博文
基于DIKWP模型的医患交互误解消除案例分析及细粒度语义映射
|
基于DIKWP模型的医患交互误解消除案例分析及细粒度语义映射
段玉聪
人工智能DIKWP测评国际标准委员会委员
世界人工意识大会
世界人工意识协会
(联系邮箱：duanyucong@hotmail.com)
报告摘要本报告详细探讨了段玉聪教授提出的DIKWP模型在医患交互过程中消除误解的应用，重点关注DIKWP元素的概念标识和语义映射。通过具体的对话片段，展示数据（Data）、信息（Information）、知识（Knowledge）、智慧（Wisdom）和意图（Purpose）五个元素在认知空间、语义空间与概念空间中的概念映射与语义转化。报告旨在展示如何通过细粒度的语义处理和映射，提高医患交流的准确性和有效性。
1. 引言在医患交互过程中，误解和信息不对称是常见问题。段玉聪教授提出的DIKWP模型，通过数据、信息、知识、智慧和意图五个元素的概念标识和语义映射，提供了一种系统化框架，旨在提高交流的准确性和有效性。本报告通过具体的对话片段，展示DIKWP模型在消除误解中的应用。
2. DIKWP模型的结构与功能2.1 数据（Data）语义定义：数据的语义是认知过程中表达“相同”意义的具体表现。
处理过程：包括语义匹配和概念确认，通过识别和抽取数据中的特征语义进行分类和识别。
数学表示：通过语义属性集合来描述，定义为一组特征语义集合 S={f1,f2,...,fn}S = \{ f_1, f_2, ..., f_n \}S={f1,f2,...,fn}。
语义定义：信息的语义对应认知中一个或多个“不同”语义。
处理过程：包括输入识别、语义匹配与分类、新语义生成。
数学表示：通过特定意图驱动，在语义空间中形成新的语义关联，数学上表示为：I:X→YI: X \rightarrow YI:X→Y。
语义定义：知识的语义是认知主体借助某种假设对DIKWP内容进行语义完整性抽象活动获得的理解和解释。
处理过程：包括观察与学习、假设与验证。
数学表示：知识可以表示为一个语义网络 K=(N,E)K = (N, E)K=(N,E)。
语义定义：智慧的语义对应伦理、社会道德、人性等方面的信息。
处理过程：综合考虑伦理、道德、社会责任和可行性。
数学表示：智慧可以表示为一个决策函数 W:{D,I,K,W,P}→D∗W: \{D, I, K, W, P\} \rightarrow D^*W:{D,I,K,W,P}→D∗。
语义定义：意图的语义对应二元组（输入，输出）。
处理过程：根据预设目标（输出）处理输入的DIKWP内容语义，通过学习和适应实现语义转化。
数学表示：意图的数学表示为：P=(Input,Output)P = (Input, Output)P=(Input,Output)，转换函数 T:Input→OutputT : Input \rightarrow OutputT:Input→Output。
认知空间包括认知主体的生理与神经认知活动到有意识和无意识的语义形成过程。
生理与神经认知活动：神经元活动模式和突触连接构成了认知过程的生理基础。
有意识和无意识的语义形成：无意识的认知处理和有意识的思维和推理过程。
语义空间是认知主体将认知空间中形成的语义内容进行系统化和结构化的表达。
语义内容表达：通过语义网络将认知空间中的语义内容结构化表达。
语义处理与转换：语义匹配、语义推理和语义生成等
概念空间是认知主体将语义空间中的语义内容符号化为自然语言概念的过程。
符号化表达：通过语言符号将语义内容转化为自然语言概念。
自然语言生成：通过语法分析、语义解析和语言生成机制将语义内容转化为自然语言输出。
患者Alice（A）来医院就诊，主诉持续性头痛。医生Brown（B）需要通过交互了解病情，提供诊断和治疗建议。双方在交流过程中可能出现误解，需要通过DIKWP模型进行语义映射和转化，消除误解，提高交流效率和准确性。
