智能推荐医生的方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能，提供一种智能推荐医生的方法、装置、设备及存储介质。该方法采集历史患者的病历数据，病历数据中包括历史患者的诊断医生的信息，根据病历数据对历史患者进行分类，得到历史患者类别，根据诊断医生对历史患者在多个历史患者类别中的诊断数量生成诊断医生的诊疗能力信息，获取诊断医生在多个预设维度上的维度信息，根据维度信息及诊疗能力信息生成诊断医生在所述每个历史患者类别上的推荐指数，根据签约请求识别目标用户所在的目标用户类别，根据推荐指数及目标用户类别向目标用户推荐诊断医生，能够提高签约医生的推荐准确性。此外，本发明专利技术还涉及区块链技术，所述推荐指数可存储于区块链中。推荐指数可存储于区块链中。推荐指数可存储于区块链中。

【技术实现步骤摘要】
智能推荐医生的方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种智能推荐医生的方法、装置、设备及存储介质。

技术介绍

[0002]随着人工智能的发展，向用户推荐医生的方式也随之产生。通过向用户智能推荐医生，能够辅助用户快速找到合适的医生进行签约。然而，在这些医生智能推荐方式中，仍然无法准确的确定出适合用户的签约医生。
[0003]因此，如何准确的向用户推荐合适的签约医生，成了亟需解决的问题。

