El diseo de un Chatbot para pacientes diabticos

Abbas Saliimi Lokman, Jasni Mohamad Zain Fakulti Sistem

Komputer y Kejuruteraan Perisian,
Universidad de Malasia Pahang, Lebuhraya Tun
Razak, 26300 Kuantan, Pahang.
Abstracto - La inteligencia artificial conversacional es una tecnologa que posibilita la comunicacin entre el hombre y la mquina es posible mediante el uso de lenguaje
natural. En el presente trabajo, hemos propuesto un diseo arquitectnico de un conversacional que funcionar como la diabetes virtuales mdico / mdico. Este
conversacional permitir a los pacientes diabticos a tener un consejo de control de la diabetes / gestin sin necesidad de ir al hospital. Una historia general de un
conversacional, se discute una breve descripcin de cada uno chatbots. Hemos propuesto el diseo de una nueva tcnica que ser implementado en este conversacional
como el componente clave para funcionar como la diabetes mdico. Con este diseo, conversacional recordar la trayectoria de conversacin a travs de parmetro llamado
VPath. Vpath permitir a conversacional da una respuesta que es sobre todo conveniente para toda la conversacin, ya que especficamente diseado para ser un mdico de
la diabetes virtual.

INTRODUCCIN

Chatbot o robot de charla es una tecnologa que surge a ser la forma de humano para interactuar con el ordenador usando el lenguaje natural (lenguaje humano
hablado). Hay una gran cantidad de conversacional hoy en da que acte como un asistente de compras en lnea, orientacin sitio web y tambin un conversacional que
acaba de responder a cualquier conversacin, el humano tena con ellos (un chatbot conocimientos generales). Aunque cierta chatbot est siendo hecho para ser funci
slo para el rea especfica del conocimiento, el flujo sigue siendo el mismo, donde una entrada de humano ser contra todos base de conocimientos de chatbot. Fue
sobre todo como el motor de bsqueda donde el usuario introduce lo que quiere buscar y el motor responder de acuerdo a ese parmetro de bsqueda. Aunque existe
cierta utilizado de una tcnica que hace que conversacional recuerda el tema de conversacin anterior, pero todava no se hace conversacional para recordar todo el flu
de la conversacin. Como tal, se propone un diseo arquitectnico de un conversacional que tendr la capacidad de recordar todo el flujo de la conversacin para ser
utilizado por los pacientes diabticos para sus actividades diarias de control de la diabetes.

Hubo un uso eficaz de una conversacional en el campo de la medicina demostrado por el xito de VPbot, desarrollado por el Dr. Griffin Webber de la Universidad de
Harvard. VPbot ha sido particularmente exitoso en el programa Paciente Virtual de la Escuela de Medicina de Harvard, en el que simula VPbot pacientes que los
estudiantes de medicina pueden entrevista a travs de una interfaz basada en la web. No slo los estudiantes que han utilizado el paciente virtual puntuaron ms alto
en los exmenes, sino tambin la Asociacin Americana de Colegios Mdicos (AAMC) ha elegido el paciente virtual y VPbot a ser el ncleo de su nueva iniciativa
MedEdPORTAL en todo el pas [6]. Lo que queremos proponer en este documento es ligeramente diferente de VPbot donde queremos chatbot para actuar como un
mdico virtual / mdico, no como un paciente virtual por lo que es VPbot preocupacin. Los dos conversacional ms referido, que es Eliza (la primera conversacional) y
Alice (chatbot ms popular con registro de tres veces ganador para la instanciacin anual de Loebner de la Prueba de Turing para la inteligencia de la mquina [3]), junto
con VPbot se discutir con el fin de en general, comprender la literatura de la tecnologa conversacional siempre y cuando la utiliza de conversacional en el campo de la
medicina.

ELIZA

ELIZA, un primer conversacional desarrollado por el profesor Joseph Weizenbaum del Massachusetts Institute of Technology (MIT) se desribed como un
programa, lo que hace que la conversacin en lenguaje natural con un ordenador sea posible. Lo que es importante para Eliza es que el equipo puede leer los
mensajes escritos en la mquina de escribir y responder por escrito en el mismo instrumento. frase de entrada se analizan sobre la base de reglas de descomposici
que se activan por medio de palabras clave que aparecen en el texto de entrada. Las respuestas se generan por las reglas de reensamblaje asociados con reglas de
descomposicin seleccionados. Los problemas tcnicos fundamentales con ELIZA son: (1) la identificacin de palabras clave; (2) el descubrimiento de contexto
mnimo; (3) la eleccin de transformaciones apropiadas; (4) generacin de respuestas en la ausencia de palabras clave; y (5) la provisin de una capacidad de edici
para ELIZA scripts [7].