4.2 医生与患者的认知基础内容为了详细展示对话中的每个字、词的DIKWP概念标识和语义分析，首先构建医生和患者在对话前的认知基础内容：
医生B（Dr. Brown）的认知基础：
确认诊断
制定并实施有效的治疗方案
对患者的个性化治疗建议
对检查和治疗的风险和收益的综合评估
医学知识库
临床经验
诊断和治疗的相关标准和指南
头痛的不同类型（如偏头痛、紧张性头痛）
诊断方法和治疗方案
病历记录
检查报告
患者描述的症状
数据（Data）：
信息（Information）：
知识（Knowledge）：
智慧（Wisdom）：
意图（Purpose）：
患者A（Alice）的认知基础：
缓解症状
获得专业的诊断和治疗建议
对自身健康的关心
对治疗效果和安全性的关注
通过网络、朋友或医生获得的疾病相关知识
对症状的主观感受
对疾病和检查的常识性了解
个人健康记录
近期的症状和不适
数据（Data）：
信息（Information）：
知识（Knowledge）：
智慧（Wisdom）：
意图（Purpose）：
以下对话片段展示了DIKWP模型在医患交互中的应用。每个字、词、句子都进行细粒度的概念标识和语义分析。
4.3.1 初步交流患者A（Alice）：
概念标识：
语义映射：
标识依据和解释：
医生（Doctor）：D1
我（I）：D2
这几天（These days）：D3
一直（Always）：D4
头痛（Headache）：D5
认知空间：患者对自身症状的感知
语义空间：头痛的具体描述
概念空间：将头痛描述符号化为“医生，我这几天一直头痛。”
医生（D1）：医生作为与患者互动的主体，在认知空间中代表一个具体角色。基于患者对医生的信任和角色定义。
我（D2）：患者自我指代，反映认知主体的自我感知。基于患者对自身症状的直接感知。
这几天（D3）：时间表达，反映症状的持续时间。患者感知的时间范围。
一直（D4）：频率表达，表示症状的持续性。基于患者的持续性感知。
头痛（D5）：具体症状，表达患者的身体感觉。基于患者的直接身体体验。
描述症状：“医生，我这几天一直头痛。”
数据（Data）：
医生B（Dr. Brown）：
概念标识：
语义映射：
标识依据和解释：
你（You）：D6
头痛（Headache）：D5
位置（Location）：D7
哪儿（Where）：D8
什么时候（When）：D9
开始（Start）：D10
认知空间：医生对患者描述的关注点。医生通过提问来收集具体的数据，以便更好地理解症状。
语义空间：头痛的位置和时间细化。医生希望通过细化信息来识别头痛的具体类型和原因。
概念空间：将问诊内容符号化为“你头痛的位置在哪儿？什么时候开始的？”医生使用具体的语言来获取患者的症状细节。
你（D6）：指代患者，明确问诊对象。基于医生对患者的直接交流。
头痛（D5）：与患者描述保持一致，确保概念一致性。基于医生对患者症状的确认。
位置（D7）：空间概念，细化症状的具体部位。医生希望了解症状的具体部位。
哪儿（D8）：询问位置，配合位置（D7）使用。医生通过询问具体位置来明确头痛的部位。
什么时候（D9）：时间概念，询问症状开始时间。医生希望了解症状的起始时间。
开始（D10）：动作概念，指代症状的初始发生。医生通过了解症状的起始来判断可能的病因。
提问：“你头痛的位置在哪儿？什么时候开始的？”
数据收集与预处理：
患者A（Alice）：
概念标识：
语义映射：
标识依据和解释：
主要（Mainly）：D11
前额（Forehead）：D12
三天前（Three days ago）：D13
开始（Start）：D10
特别（Especially）：D14
早晨（Morning）：D15
醒来（Wake up）：D16
严重（Severe）：D17
认知空间：患者对症状细节的感知。患者提供了更加详细的症状描述。
