基于Rasa框架的中醫(yī)問答系統(tǒng)設(shè)計(jì)

鐘有東 王峰 邱逸銘 區(qū)汝軒

摘要：隨著深度學(xué)習(xí)技術(shù)、自然語言處理技術(shù)、知識(shí)圖譜技術(shù)、對話系統(tǒng)等相關(guān)技術(shù)的不斷發(fā)展以及中醫(yī)藥在我國新冠肺炎疫情的治病救人中扮演了重要的角色，中醫(yī)得到了前所未有的關(guān)注，文章正是在這種背景下提出來一種基于Rasa框架的中醫(yī)問答系統(tǒng)設(shè)計(jì)的，該文是在ubuntu16.04的環(huán)境下，采用Rasa開源問答系統(tǒng)框架和基于Flask框架的輕量級(jí)的Web服務(wù)器，通過云端服務(wù)器的公網(wǎng)實(shí)現(xiàn)任何人都可訪問的中醫(yī)智能化問答系統(tǒng)。

關(guān)鍵詞：Rasa;中醫(yī)問診;問答系統(tǒng);知識(shí)圖譜

中圖分類號(hào)：TP311? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2022）11-0074-03

1 研究的背景和意義

問診作為中醫(yī)傳統(tǒng)“望、聞、問、切”四診的重要診斷方式之一[1]，是指醫(yī)生與病人或者陪診者通過對話的形式，進(jìn)行有目的有步驟的詢問，從而掌握病人的疾病的發(fā)生發(fā)展情況、目前和歷史癥狀表現(xiàn)以及疾病相關(guān)的所有相關(guān)信息[2]，為醫(yī)生對病人疾病的確診提供重要的參考依據(jù)。據(jù)相關(guān)資料統(tǒng)計(jì)，病人的75%以上癥狀都是通過醫(yī)生問診的形式得到的[2]，由此可見問診在中醫(yī)四診中有多么重要的地位。

中醫(yī)問診的歷史源遠(yuǎn)流長，內(nèi)容極其豐富，經(jīng)過歷代醫(yī)家的發(fā)展，形成獨(dú)特的理論體系[3]。問診內(nèi)容主要包括一般情況、主訴、現(xiàn)病史、既往史、個(gè)人生活史、家族史[3]，問診過程就是醫(yī)生問辨結(jié)合的過程，醫(yī)生需要抓住主訴，全面詢問;邊問邊辨，問辨結(jié)合;鑒別診斷，避免誤診[4]。

隨著計(jì)算機(jī)技術(shù)、深度學(xué)習(xí)技術(shù)、自然語言處理技術(shù)、聊天機(jī)器人等相關(guān)技術(shù)不斷地發(fā)展，中醫(yī)問診與相關(guān)技術(shù)的結(jié)合也迎來了新的發(fā)展。本文也正是在這種背景下設(shè)計(jì)了一種中醫(yī)智能化問答系統(tǒng)。

2 Rasa開發(fā)環(huán)境的配置

2.1 Rasa開源自然語言處理框架概述

Rasa是一個(gè)基于自動(dòng)文本和基于語音的對話的開源機(jī)器學(xué)習(xí)框架，支持多種語言，內(nèi)置支持 Spacy、MITIE、Jieba 等多種開源 NLP 工具，可對各種組件進(jìn)行組合配置，可根據(jù)需要構(gòu)造定制化的 NLP Pipeline。

Rasa主要包括兩部分：Rasa NLU和Rasa core。Rasa NLU可用于機(jī)器人的意圖分類和實(shí)體識(shí)別;Rasa Core 會(huì)話引擎用真實(shí)的對話文本和機(jī)器學(xué)習(xí)算法訓(xùn)練得到模型，從而預(yù)測在收到消息后機(jī)器人該作何回復(fù)（動(dòng)作） 。如圖1所示為Rasa的消息處理流程。

