CN112116969A - 信息推荐方法、装置、存储介质及计算机设备 - Google Patents

信息推荐方法、装置、存储介质及计算机设备 Download PDF

Info

Publication number
CN112116969A
CN112116969A CN202010766589.1A CN202010766589A CN112116969A CN 112116969 A CN112116969 A CN 112116969A CN 202010766589 A CN202010766589 A CN 202010766589A CN 112116969 A CN112116969 A CN 112116969A
Authority
CN
China
Prior art keywords
service
record information
different
user
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010766589.1A
Other languages
English (en)
Other versions
CN112116969B (zh
Inventor
王岩
刘阳
李大宝
刘琦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Absolute Health Ltd
Original Assignee
Beijing Absolute Health Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Absolute Health Ltd filed Critical Beijing Absolute Health Ltd
Priority to CN202010766589.1A priority Critical patent/CN112116969B/zh
Publication of CN112116969A publication Critical patent/CN112116969A/zh
Application granted granted Critical
Publication of CN112116969B publication Critical patent/CN112116969B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Business, Economics & Management (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种信息推荐方法、装置、存储介质及计算机设备，涉及信息技术领域，主要在于能够提高保障业务品类针对非健康人群的匹配精度，能够为非健康人群快速准确地匹配到真正适合的保障业务品类。其中方法包括：确定待推荐用户所属的目标非健康人群，以及所述目标非健康人群中各个用户对应的患病记录信息；对各个患病记录信息中的不同就诊特征分别进行评分，得到所述各个患病记录信息中不同就诊特征对应的业务评分；根据所述各个患病记录信息中不同就诊特征对应的业务评分，分别计算所述目标非健康人群与各个保障业务品类的匹配分值；根据所述目标非健康人群与各个保障业务品类的匹配分值，生成所述待推荐用户对应的业务推荐信息。

Description

信息推荐方法、装置、存储介质及计算机设备
技术领域
本发明涉及信息技术领域，特别是涉及一种信息推荐方法、装置、存储介质及计算机设备。
背景技术
随着用户业务需求的不断增加，业务方推出了多种保障业务品类以便满足不同用户的需求。
目前，业务方通常只针对健康人群进行保障业务品类的推荐。然而，对于非健康人群来说也有同样的业务需求，这种只针对健康人群进行信息推荐的方式，无法满足非健康人群的业务需求，此外，即使针对非健康人群进行保障业务品类的推荐，目前也只是依靠业务人员的工作经验为其进行推荐，由于不同业务人员的业务经验差别较大，因此很难为非健康人群匹配到真正适合的保障业务品类，从而造成保障业务品类的匹配精度较低，无法真正满足非健康人群的业务需求。
发明内容
有鉴于此，本发明提供一种信息推荐方法、装置、存储介质及计算机设备，主要目的在于能够提高保障业务品类针对非健康人群的匹配精度，能够为非健康人群快速准确地匹配到真正适合的保障业务品类，满足非健康人群的需求。
依据本发明一个方面，提供了一种信息推荐方法，包括：
确定待推荐用户所属的目标非健康人群，以及所述目标非健康人群中各个用户对应的患病记录信息；
对各个患病记录信息中的不同就诊特征分别进行评分，得到所述各个患病记录信息中不同就诊特征对应的业务评分；
根据所述各个患病记录信息中不同就诊特征对应的业务评分，分别计算所述目标非健康人群与各个保障业务品类的匹配分值；
根据所述目标非健康人群与各个保障业务品类的匹配分值，生成所述待推荐用户对应的业务推荐信息。
可选地，所述根据所述各个患病记录信息中不同就诊特征对应的业务评分，分别计算所述目标非健康人群与各个保障业务品类的匹配分值，包括：
