本公开的实施例涉及数据处理技术领域，具体涉及基于自然语言处理的医疗数据处理技术领域，尤其涉及医疗事实的验证方法和装置。
背景技术：
医疗事实验证是对给出的医疗事实进行真实性或可靠性验证的技术。例如，一条医疗事实为<肾结石，症状，腹水>，验证技术可以通过大量医学知识来判定该医疗事实的置信程度，并给出支撑证据。医疗事实验证技术可以用于辅助构建医疗知识图谱。
随着人工智能与深度学习技术的深入研究，自然语言处理相关的技术得到突飞猛进的发展。基于自然语言处理技术的信息抽取方法通常需要在大规模的标注数据上进行训练。在医疗事实验证领域，大规模样本数据的标注对专业知识的要求较高，标注的成本较高，因而很难获得大量的标注样本，因而难以应用深度学习模型来提升医疗信息抽取效果。
技术实现要素：
本公开的实施例提出了医疗事实的验证方法和装置、电子设备和计算机可读介质。
第一方面，本公开的实施例提供了一种医疗事实的验证方法，包括：获取医疗事实的描述文本；从医学文档中筛选出与医疗事实的描述文本关联的关联段落；将医疗事实的描述文本以及对应的关联段落输入已训练的判别模型进行真实性判别，得到医疗事实的验证结果，其中判别模型基于从医学文档中抽取的医疗文本段落对进行预训练，并在预训练后利用包含真实性标注信息的医疗事实样本集进行迭代调整。
在一些实施例中，上述将医疗事实的描述文本以及对应的关联段落输入已训练的判别模型进行真实性判别，得到医疗事实的验证结果，包括：利用已训练的判别模型，从关联段落中筛选出与医疗事实的描述文本的相关度最高的目标关联段落，响应于确定目标关联段落与医疗事实的描述文本之间的相关度达到预设的阈值，确定医疗事实为正确的描述。
在一些实施例中，上述将医疗事实的描述文本以及对应的关联段落输入已训练的判别模型进行真实性判别，得到医疗事实的验证结果，还包括：响应于确定利用已训练的判别模型确定出的关联段落与医疗事实的描述文本的相关度均未达到预设的阈值，确定医疗事实为错误的描述。
在一些实施例中，上述已训练的判别模型是按照如下方式训练得出的：从同一医学文档中抽取相邻的两个段落作为医疗文本段落对的正样本，从不同的两个医学文档中分别抽取一个段落作为医疗文本段落对的负样本；基于医疗文本段落对的正样本和负样本对已构建的初始判别模型进行预训练；获取包含真实性标注信息的医疗事实样本集，真实性标注信息包括用于标注医疗事实样本是否为正确描述的标注信息；基于医疗事实样本集对预训练后的判别模型进行迭代调整，得到已训练的判别模型。
在一些实施例中，上述真实性标注信息还包括在医疗事实样本为正确描述时作为医疗事实样本的支撑证据的医学文档段落；以及医疗事实的验证结果包括医疗事实是否为正确的描述的验证结果以及医疗事实为正确的描述时作为医疗事实的支撑证据的医学文档段落。
第二方面，本公开的实施例提供了一种医疗事实的验证装置，包括：获取单元，被配置为获取医疗事实的描述文本；筛选单元，被配置为从医学文档中筛选出与医疗事实的描述文本关联的关联段落；判别单元，被配置为将医疗事实的描述文本以及对应的关联段落输入已训练的判别模型进行真实性判别，得到医疗事实的验证结果，其中判别模型基于从医学文档中抽取的医疗文本段落对进行预训练，并在预训练后利用包含真实性标注信息的医疗事实样本集进行迭代调整。
在一些实施例中，上述判别单元被配置为按照如下方式对医疗事实进行验证：利用已训练的判别模型，从关联段落中筛选出与医疗事实的描述文本的相关度最高的目标关联段落，响应于确定目标关联段落与医疗事实的描述文本之间的相关度达到预设的阈值，确定医疗事实为正确的描述。
在一些实施例中，上述判别单元被进一步配置为按照如下方式对医疗事实进行验证：响应于确定利用已训练的判别模型确定出的关联段落与医疗事实的描述文本的相关度均未达到预设的阈值，确定医疗事实为错误的描述。
在一些实施例中，上述装置还包括训练单元，被配置为按照如下方式生成已训练的判别模型：从同一医学文档中抽取相邻的两个段落作为医疗文本段落对的正样本，从不同的两个医学文档中分别抽取一个段落作为医疗文本段落对的负样本；基于医疗文本段落对的正样本和负样本对已构建的初始判别模型进行预训练；获取包含真实性标注信息的医疗事实样本集，真实性标注信息包括用于标注医疗事实样本是否为正确描述的标注信息；基于医疗事实样本集对预训练后的判别模型进行迭代调整，得到已训练的判别模型。
