本技術(shù)涉及自然語言處理，具體而言，涉及一種基于醫(yī)療信息的指令微調(diào)數(shù)據(jù)生成方法及裝置。

背景技術(shù)：

1、隨著信息技術(shù)的進(jìn)步，醫(yī)療相關(guān)資料數(shù)據(jù)對醫(yī)療活動中的應(yīng)用有極大的推動。這種文本信息不僅詳細(xì)描述了醫(yī)療過程，還包含了大量有價(jià)值的醫(yī)學(xué)信息，例如診斷、治療、檢查、檢驗(yàn)、用藥、臨床的不良事件等病例信息，有著廣泛的應(yīng)用前景，包括但不限于醫(yī)學(xué)信息檢索、智能問答系統(tǒng)和臨床決策支持。因此，準(zhǔn)確地提取醫(yī)學(xué)實(shí)體對于充分利用醫(yī)學(xué)信息至關(guān)重要。然而，由于醫(yī)療相關(guān)資料文檔為非結(jié)構(gòu)化的特點(diǎn)，從其中提取關(guān)鍵醫(yī)療信息是一項(xiàng)嚴(yán)峻的挑戰(zhàn)。

2、目前信息實(shí)體抽取方法主要包括傳統(tǒng)的機(jī)器學(xué)習(xí)算法和深度學(xué)習(xí)方法。傳統(tǒng)方法依賴于人工特征，存在一定的局限性。深度學(xué)習(xí)方法在實(shí)體抽取中的應(yīng)用日益廣泛，大語言模型表現(xiàn)尤為突出，但利用大語言模型生成的指令微調(diào)數(shù)據(jù)，難以滿足醫(yī)療信息抽取所需的多樣性和復(fù)雜性。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例的目的在于提供一種基于醫(yī)療信息的指令微調(diào)數(shù)據(jù)生成方法及裝置，可以基于臨床診療指南和病程記錄等醫(yī)療知識數(shù)據(jù)，生成具有多樣性和復(fù)雜性的任務(wù)集，由此得到具有多樣性和復(fù)雜性的指令微調(diào)數(shù)據(jù)，確保了醫(yī)療信息抽取指令的多樣性、復(fù)雜性和特異性，為后續(xù)大預(yù)言模型的微調(diào)提供了強(qiáng)有力的保障和信息支持。

2、第一方面，提供了一種基于醫(yī)療信息的指令微調(diào)數(shù)據(jù)生成方法，該方法可以包括：

3、獲取與預(yù)設(shè)的醫(yī)療信息知識庫關(guān)聯(lián)的多個(gè)種子任務(wù)；

4、基于配置的任務(wù)擴(kuò)展要求和所述多個(gè)種子任務(wù)，生成針對任一種子任務(wù)的任務(wù)擴(kuò)展提示信息；

5、將所述任務(wù)擴(kuò)展提示信息輸入訓(xùn)練好的大語言模型，得到不同種子任務(wù)擴(kuò)展出的至少一個(gè)子任務(wù)；所述任務(wù)擴(kuò)展提示信息用于指示所述大語言模型對任一種子任務(wù)進(jìn)行擴(kuò)展以得到滿足所述任務(wù)擴(kuò)展要求的子任務(wù)；

6、將包含目標(biāo)任務(wù)集和待抽取醫(yī)療文檔的抽取提示信息輸入所述大語言模型，得到滿足所述任務(wù)集中各任務(wù)的信息抽取結(jié)果；所述目標(biāo)任務(wù)集是基于所述多個(gè)種子任務(wù)和所述至少一個(gè)子任務(wù)構(gòu)建的，所述抽取提示信息用于指示所述大語言模型按照種子任務(wù)集中的任務(wù)對所述醫(yī)療信息知識庫進(jìn)行信息抽??；

7、基于所述任務(wù)集中的各任務(wù)和相應(yīng)信息抽取結(jié)果，生成指令微調(diào)數(shù)據(jù)。

8、在一個(gè)可能的實(shí)現(xiàn)中，所述醫(yī)療信息知識庫包括臨床診療指南數(shù)據(jù)和臨床病程數(shù)據(jù)；

9、獲取與醫(yī)療信息知識庫關(guān)聯(lián)的多個(gè)種子任務(wù)，包括：

10、從臨床診療指南數(shù)據(jù)中提取出疾病名稱，以及相應(yīng)疾病名稱關(guān)聯(lián)的信息，所述信息包括不同疾病信息和相應(yīng)疾病信息間的關(guān)聯(lián)關(guān)系；