分别将所述各个患病记录信息中不同就诊特征对应的业务评分与各个保障业务品类中任一保障业务品类的不同业务特征对应的预设评分阈值进行对比，得到所述各个患病记录信息中不同就诊特征对应的对比结果；
根据所述各个患病记录信息中不同就诊特征对应的对比结果，计算所述目标非健康人群与所述任一保障业务品类的匹配分值。
可选地，所述根据所述各个患病记录信息中不同就诊特征对应的对比结果，计算所述目标非健康人群与所述任一保障业务品类的匹配分值，包括：
根据所述各个患病记录信息中不同就诊特征对应的对比结果，分别计算所述各个用户与所述任一保障业务品类的匹配分值；
根据所述各个用户与所述任一保障业务品类的匹配分值，计算所述目标非健康人群与所述任一保障业务品类的匹配分值。
可选地，所述根据所述各个患病记录信息中不同就诊特征对应的对比结果，计算所述目标非健康人群与所述任一保障业务品类的匹配分值，包括：
确定所述各个患病记录信息中不同就诊特征对应的权重值；
基于确定的权重值和所述各个患病记录信息中不同就诊特征对应的对比结果，计算所述目标非健康人群与所述任一保障业务品类的匹配分值。
可选地，所述根据所述目标非健康人群与各个保障业务品类的匹配分值，生成所述待推荐用户对应的业务推荐信息，包括：
从计算的各个匹配分值中筛选出最高匹配分值，并确定所述最高匹配分值对应的保障业务品类；
基于确定的最高匹配分值对应的保障业务品类，生成所述待推荐用户对应的业务推荐信息。
可选地，所述就诊特征包括用户的主要症状特征、检查结果特征和就诊时长特征，所述对各个患病记录信息中的不同就诊特征分别进行评分，得到所述各个患病记录信息中不同就诊特征对应的业务评分，包括：
分别对各个患病记录信息中的主要症状特征、检查结果特征和就诊时长特征进行评分，得到所述各个患病记录中主要症状特征、检查结果特征和就诊时长特征分别对应的业务评分。
可选地，所述方法还包括：
分别计算待投放保障业务品类与各个保障业务投放平台的匹配分值；
根据所述待投放保障业务品类与各个保障业务投放平台的匹配分值，确定所述待投放保障业务品类投放效果最优的目标保障业务投放平台。
可选地，所述分别计算待投放保障业务品类与各个保障业务投放平台的匹配分值，包括：
将待投放保障业务品类的不同业务特征与各个保障业务投放平台中任一保障业务投放平台的不同投放特征进行对比，得到所述待投放保障业务品类的不同业务特征对应的对比结果；
根据所述待投放保障业务品类的不同业务特征对应的对比结果，计算所述目待投放保障业务品类与所述任一保障业务投放平台的匹配分值。
依据本发明第二个方面，提供了一种信息推荐装置，包括：
确定单元，用于确定待推荐用户所属的目标非健康人群，以及所述目标非健康人群中各个用户对应的患病记录信息；
评分单元，用于对各个患病记录信息中的不同就诊特征分别进行评分，得到所述各个患病记录信息中不同就诊特征对应的业务评分；
计算单元，用于根据所述各个患病记录信息中不同就诊特征对应的业务评分，分别计算所述目标非健康人群与各个保障业务品类的匹配分值；
生成单元，用于根据所述目标非健康人群与各个保障业务品类的匹配分值，生成所述待推荐用户对应的业务推荐信息。
可选地，所述计算单元包括：对比模块和计算模块，
所述对比模块，用于分别将所述各个患病记录信息中不同就诊特征对应的业务评分与各个保障业务品类中任一保障业务品类的不同业务特征对应的预设评分阈值进行对比，得到所述各个患病记录信息中不同就诊特征对应的对比结果；
所述计算模块，用于根据所述各个患病记录信息中不同就诊特征对应的对比结果，计算所述目标非健康人群与所述任一保障业务品类的匹配分值。
可选地，所述计算模块包括第一计算子模块和第二计算子模块，
所述第一计算子模块，用于根据所述各个患病记录信息中不同就诊特征对应的对比结果，分别计算所述各个用户与所述任一保障业务品类的匹配分值；
所述第二计算子模块，用于根据所述各个用户与所述任一保障业务品类的匹配分值，计算所述目标非健康人群与所述任一保障业务品类的匹配分值。
可选地，所述计算模块还包括确定子模块，
所述确定子模块，用于确定所述各个患病记录信息中不同就诊特征对应的权重值；
所述第一计算子模块，还用于基于确定的权重值和所述各个患病记录信息中不同就诊特征对应的对比结果，计算所述目标非健康人群与所述任一保障业务品类的匹配分值。
可选地，所述生成单元包括确定模块和生成模块，
所述确定模块，用于从计算的各个匹配分值中筛选出最高匹配分值，并确定所述最高匹配分值对应的保障业务品类；
所述生成模块，用于基于确定的最高匹配分值对应的保障业务品类，生成所述待推荐用户对应的业务推荐信息。
可选地，所述就诊特征包括用户的主要症状特征、检查结果特征和就诊时长特征，所述评分单元，具体用于分别对各个患病记录信息中的主要症状特征、检查结果特征和就诊时长特征进行评分，得到所述各个患病记录中主要症状特征、检查结果特征和就诊时长特征分别对应的业务评分。
可选地，所述计算单元，还用于分别计算待投放保障业务品类与各个保障业务投放平台的匹配分值；
所述确定单元，还用于根据所述待投放保障业务品类与各个保障业务投放平台的匹配分值，确定所述待投放保障业务品类投放效果最优的目标保障业务投放平台。