在一些实施例中，上述真实性标注信息还包括在医疗事实样本为正确描述时作为医疗事实样本的支撑证据的医学文档段落；以及医疗事实的验证结果包括医疗事实是否为正确的描述的验证结果以及医疗事实为正确的描述时作为医疗事实的支撑证据的医学文档段落。
第三方面，本公开的实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面提供的医疗事实的验证方法。
第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现如第一方面提供的医疗事实的验证方法。
本公开的上述实施例的医疗事实的验证方法及装置，通过获取医疗事实的描述文本，从医学文档中筛选出与医疗事实的描述文本关联的关联段落，将医疗事实的描述文本以及对应的关联段落输入已训练的判别模型进行真实性判别，得到医疗事实的验证结果，其中判别模型基于从医学文档中抽取的医疗文本段落对进行预训练，并在预训练后利用包含真实性标注信息的医疗事实样本集进行迭代调整，实现了通过基于少量标注样本训练得到的医疗事实判别模型对医疗事实的精准验证，降低了采用深度学习方法进行医疗事实验证的样本标注成本，从而降低了医疗事实的验证成本。并且，本方案中的判别模型可以对广泛的医学文档进行学习，因而可以应用于大量广泛的医疗事实的验证，可以帮助提升医疗信息抽取的效率和准确率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1是本公开的实施例可以应用于其中的示例性系统架构图；
图2是根据本公开的医疗事实的验证方法的一个实施例的流程图；
图3是判别模型的训练方法的一个流程示意图；
图4是判别模型的一个结构示意图；
图5是根据本公开的医疗事实的验证装置的一个实施例的结构示意图；
图6是适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的医疗事实的验证方法或医疗事实的验证装置的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以是用户端设备，其上可以安装有各种客户端应用。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是运行各种服务的服务器，例如运行医疗知识库维护服务的服务器，或者可以是运行医疗辅助诊断服务的服务器。服务器105可以从终端设备101、102、103获取上传的医疗相关数据，例如病历、诊断和用药报告、医疗事实的描述信息、医学知识数据、医疗查询数据，医疗事实样本的标注数据，等等。服务器105还可以从终端设备101、102、103等接收医疗事实验证请求，对医疗事实验证请求进行解析，对其中的医疗事实进行验证，并将验证结果反馈至终端设备101、102、103。服务器105还可以根据医疗事实验证结果进行医疗图谱的构建，例如当判定一条医疗事实为正确描述后，可以在医疗图谱中增加该医疗事实描述的医疗知识。
需要说明的是，本公开的实施例所提供的医疗事实的验证方法一般由服务器105执行，相应地，医疗事实的验证装置一般设置于服务器105中。
在一些场景中，服务器105可以从数据库、存储器或其他设备获取待处理的医疗事实数据，这时，示例性系统架构100可以不存在终端设备101、102、103和/或网络104。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，其示出了根据本公开的医疗事实的验证方法的一个实施例的流程200。该医疗事实的验证方法的流程200，包括以下步骤：
步骤201，获取医疗事实的描述文本。
在本实施例中，医疗事实的验证方法的执行主体(如图1所示的服务器)可以获取待判别的医疗事实的描述文本。在这里，医疗事实可以是病症、症状、传播途径、治疗方式、给药方式，适用人群等医疗活动中的主题中的任意二者或多者之间的对应关系的描述。医疗事实的描述文本可以包括描述以上对应关系的文本。