用戶輸入文本信息或者語音信號(hào)后，Rasa的自然語言解釋器（Interpreter） 將用戶的信息轉(zhuǎn)換成意圖信息和實(shí)體信息，然后構(gòu)建語義詞典包括：用戶原始文本（Text） 、用戶意圖（Intent） 、實(shí)體（Entity） 傳輸給Rasa Core。Rasa的對話狀態(tài)追蹤器（Tracker）獲取當(dāng)前的對話狀態(tài)（實(shí)體信息和詞槽情況） 并記錄下來，策略（Policy）接收到當(dāng)前的對話狀態(tài)后，進(jìn)而通過特征提取組件得到對話狀態(tài)特征，按照對話狀態(tài)特征預(yù)測和選擇下一個(gè)動(dòng)作（Action） ，然后Tracker記錄當(dāng)前執(zhí)行的動(dòng)作（Action） ，最后執(zhí)行action將結(jié)果反饋給用戶。

2.2 Rasa開發(fā)環(huán)境的配置

首先在ubuntu16.04系統(tǒng)安裝Anconda用來配置Python的虛擬環(huán)境，在創(chuàng)建虛擬環(huán)境前安裝python3的python依賴python3-devpython3-pip，然后運(yùn)用conda create命令創(chuàng)建python3的虛擬環(huán)境。source activate激活剛創(chuàng)建的虛擬環(huán)境，然后安裝執(zhí)行pip3 install Rasa，接著分別執(zhí)行pip3 install Rasa[spacy]， pip3 install Rasa[MITIE]，安裝spaCy、MITIE、Jieba等必要的配置。首先創(chuàng)建工程文件夾，主要包括Rasa NLU和Rasa Core文件。整個(gè)項(xiàng)目在ubuntu16.04系統(tǒng)下使用Pycharm作為開發(fā)工具，程序語言以Python3為主。工程目錄文件主要包括：config.yml、credentials.yml、domain.yml、endpoints.yml、data/nlu.yml、data/rules.yml、data/stories.yml、actions.py、data.json、data_to_neo4j.py、neo4j_Knowledge.py、models。其中config.yml用來存放組件配置的信息;nlu.yml用來存放訓(xùn)練模型的數(shù)據(jù);models用來存放訓(xùn)練好的模型;其中domain.yml定義了問答機(jī)器人的所有信息，包括意圖（intents） 、實(shí)體（entity） 、詞槽（slots） 以及動(dòng)作（actions） 、表單（form） 和回復(fù)（response） 等;actions.yml用來存放自定義actions的代碼;credentials.yml用來連接到其他服務(wù)（services）;data/stories.yml，用于訓(xùn)練Core模型的故事數(shù)據(jù)集。

3 中醫(yī)智能問答機(jī)器人實(shí)現(xiàn)過程

3.1 中醫(yī)術(shù)語語料收集

中醫(yī)語料相關(guān)的原始數(shù)據(jù)往往需要經(jīng)過非結(jié)構(gòu)化轉(zhuǎn)化為結(jié)構(gòu)化的形式的預(yù)處理過程，便于后續(xù)的中文分詞、詞性標(biāo)注、命名實(shí)體識(shí)別、意圖識(shí)別、實(shí)體關(guān)系抽取、自然語言生成、對話系統(tǒng)等過程。本文數(shù)據(jù)收集了來自《中醫(yī)臨床診療術(shù)語 第1部分：疾病 修訂版 2020年版》《中醫(yī)臨床診療術(shù)語 第1部分：證候 修訂版 2020年版》《中醫(yī)臨床診療術(shù)語 第1部分：治法 修訂版 2020年版》《中國名老中醫(yī)藥專家學(xué)術(shù)經(jīng)驗(yàn)集》1-5卷、《傳統(tǒng)醫(yī)學(xué)名詞術(shù)語國際標(biāo)準(zhǔn)》《中醫(yī)基本名詞術(shù)語中英對照國際標(biāo)準(zhǔn)》《中醫(yī)藥學(xué)名詞》《中醫(yī)藥名詞術(shù)語英譯》《實(shí)用英文中醫(yī)詞典》等中醫(yī)藥術(shù)語語料[5]。