语义空间：头痛的具体位置和时间描述。患者进一步描述了症状的具体情况。
概念空间：将细节描述符号化为“主要在前额，从三天前开始的，特别是早晨醒来时更严重。”患者用具体的语言表达了自己的症状。
主要（D11）：强调症状的主要部位。患者指出症状的主要发生位置。
前额（D12）：具体部位，细化头痛的位置。患者明确了头痛的具体位置。
三天前（D13）：时间表达，具体化症状的开始时间。患者提供了症状开始的时间点。
开始（D10）：动作概念，与前文保持一致。症状的起始时间。
特别（D14）：强调症状的特殊情况。患者指出症状在特定时间的加重。
早晨（D15）：时间段，具体化症状的加重时间。患者指出症状加重的具体时间段。
醒来（D16）：动作概念，指代患者的日常活动。患者描述症状加重时的具体活动。
严重（D17）：症状程度，描述症状的严重性。患者描述症状的严重程度。
回答：“主要在前额，从三天前开始的，特别是早晨醒来时更严重。”
数据（Data）：
医生B（Dr. Brown）：
概念标识：
语义映射：
可能（Possible）：I1
偏头痛（Migraine）：I2
或者（Or）：I3
紧张性头痛（Tension headache）：I4
认知空间：医生对症状的初步判断。医生基于
解释：“可能是偏头痛或者紧张性头痛。”
信息（Information）：患者描述初步判断症状可能的类型。
- 语义空间：头痛类型的解释。医生向患者解释可能的头痛类型。
- 概念空间：将判断符号化为“可能是偏头痛或者紧张性头痛。”医生用具体的语言表达对症状的初步判断。 -
标识依据和解释： - 可能（I1）：表达医生对诊断的不确定性。基于医生对症状类型的初步判断。 - 偏头痛（I2）：具体诊断类别。医生可能的诊断之一。 - 或者（I3）：连接两种可能性。表达医生对可能性的并列判断。 - 紧张性头痛（I4）：另一种诊断类别。医生可能的诊断之一。
患者A（Alice）：
概念标识：
语义映射：
标识依据和解释：
偏头痛（Migraine）：I2
严重（Serious）：I5
病（Illness）：I6
认知空间：患者对“偏头痛”的理解和担忧。患者表达对偏头痛的担忧。
语义空间：询问偏头痛的严重性。患者询问偏头痛的严重程度。
概念空间：将疑问符号化为“偏头痛？那是不是很严重的病？”患者表达对病情的担忧。
偏头痛（I2）：保持与医生描述一致。患者对医生描述的理解。
严重（I5）：表达患者对疾病严重性的担忧。患者对病情严重程度的关注。
病（I6）：指代疾病的整体概念。患者对疾病的整体担忧。
回应：“偏头痛？那是不是很严重的病？”
信息（Information）：
医生B（Dr. Brown）：
概念标识：
语义映射：
标识依据和解释：
偏头痛（Migraine）：I2
常见（Common）：I7
头痛类型（Headache type）：I8
严重（Serious）：I5
进一步检查（Further examination）：I9
认知空间：医生对患者误解的解释。医生澄清患者对偏头痛的误解。
语义空间：偏头痛的常见性和严重性解释。医生解释偏头痛的普遍性和严重性。
概念空间：将澄清内容符号化为“偏头痛是一种常见的头痛类型，不一定很严重，但需要进一步检查。”医生用具体的语言解释。
偏头痛（I2）：保持与之前一致。医生对患者描述的一致性。
常见（I7）：强调疾病的普遍性。医生解释偏头痛的普遍性。
头痛类型（I8）：进一步定义疾病类别。医生对症状类型的分类。
严重（I5）：解释患者的担忧。医生澄清严重性。
进一步检查（I9）：建议进行额外检查以确认诊断。医生对后续步骤的建议。
澄清：“偏头痛是一种常见的头痛类型，不一定很严重，但需要进一步检查。”
信息（Information）：
医生B（Dr. Brown）：
概念标识：
语义映射：
标识依据和解释：
检查（Examination）：K1
确认（Confirm）：K2