在本实施例中，医疗事实可以采用<s,p,o>的方式描述，其中s、o表示医疗活动中的任意两个上述主题，p表示s与o之间的关系。作为示例，一条医疗事实为<肾结石，症状，腹水>，其中“肾结石”表示一种病症，“腹水”是“肾结石”的“症状”。又例如，一条医疗事实为<麻疹，传播途径，飞沫>，其中“麻疹”为一种病症，“飞沫”是“麻疹”的“传播途径”。
本实施例中，医疗事实的描述文本可以是人工创建的。在医学研究或实践中，若发现医疗活动的两个主题之间可能存在某种关系，则可以创建对应的医疗事实，采用医疗事实验证技术来验证创建的医疗事实是否为正确描述。
步骤202，从医学文档中筛选出与医疗事实的描述文本关联的关联段落。
在本实施例中，可以获取预先构建的医学文档集合。在实践中，可以收集医疗领域的相关文献、书籍、病历、治疗手册等可靠的医学文档来构建医学文档集合。
然后，可以对的医学文档集合中的医学文档进行预处理，读取文档的内容，通过文档中的字体、图片内容的格式、特定的位置标识符(例如换行符)等将文档切分为段落粒度，得到多个医学文档段落。
之后，可以对医学文档段落与步骤201获取的医疗事实的描述文本进行相关性分析，筛选出与医疗事实的描述文本关联的关联段落。
具体地，可以对医疗事实的描述文本进行分词，从中提取医学关键词，例如提取出描述症状、病症、药品、给药方式、传播方式等特征的医学关键词。然后可以判断医学文档段落是否命中提取出的医学关键词。若命中，则可以确定该医学文档段落是与医疗事实的描述文本关联的关联段落；否则可以确定该医学文档段落不是与医疗事实的描述文本关联的关联段落。
在判断医学文档段落是否命中从医疗事实的描述文本中提取出的医学关键词时，可以采用完全匹配或基于语义相似度匹配的命中判断方法。其中完全匹配的方法是判断医学文档段落是否包含上述从医疗事实的描述文本中提取出的医学关键词。基于语义相似度的匹配方法具体可以按照如下方式执行：首先将医学文本段落拆分为词序列，将词序列和医疗事实的描述文本中的医学关键词转换为对应的特征向量之后计算词序列中各词语与医疗事实的描述文本中的医学关键词之间的语义相似度，若二者的语义相似度超过预设的语义相似度阈值，则确定该医学文本段落命中医疗事实的描述文本中的医学关键词。
步骤203，将医疗事实的描述文本以及对应的关联段落输入已训练的判别模型进行真实性判别，得到医疗事实的验证结果。
可以将医疗事实的描述文本以及通过步骤202确定出的与医疗事实的描述文本关联的关联段落输入已训练的判别模型。已训练的判别模型可以基于卷积神经网络、循环神经网络等神经网络结构构建，并且，已训练的判别模型可以判断医疗事实的描述文本与各个关联段落是否描述一致。若判别模型的判别结果为步骤202中确定出的所有关联段落中不存在与医疗事实的描述文本语义一致的段落，则可以判定医疗事实的描述是错误的；若判别模型的判别结果为存在与医疗事实的描述文本语义一致的关联段落，则判定医疗事实的描述是正确的。
上述判别模型是按照如下方式训练的得出的：基于从医学文档中抽取的医疗文本段落对进行预训练，并在预训练后利用包含真实性标注信息的医疗事实样本集进行迭代调整。
具体地，在预训练中，可以从医学文档中抽取医疗文本段落对，每个医疗文本段落对包括两个相关或不相关的医疗文本段落。可以根据判别模型对医疗文本段落对中的两个医疗段落是否相关的判定结果的偏差来调整判别模型的参数。
在预训练完成之后，可以利用小规模的医疗事实样本集对判别模型进行有监督的训练，以进一步优化判别模型的参数。医疗事实样本集包括具有真实性标注信息的医疗事实样本。其中，真实性标注信息是表征医疗事实样本是否为正确描述的标注信息。可以基于判别模型对医疗事实样本的真实性判别结果与医疗事实样本的真实性标注信息之间的差异构建损失函数，并根据损失函数迭代调整判别模型的参数，直到损失函数达到预定的收敛条件，得到上述已训练的判别模型。
