【技术实现步骤摘要】
本说明书涉及人工智能，尤其涉及一种数据预测方法、装置、设备、介质及产品。
技术介绍
1、在保险、医疗等领域中，通常需要对用户的健康状态进行评估预测，例如在宠物险的续保准入和定价中，除了衡量单疾病的复发概率及复发诊疗，也会出现由于疾病本身存在后遗症或者在诊疗过程中由于用药种类和剂量等原因，引起其他关联疾病的问题(如在诊疗猫瘟中若使用抗生素过多就会引起一些胃肠炎疾病)。
2、但是，如果仅依赖医生自身的医学经验进行判断，容易受到医生的知识专业度个体差异性的极大影响，且人或宠物都存在很多种不同疾病，医生很难在日常就诊中积累每种疾病的临床样本，无法总结并精准提炼各不同疾病间的关联概率，也就无法对用户的疾病数据进行精准的预测。
技术实现思路
1、本说明书实施例提供一种数据预测方法、装置、设备、介质及产品，通过利用贝叶斯网络实现对不同种类疾病间的发展链路和关联概率进行定量刻画，结合待预测用户的历史疾病数据对待预测用户未来可能出现的疾病数据发生情况进行预测，克服了依赖医生的个人主观经验，不同疾病间关联概率难以量化的问题，提高疾病数据预测的准确性。上述技术方案如下：
2、第一方面，本说明书实施例提供一种数据预测方法，上述方法包括：
3、获取待预测用户的历史疾病数据；
4、将上述历史疾病数据输入目标疾病贝叶斯网络，基于上述目标疾病贝叶斯网络中不同种类疾病之间的发展链路和关联概率输出上述待预测用户对应的疾病数据预测结果；上述目标疾病贝叶斯网络基于多个用户各
5、在一种可能的实现方式中，上述将上述历史疾病数据输入目标疾病贝叶斯网络之前，上述方法还包括：
6、获取上述多个用户各自对应的历史疾病信息；
7、将上述历史疾病信息中的各疾病按照发生时间的先后顺序进行排序，得到对应的历史疾病序列；
8、基于上述多个用户各自对应的历史疾病序列构建对应的疾病关联网络；
9、基于上述疾病关联网络训练贝叶斯网络，得到上述目标疾病贝叶斯网络。
10、在一种可能的实现方式中，上述基于上述历史疾病序列构建对应的疾病关联网络，包括：
11、从上述历史疾病序列中提取历史疾病对；上述历史疾病对包括不属于同一种类且前后发生的两种关联疾病以及上述两种关联疾病之间的历史关联方向；
12、基于上述历史疾病对构建对应的疾病关联网络。
13、在一种可能的实现方式中，上述历史疾病信息包括多个疾病各自对应的身份信息和历史发生时间；
14、上述获取上述多个用户各自对应的历史疾病信息，包括：
15、获取上述多个用户各自对应的历史材料数据；上述历史材料数据包括以下至少一种：历史理赔数据、历史就医数据；
16、对上述历史材料数据进行解析，得到对应的历史疾病描述信息；
17、基于预设疾病图谱对上述历史疾病描述信息进行映射，得到上述历史疾病描述信息中多个疾病各自对应的身份信息；
18、基于上述历史材料数据对应的提交时间和/或上述历史疾病描述信息中描述的上述多个疾病各自对应的发生时间确定上述多个疾病各自对应的历史发生时间。
19、在一种可能的实现方式中，上述待预测用户与上述多个用户各自对应的属性均相同；上述属性包括以下至少一种：种类、所处的年龄段、职业、体重。
20、在一种可能的实现方式中，上述多个用户包括多种不同属性的用户；上述待预测用户的属性为上述多种不同属性中的其中一种；
21、上述将上述历史疾病数据输入目标疾病贝叶斯网络，基于上述目标疾病贝叶斯网络中不同种类疾病之间的发展链路和关联概率输出上述待预测用户对应的疾病数据预测结果之前，上述方法还包括：
22、获取上述待预测用户的属性信息；
23、上述将上述历史疾病数据输入目标疾病贝叶斯网络，基于上述目标疾病贝叶斯网络中不同种类疾病之间的发展链路和关联概率输出上述待预测用户对应的疾病数据预测结果，包括：
24、将上述历史疾病数据和上述属性信息输入目标疾病贝叶斯网络，基于上述目标疾病贝叶斯网络中上述属性信息对应属性种类下不同种类疾病之间的发展链路和关联概率输出上述待预测用户对应的疾病数据预测结果。
25、在一种可能的实现方式中，上述历史疾病数据包括上述待预测用户在历史时间段内发生的至少一种待预测疾病信息；上述疾病数据预测结果包括上述待预测用户发生上述待预测疾病信息后可能发生的其他疾病信息以及上述其他疾病信息中各种疾病信息对应的发生概率；
26、上述基于上述目标疾病贝叶斯网络中不同种类疾病之间的发展链路和关联概率输出上述待预测用户对应的疾病数据预测结果之后，上述方法还包括：