Los problemas tcnicos fundamentales con el que ELIZA debe preocuparse son los siguientes: (1) La identificacin de la palabra clave ms importante
que ocurre en el mensaje de entrada; (2) La identificacin de un contexto mnimo en el que aparece la palabra clave elegida, por ejemplo, si la palabra clave
es usted, es seguido de la palabra es (en cuyo caso probablemente se est haciendo una afirmacin); (3) La eleccin de una regla de transformacin
apropiado y, por supuesto, la realizacin de la transformacin en s; (4) La provisin de mecanismo que permita ELIZA para responder inteligente, cuando el
texto de entrada no contena palabras clave; y (5) La creacin de un sistema que funciones de edicin, sobre todo la extensin, de la secuencia de comandos
en el nivel de escritura de guiones [7].

ALICIA

ALICE (artificial lingstica Internet entidad informtica) apareci por primera vez en 1995 y fue resultado de un conjunto de
respuestas predeterminadas dilogo recogidos por Wallace de los libros ledos, pelculas vistas y experiencias de vida, con el pretexto de
acontecimientos aparentemente sin sentido. El objetivo de su creacin, dice Wallace, era mantener ALICE hablando el mayor tiempo posible sin interactuar humanos
darse cuenta de que estaban hablando con una mquina. contenido de Alicia viene directamente del esfuerzo para maximizar la duracin del dilogo, que es el
costo de la conversacin. ALICIA est diseado para ser flexible
tecnologa [3].

conocimiento de ALICE acerca de los patrones de conversacin en ingls se almacena en archivos AIML. AIML o artificial
Inteligencia Markup Language es un derivado del lenguaje de marcado extensible (XML). Fue desarrollado por el Dr. Wallace y la comunidad del
software libre Alicebot a partir de 1995 para que las personas al conocimiento patrn de dilogo de entrada en chatbots basado en la tecnologa de
software de cdigo abierto ALICE [1].
AIML, describe una clase de objetos de datos llamados objetos AIML y en parte se describe el comportamiento de los programas informticos que los procesan. AIML
objetos estn formados por unidades llamadas temas y categoras, que contienen datos, ya sea analizar o no analizadas. Los datos analizados se compone de personajes,
algunos de los cuales se forman los datos de caracteres, y algunos de los cuales forman elementos AIML. elementos AIML encapsulan el conocimiento de estmulo-respuesta
contenida en el documento. Los datos de caracteres dentro de estos elementos a veces se analizan por un intrprete AIML, y algunas veces dejan no analizada para su
posterior procesamiento por un respondedor [5].

VPBOT

Donde ALICE es un moderno ELIZA, la conclusin distintiva entre los dos se puede describir como [2]:
ELIZA - spotting de palabras clave y de coincidencia de patrn con 200 pares de respuesta de estmulo.
ALICE - razonamiento basado en casos (CBS) para la extraccin de contexto correcto de las palabras ambiguas, generador de frase al azar, base de
conocimiento (temporal, espacial, etc.), corrector ortogrfico, y 45.000 pares de respuesta a estmulos.

Aparte de Eliza y ALICE, hay VPbot, un chatbot SQL-base para aplicaciones mdicas. VPbot, que almacena las reglas del lenguaje '' en un modelo de datos
relacional. Comparte muchas de las mismas caractersticas que ALICE, pero a menudo es ms fcil de definir nuevas reglas del lenguaje en VPbot que con AIML.
Mientras que ALICE est diseado para ser capaz de producir respuestas genricas a una amplia gama de temas, VPbot es el ms adecuado para un tema de
orientacin de la conversacin. El algoritmo VPbot acepta tres parmetros de entrada, una VPID, el tema actual, y una frase. los VPID es un identificador nico para
instancia VPbot. El tema es un parmetro opcional, que se puede utilizar para manejar los pronombres. Aunque el tema es un parmetro de entrada en el algoritmo
general VPbot, en la implementacin del paciente virtual, el estudiante puede ni ver el tema ni cambiarlo. Es simplemente una variable que las tiendas virtuales de
pacientes internos y vuelve a la conversacional con la siguiente pregunta. Tenga en cuenta que si bien el tema VPbot sirve a un propsito similar a la de la AIML
<tema> y <> que las etiquetas, se utiliza de manera diferente en VPbot. La salida de VPbot es una nueva frase y un nuevo tema. Al igual que con AIML, la sentencia
de salida puede ser construido dinmicamente usando partes de la frase de entrada; la base de datos no tiene que almacenar cada respuesta posible [6].