上述实施例的医疗事实的验证方法，通过获取医疗事实的描述文本，从医学文档中筛选出与医疗事实的描述文本关联的关联段落，将医疗事实的描述文本以及对应的关联段落输入已训练的判别模型进行真实性判别，得到医疗事实的验证结果，其中判别模型基于从医学文档中抽取的医疗文本段落对进行预训练，并在预训练后利用包含真实性标注信息的医疗事实样本集进行迭代调整，实现了基于深度学习模型的医疗事实验证。该方法可以通过基于少量标注样本训练得到的医疗事实判别模型对医疗事实进行精准验证，可以降低采用深度学习方法进行医疗事实验证的样本标注成本，从而降低了医疗事实的验证成本。并且，本方案中的判别模型可以对广泛的医学文档进行学习，因而可以应用于大量广泛的医疗事实的验证中。
在本实施例的一些可选的实现方式中，可以按照如下方式获得医疗事实的验证结果：利用已训练的判别模型，从关联段落中筛选出与医疗事实的描述文本的相关度最高的目标关联段落，并响应于确定目标关联段落与医疗事实的描述文本之间的相关度达到预设的阈值，确定医疗事实为正确的描述。
具体地，可以通过已训练的判别模型对医疗事实的描述文本与各关联段落之间的相关度进行打分，按照打分排序之后选择相关度最高的关联段落作为目标关联段落，进一步判断目标关联段落与医疗事实的描述文本之间的相关度是否达到预设的阈值，若是，则判定医疗事实为正确的描述。
进一步地，若确定医疗事实的描述文本的目标关联段落与医疗事实的描述文本之间的相关度未达到预设的阈值，或者医疗事实的描述文本的各关联段落与医疗事实的描述文本之间的相关度均未达到预设的阈值，则可以判定医疗事实为错误的描述。
这样，可以进一步通过判定各关联段落中与医疗事实的描述文本的相关度的最大值是否达到预设的阈值来确定医疗事实的描述文本是否为真实可信的，进一步提升验证结果的可靠性。
上述判别模型可以预先训练完成并存储在上述医疗事实的验证方法的执行主体中，或者由其他电子设备训练完成并运行在上述医疗事实的验证方法的执行主体中。继续参考图3，其示出了判别模型的训练方法的一种实现方式的流程示意图。如图3所示，上述判别模型可以是按照如下流程300训练得出的：
步骤301，从同一医学文档中抽取相邻的两个段落作为医疗文本段落对的正样本，从不同的两个医学文档中分别抽取一个段落作为医疗文本段落对的负样本。
可以从大量的医学文档中抽取段落形成段落对来构建医疗文本段落对。同一篇医学文档的两个相邻段落通常是自然连续的，且描述的医疗知识一致。随机地从分别从两篇医学文档中抽取的段落之间通常不是自然连续的，例如从其中一篇医学文档中随机抽取的段落主题为传染病的预防，从另一篇医学文档中随机抽取的段落是肾结石的治疗方法，则这两个段落通常不是自然连续的。可以基于同一医学文档中抽取出的两个连续段落构建用于对判别模型进行预训练的正样本，将不同的医学文档中随机抽取的两个段落作为对判别模型进行训练的负样本。
上述医疗文本段落对的正样本和负样本可以不包含人工标注的标注信息。
步骤302，基于医疗文本段落对的正样本和负样本对已构建的初始判别模型进行预训练。
可以基于卷积神经网络或循环神经网络等构建初始的判别模型，设定初始的判别模型的参数。
请参考图4，其示出了上述判别模型的一个结构示意图。在本实施例中，可以按照图4所示的结构构件初始的判别模型。如图4所示，判别模型可以包括输入层、嵌入层、模型层以及输出层。
输入层表示模型的输入，模型的输入是两个文本段落或两段描述分词后的序列。可以在序列开头增加一个标签元素(如cls)来标识两个段落是否在实际文本中相邻或两段描述是否一致。可以在两个文本段落或两段描述之间增加另一个标签元素(如sep)来对二者进行分割位置标识。在图4中，w11、w12、w13、…表示第一个文本段落分词后的词语序列，w21、w22、…表示第二个文本段落分词后的词语序列。
嵌入层可以包括多个嵌入模块，各嵌入模块对输入层输入的序列进行特征提取。可以分别采用词嵌入、位置嵌入和段落片段嵌入的方法进行特征提取。其中，词嵌入可以通过词表将输入的词语转换为对应的词语标签，并通过嵌入方式压缩为对应的词语向量；位置嵌入将词语在输入的序列中的位置信息通过嵌入方法转换为对应的位置向量；段落片段嵌入用于将表征各词语所属段落的信息通过嵌入方式转换为对应的段落片段向量。在图4中，ea表示词语所属段落为第一个文本段落，eb表示词语所属段落为第二个文本段落；e0、e1、e2、e3、…、en、en 1、en 2表示与输入层的各词语一一对应的位置嵌入向量；e-cls、e-w11、e-w12、e-w13、…、e-w21、e-w22、…表示与输入层的各词语一一对应的词语向量。
