【技术实现步骤摘要】
本专利技术涉及医生推荐领域，特别涉及一种基于医患交互数据驱动的智能医生推荐方法。
技术介绍
1、随着智慧医疗体系的不断完善，智能导诊系统正在逐步取代人工导诊的服务模式，已成为医疗行业未来发展的新方向，目前对于国内大多数的智能导诊服务，患者仍然是处于被动服务的模式，患者需要按照医院专科分类或者按照人体部位选择的形式去预约医生，由于缺乏专业的医疗知识，患者在选择医生时容易出现盲目性较大、选择优质专家过于集中等问题，无法根据自己的病情选择合适的医生进行就诊，使得自身就医效率低下，同时也导致医院资源不能得到合理化利用。
2、因此，提出一种基于医患交互数据驱动的智能医生推荐方法来解决上述问题很有必要。
技术实现思路
1、本专利技术的主要目的在于提供一种基于医患交互数据驱动的智能医生推荐方法，可以有效解决
技术介绍
中的问题。
2、为实现上述目的，本专利技术采取的技术方案为：
3、一种基于医患交互数据驱动的智能医生推荐方法，所述包括以下方法：
4、s1：患者主诉信息库的构建：基于主流互联网监控平台的信息库进行数据的抽取，在其网站抓取患者问答网页，从网页中抽取出患者主诉数据作为原始语料，抓取方法采用基于python的asyncio模块实现多协程的异步io网页请求技术加快爬取速率，利用网站对患者数据按照科室类别进行划分的条件，同时对多个科室进行多任务处理，采用ip轮询结合模拟浏览器代理请求头的方法保证爬取效率，然后采用python的beautifulso
5、s2：数据的处理：短文本数据：在获取的患者主诉数据中有不少数据是短文本，基于此提取患者主诉中较为专业的疾病词、症状词作为页面数据展示，若遇到网站页面存在对患者主诉数据展示不完整的问题，需要采取人工进行清洗处理，对于表述不完整和一些没有任何病情意向的噪声数据也需要直接进行清洗；
6、s3：病症知识库的构建：病症知识进行采集，以互联网医疗网站作为知识源，根据网站上的疾病百科模块抽取网页中的疾病、症状等相关知识，对疾病、症状模块等网页数据进行抓取，网页抓取方法采用异步爬虫技术，疾病＞疾病别名＞典型症状＞三元组规则进行知识抽取，其中疾病和疾病别名之间是同义词关系，在对患者疾病进行抽取时可以通过疾病之间的同义关系进行关联，在数据存储时将疾病别名与疾病进行合并存储；
7、s4：基于贝叶斯算法的症状权值计算：在患者初次就诊时医生一般要对患者进行多次询问，了解清楚患者的具体症状情况从而进行进一步确诊，以此可以认为医生是要判断患者所具有的症状属于疾病的概率问题，以此根据患者所具有的所有症状进行统计计算，最后根据疾病的概率值得出确诊结果；
8、s5：医生信息资源池的构建：进行对医生信息的抓取，在抓取医生信息时着重参照医院his系统中存储的医生的信息，所抓取的医生信息包括医生的姓名、照片、职称、院内职务、所属科室、擅长、医生介绍、学术经历、学术职务、医生评分等基础数据以及医生历史接诊的患者的主诉数据，数据采用mysql关系型数据库进行存储；
9、s6：个性化医生推荐框架的设计：首先对主诉文本进行预处理工作，对主诉文本进行实体标注处理以作为病症实体识别模型的数据集，当抽取的主诉文本病症词存在非标准病症词的情况时，在病症实体抽取时结合病症知识库进行实体标准化处理，其次对于病症实体抽取结果进行统计分析，当存在患者只表述了少数的症状情况时是无法精确的进行医生定位的，以此设计患者意图识别方法准确计算患者的就诊意向，深度分析出患者所具有的全部病症情况，最后根据科室推荐模型初步推荐的医生结合患者病症情况进行初步医生定位，建立基于协同过滤的个性化医生推荐算法，从主诉文本相似度、医生相似度等方面计算医生推荐度并对结果进行排序计算。
10、优选的，所述步骤s1中，患者主诉为患者对于自身病情的描述，从数据中提取患者的病症特征等关键信息，数据中所含口语化的词汇，与临床上的主诉文本不同，临床主诉文本定义为在患者就诊时以自述的形式向医生说明近期的身体不良反应，医生根据患者表述进行记录，把患者所说的主要症状记录在病例上，在记录时省略掉患者的主语表达。