血液检查（Blood test）：K3
影像学检查（Imaging test）：K4
认知空间：医生对检查必要性的解释。医生解释需要进行的检查。
语义空间：检查类型和目的的解释。医生解释检查的具体类型和目的。
概念空间：将检查建议符号化为“我们需要做一些检查来确认，可能会让你进行一些血液检查和影像学检查。”医生用具体的语言表达检查建议。
检查（K1）：总体检查过程的概念。医生解释需要进行的医学检查。
确认（K2）：强调检查的目的。医生希望通过检查确认诊断。
血液检查（K3）：具体检查类型之一。医生推荐的具体检查项目。
影像学检查（K4）：具体检查类型之二。医生推荐的另一检查项目。
诊断：“我们需要做一些检查来确认，可能会让你进行一些血液检查和影像学检查。”
知识（Knowledge）：
患者A（Alice）：
概念标识：
语义映射：
标识依据和解释：
痛苦（Painful）：K5
CT扫描（CT scan）：K6
辐射（Radiation）：K7
认知空间：患者对检查过程的担忧。患者表达对检查过程的担忧。
语义空间：对检查痛苦程度和辐射的疑问。患者询问检查过程的具体细节和安全性。
概念空间：将疑问符号化为“这些检查会很痛苦吗？我听说CT扫描有辐射。”患者用具体的语言表达担忧。
痛苦（K5）：患者对检查体验的担忧。患者对检查过程可能带来的不适感到担忧。
CT扫描（K6）：具体检查类型。患者对具体检查类型的关注。
辐射（K7）：与CT扫描相关的安全性疑虑。患者担心检查过程中辐射的影响。
回应：“这些检查会很痛苦吗？我听说CT扫描有辐射。”
知识（Knowledge）：
医生B（Dr. Brown）：
概念标识：
语义映射：
标识依据和解释：
血液检查（Blood test）：K3
抽血（Blood draw）：K8
低辐射（Low radiation）：K9
安全（Safe）：K10
认知空间：医生对检查安全性的解释。医生解释检查的具体过程和安全性。
语义空间：血液检查和CT扫描的安全性解释。医生解释检查项目的安全性。
概念空间：将解释符号化为“血液检查只需要抽一点血，CT扫描的辐射量很低，是安全的。”医生用具体的语言缓解患者的担忧。
血液检查（K3）：保持与之前一致。医生对检查类型的确认。
抽血（K8）：具体描述血液检查过程。医生解释血液检查的具体过程。
低辐射（K9）：解释CT扫描的安全性。医生缓解患者对辐射的担忧。
安全（K10）：总体强调检查的安全性。医生强调检查的安全性。
解释：“血液检查只需要抽一点血，CT扫描的辐射量很低，是安全的。”
知识（Knowledge）：
医生B（Dr. Brown）：
概念标识：
语义映射：
**标
等待检查结果（Waiting for test results）：W1
尝试（Try）：W2
一些（Some）：W3
放松练习（Relaxation exercises）：W4
减少压力（Stress reduction）：W5
可能（Possible）：W6
缓解头痛（Headache relief）：W7
认知空间：医生对患者当前情况的智慧性建议。医生提供额外的缓解措施。
语义空间：放松练习和压力管理的建议。医生建议患者在等待期间进行放松练习。
概念空间：将建议符号化为“在等待检查结果期间，可以尝试一些放松练习，减少压力可能有助于缓解头痛。”医生用具体的语言提供建议。
建议：“在等待检查结果期间，可以尝试一些放松练习，减少压力可能有助于缓解头痛。”
智慧（Wisdom）：
等待检查结果（W1）：当前情况的时间段。医生建议在等待期间进行活动。
尝试（W2）：建议行动。医生建议患者尝试新的活动。
一些（W3）：量化建议。医生建议尝试不多的放松练习。
放松练习（W4）：具体建议的活动。医生建议的具体活动。
减少压力（W5）：解释放松练习的目的。医生解释放松练习的作用。
可能（W6）：强调建议的可能性。医生对建议效果的谨慎表述。