模型层中的每一层可以包括多个转换单元(transformer单元)。转换单元用于对嵌入层提取出的特征进行进一步转换和计算。转换单元可以包括编码器和解码器，其中编码器可以包括自注意力层(selfattention)和一个前馈神经网络，解码器也可以包括自注意力层和一个前馈神经网络。模型层的各转换单元与输入层的元素、嵌入层的各嵌入模块一一对应，同一层的各转换单元之间互不连接，位于相邻的两层的转换单元之间两两连接。图4示出了两层转换单元，第一层转换单元包括t11、t12、t13、t14、…、t1n、t1n 1、t1n 2、…；第二层的转换单元包括t21、t22、t23、t24、…、t2n、t2n 1、t2n 2、…；其中示意性示出了第一层的转换单元t11与第二层的各转换单元分别连接。
输出层的输出是输入的两个文本段落或两段描述是否为自然连续的判断结果，可以是一个分类标签。
在获取初始的判别模型之后，将医疗文本段落对的正样本和负样本输入判别模型，判别模型可以对判断输入的医疗文本段落对是否为自然连续的两个段落。根据判别模型的判断误差构建预训练的损失函数，如果当前损失函数的值未达到预训练的收敛条件，采用梯度下降法调整判别模型的参数，采用调整参数后的判别模型重新对医疗文本段落对进行判断，若根据判断误差计算出的损失函数未达到预训练的收敛条件，则继续调整判别模型的参数，这样，通过多次重复调整判别模型的参数，使判别模型的判断误差逐渐缩小，当判别模型的误差缩小至一定范围或者判别模型的参数调整操作执行次数达到一定的次数时，可以固定判别模型的参数，得到预训练完成的判别模型。
步骤303，获取包含真实性标注信息的医疗事实样本集。
在这里，真实性标注信息包括用于标注医疗事实样本是否为正确描述的标注信息。该真实性标注信息可以是人工标注信息。在实践中，可以构造小规模的医疗事实样本，并对各医疗事实样本的真实性进行标注。
步骤304，基于医疗事实样本集对预训练后的判别模型进行迭代调整，得到已训练的判别模型。
可以利用预训练后的判别模型对医疗事实样本集中的医疗事实样本进行真实性判别，具体可以从医学文档集合中筛选出与医疗事实样本的描述文本关联的关联段落，然后将医疗事实样本的描述文本和对应的关联段落输入预训练后的判别模型，利用预训练后的判别模型对医疗事实样本的描述文本与对应的关联段落是否为自然连续的文本进行判断。判别模型的输出可以是表征医疗事实样本的描述文本与对应的关联段落是自然连续的文本的置信度的概率值，也可以是根据该概率值映射至的“正确描述”、“错误描述”两种类别对应的类别标签。若判别模型判断医疗事实样本的描述文本与对应的关联段落是自然连续的文本，则判断结果为该医疗事实样本为正确的描述，否则该医疗事实样本为错误的描述。
可以基于医疗事实样本集的真实性标注信息计算判别模型的判断误差，通多次迭代调整预训练后的判别模型的参数时判别模型对医疗事实样本集的判断误差逐步减小。在完成预设次迭代调整操作或者判别模型对医疗事实样本集的判断误差缩小至预先设定的范围内时，停止调整判别模型的参数，得到已训练的判别模型。
在一些实施例中，上述真实性标注信息还包括在医疗事实样本为正确描述时作为医疗事实样本的支撑证据的医学文档段落。也即，在标注时，还可以从医学文档中选取与正确的医疗事实样本的文本描述相匹配且语义一致的医学段落作为该正确的医疗事实样本的支撑证据。这时，上述医疗事实的验证结果包括医疗事实是否为正确的描述的验证结果以及医疗事实为正确的描述时作为医疗事实的支撑证据的医学文档段落。
这样，在基于医疗事实样本集训练判别模型的过程中，判别模型可以学习从多个关联段落中筛选作为正确的医疗事实的支撑证据的内在逻辑，从而判别模型可以为医疗事实的验证结果提供更可靠的证据支撑。