可选地，所述计算单元，具体用于将待投放保障业务品类的不同业务特征与各个保障业务投放平台中任一保障业务投放平台的不同投放特征进行对比，得到所述待投放保障业务品类的不同业务特征对应的对比结果；根据所述待投放保障业务品类的不同业务特征对应的对比结果，计算所述待投放保障业务品类与所述任一保障业务投放平台的匹配分值。
根据本发明的第三个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
确定待推荐用户所属的目标非健康人群，以及所述目标非健康人群中各个用户对应的患病记录信息；
对各个患病记录信息中的不同就诊特征分别进行评分，得到所述各个患病记录信息中不同就诊特征对应的业务评分；
根据所述各个患病记录信息中不同就诊特征对应的业务评分，分别计算所述目标非健康人群与各个保障业务品类的匹配分值；
根据所述目标非健康人群与各个保障业务品类的匹配分值，生成所述待推荐用户对应的业务推荐信息。
根据本发明的第四个方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：
确定待推荐用户所属的目标非健康人群，以及所述目标非健康人群中各个用户对应的患病记录信息；
对各个患病记录信息中的不同就诊特征分别进行评分，得到所述各个患病记录信息中不同就诊特征对应的业务评分；
根据所述各个患病记录信息中不同就诊特征对应的业务评分，分别计算所述目标非健康人群与各个保障业务品类的匹配分值；
根据所述目标非健康人群与各个保障业务品类的匹配分值，生成所述待推荐用户对应的业务推荐信息。
本发明提供了一种信息推荐方法、装置、存储介质及计算机设备，与目前只针对健康人群进行保障业务品类的推荐的方式相比，本发明通过确定待推荐用户所属的目标非健康人群，以及所述目标非健康人群中各个用户对应的患病记录信息；并对各个患病记录信息中的不同就诊特征分别进行评分，得到所述各个患病记录信息中不同就诊特征对应的业务评分；与此同时，根据所述各个患病记录信息中不同就诊特征对应的业务评分，分别计算所述目标非健康人群与各个保障业务品类的匹配分值；最终根据所述目标非健康人群与各个保障业务品类的匹配分值，生成所述待推荐用户对应的业务推荐信息，从而能够实现针对非健康人群的业务信息推荐，同时提高保障业务品类针对非健康人群的匹配精度，能够为非健康人群快速准确地匹配到真正适合的保障业务品类，满足非健康人群的需求。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：
图1示出了本发明实施例提供的一种信息推荐方法流程图；
图2示出了本发明实施例提供的另一种信息推荐方法流程图；
图3示出了本发明实施例提供的一种信息推荐装置的结构示意图；
图4示出了本发明实施例提供的另一种信息推荐装置的结构示意图；
图5示出了本发明实施例提供的一种计算机设备的实体结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于计算机***/服务器，其可与众多其它通用或专用计算***环境或配置一起操作。适于与计算机***/服务器一起使用的众所周知的计算***、环境和/或配置的例子包括但不限于：个人计算机***、服务器计算机***、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的***、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机***、大型计算机***和包括上述任何***的分布式云计算技术环境，等等。
计算机***/服务器可以在由计算机***执行的计算机***可执行指令 (诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机***/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算***存储介质上。
本发明实施例提供了一种信息推荐方法，如图1所示，该方法包括：
101、确定待推荐用户所属的目标非健康人群，以及所述目标非健康人群中各个用户对应的患病记录信息。
其中，待推荐用户为对保障业务品类有需求的用户，目标非健康人群为具有相同属性特征的用户群体，例如，上海地区，性别为女，年龄段为 30-40之间，本科以上，从事非体力劳动的非健康用户，各个用户对应的患病记录信息包括就诊医院、主要症状、化验和检查结果，是否住院，住院就诊时长和是否手术等就诊信息，本发明实施例主要适用于针对非健康人群的业务信息推荐，本发明实施例的执行主体为能够针对非健康人群进行业务信息推荐的装置或设备，对于本发明实施例，为了满足非健康人群的业务需求，为非健康人群匹配和推荐适合其的保障业务品类，需要预先收集大量非健康用户的个人信息和患病记录信息，具体地，当非健康用户在业务平台上办理相应业务时，会填写用户的个人信息，包括：所处地区、性别、年龄、受教育程度、职业等信息，同时上传用户的患病记录信息，例如，当用户在理赔平台上进行索赔时，会填写用户的个人信息，并上传相应的患病记录信息，由此能够从业务平台上获取到大量非健康用户的个人信息和患病记录信息。