技术实现思路

[0004]鉴于以上内容，有必要提供一种智能推荐医生的方法、装置、设备及存储介质，能够准确的向用户推荐合适的签约医生。
[0005]一方面，本专利技术提出一种智能推荐医生的方法，所述智能推荐医生的方法包括：
[0006]采集历史患者的病历数据，所述病历数据中包括所述历史患者的诊断医生的信息；
[0007]根据所述病历数据对所述历史患者进行分类，得到所述历史患者的历史患者类别；
[0008]根据所述历史患者统计所述诊断医生在多个所述历史患者类别的诊断数量，并根据所述诊断数量生成所述诊断医生在每个历史患者类别上的诊疗能力信息；
[0009]获取所述诊断医生在多个预设维度上的维度信息；
[0010]根据所述维度信息及所述诊疗能力信息生成所述诊断医生在所述每个历史患者类别上的推荐指数；
[0011]当接收到签约请求时，根据所述签约请求识别目标用户所在的目标用户类别；
[0012]根据所述推荐指数及所述目标用户类别向所述目标用户推荐所述诊断医生。
[0013]根据本专利技术优选实施例，所述采集历史患者的病历数据包括：
[0014]接收所述历史患者发送的授权反馈信息；
[0015]从所述授权反馈信息中提取患者识别码及密钥；
[0016]基于所述患者识别码从预设医疗系统中获取密文信息；
[0017]根据所述密钥对所述密文信息进行解密处理，得到所述病历数据。
[0018]根据本专利技术优选实施例，所述根据所述病历数据对所述历史患者进行分类，得到所述历史患者的历史患者类别包括：
[0019]获取预先训练好的人群分类模型，所述人群分类模型中包括基础分类网络、疾病实体抽取网络及语义解析网络，所述基础分类网络是根据第一字段训练生成的，所述疾病实体抽取网络是根据第二字段训练生成的，所述语义解析网络是根据第三字段训练生成的；
[0020]根据所述第一字段从所述病历数据中抽取第一信息；
[0021]从所述基础分类网络中获取基础映射表，并基于所述基础映射表获取与所述第一信息对应的类别作为第一类别；
[0022]根据所述第二字段从所述病历数据中抽取第二信息，并基于所述疾病实体抽取网络从所述第二信息中抽取疾病信息；
[0023]从所述人群分类模型中获取疾病类别映射表；
[0024]计算所述疾病信息与所述疾病类别映射表中每个预设疾病的疾病相似度，并将所述疾病相似度最大的预设疾病所对应的类别确定为第二类别；
[0025]根据所述第三字段从所述病历数据中抽取第三信息，并基于所述语义解析网络处理所述第三信息，得到目标症状；
[0026]检测所述第二类别中是否存在所述目标症状；
[0027]若所述第二类别中存在所述目标症状，则将所述第一类别及所述第二类别确定为所述历史患者类别。
[0028]根据本专利技术优选实施例，若所述第二类别中不存在所述目标症状，所述方法还包括：
[0029]从所述疾病类别映射表获取与所述目标症状对应的类别作为第三类别；
[0030]从预设用户库中获取所述第三类别的训练用户；
[0031]统计所述训练用户中包含所述目标症状的用户数量，并统计所述训练用户的训练总量；
[0032]计算所述用户数量在所述训练总量中的比值，得到所述目标症状的症状概率；
[0033]从所述人群分类模型中获取所述疾病实体抽取网络的第一预测权值及所述语义解析网络的第二预测权值；
[0034]计算所述第二类别的疾病相似度与所述第一预测权值的乘积，得到所述第二类别的第一分值，并计算所述症状概率与所述第二预测权值的乘积，得到所述第三类别的第二分值；
[0035]从所述第一分值及所述第二分值中选取大于预设阈值的分值所对应的类别作为筛选类别；
[0036]将所述筛选类别及所述第一类别确定为所述历史患者类别。
[0037]根据本专利技术优选实施例，所述根据所述历史患者统计所述诊断医生在多个所述历史患者类别的诊断数量，并根据所述诊断数量生成所述诊断医生在每个历史患者类别上的诊疗能力信息包括：
[0038]基于所述历史患者，统计所述诊断医生处理所述每个历史患者类别上的数量作为所述诊断数量；
[0039]统计所述每个历史患者类别中所述历史患者的患者总量；
[0040]计算所述患者总量与所述诊断数量的比值，得到所述诊疗能力信息。
[0041]根据本专利技术优选实施例，所述维度信息包括所述诊断医生的工作饱和度及多个反馈信息，所述根据所述维度信息及所述诊疗能力信息生成所述诊断医生在所述每个历史患者类别上的推荐指数包括：
[0042]将所述工作饱和度大于或者等于配置饱和度的诊断医生确定为非空闲医生，并将
所述工作饱和度小于所述配置饱和度的诊断医生确定为空闲医生；
[0043]将所述非空闲医生在所述每个历史患者类别上的推荐指数确定为初始值；
[0044]获取所述诊疗能力信息所对应的第一指标权值，并获取所述多个预设维度所对应的第二指标权值，所述第一指标权值大于多个所述第二指标权值；
[0045]根据所述维度信息、所述诊疗能力信息、所述第一指标权值及所述第二指标权值生成所述推荐指数，包括：
[0046][0047]n>1；
[0048]其中，y是指所述推荐指数，a1是指所述第一指标权值，a2…
a
t
是指多个所述第二指标权值，x1是指所述诊疗能力信息，x2…
x
t
是指所述多个反馈信息，n是指所述工作饱和度。
[0049]根据本专利技术优选实施例，所述目标用户类别包括多个时，所述根据所述推荐指数及所述目标用户类别向所述目标用户推荐所述诊断医生包括：
[0050]获取所述目标用户的用户信息；
[0051]基于预先训练好的严重度预测模型处理所述用户信息，得到所述目标用户在每个目标用户类别上的类别严重度；
[0052]对所述类别严重度进行归一化处理，得到每个目标用户类别的推荐权值；
[0053]根据所述推荐权值及所述推荐指数生成所述诊断医生的推荐总分；
[0054]根据所述推荐总分从所述诊断医生中选取目标医生；
[0055]向所述目标用户推荐所述目标医生。
[0056]另一方面，本专利技术还提出一种智能推荐医生的装置，所述智能推荐医生的装置包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能推荐医生的方法，其特征在于，所述智能推荐医生的方法包括：采集历史患者的病历数据，所述病历数据中包括所述历史患者的诊断医生的信息；根据所述病历数据对所述历史患者进行分类，得到所述历史患者的历史患者类别；根据所述历史患者统计所述诊断医生在多个所述历史患者类别的诊断数量，并根据所述诊断数量生成所述诊断医生在每个历史患者类别上的诊疗能力信息；获取所述诊断医生在多个预设维度上的维度信息；根据所述维度信息及所述诊疗能力信息生成所述诊断医生在所述每个历史患者类别上的推荐指数；当接收到签约请求时，根据所述签约请求识别目标用户所在的目标用户类别；根据所述推荐指数及所述目标用户类别向所述目标用户推荐所述诊断医生。2.如权利要求1所述的智能推荐医生的方法，其特征在于，所述采集历史患者的病历数据包括：接收所述历史患者发送的授权反馈信息；从所述授权反馈信息中提取患者识别码及密钥；基于所述患者识别码从预设医疗系统中获取密文信息；根据所述密钥对所述密文信息进行解密处理，得到所述病历数据。3.如权利要求1所述的智能推荐医生的方法，其特征在于，所述根据所述病历数据对所述历史患者进行分类，得到所述历史患者的历史患者类别包括：获取预先训练好的人群分类模型，所述人群分类模型中包括基础分类网络、疾病实体抽取网络及语义解析网络，所述基础分类网络是根据第一字段训练生成的，所述疾病实体抽取网络是根据第二字段训练生成的，所述语义解析网络是根据第三字段训练生成的；根据所述第一字段从所述病历数据中抽取第一信息；从所述基础分类网络中获取基础映射表，并基于所述基础映射表获取与所述第一信息对应的类别作为第一类别；根据所述第二字段从所述病历数据中抽取第二信息，并基于所述疾病实体抽取网络从所述第二信息中抽取疾病信息；从所述人群分类模型中获取疾病类别映射表；计算所述疾病信息与所述疾病类别映射表中每个预设疾病的疾病相似度，并将所述疾病相似度最大的预设疾病所对应的类别确定为第二类别；根据所述第三字段从所述病历数据中抽取第三信息，并基于所述语义解析网络处理所述第三信息，得到目标症状；检测所述第二类别中是否存在所述目标症状；若所述第二类别中存在所述目标症状，则将所述第一类别及所述第二类别确定为所述历史患者类别。4.如权利要求3所述的智能推荐医生的方法，其特征在于，若所述第二类别中不存在所述目标症状，所述方法还包括：从所述疾病类别映射表获取与所述目标症状对应的类别作为第三类别；从预设用户库中获取所述第三类别的训练用户；统计所述训练用户中包含所述目标症状的用户数量，并统计所述训练用户的训练总
量；计算所述用户数量在所述训练总量中的比值，得到所述目标症状的症状概率；从所述人群分类模型中获取所述疾病实体抽取网络的第一预测权值及所述语义解析网络的第二预测权值；计算所述第二类别的疾病相似度与所述第一预测权值的乘积，得到所述第二类别的第一分值，并计算所述症状概率与所述第二预测权值的乘积，得到所述第三类别的第二分值；从所述第一分值及所述第二分值中选取大于预设阈值的分值所对应的类别作为筛选类别；将所述筛选类别及所述第一类别确定为所述历史患者类别。5.如权利要求1所述的智能推荐医生的方法，其特征在于，所述根据所述历史患者统计所述诊断医生在多个所述历史患者类别的诊断数量，并...

【专利技术属性】
技术研发人员：欧阳强，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：