上述医疗事实的验证方法可以应用于医疗图谱构建。在一些实施例中，医疗事实的验证方法的流程还可以包括：基于验证结果为描述正确的医疗事实更新医疗知识库，基于更新后的医疗知识库更新医疗知识图谱。这样，可以通过高准确率的医疗事实验证高效、可靠地扩展医疗知识库。
在一些实施例中，还可以向用户推送医疗事实的验证结果，以便用户将该验证结果作为辅助信息来更新知识库，从而帮助提升医疗知识抽取和医疗知识库构建的效率。
请参考图5，作为对上述医疗事实的验证方法的实现，本公开提供了一种医疗事实的验证装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的医疗事实的验证装置500包括获取单元501、筛选单元502和判别单元503。其中，获取单元501被配置为获取医疗事实的描述文本；筛选单元502被配置为从医学文档中筛选出与医疗事实的描述文本关联的关联段落；判别单元503被配置为将医疗事实的描述文本以及对应的关联段落输入已训练的判别模型进行真实性判别，得到医疗事实的验证结果，其中判别模型基于从医学文档中抽取的医疗文本段落对进行预训练，并在预训练后利用包含真实性标注信息的医疗事实样本集进行迭代调整。
在一些实施例中，上述判别单元503被配置为按照如下方式对医疗事实进行验证：利用已训练的判别模型，从关联段落中筛选出与医疗事实的描述文本的相关度最高的目标关联段落，响应于确定目标关联段落与医疗事实的描述文本之间的相关度达到预设的阈值，确定医疗事实为正确的描述。
在一些实施例中，上述判别单元503被进一步配置为按照如下方式对医疗事实进行验证：响应于确定利用已训练的判别模型确定出的关联段落与医疗事实的描述文本的相关度均未达到预设的阈值，确定医疗事实为错误的描述。
在一些实施例中，上述装置还包括训练单元，被配置为按照如下方式生成已训练的判别模型：从同一医学文档中抽取相邻的两个段落作为医疗文本段落对的正样本，从不同的两个医学文档中分别抽取一个段落作为医疗文本段落对的负样本；基于医疗文本段落对的正样本和负样本对已构建的初始判别模型进行预训练；获取包含真实性标注信息的医疗事实样本集，真实性标注信息包括用于标注医疗事实样本是否为正确描述的标注信息；基于医疗事实样本集对预训练后的判别模型进行迭代调整，得到已训练的判别模型。
在一些实施例中，上述真实性标注信息还包括在医疗事实样本为正确描述时作为医疗事实样本的支撑证据的医学文档段落；以及医疗事实的验证结果包括医疗事实是否为正确的描述的验证结果以及医疗事实为正确的描述时作为医疗事实的支撑证据的医学文档段落。
上述装置500中的各单元与参考图2描述的方法中的步骤相对应。由此，上文针对医疗事实的验证方法描述的操作、特征及所能达到的技术效果同样适用于装置500及其中包含的单元，在此不再赘述。
下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1所示的服务器)600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取医疗事实的描述文本；从医学文档中筛选出与医疗事实的描述文本关联的关联段落；将医疗事实的描述文本以及对应的关联段落输入已训练的判别模型进行真实性判别，得到医疗事实的验证结果，其中判别模型基于从医学文档中抽取的医疗文本段落对进行预训练，并在预训练后利用包含真实性标注信息的医疗事实样本集进行迭代调整。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、筛选单元和判别单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取医疗事实的描述文本的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
1.一种医疗事实的验证方法，包括：
获取医疗事实的描述文本；
从医学文档中筛选出与所述医疗事实的描述文本关联的关联段落；