Aunque VPbot utiliza SQL en lugar de AIML, hay un cierto lmite. Segn lo indicado por el Dr. Webber en su tesis, hay algunas limitaciones en lo que es
posible con una nica instruccin SQL, principalmente porque la verdadera recursividad no es compatible. Sin embargo, en un dominio restringido, tal como una
conversacin mdico-paciente, no son necesarios todas las capacidades de AIML [6].

Chatbot para diabticos

enfermedad de la diabetes no puede ser curada por la estatura en la actualidad mdica, pero puede ser gestionar correctamente para que los pacientes tengan una vida sana y
activa. Tres componentes principales en el manejo de la diabetes estn monitoreando (nivel de glucosa en la sangre), una dieta adecuada (siguiendo el consejo diettico) y los
pacientes / tutores motivacin (para motivar a los diabticos a tener el impulso de la gestin de su enfermedad). El primer componente, donde los pacientes necesitan un seguimiento
continuo de su nivel de glucosa en sangre se realiza habitualmente mediante una estrecha observacin en una circunstancia de un primeros sntomas de bajo nivel de glucosa en
sangre. Esos sntomas sin embargo no se puede detectar si los pacientes es la falta de conocimiento sobre su enfermedad [8]. Despus de eso, los pacientes necesitan ir
continuamente al hospital con el fin de obtener un resultado diagnstico respecto de aquellos variedad de sntomas, incluso si se encuentran en el nivel de control seguro de su
enfermedad. Como tal, nos proponemos desarrollar un conversacional que funcionar como mdico de la diabetes virtual para hacer un diagnstico bsico en los pacientes diabticos

El flujo del proceso es que el paciente tendr una conversacin en el chat regular usando lenguaje natural con conversacional que ser cuestin (pregunte por
conversacional) y respuestas (entrada por el paciente). Esta sesin continuar hasta que el paciente
xito est siendo diagnosticada y luego van a obtener su consejo de control ms adecuado para su condicin de diabetes. Con el fin de aclarar el diagnstico,
conversacional le har varias preguntas secuencia y esas preguntas ser seleccionado en base a las respuestas dadas por el paciente. Esto significa
conversacional necesita saber todo el flujo de la conversacin.
Haciendo referencia a la literatura de un chatbot, el flujo de una sesin de chat es usuario introduce una entrada, y la respuesta chatbot voluntad. La lgica del proce
es como un sistema de bsqueda en la entrada del usuario el parmetro de bsqueda y el motor de bsqueda devolver un resultado con respecto a ese parmetro. Es
probable que un nico proceso de flujo de entrada anterior, donde no est relacionado con la entrada actual y futura. Por lo tanto, en la tecnologa conversacional, hay u
manera en que conversacional puede recordar la conversacin anterior. Mediante el uso de comodines en AIML, conversacional ser capaz de copia algunas frases /
palabras que la entrada del usuario, y pegar en la respuesta que se le dar al usuario. AIML conversacional basado tambin tienen la capacidad de recordar el tema d
una conversacin (usando <que> y <tema> tag) que hace que la respuesta generada permanezca en el mismo tema. A pesar de que esas funciones son realmente
eficaces, todava no permite conversacional para recordar todo el flujo de la conversacin. Como Abu Sawar y Atwell declar que los inconvenientes ms comunes de un
conversacional es que no ha guardado el historial de la conversacin y no entiende realmente lo que la conversacin es sobre todo, que slo da al usuario la respuesta d
dominio de conocimiento almacenado en el cerebro[1].

Para llenar el vaco, proponemos un diseo arquitectnico que har que conversacional recuerda el flujo de la conversacin que luego se usar para diagnosticar al
paciente. La clave para que sea al hacer conversacional conocen la ruta en la que el paciente lleva en la sesin de preguntas y respuestas. El camino ser determinado
mediante el anlisis de parmetro llamado VPath. Higo. La figura 1 muestra la descripcin grfica de cmo ViDi determinar VPath.