27、基于上述待预测用户对应的疾病数据预测结果确定上述待预测用户对应的治疗提示信息和/或疾病保险定价信息。
28、第二方面，本说明书实施例提供了一种数据预测装置，上述数据预测装置包括：
29、第一数据获取模块，用于获取待预测用户的历史疾病数据；
30、数据预测模块，用于将上述历史疾病数据输入目标疾病贝叶斯网络，基于上述目标疾病贝叶斯网络中不同种类疾病之间的发展链路和关联概率输出上述待预测用户对应的疾病数据预测结果；上述目标疾病贝叶斯网络基于多个用户各自对应的历史疾病信息进行训练得到。
31、第三方面，本说明书实施例提供了一种电子设备，包括：处理器以及存储器；
32、上述处理器与上述存储器相连；
33、上述存储器，用于存储可执行程序代码；
34、上述处理器通过读取上述存储器中存储的可执行程序代码来运行与上述可执行程序代码对应的程序，以用于执行本说明书实施例第一方面或第一方面的任意一种可能的实现方式提供的方法。
35、第四方面，本说明书实施例提供了一种计算机存储介质，上述计算机存储介质存储有多条指令，上述指令适于由处理器加载并执行本说明书实施例第一方面或第一方面的任意一种可能的实现方式提供的方法。
36、第五方面，本说明书实施例提供了一种包含指令的计算机程序产品，当上述计算机程序产品在计算机或处理器上运行时，使得上述计算机或上述处理器执行本说明书实施例第一方面或第一方面的任意一种可能的实现方式提供的方法。
37、本说明书实施例中，获取待预测用户的历史疾病数据；将上述历史疾病数据输入目标疾病贝叶斯网络，基于上述目标疾病贝叶斯网络中不同种类疾病之间的发展链路和关联概率输出上述待预测用户对应的疾病数据预测结果，目标疾病贝叶斯网络基于多个用户各自对应的历史疾病信息进行训练得到，通过利用贝叶斯网络实现对不同种类疾病间的发展链路和关联概率进行定量刻画，从而根据贝叶斯网络刻画的不同种类疾病间的发展链路和关联概率，结合待预测用户的历史疾病数据对待预测用户未来可能出现的疾病数据发生情况进行预测，克服了依赖医生的个人主观经验，不同本文档来自技高网...
【技术保护点】
1.一种数据预测方法，所述方法包括：
2.根据权利要求1所述的方法，所述将所述历史疾病数据输入目标疾病贝叶斯网络之前，所述方法还包括：
3.根据权利要求2所述的方法，所述基于所述多个用户各自对应的历史疾病序列构建对应的疾病关联网络，包括：
4.根据权利要求2所述的方法，所述历史疾病信息包括多个疾病各自对应的身份信息和历史发生时间；
5.根据权利要求1所述的方法，所述待预测用户与所述多个用户各自对应的属性均相同；所述属性包括以下至少一种：种类、所处的年龄段、职业、体重。
6.根据权利要求1所述的方法，所述多个用户包括多种不同属性的用户；所述待预测用户的属性为所述多种不同属性中的其中一种；
7.根据权利要求1所述的方法，所述历史疾病数据包括所述待预测用户在历史时间段内发生的至少一种待预测疾病信息；所述疾病数据预测结果包括所述待预测用户发生所述待预测疾病信息后可能发生的其他疾病信息以及所述其他疾病信息中各种疾病信息对应的发生概率；
8.一种数据预测装置，所述装置包括：
9.一种电子设备，包括
10.一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1～7任一项的所述方法的步骤。
11.一种包含指令的计算机程序产品，当所述计算机程序产品在计算机或处理器上运行时，使得所述计算机或所述处理器执行如权利要求1～7任一项所述方法的步骤。
...【技术特征摘要】
1.一种数据预测方法，所述方法包括：
2.根据权利要求1所述的方法，所述将所述历史疾病数据输入目标疾病贝叶斯网络之前，所述方法还包括：
3.根据权利要求2所述的方法，所述基于所述多个用户各自对应的历史疾病序列构建对应的疾病关联网络，包括：
4.根据权利要求2所述的方法，所述历史疾病信息包括多个疾病各自对应的身份信息和历史发生时间；
5.根据权利要求1所述的方法，所述待预测用户与所述多个用户各自对应的属性均相同；所述属性包括以下至少一种：种类、所处的年龄段、职业、体重。
6.根据权利要求1所述的方法，所述多个用户包括多种不同属性的用户；所述待预测用户的属性为所述多种不同属性中的其中一种；
7.根据权利要求1所述的方法，所述历史疾病数据包括...
【专利技术属性】
技术研发人员：王畅，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。