本說明書一個或多個實施例涉及機器學習，尤其涉及一種咨詢服務的提供方法及裝置，一種計算機可讀存儲介質，以及一種計算設備。

背景技術：

1、在線問診服務，也稱為遠程醫(yī)療或電子健康服務，是一種通過互聯(lián)網(wǎng)技術提供醫(yī)療咨詢和治療的方式。這種服務通常通過即時消息或專門的醫(yī)療應用程序等來實現(xiàn)，使患者可以在不前往醫(yī)院或診所的情況下獲得醫(yī)生的專業(yè)建議和支持。

2、在線問診服務具有以下幾個關鍵特點：1)便捷性：在線問診服務的最大優(yōu)勢之一是其便捷性。用戶可以通過智能手機、平板電腦或電腦，隨時隨地與醫(yī)生進行交流。2)廣泛的訪問性：這種服務特別適合居住在偏遠地區(qū)或交通不便地區(qū)的患者，以及那些因工作忙碌或身體條件限制而難以親自前往醫(yī)院的人。3)癥狀初步評估：在線問診可以幫助醫(yī)生對患者的癥狀進行初步評估，根據(jù)病情的嚴重性提供相應的醫(yī)療建議或轉診至面對面診療。4)隱私和安全：在線問診平臺通常會采用高標準的數(shù)據(jù)保護措施來確?；颊咝畔⒌陌踩碗[私保護。5)持續(xù)的健康管理：在線問診還可以支持慢性病患者的持續(xù)健康管理，例如定期檢查、藥物管理和健康指導。

3、然而，目前在線問診服務等專業(yè)領域的線上咨詢服務，主要以醫(yī)生等專業(yè)人員進行人工回復為主。因此，迫切需要一種方案，可以在保證服務質量的同時，有效提升在線問診服務等的服務效率，從而提高用戶在使用專業(yè)咨詢服務時的服務體驗。

技術實現(xiàn)思路

1、本說明書實施例描述一種咨詢服務的提供方法及裝置，可以有效提升服務效率。

2、根據(jù)第一方面，提供一種咨詢服務的提供方法，涉及在目標會話中與用戶進行若干輪次對話，其中任一輪次對話包括：利用訓練好的信息抽取模型處理用戶在本輪輸入的咨詢內容，得到本輪抽取特征，用于更新所述目標會話對應的已抽取特征集合；利用訓練好的決策模型處理本輪更新后的已抽取特征集合，得到本輪決策結果；在判斷出本輪對話滿足預設反問條件的情況下，根據(jù)所述本輪決策結果確定待反問用戶的若干特征項；利用訓練好的對話模型處理所述若干特征項，得到針對所述咨詢內容的回復內容。

3、在一種可能的實施方式中，所述方法還包括：響應于用戶進入咨詢服務頁面，創(chuàng)建所述目標會話；和/或，響應于用戶基于所述咨詢服務頁面進行發(fā)起會話操作，創(chuàng)建所述目標會話。

4、在一種可能的實施方式中，所述信息抽取模型的訓練包括以下步驟：獲取所述咨詢服務所對應領域下的多條決策案例數(shù)據(jù)；針對各條決策案例數(shù)據(jù)，調用訓練好的第一大模型對其進行信息抽取，得到對應的抽取結果，通過將該決策案例數(shù)據(jù)作為樣本特征，以及將抽取結果為樣本標簽，構建對應的微調樣本；利用所述微調樣本對預訓練的第二大模型進行微調；其中，微調后的第二大模型被用作所述訓練好的信息抽取模型。

5、在一種可能的實施方式中，所述決策模型的訓練包括以下步驟：獲取所述咨詢服務所對應領域下的決策案例數(shù)據(jù)集；針對各條決策案例數(shù)據(jù)，利用所述信息抽取模型對其進行處理，得到信息抽取結果；從所述信息抽取結果中提取決策類別標簽和若干決策特征，形成訓練樣本；利用所述訓練樣本，更新所述決策模型。

6、在一種可能的實施方式中，所述決策模型為決策樹模型或線性回歸模型。

7、在一種可能的實施方式中，所述預設反問條件包括：本輪更新后的已抽取特征集中的特征數(shù)量不大于第一閾值；和/或，所述本輪決策結果中概率最高的決策類別所對應的概率不大于第二閾值；和/或，所述本輪決策結果中所對應概率大于第三閾值的決策類別個數(shù)大于第四閾值；和/或，本輪對話的輪次數(shù)不大于第五閾值。