En la Fig. 1, la forma del crculo con Q dentro representan la pregunta preguntar por conversacional y el crculo con A dentro representan la entrada de respuesta
por parte del paciente. Higo. La figura 1 muestra el camino que fue tomada por el paciente (representar por lnea en negrita y texto) en tres niveles sesin de diagnstico
con las preguntas mximos para cada nivel son nueve (Tenga en cuenta que la sesin actual puede tener ms niveles, y las preguntas para cada nivel tal vez menos de
nueve, depende de la sesin de diagnstico mdico real que ms tarde ser discutida). Para cada nivel, el paciente slo se hizo una pregunta, pero si conversacional no
detect ninguna palabra clave de la respuesta, se hizo varias preguntas hasta que se detecta la palabra clave. Tenga en cuenta que el nivel slo se incrementa cuando
conversacional detecta las palabras clave. El flujo de proceso se describe en la Fig. 2. Palabras clave para cada pregunta ms adelante sern determinados por real
 Higo. 1. Una muestra de camino tomado por paciente

diabetes phsycian (tenga en cuenta que una pregunta puede tener ms de una palabra clave y las palabras clave puede ser una frase completa, una frase o una
sola palabra).
Para la sesin de tres niveles diagnstico (como se muestra en la Fig. 1), la probabilidad total de la posible trayectoria es 729 (9 * 9 * 9 = 729) con el
valor VPath son 111, 112, 113, 114, 115, 116, 117, 118, 119, 121, 122, 123, 124, 125, 126, 127,
128, 129, 131, 132, 133, 134, 135, 136, 137, 138, 139, ... hasta 991, 992, 993, 994, 995, 996, 997, 999. Aunque no existe una posible va 729 que puede haber
tomada por el paciente en esta sesin, la conclusin puede que no sea igual a 729 debido a que el diagnstico puede ser flexible y tambin las preguntas totales
para cada nivel puede ser inferior a nueve. Todos estos componentes se determinarn en el diseo de las preguntas y la ruta de la sesin con el mdico real de
diabetes.
Cada pregunta tiene su propio valor de definir con el parmetro llamado Qid y cada Qid sern multiplicar por valor especfico para cada nivel que es el
valor de aumentar multiplican 10 a partir de 1 para el nivel 1, 10 para el nivel 2, 100 para el nivel 3 y pronto. Vpath es un valor total de Qid en referencia a la
ruta donde la conversacin se lleva a cabo. En la Fig. 1, el clculo para VPath puede describirse como; Qid para el nivel uno es 3 (3 * 1), el nivel dos es 70 (7
* 10), y el nivel tres es 100 (1 * 100) y por lo que el VPath es 173 (3 + 70 + 100). Como conclusin, VPath se calcula el valor de Qid y Qid es un valor
constante de 1 a 9 de acuerdo con nmero de la pregunta. Sin embargo, el valor total de Qid para cada nivel es diferente porque nivel diferente tiene un valor
diferente para el proceso de la multiplicacin de Qid.

Higo. 2. El flujo del proceso para la conversacin paciente

LA COINCIDENCIA DE PATRONES

Para cada nivel, un proceso de coincidencia de patrones se llevar a cabo con el fin de conversacional para detectar palabras clave de frase de entrada del paciente.
Varios pasos deben realizarse en el proceso y los pasos son los siguientes:
Recibe frase de entrada del paciente.
Convertir todos los alfabetos en minsculas.
 separar las palabras de condena por punto , coma, y en el espacio .
Poner todas las palabras en una matriz.

Reemplazar palabras sinnimos de acuerdo con la base de conocimientos (si lo hay).

Crear una matriz de posibles aportaciones a ser fsforo (frase, frases y palabras) mediante el uso de palabras secuencia suprimida tcnica (documento de trabajo).