首先通過Adobe Acrobat軟件將相關(guān)中醫(yī)書籍從PDF格式轉(zhuǎn)成WORD文檔，然后校對WORD文檔中的錯(cuò)誤信息，再將WORD文檔轉(zhuǎn)換成計(jì)算機(jī)便于讀取的UTF-8格式的TXT文檔，便于建立中醫(yī)語料庫。在多名中醫(yī)醫(yī)學(xué)相關(guān)研究生幫助下，其中證名按照證名ID、證名、同義證名、證名英文術(shù)語、病因、主要癥狀、伴隨癥狀，通過編寫相關(guān)標(biāo)記程序構(gòu)建證候數(shù)據(jù)庫;疾病按照疾病ID、同義疾病名、病因、主要證候、伴隨證候進(jìn)場程序化標(biāo)記構(gòu)建疾病數(shù)據(jù)庫。治則按照治則ID、治則名、治則英文術(shù)語、同義治則、治則的前提情況、治療的原則進(jìn)行程序化處理;治法按照治法ID、治法名、治法英文術(shù)語、同義治法、方藥或相關(guān)療法、治療的病癥進(jìn)行程序化處理;療法按照療法ID、療法名、同義療法、療法介紹、療法適用范圍進(jìn)行程序化處理構(gòu)建治法數(shù)據(jù)庫。其中對癥狀先從癥候中提取出癥狀，按照一詞一義的原則在多名中醫(yī)醫(yī)學(xué)研究生的幫助下人工盡量地枚舉，然后通過分析不同癥狀之間的關(guān)系發(fā)現(xiàn)大概存在6種關(guān)系：同義關(guān)系、屬種關(guān)系、交叉關(guān)系、互斥關(guān)系、矛盾關(guān)系、全異關(guān)系[6]?；诖?，在枚舉完后，先對癥狀按照始因、寒熱、汗出、疼痛部位、疼痛性質(zhì)、頭身不適、睡眠情志聲音、咳痰喘、飲食口味、大便、小便、經(jīng)帶精液、出血、神志血色、頭面五官體征、頸胸腹部體征、形體肌膚體征、舌象、脈象等19種分類進(jìn)行分類[7]，然后對其中的同義關(guān)系進(jìn)行標(biāo)記。接著按照癥狀I(lǐng)D、癥狀名、同義癥狀名進(jìn)行處理構(gòu)建癥狀數(shù)據(jù)庫。對相關(guān)的醫(yī)案按照醫(yī)案ID、患者基本信息、經(jīng)查、辨證、治法、診次、藥用、隨訪、專家名、醫(yī)案名稱、醫(yī)案來源對醫(yī)案數(shù)據(jù)進(jìn)行處理構(gòu)建醫(yī)案數(shù)據(jù)庫。

3.2 中醫(yī)知識(shí)圖譜的構(gòu)建

知識(shí)圖譜（Konwledege Graph） 最早是由Googel公司在2012年提出，用于優(yōu)化其搜索引擎。從學(xué)術(shù)的角度來說，知識(shí)圖譜本質(zhì)上把實(shí)體之間的關(guān)系表示成一種多關(guān)系的圖譜構(gòu)建的一個(gè)語義網(wǎng)絡(luò)（Semantic Network） 知識(shí)庫。其中實(shí)體是現(xiàn)實(shí)中人、事、物用概念的方法來描述，又叫作本體（Ontology） ;圖（Graph） 中的節(jié)點(diǎn)表示實(shí)體（Entity） ，圖（Graph） 中用邊（Edge） 則表示實(shí)體之間的關(guān)系;組成知識(shí)圖譜的三要素分別是：實(shí)體、實(shí)體的屬性、實(shí)體之間的關(guān)系三元組。從原始數(shù)據(jù)到完成知識(shí)圖譜的構(gòu)建往往需要經(jīng)歷：知識(shí)的存儲(chǔ)、知識(shí)的抽取、知識(shí)的融合、數(shù)據(jù)的建模、質(zhì)量的評(píng)估等多個(gè)過程[8]。如今知識(shí)圖譜成功地應(yīng)用到了很多行業(yè)，如信息檢索、自然語言理解、問答系統(tǒng)、推薦系統(tǒng)、電子商務(wù)、金融風(fēng)控、教育醫(yī)療、司法輔助，公安刑事偵查等[9]。

