原 始问题解释 样本对应的解释要素集 合， 包括： 构建包括多个 证素的证素词典； 确定与各原 始问题解释 样本中的疾病名称和证型对应的病机信息； 通过将所述病机信 息与所述证素词典中的证素相匹配， 得到各原始问题解释样本对应 的证素集 合。 5.根据权利要求4所述的问题的解释要素生成方法， 其特征在于， 在构建包括多个证素 的证素词典之后， 所述根据各原始问题解释样本中的疾病名称和证型， 确定各原始问题解 释样本对应的解释要素集 合， 还包括： 通过预先构建的语义分类模型从所述证素词典中获取与证型对应的病机信息的语义权　利　要　求　书 1/3 页 2 CN 114882993 A 2相同的证素， 以得到各原 始问题解释 样本对应的证素集 合。 6.根据权利要求3所述的问题的解释要素生成方法， 其特征在于， 在根据 预先构建的相 关性模型确定各解释要素与所述目标问题信息的相关度之前， 所述方法还 包括： 基于问题解释样本集构建相关度样本集， 其中， 所述相关度样本集包括多个相关度样 本， 所述相关度样本包括 目标患者问诊信息、 目标证素以及所述 目标患者问诊信息与所述 目标证素的相关度， 所述目标患者问诊信息和所述目标证素属于所述问题解释样本集中相 同或者不同的问题解释 样本； 根据所述相关度样本集训练得到相关性模型。 7.根据权利要求1 ‑6任意一项所述的问题的解释要素生成方法， 其特征在于， 所述相关 度与相关性的大小负相关， 所述根据各解释要 素组合及各解释要 素组合中解释要 素对应的 相关度构建与各解释要素组合对应的图结构， 包括： 分别生成0节点、 1节点以及与所述 解释要素组合中解释要素对应的解释要素节点； 将各所述解释要素节点分别与所述0节点和所述1节点相连； 将所述解释要素组合中各解释要素与所述目标问题信息的相关度映射至目标相关度 区间内， 得到各解释要素对应的相关度映射 值； 将所述相关度映射值作为相应解释要素节点与0节点之间的边的权重， 并将所述目标 相关度区间的长度与所述相关度映射值之差作为相应解释要 素节点与1节点之 间的边的权 重。 8.一种问题的解释要素生成装置， 其特 征在于， 所述装置包括： 模型构建模块， 被配置为基于问题解释样本集构建解释要素多分类模型， 所述问题解 释样本集包括多个 问题解释样本， 所述问题解释样本包括问题信息、 答案信息和与所述答 案信息对应的解释要素集 合； 输入模块， 被配置为将目标问题信息输入至所述解释要素多分类模型， 得到所述解释 要素多分类模型输出的与所述目标问题信息对应的多个解释要素； 确定模块， 被配置为根据预先构建的相关性模型确定各解释要素与 所述目标问题信 息 的相关度； 图结构构建模块， 被配置为生成与所述多个解释要素对应的所有解释要素组合， 并根 据各解释要素组合及各解释要素组合中解释要素对应的相关度构建与各解释要素组合对 应的图结构， 其中， 所述解释要素组合包括至少两个解释要素， 所述图结构包括0节点、 1节 点以及与所述解释要 素组合中解释要 素对应的解释要 素节点， 各所述解释要 素节点分别与 所述0节点和所述 1节点相连， 与所述解释要素节点相连的边的权重是根据与所述解释要 素 节点对应的所述相关度确定的； 切图模块， 被配置为利用切线对每个图结构进行至少一次切图操作， 并确定与每次切 图操作对应的解释要素组和 切图损失； 确定模块， 被配置为根据 各次切图操作对应的切图损失， 确定目标切图损失， 并将所述 目标切图损失对应的解释要素组中的解释要素作为与所述目标问题信息对应的目标解释 要素。 9.一种计算机可读程序介质， 其特征在于， 其存储有计算机程序指令， 当所述计算机程 序指令被 计算机执 行时， 使计算机执 行根据权利要求1至7中任一项所述的方法。权　利　要　求　书 2/3 页 3 CN 114882993 A 3