【技术实现步骤摘要】
本申请涉及数据处理，例如涉及一种基于多主体画像的医生推荐方法及推荐装置、电子设备。
技术介绍
1、随着互联网医疗的发展，远程就医和在线问诊服务得到了广泛的应用。目前，互联网医疗需要解决的主要问题为如何实现患者和医生的智能匹配。
2、相关技术中，为了解决上述问题，提供了一种医生推荐方法，包括：获得终端发送的搜索关键词，所述搜索关键词中包含待问诊的疾病信息；基于所述搜索关键词，确定待问诊疾病的第一疾病特征；依据所述第一疾病特征以及在线问诊平台中医生对应的第二疾病特征，确定所述医生擅长的疾病与所述待问诊疾病之间的疾病匹配程度，所述医生对应的第二疾病特征用于表征所述医生擅长的至少一种疾病的疾病特征；基于所述在线问诊平台中各医生对应的疾病匹配程度，从所述在线问诊平台的多个医生中确定出待推荐的至少一个医生。
3、在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：
4、相关技术的方案，仅从疾病特征的单一方面考虑为患者推荐医生，这种方式为患者推荐医生的准确性较低。
5、需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。
2、本公开实施例提供了一种基于多主体
3、在一些实施例中，基于多主体画像的医生推荐方法，包括：获取目标患者的基本信息和疾病问询信息；根据目标患者的基本信息和疾病问询信息构建患者特征表示向量；其中，患者特征表示向量包括患者的静态画像标签信息和动态交互行为信息；计算患者特征表示向量与预先构建的医生数据库中每个医生的医生特征表示向量的匹配值；其中，医生特征表示向量包括医生的静态画像标签信息和历史动态交互行为信息；根据匹配值对医生数据库中的多个医生进行排序，将排序在前的设定个数的医生推荐给目标患者。
4、可选地，根据目标患者的基本信息和疾病问询信息构建患者特征表示向量，包括：将目标患者的基本信息转换为能够表示患者的静态画像标签信息的第一特征表示向量；将目标患者的疾病问询信息转换为能够表示患者的动态交互行为信息的第二特征表示向量；对第一特征表示向量和第二特征表示向量进行拼接，获得患者特征表示向量。
5、可选地，目标患者的基本信息包括目标患者的静态属性标签，将目标患者的基本信息转换为能够表示患者的静态画像标签信息的第一特征表示向量，包括：采用word2vec词嵌入技术对目标患者的静态属性标签进行处理，获得目标患者的第一标签词向量集合；对第一标签词向量集合进行全局平均池化操作，获得第一特征表示向量。
6、可选地，将目标患者的疾病问询信息转换为能够表示患者的动态交互行为信息的第二特征表示向量，包括：对目标患者的疾病问询信息进行字符级编码，获得字粒度向量集合；采用卷积神经网络提取字粒度向量集合中局部语义的上下文特征，并引入激活函数增加非线性，获得疾病问询信息的多个语义特征向量；采用每个语义特征向量对应的注意力权重对每个语义特征向量进行加权处理，并将加权处理后的语义特征向量相加，获得第二特征表示向量。
7、可选地，按照如下方式构建医生数据库中每个医生的医生特征表示向量：将医生的基本信息转换为能够表示医生的静态画像标签信息的第三特征表示向量；将医生回答患者疾病问询信息的历史记录转换为能够表示医生的历史动态交互行为信息的第四特征表示向量；对第三特征表示向量和第四特征表示向量进行拼接，获得医生特征表示向量。
8、可选地，医生的基本信息包括医生的静态属性标签和静态专长标签，将医生的基本信息转换为能够表示医生的静态画像标签信息的第三特征表示向量，包括：采用skip-gram模型将医生的静态属性标签和静态专长标签进行处理，获得医生的第二标签词向量集合；对第二标签词向量集合进行全局平均池化操作，获得第三特征表示向量。
9、可选地，将医生回答患者疾病问询信息的历史记录转换为能够表示医生的历史动态交互行为信息的第四特征表示向量，包括：对医生回答患者疾病问询信息的历史记录进行编码，获得嵌入矩阵；以嵌入矩阵作为bi-gru的输入获得全局特征向量；采用多头注意机制加权处理全局特征向量获得序列矩阵，并对序列矩阵进行全局平均池化操作，获得第四特征表示向量。
10、可选地，按照如下公式计算患者特征表示向量与预先构建的医生数据库中每个医生的医生特征表示向量的匹配值：
11、