11、從臨床病程數(shù)據(jù)中提取出醫(yī)學(xué)術(shù)語；

12、按照配置的種子任務(wù)格式，對所述疾病名稱關(guān)聯(lián)的信息和所述醫(yī)學(xué)術(shù)語進(jìn)行處理，得到多個(gè)種子任務(wù)。

13、在一個(gè)可能的實(shí)現(xiàn)中，所述配置的種子任務(wù)格式包括針對臨床診療指南數(shù)據(jù)的第一種子任務(wù)格式和針對臨床病程數(shù)據(jù)的第二種子任務(wù)格式；

14、若某一疾病名稱關(guān)聯(lián)的兩個(gè)目標(biāo)疾病信息間的關(guān)聯(lián)關(guān)系為并列關(guān)系，則針對任一目標(biāo)疾病信息的第一種子任務(wù)格式為：提取/返回待抽取醫(yī)療文檔中，關(guān)于該疾病名稱的目標(biāo)疾病信息；

15、若某一疾病名稱關(guān)聯(lián)的兩個(gè)目標(biāo)疾病信息間的關(guān)聯(lián)關(guān)系為包含關(guān)系，則第一種子任務(wù)格式為：提取/返回待抽取醫(yī)療文檔中，關(guān)于該疾病名稱的一個(gè)目標(biāo)疾病信息中的另一個(gè)目標(biāo)疾病信息；

16、所述第二種子任務(wù)格式為：提取/返回待抽取醫(yī)療文檔中，與所述醫(yī)學(xué)術(shù)語相關(guān)的信息。

17、在一個(gè)可能的實(shí)現(xiàn)中，將所述任務(wù)擴(kuò)展提示信息輸入訓(xùn)練好的大語言模型，得到不同種子任務(wù)擴(kuò)展出的至少一個(gè)子任務(wù)之后，所述方法還包括：

18、對得到的各子任務(wù)進(jìn)行文本解析；

19、若解析失敗，則將相應(yīng)子任務(wù)確定為空字符；

20、若解析成功，則將相應(yīng)子任務(wù)確定為可用子任務(wù)；

21、采用目標(biāo)過濾方式，對待過濾信息進(jìn)行過濾，獲取目標(biāo)任務(wù)集，所述待過濾信息包括所述空字符和所述可用子任務(wù)。

22、在一個(gè)可能的實(shí)現(xiàn)中，所述目標(biāo)過濾方式包括字符過濾方式和相似度過濾方式；

23、采用目標(biāo)過濾方式，對待過濾信息進(jìn)行過濾，獲取目標(biāo)任務(wù)集，包括：

24、采用所述字符過濾方式，對待過濾信息進(jìn)行過濾，以過濾掉存在的空字符、none，和/或，首字符為符號或包含目標(biāo)字符的待過濾信息，得到過濾后的可用子任務(wù)；

25、采用所述相似度過濾方式，計(jì)算過濾后的可用子任務(wù)分別與各個(gè)種子任務(wù)間的相似度，并過濾掉大于預(yù)設(shè)閾值的相似度對應(yīng)的過濾后的可用子任務(wù)，得到二次過濾后的可用子任務(wù)；

26、將所述二次過濾后的可用子任務(wù)和所述多個(gè)種子任務(wù)，構(gòu)建目標(biāo)任務(wù)集。

27、在一個(gè)可能的實(shí)現(xiàn)中，所述任務(wù)擴(kuò)展要求的配置方式包括：

28、獲取預(yù)先構(gòu)建的多個(gè)任務(wù)擴(kuò)展策略和隨機(jī)配置的策略個(gè)數(shù)；

29、按照所述策略個(gè)數(shù)，對所述多個(gè)任務(wù)擴(kuò)展策略進(jìn)行組合，得到多個(gè)策略組合；

30、將每個(gè)策略組合涉及的任務(wù)擴(kuò)展策略確定為一個(gè)任務(wù)擴(kuò)展要求。

31、在一個(gè)可能的實(shí)現(xiàn)中，所述多個(gè)任務(wù)擴(kuò)展策略包括增加約束條件的任務(wù)擴(kuò)展策略、增加內(nèi)容細(xì)致程度的任務(wù)擴(kuò)展策略、進(jìn)行內(nèi)容概念替換的任務(wù)擴(kuò)展策略、基于多步驟實(shí)現(xiàn)的任務(wù)擴(kuò)展策略和構(gòu)造與相應(yīng)種子任務(wù)內(nèi)容不同的任務(wù)擴(kuò)展策略中的一種或多種。