通過構(gòu)建中醫(yī)知識(shí)圖譜可以幫助人們更加深入了解癥狀、疾病、證候、辨證、治法、方藥、藥物之間的關(guān)系，結(jié)合名老中醫(yī)的經(jīng)驗(yàn)集、中醫(yī)醫(yī)案、中醫(yī)臨床數(shù)據(jù)、診療規(guī)范、中醫(yī)臨床研究等可以實(shí)現(xiàn)中醫(yī)資源的有效整合，促進(jìn)中醫(yī)的標(biāo)準(zhǔn)化、現(xiàn)代化、智能化的發(fā)展。

構(gòu)建中醫(yī)知識(shí)圖譜，首先要對中醫(yī)行業(yè)知識(shí)建模，主要包括實(shí)體的定義、實(shí)體的屬性的定義、實(shí)體關(guān)系的定義。本文基于《中醫(yī)臨床診療術(shù)語2020》《中國名老中醫(yī)藥專家學(xué)術(shù)經(jīng)驗(yàn)集》1-5卷等相關(guān)中醫(yī)術(shù)語資料，運(yùn)用Neo4j圖數(shù)據(jù)庫構(gòu)建了以證候、癥狀、疾病、經(jīng)查、治法治則療法、病因、藥用、患者基本信息、醫(yī)案名稱、醫(yī)案來源等為實(shí)體，以證候?qū)傩裕鹤C名ID、證名、同義證名、證名英文術(shù)語、病因、主要癥狀、伴隨癥狀;疾病屬性：疾病ID、疾病英文術(shù)語、同義疾病名、病因、主要證候、伴隨證候;癥狀屬性：癥狀I(lǐng)D、癥狀名、同義癥狀名;醫(yī)案屬性：醫(yī)案ID、患者基本信息、主訴、經(jīng)查、辨證、治法、診次、藥用、隨訪、專家名、醫(yī)案名稱、醫(yī)案來源的中醫(yī)知識(shí)圖譜。

3.3 中醫(yī)問診機(jī)器人的對話腳本設(shè)計(jì)

中醫(yī)醫(yī)生問診過程往往采取以主訴為切入點(diǎn)，圍繞病人主要癥狀的演變、新舊、時(shí)間、緩解和加重因素、主要癥狀的伴隨癥狀和其他相關(guān)伴隨癥狀[10]。其中如肺部相關(guān)的伴隨癥狀，需要詢問病人咳嗽時(shí)是否有痰、喘、哮、胸痛、胸悶等癥狀。有時(shí)還需要根據(jù)患者的病情實(shí)際情況有選擇性地詢問病人的既往史、個(gè)人史、家族史等。基于此，對中醫(yī)問診的內(nèi)容圍繞以病人主要癥狀相關(guān)的情況詢問和病人伴隨癥狀相關(guān)情況的對話腳本設(shè)計(jì)，以避免過度的詢問和病人主要病情不相關(guān)問題的無效詢問?？梢圆扇』谝?guī)則的對話管理來實(shí)現(xiàn)對病人主要癥狀和伴隨癥狀等信息的收集。采用基于知識(shí)庫的問答系統(tǒng)實(shí)現(xiàn)如疾病的同類名、病因、疾病的主要癥狀、伴隨癥狀、疾病的英文術(shù)語的信息問答查詢等。