进一步地，按照各个非健康用户对应的属性特征，将大量非健康用户进行分类统计，形成不同属性特征的非健康人群，例如，将处于上海、30-40 岁之间，性别为女，本科学历以上，从事非体力劳动的非健康用户划分至一个非健康人群，同时将处于北京、30-40岁之间，性别为男，本科学历以下，从事体力劳动的非健康用户划分至另一个非健康人群，由此能够按照非健康用户的属性特征，将不同的非健康用户划分到不同的非健康人群，并确定不同非健康人群下各个用户对应的患病记录信息，以便根据各个用户对应的患病记录信息为不同属性特征的非健康人群推荐业务信息。
对于本发明实施例，当待推荐用户有相应的业务需求，需要进行业务信息推荐时，首先获取待推荐用户对应的个人信息，待推荐用户对应的个人信息包括待推荐用户所处地区、性别、年龄、受教育程度、职业等信息，进一步地，将该待推荐用户对应的个人信息与不同非健康人群对应的属性特征进行匹配，根据匹配结果，确定待推荐用户所属的目标非健康人群，例如，待推荐用户对应的个人信息为上海、35岁，性别为女，本科学历以上，职业为教师等，且非健康人群A对应的属性特征为处于上海、30-40 岁之间，性别为女，本科学历以上，从事非体力劳动等，由此可知，待推荐用户所属的目标非健康人群为非健康人群A，由此能够根据目标非健康人群中各个用户对应的患病记录信息，确定适合该群体的保障业务品类，并生成相应的业务推荐信息给待推荐用户，以便满足非健康人群的业务需求。
102、对各个患病记录信息中的不同就诊特征分别进行评分，得到所述各个患病记录信息中不同就诊特征对应的业务评分。
其中，所述就诊特征包括用户的主要症状特征、检查结果特征和就诊时长特征，主要症状特征为非健康用户的患病症状，检查结果特征为非健康用户的诊断和化验结果，就诊时长特征为非健康用户住院时间的长度，除此之外，就诊特征还包括非健康用户的就诊医院名称，以及非健康用户是否进行手术、手术名称等，对于本发明实施例，为了确定目标非健康人群和不同业务保障品类的匹配度，需要预先对目标非健康人群中各个用户对应的患病记录信息进行评分处理，步骤102具体包括：分别对各个患病记录信息中的主要症状特征、检查结果特征和就诊时长特征进行评分，得到所述各个患病记录中主要症状特征、检查结果特征和就诊时长特征分别对应的业务评分。具体地，根据不同就诊特征对应的严重程度进行评分，评分时可以根据用户主要症状特征和检查结果特征对应的严重程度，对主要症状特征和检查结果特征进行评分，同时根据就诊时长特征对应的时间长度，对就诊时长特征进行评分，由此根据用户所患疾病的严重程度和住院时间，能够对各个用户的患病记录信息进行准确打分。
例如，对检查结果特征中用户所患的疾病类型进行评分，根据用户所患疾病的严重程度，将用户所患的疾病类型分为5个等级，对应的分值分别为0-5分，分值越高代表非健康用户所患的疾病越严重，与此同时，如果同一用户患有多种疾病，则确定严重程度最高的疾病种类对应的分值，为用户所患疾病类型对应的业务评分，如果用户所患严重程度最高的疾病种类不只一种，则在取最高分值分的基础上，该用户的分值再进行加1处理，同理根据用户主要症状和化验结果的严重程度，划分为不同的等级，且不同的等级对应的分值不同，进一步地，根据用户是否住院，设定相应的分值，如果用户没有住院，则确定其对应的分值为0；如果用户住院诊断，则确定其对应的分值为1，在此基础上，根据用户的住院时长再加相应的分值，用户住院时间越长，代表用户患病越严重，所加分值越多，由此能够对各个用户的患病记录信息中的不同就诊特征进行评分，得到不同就诊特征对应的业务评分，以便根据各个用户患病记录信息中的不同就诊特征对应的业务评分，计算目标健康人群与不同业务保障品类的匹配度，从而实现自动向非健康人群推荐业务信息，不必依赖业务人员的业务经验，提高了业务保障品类针对非健康人群的匹配度。
103、根据所述各个患病记录信息中不同就诊特征对应的业务评分，分别计算所述目标非健康人群与各个保障业务品类的匹配分值。
其中，各个保障业务品类为业务方向不同非健康人群推荐的保障业务品类，对于本发明实施例，为了将目标非健康人群与各个保障业务品类进行匹配，需要预先根据各个保障业务品类对应的业务特点，设定各个保障业务品类中不同业务特征对应的预设评分阈值，其中，保障业务品类对应的不同业务特征可以为保障业务品类所针对的疾病种类、症状特征、检查结果和就诊时长等，例如，保障业务品类A中疾病种类对应的预设评分阈值为小于3分，检查结果对应的预设评分阈值为小于2分，就诊时长对应的预设评分阈值为小于4分等，由此能够设定各个保障业务品类的不同业务特征对应的预设评分阈值，以便将目标非健康人群与各个保障业务品类进行匹配。
对于本发明实施例，为了确定目标非健康人群与不同保障业务品类之间的匹配度，分别将各个患病记录信息中不同就诊特征对应的业务评分与各个保障业务品类中任一保障业务品类的不同业务特征对应的预设评分阈值进行对比，得到各个患病记录信息中不同就诊特征对应的对比结果，进一步，根据不同就诊特征对应的对比结果，计算各个用户与所述任一保障业务品类对应的匹配分值。