12、其中，score为患者特征表示向量和医生特征表示向量的匹配值，ex为患者特征表示向量，dx为医生特征表示向量，fc为全连接层，ex为ex的嵌入向量，dx为dx的嵌入向量，t为特征映射的维度。
13、在一些实施例中，基于多主体画像的医生推荐装置，包括处理器和存储有程序指令的存储器，所述处理器被配置为在运行所述程序指令时，执行如上述的用于医生的推荐方法。
14、在一些实施例中，电子设备，包括：设备本体；如上述的基于多主体画像的医生推荐装置，安装于设备本体。
15、本公开实施例提供的基于多主体画像的医生推荐方法及推荐装置、电子设备，可以实现以下技术效果：
16、本公开实施例中，在有患者需要远程就医或者在线问诊时，首先，会获取此患者(即目标患者)的基本信息和疾病问询信息，并会基于目标患者的基本信息和疾病问询信息构建包括目标患者的静态画像标签信息和动态交互行为信息的患者特征表示向量。然后，会计算患者特征表示向量与医生数据库中包括医生的静态画像标签信息和历史动态交互行为信息的医生特征表示向量的匹配值。最后，会将匹配值排序在前的设定个数的医生推荐给目标患者。本公开实施例中，患者和医生的特征表示向量均包括静态画像标签信息和动态交互行为信息，这使得计算患者和医生的匹配程度时，除了疾病特征，还会考虑患者的要求、医生的医学专长等多个方面的特征。因此，本公开实施例可以提高为患者推荐医生的准确性。
17、以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。
本文档来自技高网...【技术保护点】
1.一种基于多主体画像的医生推荐方法，其特征在于，包括：
2.根据权利要求1所述的医生推荐方法，其特征在于，根据目标患者的基本信息和疾病问询信息构建患者特征表示向量，包括：
3.根据权利要求2所述的医生推荐方法，其特征在于，目标患者的基本信息包括目标患者的静态属性标签，将目标患者的基本信息转换为能够表示患者的静态画像标签信息的第一特征表示向量，包括：
4.根据权利要求2所述的医生推荐方法，其特征在于，将目标患者的疾病问询信息转换为能够表示患者的动态交互行为信息的第二特征表示向量，包括：
5.根据权利要求1至4中任一项所述的医生推荐方法，其特征在于，按照如下方式构建医生数据库中每个医生的医生特征表示向量：
6.根据权利要求5所述的医生推荐方法，其特征在于，医生的基本信息包括医生的静态属性标签和静态专长标签，将医生的基本信息转换为能够表示医生的静态画像标签信息的第三特征表示向量，包括：
7.根据权利要求5所述的医生推荐方法，其特征在于，将医生回答患者疾病问询信息的历史记录转换为能够表示医生的历史动态交互行为信息的
8.根据权利要求1至4中任一项所述的医生推荐方法，其特征在于，按照如下公式计算患者特征表示向量与预先构建的医生数据库中每个医生的医生特征表示向量的匹配值：
9.一种基于多主体画像的医生推荐装置，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在运行所述程序指令时，执行如权利要求1至8中任一项所述的用于医生的推荐方法。
10.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种基于多主体画像的医生推荐方法，其特征在于，包括：
2.根据权利要求1所述的医生推荐方法，其特征在于，根据目标患者的基本信息和疾病问询信息构建患者特征表示向量，包括：
3.根据权利要求2所述的医生推荐方法，其特征在于，目标患者的基本信息包括目标患者的静态属性标签，将目标患者的基本信息转换为能够表示患者的静态画像标签信息的第一特征表示向量，包括：
4.根据权利要求2所述的医生推荐方法，其特征在于，将目标患者的疾病问询信息转换为能够表示患者的动态交互行为信息的第二特征表示向量，包括：
5.根据权利要求1至4中任一项所述的医生推荐方法，其特征在于，按照如下方式构建医生数据库中每个医生的医生特征表示向量：
6.根据权利要求5所述的医生推荐方法，其特征...
【专利技术属性】
技术研发人员：王喆，邴兆振，邵一博，吴丹，李思洁，
申请(专利权)人：青岛国创智能家电研究院有限公司，
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。