32、第二方面，提供了一種基于醫(yī)療信息的指令微調(diào)數(shù)據(jù)生成裝置，該裝置可以包括：

33、獲取單元，用于獲取與預(yù)設(shè)的醫(yī)療信息知識庫關(guān)聯(lián)的多個(gè)種子任務(wù)；

34、生成單元，用于基于配置的任務(wù)擴(kuò)展要求和所述多個(gè)種子任務(wù)，生成針對任一種子任務(wù)的任務(wù)擴(kuò)展提示信息；

35、輸入單元，用于將所述任務(wù)擴(kuò)展提示信息輸入訓(xùn)練好的大語言模型，得到不同種子任務(wù)擴(kuò)展出的至少一個(gè)子任務(wù)；所述任務(wù)擴(kuò)展提示信息用于指示所述大語言模型對任一種子任務(wù)進(jìn)行擴(kuò)展以得到滿足所述任務(wù)擴(kuò)展要求的子任務(wù)；

36、以及，將包含目標(biāo)任務(wù)集和待抽取醫(yī)療文檔的抽取提示信息輸入所述大語言模型，得到滿足所述任務(wù)集中各任務(wù)的信息抽取結(jié)果；所述目標(biāo)任務(wù)集是基于所述多個(gè)種子任務(wù)和所述至少一個(gè)子任務(wù)構(gòu)建的，所述抽取提示信息用于指示所述大語言模型按照種子任務(wù)集中的任務(wù)對所述醫(yī)療信息知識庫進(jìn)行信息抽?。?/p>

37、所述生成單元，還用于基于所述任務(wù)集中的各任務(wù)和相應(yīng)信息抽取結(jié)果，生成指令微調(diào)數(shù)據(jù)。

38、第三方面，提供了一種電子設(shè)備，該電子設(shè)備包括處理器、通信接口、存儲器和通信總線，其中，處理器，通信接口，存儲器通過通信總線完成相互間的通信；

39、存儲器，用于存放計(jì)算機(jī)程序；

40、處理器，用于執(zhí)行存儲器上所存放的程序時(shí)，實(shí)現(xiàn)上述第一方面中任一所述的方法步驟。

41、第四方面，提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，該計(jì)算機(jī)可讀存儲介質(zhì)內(nèi)存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述第一方面中任一所述的方法步驟。

42、本技術(shù)提供的基于醫(yī)療信息的指令微調(diào)數(shù)據(jù)生成方法在獲取與預(yù)設(shè)的醫(yī)療信息知識庫關(guān)聯(lián)的多個(gè)種子任務(wù)后，基于配置的任務(wù)擴(kuò)展要求和多個(gè)種子任務(wù)，生成針對任一種子任務(wù)的任務(wù)擴(kuò)展提示信息；將任務(wù)擴(kuò)展提示信息輸入訓(xùn)練好的大語言模型，得到不同種子任務(wù)擴(kuò)展出的至少一個(gè)子任務(wù)；任務(wù)擴(kuò)展提示信息用于指示大語言模型對任一種子任務(wù)進(jìn)行擴(kuò)展以得到滿足任務(wù)擴(kuò)展要求的子任務(wù)；將包含目標(biāo)任務(wù)集和待抽取醫(yī)療文檔的抽取提示信息輸入大語言模型，得到滿足所述任務(wù)集中各任務(wù)的信息抽取結(jié)果；目標(biāo)任務(wù)集是基于多個(gè)種子任務(wù)和至少一個(gè)子任務(wù)構(gòu)建的，抽取提示信息用于指示大語言模型按照種子任務(wù)集中的任務(wù)對醫(yī)療信息知識庫進(jìn)行信息抽??；基于任務(wù)集中的各任務(wù)和相應(yīng)信息抽取結(jié)果，生成指令微調(diào)數(shù)據(jù)。該方法可得到具有多樣性和復(fù)雜性的指令微調(diào)數(shù)據(jù)，確保了醫(yī)療信息抽取指令的多樣性、復(fù)雜性和特異性。