缓解头痛（W7）：最终目标。医生解释放松练习的潜在好处。
可以（W8）：表明建议的可行性。医生表示建议是可行的。
认知空间：医生对患者当前情况的智慧性建议。医生提供额外的缓解措施。
语义空间：放松练习和压力管理的建议。医生建议患者在等待期间进行放松练习。
概念空间：将建议符号化为“在等待检查结果期间，可以尝试一些放松练习，减少压力可能有助于缓解头痛。”医生用具体的语言提供建议。
等待检查结果（Waiting for test results）：W1
尝试（Try）：W2
一些（Some）：W3
放松练习（Relaxation exercises）：W4
减少压力（Stress reduction）：W5
可能（Possible）：W6
缓解头痛（Headache relief）：W7
可以（Can）：W8
概念标识：
语义映射：
标识依据和解释：
患者A（Alice）：
概念标识：
语义映射：
标识依据和解释：
好的（Okay）：W9
我（I）：W10
会（Will）：W11
试试（Try）：W12
放松练习（Relaxation exercises）：W4
谢谢医生（Thank you, doctor）：W13
认知空间：患者对医生建议的接受。患者表示接受医生的建议。
语义空间：接受放松练习建议。患者表示愿意尝试放松练习。
概念空间：将回应符号化为“好的，我会试试放松练习，谢谢医生。”患者用具体的语言表达接受建议和感谢。
好的（W9）：表达接受建议。患者表示同意。
我（W10）：自我指代。患者表达自身意图。
会（W11）：意图。患者表示未来的行动。
试试（W12）：行动意图。患者表示愿意尝试。
放松练习（W4）：保持一致。患者对建议的接受。
谢谢医生（W13）：表达感谢。患者对医生的建议表示感谢。
回应：“好的，我会试试放松练习，谢谢医生。”
智慧（Wisdom）：
医生B（Dr. Brown）：
概念标识：
语义映射：
标识依据和解释：
一旦（Once）：P1
检查结果（Test results）：P2
出来（Come out）：P3
根据（According to）：P4
结果（Results）：P5
制定（Develop）：P6
详细的（Detailed）：P7
治疗方案（Treatment plan）：P8
认知空间：医生对后续步骤的解释。医生解释下一步的计划。
语义空间：检查结果和治疗方案的关联。医生解释检查结果与治疗方案的关系。
概念空间：将总结符号化为“一旦检查结果出来，我们会根据结果制定详细的治疗方案。”医生用具体的语言解释下一步的计划。
一旦（P1）：时间条件。医生解释时间条件。
检查结果（P2）：具体数据。医生解释关键数据。
出来（P3）：结果的获得。医生解释结果的获取。
根据（P4）：依据。医生解释决策依据。
结果（P5）：关键数据。医生解释决策的依据。
制定（P6）：行动。医生解释下一步的计划。
详细的（P7）：描述。医生强调计划的详细性。
治疗方案（P8）：具体措施。医生解释最终的行动方案。
总结：“一旦检查结果出来，我们会根据结果制定详细的治疗方案。”
意图（Purpose）：
患者A（Alice）：
概念标识：
语义映射：
标识依据和解释：
明白了（Understood）：P9
谢谢医生（Thank you, doctor）：P10
我（I）：P11
会（Will）：P12
配合（Cooperate）：P13
检查（Tests）：P14
认知空间：患者对医生解释的理解和配合。患者表达对医生解释的理解和配合意图。
语义空间：表达感谢和配合意图。患者感谢医生并表示愿意配合检查。
概念空间：将回应符号化为“明白了，谢谢医生，我会配合检查。”患者用具体的语言表达理解、感谢和配合意图。
明白了（P9）：理解。患者表示理解。
谢谢医生（P10）：感谢。患者表达感谢。
我（P11）：自我指代。患者表达自身意图。