3.4 RasaNLU意圖識(shí)別數(shù)據(jù)訓(xùn)練

RasaNLU是一個(gè)開源的自然語言處理庫，可用于問診機(jī)器人的意圖分類和實(shí)體識(shí)別。Rasa的NLU是一個(gè)基于有向無環(huán)圖的通用型自然語言處理框架，組件（component） 之間通過有向無環(huán)圖形式相互連接，且組件之間需要按照一定的順序運(yùn)行，如命名實(shí)體（NER） 組件前面必須先提供分詞器才可以正常進(jìn)行;同類組件之間可以相互替換，如復(fù)旦大學(xué)開發(fā)的分詞器和清華大學(xué)開發(fā)的分詞器均有同樣的分詞的功能。Rasa NLU典型的組件配置主要包括：語言模型組件、分詞組件、特征提取組件、命名實(shí)體組件（NER） 、意圖分類組件、結(jié)構(gòu)化輸出組件。比較適合中文開發(fā)者流水線（pipeline） 如下：

recipe：default.v1

laungue：”zh”

pipeline：

-name：JiebaTokenizer

-name：LanguageModelFeaturizer

model_name：”bert”

model_weigths：”bert-base-chinese”

-name：”DIETClassifier”

使用Chatito工具快速的構(gòu)建Rasa NLU訓(xùn)練意圖識(shí)別數(shù)據(jù)集，訓(xùn)練模型使用Rasa train nlu命令。

3.5 Rasa Core 對話管理數(shù)據(jù)訓(xùn)練

運(yùn)用Rasa Core可以讓指定問診機(jī)器人該做什么或者該說什么（actions） 。Rasa Core同時(shí)也為我們提供了訓(xùn)練預(yù)測概率模型的工具，從而根據(jù)當(dāng)前用戶或者其他用戶的歷史會(huì)話預(yù)測下一步動(dòng)作。首先為問診機(jī)器人創(chuàng)建Domain文件，Domain文件由意圖（intent） 、實(shí)體（entities） 、槽（slots） 、模板（templates） 、動(dòng)作（actions） 組成。然后編寫機(jī)器人的自定義動(dòng)作（actions.py） ，實(shí)現(xiàn)調(diào)用API以及使用python程序?qū)崿F(xiàn)的相關(guān)的操作。接著構(gòu)造故事（story） ，即用戶與中醫(yī)問診機(jī)器人之間的真實(shí)對話，用戶輸入的內(nèi)容都會(huì)被轉(zhuǎn)換成意圖（intent） 和實(shí)體（entities） ，機(jī)器人對用戶的響應(yīng)都會(huì)視作動(dòng)作（actions） 。在上述文件配置好（nlu、domain、stories、config） 便可以進(jìn)行Rasa整個(gè)模型的訓(xùn)練，直接運(yùn)行Rasa train即可。

3.6 云端部署和測試

文章通過python的Flask框架實(shí)現(xiàn)了一個(gè)輕便的web服務(wù)器，并將web服務(wù)器部署在阿里云服務(wù)器上，便于與Rasa進(jìn)行交互。其中開發(fā)流程主要包括：python環(huán)境的配置、Mysql安裝配置、VirtualEnv虛擬環(huán)境的配置、Flaskweb服務(wù)器安裝配置、uwsgi和nginx的安裝和配置、supervisor的安裝配置?？蛻舳撕头?wù)端工作的流程：客戶端發(fā)送一個(gè)HTTP請求后，作為反向代理服務(wù)器的Nginx接收到請求，然后以u(píng)wsgi的協(xié)議形式將請求分發(fā)給WSGI server，WSGI server傳給Flask web服務(wù)端，服務(wù)端處理請求后通過WSGI server和Nginx傳回相應(yīng)給客戶端。

App核心就是實(shí)現(xiàn)HTTP請求（訪問上述的web服務(wù)器） ，通過開啟阿里云服務(wù)器的公網(wǎng)即可在任何地方都可以測試這個(gè)Rasa模型。做完這些步驟即可實(shí)現(xiàn)云端的測試。接下來發(fā)送HTTP請求，測試Rasa模型。