例如，非健康用户A的患病记录信息中主要症状特征对应的业务评分为2分，检查结果特征对应的业务评分为1分，就诊时长特征对应的业务评分为3分，保障业务品类1中主要症状特征对应的预设评分阈值为小于3 分，检查结果对应的预设评分阈值为小于2分，就诊时长对应的预设评分阈值为小于2分，之后将该患病记录信息中不同诊断对应的业务评分与保障业务品类1中不同业务特征对应的预设评分阈值进行对比，根据对比结果可知，非健康用户A的疾病记录信息中主要症状特征和检查结果特征对应的业务评分均在业务保障品类1中相应业务特征的预设评分阈值内，因此确定非健康用户A对应的疾病记录信息中主要症状特征和检查结果特征对应的匹配分值均为1，而疾病记录信息中的就诊时长特征对应的业务评分不在业务保障品类1中相应业务特征的预设评分阈值内，因此确定就诊时长特征对应的匹配分值为0，进一步地，将患病记录信息中不同就诊特征对应的匹配分值相加1+1＝2分，由此可知，非健康用户A与保障业务品类1 的匹配分值为2分，非健康用户与保障业务品类的匹配分值越高，其对应的匹配度越高。由此能够计算出各个非健康用户与不同保障业务品类之间的匹配分值，进一步地，根据各个非健康用户与不同保障业务品类之间的匹配分值，计算目标非健康人群与不同业务品类之间的匹配分值。
进一步地，为了提高目标非健康人群与不同业务品类之间的匹配分值的计算精度，步骤103具体包括：确定所述各个患病记录信息中不同就诊特征对应的权重值；基于确定的权重值和所述各个患病记录信息中不同就诊特征对应的对比结果，计算所述目标非健康人群与所述任一保障业务品类的匹配分值。其中，患病记录信息中不同就诊特征对应的权重值可以根据业务需求进行设定，例如，设定主要症状特征对应的权重为0.5，检查结果特征对应的权重值为0.3，就诊时长特征对应的权重值为0.2，具体地，根据各个患病记录信息中不同就诊特征对应的对比结果，以及不同就诊特征对应的权重值，计算各个用户与任一保障业务品类的匹配分值，基于计算的各个用户与任一保障业务品类的匹配分值，计算目标非健康人群与不同业务品类之间的匹配分值。
104、根据所述目标非健康人群与各个保障业务品类的匹配分值，生成所述待推荐用户对应的业务推荐信息。
对于本发明实施例，为了生成待推荐用户对应的业务推荐信息，步骤 104具体包括：从计算的各个匹配分值中筛选出最高匹配分值，并确定所述最高匹配分值对应的保障业务品类；基于确定的最高匹配分值对应的保障业务品类，生成所述待推荐用户对应的业务推荐信息。
具体地，在确定目标非健康人群与不同保障业务品类之间的匹配分值之后，从各个匹配分值中筛选出最高匹配分值，并确定该最高匹配分值对应的保障业务品类，将其确定为目标保障业务品类，进一步地，基于确定的目标保障业务品类，生成待推荐用户对应的业务推荐信息，即目标保障业务品类与待推荐用户之间的匹配度更高，其更能够满足待推荐用户的需求，由此能够为非健康用户快速、准确地推荐与其匹配度最高的目标保证业务品类。
本发明实施例提供的一种信息推荐方法，与目前只针对健康人群进行保障业务品类的推荐的方式相比，本发明通过确定待推荐用户所属的目标非健康人群，以及所述目标非健康人群中各个用户对应的患病记录信息；并对各个患病记录信息中的不同就诊特征分别进行评分，得到所述各个患病记录信息中不同就诊特征对应的业务评分；与此同时，根据所述各个患病记录信息中不同就诊特征对应的业务评分，分别计算所述目标非健康人群与各个保障业务品类的匹配分值；最终根据所述目标非健康人群与各个保障业务品类的匹配分值，生成所述待推荐用户对应的业务推荐信息，从而能够实现针对非健康人群的业务信息推荐，同时提高保障业务品类针对非健康人群的匹配精度，能够为非健康人群快速准确地匹配到真正适合的保障业务品类，满足非健康人群的需求。
进一步地，为了更好的说明上述针对非健康人群的业务信息推荐过程，作为对上述实施例的细化和扩展，本发明实施例提供了另一种信息推荐方法，如图2所示，所述方法包括：
201、确定待推荐用户所属的目标非健康人群，以及所述目标非健康人群中各个用户对应的患病记录信息。
其中，待推荐用户为非健康用户，对于本发明实施例，为了能够生成待推荐用户对应的业务推荐信息，需要预先确定待推荐用户所属的目标非健康人群，并根据目标非健康人群中各个用户对应的患病记录信息，确定与目标非健康人群最匹配的保障业务品类，并生成待推荐用户对应的业务推荐信息，具体地，不同的非健康用户在业务平台上办理业务时，会填写相应的个人信息，同时上传用户的患病记录信息，由此能够获取大量非健康用户对应的个人信息和患病记录信息，进一步地，根据各个非健康用户对应的属性特征，将大量非健康用户进行统计分类，划分至不同属性特征的非健康人群，例如，将处于上海、30-40岁之间，性别为女，本科学历以上，从事非体力劳动的非健康用户作为一个非健康人群，同时将处于北京、 30-40岁之间，性别为难，本科学历以下，从事体力劳动的非健康人群作为另一个非健康人群，进一步地，当待推荐用户需要进行业务信息推荐时，获取待推荐用户的个人信息，包括待推荐用户所处地区、性别、年龄、受教育程度、职业等信息，之后将待推荐用户对应的个人信息与不同非健康人群对应的属性特征进行对比，确定待推荐用户所属的目标非健康人群，并确定目标非健康人群中各个用户对应的患病记录信息，以便根据目标非健康人群中各个用户对应的患病记录信息，生成待推荐用户对应的业务推荐信息。