8、在一種可能的實施方式中，根據(jù)所述本輪決策結果確定待反問用戶的若干特征項，包括：基于所述咨詢服務對應的關注特征集和所述本輪更新后的已抽取特征集合，確定特征值未知的多個未知特征項；針對任意的第一未知特征項，基于所述本輪決策結果中對應各個決策類別的決策概率，以及其與所述各個決策類別的相關系數(shù)，確定第一本輪權重；從所述多個未知特征項中選取本輪權重排在預定名次范圍內的若干未知特征項，作為待反問用戶的若干特征項。

9、進一步，在一些可能的實施例中，針對任意的第一未知特征項，基于所述本輪決策結果中對應各個決策類別的決策概率，以及其與所述各個決策類別的相關系數(shù)，確定第一本輪權重，包括：針對所述各個決策類別，基于該決策類別的決策概率，以及所述第一未知特征項與該決策類別之間的第一相關系數(shù)，確定所述第一未知特征項在該決策類別下的評分；基于所述第一未知特征項在所述多個決策類別下的多個評分，確定所述第一本輪權重。

10、更進一步地，在一些可能地示例中，基于該決策類別的決策概率，以及所述第一未知特征項與該決策類別之間的第一相關系數(shù)，確定所述第一未知特征項在該決策類別下的評分，包括：確定第一相關系數(shù)在所述多個未知特征項與該決策類別之間多個相關系數(shù)中的排名；利用該決策類別的決策概率的預定次冪除以所述排名，作為該決策類別下的評分。

11、在一種可能的實施方式中，所述方法還包括：在判斷出本輪對話不滿足預設反問條件的情況下，利用訓練好的對話模型處理所述本輪決策結果，得到針對所述咨詢內容的回復內容。

12、在一種可能的實施方式中，利用訓練好的對話模型處理所述本輪決策結果和若干特征項，得到針對所述咨詢內容的回復內容，還包括：利用所述對話模型處理所述本輪決策結果、若干特征項，以及在前輪次的對話內容，得到所述回復內容。

13、在一種可能的實施方式中，所述方法由部署在咨詢服務平臺中的目標大模型響應于所述咨詢內容的輸入而控制執(zhí)行。

14、在一種可能的實施方式中，所述咨詢服務為在線問診服務，所述已抽取特征集合涉及以下中的至少一類特征：癥狀、基礎信息、病史、檢查報告，所述本輪決策結果涉及診斷出的疾病和對應的概率。

15、根據(jù)第二方面，提供一種咨詢服務的提供裝置，所述咨詢服務涉及在目標會話中與用戶進行若干輪次對話，其中任一輪次對話由所述提供裝置中包括的以下模塊實現(xiàn)：特征抽取模塊，配置為利用訓練好的信息抽取模型處理用戶在本輪輸入的咨詢內容，得到本輪抽取特征，用于更新所述目標會話對應的已抽取特征集合；決策模塊，配置為利用訓練好的決策模型處理本輪更新后的已抽取特征集合，得到本輪決策結果；反問特征確定模塊，配置為在判斷出本輪對話滿足預設反問條件的情況下，根據(jù)所述本輪決策結果確定待反問用戶的若干特征項；回復內容生成模塊，配置為利用訓練好的對話模型處理所述若干特征項，得到針對所述咨詢內容的回復內容。

16、根據(jù)第三方面，提供了一種計算機可讀存儲介質，其上存儲有計算機程序，當上述計算機程序在計算機中執(zhí)行時，令計算機執(zhí)行第一方面的方法。

17、根據(jù)第四方面，提供了一種計算設備，包括存儲器和處理器，上述存儲器中存儲有可執(zhí)行代碼，該處理器執(zhí)行上述可執(zhí)行代碼時，實現(xiàn)第一方面的方法。

18、采用本說明書實施例提供的上述方法和裝置，可以實現(xiàn)專業(yè)領域咨詢的全自動化服務，在保證服務質量的同時，大幅提升專業(yè)咨詢服務的服務效率，從而有效提高用戶體驗。