本技术公开了一种基于偏好优化的用户医学询问质量改进方法及系统,涉及医学人工智能技术领域,包括:收集医学问题,分为训练集和测试集;基于大语言模型构建问题改写模型,将训练集输入模型,得到改写医学问题;将问题输入医学问答机器得到原始答案,获取医生的答案,两种答案进行全面性与准确性比较得到评分;使用直接偏好优化算法和自适应动量优化算法根据评分优化问题改写模型,得到最终问题改写模型;将测试集输入模型,得到最终改写医学问题,输入医学问答机器得到最终答案;本发明能够更快速、更准确地将复杂的用户医学问题转换为更容易被医学机器理解的问题,帮助不同的医学机器更好地理解用户的问题,帮助用户得到更精准有效的回答。
背景技术
随着人工智能技术的快速发展,医学问答机器人成为了医疗领域内重要的技术应用之一。这些机器人旨在通过自然语言处理(NLP)技术,提供实时、准确的医疗咨询服务。用户可以通过文本或语音向这些机器人提问健康相关的问题,机器人则需要根据问题给出的专业准确的医学回答。
用户在与机器人交互时往往会存在表述不清的问题,这包括各种非标准表达、俗语以及医学上的非专业术语,这使得理解问题并给出精确的回答变得困难。此外,医学问答机器人需要回答的问题涉及广泛的医学领域,从常见症状的自我管理到复杂疾病的诊断建议,表述不清的问题使得准确地链接到对应的医学知识变得困难。
实现思路