Adaptacin de la serie de palabras clave de bases de datos uno por uno a partir de la frase completa hasta que cada uno de los palabras (ntese que ser
coincidente con base en el nivel donde se encuentra la conversacin).
Salir de todos bucle si se encontrara a juego.
Entrada total posible ser partido despus de proceso SWD se puede calcular por la ecuacin nmero triangular, como en (1).

m = Variable para la coincidencia

n = palabras totales en los datos de entrada

(1)

Por ejemplo, si el total de palabras de una frase de entrada son 5, entonces el nmero total de posibles de entrada a ser partido es
15. Puede ser descrito como se muestra en la Tabla 1 (el que dice la frase de entrada es Ayer, mi pecho herido de gravedad).

| Tabla 1: Posible de entrada que se ajuste a 5 | | Palabras

frase de entrada |
| N | frase de entrada |
| | Palabra 1 | Palabra 2 | 3 Palabra | Palabra 4 | 5 Palabra | | 1 |
yesterda | mi | Pecho | herida | Mal |
| |y | | | | |
| 2 | yesterda | mi | Pecho | herida | |
| |y | | | | |
|3| | mi | Pecho | herida | Mal |
| 4 | yesterda | mi | Pecho | | |
| |y | | | | |
|5| | mi | Pecho | herida | |
|6| | | Pecho | herida | Mal |
| 7 | yesterda | mi | | | |
| |y | | | | |
|8| | mi | Pecho | | |
|9| | | Pecho | herida | |
| 10 | | | | herida | Mal |
| 11 | yesterda | | | | |
| |y | | | | |
| 12 | | mi | | | |
| 13 | | | Pecho | | |
| 14 | | | | herida | |
| 15 | | | | | Mal |

* No es referirse al nmero de posibles aportaciones a ser partido

CONCLUSIN

Este diseo conversacional an no se ha implementado, pero en primer lugar, las preguntas y respuestas para la sesin de diagnstico control de la diabetes virtual debe ser
diseado con el mdico real de la diabetes. En este diseo conversacional, hemos propuesto el uso de VPath, una forma de que conversacional para recordar la trayectoria de
conversacin. Tambin diseamos la conversacin para ser controlado por conversacional en lugar de por el usuario (le gusta cualquier otro programa conversacional), haciendo
que el usuario permanezca en el tema de conversacin y no entrar en cualquier entrada irrelevante, y si lo hacen, conversacional a la respuesta que la entrada era comprensible y
no seguir repitiendo la pregunta anterior (con una buena forma) hasta que se detecta la palabra clave. La sugerencia tambin ser proporcionado como gua para el paciente con
el fin de responde correctamente a las preguntas. En lugar de slo una respuesta para una entrada, este diseo permitir a conversacional respuesta a toda la conversacin, ya
que especficamente diseado para ser un mdico para el diagnstico de la diabetes virtual de sntomas desde el principio las actividades de control de la diabetes.
 RECONOCIMIENTO

Nos gustara dar las gracias a la Universidad de Malasia Pahang (UMP) para la concesin de apoyo para este proyecto no. GRS 070166. Tambin nos gustara
dar las gracias a los mdicos de la Universidad Islmica Internacional de Malasia (IIUM), Prof. Dr. Mohammed Fauzi bin Abdul Rani, el doctor y el doctor Marzuki
Yusouf y todo el personal en HTAA por su apoyo en el proceso de hacer esta investigacin.

Referencias

[1] Abu Sawar, Atwell, "chatbots: Son realmente tiles?", LDV-Foro - Band 22 (1) - 31-50, 2007. Diabetes Atlas, tercera edicin, Federacin Internacional de
Diabetes, 2006. [2] Huma Shah, "ALICE: un ACE en Digitaland," una presentacin de diapositivas donde el Dr. Richard Wallace conserva los derechos de autor de
la
presentacin, Universidad de Westminster, 2005. [3] Huma Shah, "ALICE: un ACE en Digitaland" TripleC,
4 (2): 284-292, 2006. [4] Turing, AM, "Maquinaria Informtica e Inteligencia" Mente, Vol. LIX. No. 236, 1950.
[5] Wallace, R., "AIML general, ALICE Artificial
Fundacin inteligencia. " [En lnea]. Disponible:
http://alicebot.org
[6] Webber, GM, "representacin de datos y algoritmos de Informtica Biomdica de aplicaciones" Tesis doctoral,
La Universidad de Harvard, 2005.

[7] Weizenbaum, J., "ELIZA- un programa informtico para el Estudio del Lenguaje Natural comunicacin entre
Hombre y la mquina," Comunicacin de la ACM, Vol. 9, No. 1, 1966.
[8] Jasni M. Zain y Abdul RM Fauzi, "expectativa y la viabilidad de un ordenador Educacin en Diabetes Aided
rea urbana en Malasia: Vistas de pacientes, el personal mdico y administradores de hospitales," en Actas de la Conferencia Internacional
de Educacin, Investigacin e Innovacin, ICERI 2008.