4 結(jié)論

本文首先簡單地闡述了中醫(yī)智能化問診研究的背景和意義，然后描述了問答系統(tǒng)實(shí)現(xiàn)幾個(gè)步驟，包括中醫(yī)術(shù)語語料收集、中醫(yī)知識(shí)圖譜的構(gòu)建、中醫(yī)問診機(jī)器人的對話腳本設(shè)計(jì)、意圖識(shí)別和對話管理數(shù)據(jù)的訓(xùn)練、問答系統(tǒng)的云端部署和測試。由于不同中醫(yī)書籍的中醫(yī)術(shù)語具有時(shí)代性和概念不一致性以及缺乏醫(yī)療專業(yè)術(shù)語與病人口語用語相關(guān)的語料庫，往往會(huì)出現(xiàn)提取實(shí)體不到位，從而導(dǎo)致無法識(shí)別出病人的證候，進(jìn)而影響問答的效果;后續(xù)需要構(gòu)建更加豐富的數(shù)據(jù)庫來進(jìn)一步完善。

參考文獻(xiàn)：

[1] 迪盼祺，夏春明，王憶勤，等. 基于協(xié)同過濾算法的中醫(yī)智能問診系統(tǒng)研究[J].世界科學(xué)技術(shù)-中醫(yī)藥現(xiàn)代化，2021，23（1）：247-255.

[2] 王旸.中醫(yī)智能化問診系統(tǒng)開發(fā)及應(yīng)用前景[J].計(jì)算機(jī)產(chǎn)品與流通，2019（8）：160.

[3] 梁建慶，何建成.中醫(yī)問診文獻(xiàn)綜述[J].中華中醫(yī)藥學(xué)刊，2014，32（10）：2354-2356.

[4] 李媛媛，胡亮亮，趙倩倩，等.中醫(yī)問診方法和技巧[J].中醫(yī)藥導(dǎo)報(bào)，2019，25（24）：139-141.

[5] 葉曉，童凌.中醫(yī)藥術(shù)語漢英雙語平行語料庫的創(chuàng)建和應(yīng)用探討[J].現(xiàn)代語言學(xué)，2019，7（2）：207-211.

[6] 鄒愛云，張啟明.中醫(yī)癥狀間的9種關(guān)系[J].北京中醫(yī)藥大學(xué)學(xué)報(bào)，2013，36（4）：224-226.

[7] 朱文鋒.證素辨證學(xué)[M].北京：人民衛(wèi)生出版社，2008.

[8] 張吉祥，張祥森，武長旭，等.知識(shí)圖譜構(gòu)建技術(shù)綜述[J].計(jì)算機(jī)工程，2021（10）：1-16.

[9] 劉燁宸，李華昱.領(lǐng)域知識(shí)圖譜研究綜述[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2020，29（6）：1-12.

[10] 石強(qiáng).“問所當(dāng)問”——中醫(yī)臨床問診的思路[J].江西中醫(yī)藥，2018，49（6）：9-11.

收稿日期：2022-03-02

基金項(xiàng)目：基于累積展開方法的納米電子器件非平衡輸運(yùn)和量子效應(yīng)理論研究（2016A030313698） ;廣東省產(chǎn)學(xué)研合作項(xiàng)目（2015B09091060） ;基于光載無線技術(shù)的艦艇物聯(lián)網(wǎng)平臺(tái)的研究開發(fā)（2015B090901060） ;廣州市科技計(jì)劃項(xiàng)目（201604046007） ;廣東省省級(jí)科技計(jì)劃（產(chǎn)學(xué)研） 項(xiàng)目（2016B090918031）

作者簡介：鐘有東（1991—） ，男，江西贛州人，在讀碩士，主要研究方向?yàn)闄C(jī)器學(xué)習(xí)和深度學(xué)習(xí);王峰（1961—） ，男（美籍華裔） ，研究生導(dǎo)師，教授，博士，主要研究方向?yàn)樾l(wèi)星導(dǎo)航、納米電子器件仿真、機(jī)器人和智能車輛建模和控制;邱逸銘，在讀研究生;區(qū)汝軒，在讀研究生。