202、对各个患病记录信息中的不同就诊特征分别进行评分，得到所述各个患病记录信息中不同就诊特征对应的业务评分。
其中，所述就诊特征包括用户的主要症状特征、检查结果特征和就诊时长特征，对于本发明实施例，在对各个患病记录信息中的不同就诊特征分别进行评分之前，根据主要症状特征和检查结果特征分别对应的严重程度，将主要症状特征和检查结果特征划分为多个等级，不同等级对应的分值不同，等级越高代表用户病情越严重，其对应的分值越高，例如，将主要症状特征按照不同的严重程度划分为5个等级，对应的分值为0-5分，最高等级对应的分值为5分，同理将就诊时长、检查结果等特征也划分为多个等级，进一步地，在具体评分时，根据各个患病记录信息中不同就诊特征所处的等级，确定各个患病记录信息中不同就诊特征对应的业务评分。
203、分别将所述各个患病记录信息中不同就诊特征对应的业务评分与各个保障业务品类中任一保障业务品类的不同业务特征对应的预设评分阈值进行对比，得到所述各个患病记录信息中不同就诊特征对应的对比结果。
其中，保障业务品类对应的不同业务特征可以为保障业务品类所针对的疾病种类、症状特征、检查结果和就诊时长等，为了将目标非健康人群与各个保障业务品类进行匹配，需要预先根据各个保障业务品类对应的业务特点，设定各个保障业务品类中不同业务特征对应的预设评分阈值，当对待推荐用户进行信息推荐时，将所述各个患病记录信息中不同就诊特征对应的业务评分与各个保障业务品类中任一保障业务品类的不同业务特征对应的预设评分阈值进行对比，得到所述各个患病记录信息中不同就诊特征对应的对比结果。
204、根据所述各个患病记录信息中不同就诊特征对应的对比结果，计算所述目标非健康人群与所述任一保障业务品类的匹配分值。
对于本发明实施例，为了计算目标非健康人群与任一保障业务品类的匹配分值，步骤204具体包括：根据所述各个患病记录信息中不同就诊特征对应的对比结果，分别计算所述各个用户与所述任一保障业务品类的匹配分值；根据所述各个用户与所述任一保障业务品类的匹配分值，计算所述目标非健康人群与所述任一保障业务品类的匹配分值。具体地，根据各个患病记录信息中不同就诊特征对应的对比结果，确定各个患病记录信息中不同就诊特征对应的匹配分值，并将各个患病信息中不同就诊特征对应的匹配分值相加，得到各个用户与任一保障业务品类的匹配分值，进一步地，计算各个用户与任一保障业务品类的匹配分值的均值，得到目标非健康人群与任一保障业务品类的匹配分值。
205、根据所述目标非健康人群与各个保障业务品类的匹配分值，生成所述待推荐用户对应的业务推荐信息。
对于本发明实施例，在计算出目标非健康人群与各个保障业务品类的匹配分值之后，确定最高匹配分值对应的目标保障业务品类，即目标非健康人群与该目标保障业务品类的匹配度最高，之后根据确定的目标保障业务品类，生成待推荐用户对应的业务推荐信息，由此能够为非健康人群快速准确地推荐适合其的保障业务品类，满足非健康人群的业务需求。
与此同时，为了提高保障业务品类的投放精度，同时使投放的保障业务品类能够真正满足非健康人群的需求，在对目标保障业务品类进行投放之前，需要计算目标保障业务品类与不同业务投放平台之间的匹配度，以便选择与目标保障业务品类匹配度最高的业务投放平台进行投放，基于此，所述方法还包括：分别计算待投放保障业务品类与各个保障业务投放平台的匹配分值；根据所述待投放保障业务品类与各个保障业务投放平台的匹配分值，确定所述待投放保障业务品类投放效果最优的目标保障业务投放平台。进一步地，将待投放保障业务品类的不同业务特征与各个保障业务投放平台中任一保障业务投放平台的不同投放特征进行对比，得到所述待投放保障业务品类的不同业务特征对应的对比结果；根据所述待投放保障业务品类的不同业务特征对应的对比结果，计算所述待投放保障业务品类与所述任一保障业务投放平台的匹配分值。其中，待投放保障业务品类可以为业务品类库中的任一保障业务品类。
例如，待投放保障业务品类的的业务特征主要是针对一线城市、年龄 30-40岁之间，本科以上，从事非体力劳动的用户，保障业务投放平台A的投放特征为二线城市，30-40岁之间，本科以下，从事体力劳动的用户，由此将待投放保障业务品类的不同业务特征与保障业务投放平台A的不同投放特征进行对比，得到待投放保障业务品类的不同业务特征对应的对比结果，并根据该对比结果，确定待投放保障业务品类的不同业务特征对应的匹配分值，由于只有年龄段相匹配，因此确定其对应的匹配分值为1分，其余业务特征的匹配分值为0分，进而将待投放保障业务品类的各个业务特征对应的匹配分值相加，得到待投放保障业务品类与保障业务投放平台A 的匹配分值，由此能够确定待投放保障业务品类与不同保障业务投放平台之间的匹配分值，并确定最高匹配分值对应的保障业务投放平台，将其确定为待投放保障业务品类投放效果最优的目标保障投放平台。