会（P12）：意图。患者表示未来的行动。
配合（P13）：合作。患者表示愿意合作。
检查（P14）：具体行动。患者表示愿意接受检查。
回应：“明白了，谢谢医生，我会配合检查。”
意图（Purpose）：
在上述案例中，数据层面包括了患者的症状描述、医生的问诊信息以及检查结果。这些数据是交流的基础，通过语义匹配和概念确认，使得医生能够准确理解患者的病情。
5.2 信息层信息层面包括了医生对症状的初步解释、患者对概念的理解以及对检查项目的解释。在这一层，信息的处理和差异化分析帮助医生识别患者的误解，并通过进一步解释消除这些误解。
5.3 知识层知识层面包括医生基于症状和检查结果的诊断，以及患者对医疗知识的了解。在这个层次，通过知识的应用和解释，医生能够提供更加详细和准确的诊断，帮助患者理解病情。
5.4 智慧层智慧层面包括医生在制定治疗方案时的综合考虑，包括患者的心理状态、社会责任和伦理问题。在这一层，医生不仅需要考虑医学知识，还需要结合患者的具体情况，提供个性化的建议。
5.5 意图层意图层面包括医生和患者的目标设定与实现。通过明确交流的目标和步骤，确保双方在交流过程中保持一致，减少误解，提高交流的有效性。
6. 结论与展望通过上述案例分析，展示了DIKWP模型在医患交互过程中消除误解的应用潜力。DIKWP模型通过数据、信息、知识、智慧和意图五个元素，实现了从认知空间到语义空间再到概念空间的高效交互。尽管在实现过程中面临挑战，但其系统化框架和综合性特征为医患交流提供了新的思路和工具。
6.1 结论DIKWP模型提供了一个全面、系统化的框架，通过认知空间、语义空间与概念空间的交互，实现对自然语言中概念和语义的全面覆盖和准确映射。通过与大语言模型的对接，DIKWP模型能够充分利用现代深度学习技术，提升语义处理和自然语言生成的能力。
6.2 展望未来，随着大语言模型的进一步发展和应用，我们可以期待在以下几个方面取得突破：
跨领域语义理解：大语言模型将进一步提升跨领域的语义理解和应用能力，支持更复杂和多样化的任务。
人机协作增强：通过优化大语言模型的交互能力，实现更高效和自然的人机协作，提升智能系统的实用性。
认知科学深化：利用大语言模型深入研究人类认知过程，揭示语言理解和生成的底层机制，推动认知科学的发展。
伦理与社会影响：随着大语言模型的广泛应用，需关注其伦理和社会影响，确保技术发展符合社会价值和伦理准则。
Bratman, M. E. (1987). Intention, Plans, and Practical Reason. Harvard University Press.
Searle, J. R. (1983). Intentionality: An Essay in the Philosophy of Mind. Cambridge University Press.
Schank, R. C., & Abelson, R. P. (1977). Scripts, Plans, Goals, and Understanding: An Inquiry into Human Knowledge Structures. Lawrence Erlbaum Associates.
Fodor, J. A. (1981). Representations: Philosophical Essays on the Foundations of Cognitive Science. MIT Press.
Dennett, D. C. (1987). The Intentional Stance. MIT Press.
https://m.sciencenet.cn/blog-3429562-1437599.html
上一篇：基于DIKWP模型的医患交互误解消除案例分析及自动机模型
下一篇：DIKWP模型中的认知空间、语义空间与概念空间的详细定义与应用