将所述医疗事实的描述文本以及对应的关联段落输入已训练的判别模型进行真实性判别，得到所述医疗事实的验证结果，其中所述判别模型基于从医学文档中抽取的医疗文本段落对进行预训练，并在预训练后利用包含真实性标注信息的医疗事实样本集进行迭代调整。
2.根据权利要求1所述的方法，其中，所述将所述医疗事实的描述文本以及对应的关联段落输入已训练的判别模型进行真实性判别，得到所述医疗事实的验证结果，包括：
利用所述已训练的判别模型，从所述关联段落中筛选出与所述医疗事实的描述文本的相关度最高的目标关联段落，响应于确定所述目标关联段落与所述医疗事实的描述文本之间的相关度达到预设的阈值，确定所述医疗事实为正确的描述。
3.根据权利要求2所述的方法，其中，所述将所述医疗事实的描述文本以及对应的关联段落输入已训练的判别模型进行真实性判别，得到所述医疗事实的验证结果，还包括：
响应于确定利用所述已训练的判别模型确定出的所述关联段落与所述医疗事实的描述文本的相关度均未达到所述预设的阈值，确定所述医疗事实为错误的描述。
4.根据权利要求1-3任一项所述的方法，其中，所述已训练的判别模型是按照如下方式训练得出的：
从同一医学文档中抽取相邻的两个段落作为医疗文本段落对的正样本，从不同的两个医学文档中分别抽取一个段落作为医疗文本段落对的负样本；
基于医疗文本段落对的正样本和负样本对已构建的初始判别模型进行预训练；
获取包含真实性标注信息的医疗事实样本集，所述真实性标注信息包括用于标注医疗事实样本是否为正确描述的标注信息；
基于所述医疗事实样本集对预训练后的判别模型进行迭代调整，得到所述已训练的判别模型。
5.根据权利要求4所述的方法，其中，所述真实性标注信息还包括在所述医疗事实样本为正确描述时作为所述医疗事实样本的支撑证据的医学文档段落；以及
所述医疗事实的验证结果包括所述医疗事实是否为正确的描述的验证结果以及所述医疗事实为正确的描述时作为所述医疗事实的支撑证据的医学文档段落。
6.一种医疗事实的验证装置，包括：
获取单元，被配置为获取医疗事实的描述文本；
筛选单元，被配置为从医学文档中筛选出与所述医疗事实的描述文本关联的关联段落；
判别单元，被配置为将所述医疗事实的描述文本以及对应的关联段落输入已训练的判别模型进行真实性判别，得到所述医疗事实的验证结果，其中所述判别模型基于从医学文档中抽取的医疗文本段落对进行预训练，并在预训练后利用包含真实性标注信息的医疗事实样本集进行迭代调整。
7.根据权利要求6所述的装置，其中，所述判别单元被配置为按照如下方式对所述医疗事实进行验证：
利用所述已训练的判别模型，从所述关联段落中筛选出与所述医疗事实的描述文本的相关度最高的目标关联段落，响应于确定所述目标关联段落与所述医疗事实的描述文本之间的相关度达到预设的阈值，确定所述医疗事实为正确的描述。
8.根据权利要求7所述的装置，其中，所述判别单元被进一步配置为按照如下方式对所述医疗事实进行验证：
响应于确定利用所述已训练的判别模型确定出的所述关联段落与所述医疗事实的描述文本的相关度均未达到所述预设的阈值，确定所述医疗事实为错误的描述。
9.根据权利要求6-8任一项所述的装置，其中，所述装置还包括训练单元，被配置为按照如下方式生成所述已训练的判别模型：
从同一医学文档中抽取相邻的两个段落作为医疗文本段落对的正样本，从不同的两个医学文档中分别抽取一个段落作为医疗文本段落对的负样本；
基于医疗文本段落对的正样本和负样本对已构建的初始判别模型进行预训练；
获取包含真实性标注信息的医疗事实样本集，所述真实性标注信息包括用于标注医疗事实样本是否为正确描述的标注信息；
基于所述医疗事实样本集对预训练后的判别模型进行迭代调整，得到所述已训练的判别模型。
10.根据权利要求9所述的装置，其中，所述真实性标注信息还包括在所述医疗事实样本为正确描述时作为所述医疗事实样本的支撑证据的医学文档段落；以及
所述医疗事实的验证结果包括所述医疗事实是否为正确的描述的验证结果以及所述医疗事实为正确的描述时作为所述医疗事实的支撑证据的医学文档段落。
11.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-5中任一所述的方法。
技术总结