为了说明上述实施例的具体实施过程，以非健康人群的理赔产品推荐为例，给出如下应用场景，但不局限于此：
在具体应用场景中，用户在理赔平台上进行理赔时，会填写个人信息，并上传相应的患病记录信息，由此能够获取一段时间内理赔的非健康用户的个人信息和患病记录信息，并根据这些非健康用户对应的属性特征，将这些用户划分至不同的非健康人群，并确定不同非健康人群下各个用户对应的患病记录信息，当非健康用户有业务需求，需要购买适合自身的理赔产品时，可以获取该用户对应的个人信息，并根据该用户对应的个人信息，确定其所属的目标非健康人群，进一步地，根据该目标非健康人群下各个用户对应的患病记录信息，生成该用户的业务推荐信息，由此能够满足非健康人群对理赔产品的需求，同时也可以为理赔产品选择合适的投放平台，以确保理赔产品的投放效果，打开理赔产品针对非健康人群的销路。
本发明实施例提供的另一种信息推荐方法，与目前只针对健康人群进行保障业务品类的推荐的方式相比，本发明通过确定待推荐用户所属的目标非健康人群，以及所述目标非健康人群中各个用户对应的患病记录信息；并对各个患病记录信息中的不同就诊特征分别进行评分，得到所述各个患病记录信息中不同就诊特征对应的业务评分；与此同时，根据所述各个患病记录信息中不同就诊特征对应的业务评分，分别计算所述目标非健康人群与各个保障业务品类的匹配分值；最终根据所述目标非健康人群与各个保障业务品类的匹配分值，生成所述待推荐用户对应的业务推荐信息，从而能够实现针对非健康人群的业务信息推荐，同时提高保障业务品类针对非健康人群的匹配精度，能够为非健康人群快速准确地匹配到真正适合的保障业务品类，满足非健康人群的需求。
进一步的，作为对上述图1所示方法的实现，本发明实施例提供了一种信息推荐装置，如图3所示，该装置包括：确定单元31、评分单元32、计算单元33和生成单元34。
所述确定单元31，可以用于确定待推荐用户所属的目标非健康人群，以及所述目标非健康人群中各个用户对应的患病记录信息。所述确定单元 31是本装置中确定待推荐用户所属的目标非健康人群，以及所述目标非健康人群中各个用户对应的患病记录信息的主要功能模块。
所述评分单元32，可以用于对各个患病记录信息中的不同就诊特征分别进行评分，得到所述各个患病记录信息中不同就诊特征对应的业务评分。所述评分单元32是本装置中对各个患病记录信息中的不同就诊特征分别进行评分，得到所述各个患病记录信息中不同就诊特征对应的业务评分的主要功能模块，也是核心模块。
所述计算单元33，可以用于根据所述各个患病记录信息中不同就诊特征对应的业务评分，分别计算所述目标非健康人群与各个保障业务品类的匹配分值。所述计算单元33是本装置中根据所述各个患病记录信息中不同就诊特征对应的业务评分，分别计算所述目标非健康人群与各个保障业务品类的匹配分值的主要功能模块，也是核心模块。
所述生成单元34，可以用于根据所述目标非健康人群与各个保障业务品类的匹配分值，生成所述待推荐用户对应的业务推荐信息。所述生成单元34是本装置中根据所述目标非健康人群与各个保障业务品类的匹配分值，生成所述待推荐用户对应的业务推荐信息的主要功能模块，也是核心模块。
进一步地，如图4所示，所述计算单元33，包括：对比模块331和计算模块332。
所述对比模块331，可以用于分别将所述各个患病记录信息中不同就诊特征对应的业务评分与各个保障业务品类中任一保障业务品类的不同业务特征对应的预设评分阈值进行对比，得到所述各个患病记录信息中不同就诊特征对应的对比结果。
所述计算模块332，可以用于根据所述各个患病记录信息中不同就诊特征对应的对比结果，计算所述目标非健康人群与所述任一保障业务品类的匹配分值。
进一步地，所述计算模块332，包括第一计算子模块和第二计算子模块。
所述第一计算子模块，可以用于根据所述各个患病记录信息中不同就诊特征对应的对比结果，分别计算所述各个用户与所述任一保障业务品类的匹配分值。
所述第二计算子模块，可以用于根据所述各个用户与所述任一保障业务品类的匹配分值，计算所述目标非健康人群与所述任一保障业务品类的匹配分值。
进一步地，所述计算模块332，还包括确定子模块。
所述确定子模块，可以用于确定所述各个患病记录信息中不同就诊特征对应的权重值。
所述第一计算子模块，还可以用于基于确定的权重值和所述各个患病记录信息中不同就诊特征对应的对比结果，计算所述目标非健康人群与所述任一保障业务品类的匹配分值。
进一步地，所述生成单元34，包括确定模块341和生成模块342。
所述确定模块341，可以用于从计算的各个匹配分值中筛选出最高匹配分值，并确定所述最高匹配分值对应的保障业务品类。
所述生成模块342，可以用于基于确定的最高匹配分值对应的保障业务品类，生成所述待推荐用户对应的业务推荐信息。
进一步地，所述就诊特征包括用户的主要症状特征、检查结果特征和就诊时长特征，所述评分单元32，具体可以用于分别对各个患病记录信息中的主要症状特征、检查结果特征和就诊时长特征进行评分，得到所述各个患病记录中主要症状特征、检查结果特征和就诊时长特征分别对应的业务评分。
进一步地，所述计算单元33，还可以用于分别计算待投放保障业务品类与各个保障业务投放平台的匹配分值。