11、优选的，所述步骤s1中，从页面中抽取的信息包括相关科室、相关疾病、患者性别、患者年龄、患者主诉，所抽取的数据为患者的详细主诉数据，即页面中的健康咨询描述数据。
12、优选的，所述步骤s4中，在计算症状的全概率时认为对于每一条主诉文本，假设只有一个症状出现，同时将疾病标签认为是该疾病下所有症状的集合，经过对所有样本集的计算处理，得到每一种症状对于所属疾病的权值，可以将部分疾病和症状的权值关系进行制图，以百分比的方式表示症状的权值。
13、优选的，所述步骤s5中，对医生历史接诊患者的评分和主诉文本信息进行展示和存储，采用医生职称、医生擅长、医生评分等特征用于医生推荐度的计算，医生历史接诊患者主诉数据用于与当前就诊患者的主诉数据进行病情相似度计算，医生姓名、照片、所属科室等基本信息用于系统推荐结果页面展示。
14、有益效果
15、与现有技术相比，本专利技术提供了一种基于医患交互数据驱动的智能医生推荐方法，具备以下有益效果：
16、1、该基于医患交互数据驱动的智能医生推荐方法，本方法可以基于在科室推荐的结果下进行细粒度的医生筛选，能通过研究主诉文本的病症实体识别方法，以此建立主诉文本病症实体识别模型，能有效保证了患者病症与医生擅长的有效对应，使得医生可以为准确治疗患者疾病提供了保障，通过构建的病症知识库可以提高对患者病情的智能识别能力，能根据识别的内容保证医生推荐结果的准确性，通过信息库的构建可以利用医疗知识库实现对患者病情诉求进行正确的识别与匹配，并协助患者找到对口的科室和医生。
本文档来自技高网...【技术保护点】
1.一种基于医患交互数据驱动的智能医生推荐方法，其特征在于：所述包括以下方法：
2.根据权利要求1所述的一种基于医患交互数据驱动的智能医生推荐方法，其特征在于：所述步骤S1中，患者主诉为患者对于自身病情的描述，从数据中提取患者的病症特征等关键信息，数据中所含口语化的词汇，与临床上的主诉文本不同，临床主诉文本定义为在患者就诊时以自述的形式向医生说明近期的身体不良反应，医生根据患者表述进行记录，把患者所说的主要症状记录在病例上，在记录时省略掉患者的主语表达。
3.根据权利要求1所述的一种基于医患交互数据驱动的智能医生推荐方法，其特征在于：所述步骤S1中，从页面中抽取的信息包括相关科室、相关疾病、患者性别、患者年龄、患者主诉，所抽取的数据为患者的详细主诉数据，即页面中的健康咨询描述数据。
4.根据权利要求1所述的一种基于医患交互数据驱动的智能医生推荐方法，其特征在于：所述步骤S4中，在计算症状的全概率时认为对于每一条主诉文本，假设只有一个症状出现，同时将疾病标签认为是该疾病下所有症状的集合，经过对所有样本集的计算处理，得到每一种症状对于所属疾病的权值
5.根据权利要求1所述的一种基于医患交互数据驱动的智能医生推荐方法，其特征在于：所述步骤S5中，对医生历史接诊患者的评分和主诉文本信息进行展示和存储，采用医生职称、医生擅长、医生评分等特征用于医生推荐度的计算，医生历史接诊患者主诉数据用于与当前就诊患者的主诉数据进行病情相似度计算，医生姓名、照片、所属科室等基本信息用于系统推荐结果页面展示。
...【技术特征摘要】
1.一种基于医患交互数据驱动的智能医生推荐方法，其特征在于：所述包括以下方法：
2.根据权利要求1所述的一种基于医患交互数据驱动的智能医生推荐方法，其特征在于：所述步骤s1中，患者主诉为患者对于自身病情的描述，从数据中提取患者的病症特征等关键信息，数据中所含口语化的词汇，与临床上的主诉文本不同，临床主诉文本定义为在患者就诊时以自述的形式向医生说明近期的身体不良反应，医生根据患者表述进行记录，把患者所说的主要症状记录在病例上，在记录时省略掉患者的主语表达。
3.根据权利要求1所述的一种基于医患交互数据驱动的智能医生推荐方法，其特征在于：所述步骤s1中，从页面中抽取的信息包括相关科室、相关疾病、患者性别、患者年龄、患者主诉，所抽取的数据为患者的详细主诉数据，即页面中的健康咨询描述数据...
【专利技术属性】
技术研发人员：朱江，谢飞云，孙亚茹，
申请(专利权)人：上海医加医科技有限公司，
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。