所述确定单元31，还可以用于根据所述待投放保障业务品类与各个保障业务投放平台的匹配分值，确定所述待投放保障业务品类投放效果最优的目标保障业务投放平台。
进一步地，所述计算单元33，具体可以用于将待投放保障业务品类的不同业务特征与各个保障业务投放平台中任一保障业务投放平台的不同投放特征进行对比，得到所述待投放保障业务品类的不同业务特征对应的对比结果；根据所述待投放保障业务品类的不同业务特征对应的对比结果，计算所述待投放保障业务品类与所述任一保障业务投放平台的匹配分值。
基于上述如图1和图2所示方法，相应的，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如图1至图2所示的方法。
基于上述如图1所示方法和如图3所示装置的实施例，本发明实施例还提供了一种计算机设备的实体结构图，如图5所示，该计算机设备包括：处理器41、存储器42、及存储在存储器42上并可在处理器上运行的计算机程序，其中存储器42和处理器41均设置在总线43上所述处理器41执
通过本发明的技术方案，本发明能够确定待推荐用户所属的目标非健康人群，以及所述目标非健康人群中各个用户对应的患病记录信息；并对各个患病记录信息中的不同就诊特征分别进行评分，得到所述各个患病记录信息中不同就诊特征对应的业务评分；与此同时，根据所述各个患病记录信息中不同就诊特征对应的业务评分，分别计算所述目标非健康人群与各个保障业务品类的匹配分值；最终根据所述目标非健康人群与各个保障业务品类的匹配分值，生成所述待推荐用户对应的业务推荐信息，从而能够实现针对非健康人群的业务信息推荐，同时提高保障业务品类针对非健康人群的匹配精度，能够为非健康人群快速准确地匹配到真正适合的保障业务品类，满足非健康人群的需求。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于***实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
可能以许多方式来实现本发明的方法和***。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和***。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims (10)

1.一种信息推荐装置，其特征在于，包括：
确定单元，用于确定待推荐用户所属的目标非健康人群，以及所述目标非健康人群中各个用户对应的患病记录信息；
评分单元，用于对各个患病记录信息中的不同就诊特征分别进行评分，得到所述各个患病记录信息中不同就诊特征对应的业务评分；
计算单元，用于根据所述各个患病记录信息中不同就诊特征对应的业务评分，分别计算所述目标非健康人群与各个保障业务品类的匹配分值；
生成单元，用于根据所述目标非健康人群与各个保障业务品类的匹配分值，生成所述待推荐用户对应的业务推荐信息。
2.根据权利要求1所述的装置，其特征在于，所述计算单元包括：对比模块和计算模块，
所述对比模块，用于分别将所述各个患病记录信息中不同就诊特征对应的业务评分与各个保障业务品类中任一保障业务品类的不同业务特征对应的预设评分阈值进行对比，得到所述各个患病记录信息中不同就诊特征对应的对比结果；
所述计算模块，用于根据所述各个患病记录信息中不同就诊特征对应的对比结果，计算所述目标非健康人群与所述任一保障业务品类的匹配分值。
3.根据权利要求2所述的装置，其特征在于，所述计算模块包括：第一计算子模块和第二计算子模块，
所述第一计算子模块，用于根据所述各个患病记录信息中不同就诊特征对应的对比结果，分别计算所述各个用户与所述任一保障业务品类的匹配分值；
所述第二计算子模块，用于根据所述各个用户与所述任一保障业务品类的匹配分值，计算所述目标非健康人群与所述任一保障业务品类的匹配分值。
4.根据权利要求3所述的装置，其特征在于，所述计算模块还包括确定子模块，
所述确定子模块，用于确定所述各个患病记录信息中不同就诊特征对应的权重值；
所述第一计算子模块，还用于基于确定的权重值和所述各个患病记录信息中不同就诊特征对应的对比结果，计算所述目标非健康人群与所述任一保障业务品类的匹配分值。
5.根据权利要求1所述的装置，其特征在于，所述生成单元包括：确定模块和生成模块，
所述确定模块，用于从计算的各个匹配分值中筛选出最高匹配分值，并确定所述最高匹配分值对应的保障业务品类；
所述生成模块，用于基于确定的最高匹配分值对应的保障业务品类，生成所述待推荐用户对应的业务推荐信息。
6.根据权利要求1所述的装置，其特征在于，所述就诊特征包括用户的主要症状特征、检查结果特征和就诊时长特征，所述评分单元，具体用于分别对各个患病记录信息中的主要症状特征、检查结果特征和就诊时长特征进行评分，得到所述各个患病记录中主要症状特征、检查结果特征和就诊时长特征分别对应的业务评分。
7.根据权利要求1所述的装置，其特征在于，
所述计算单元，还用于分别计算待投放保障业务品类与各个保障业务投放平台的匹配分值；
所述确定单元，还用于根据所述待投放保障业务品类与各个保障业务投放平台的匹配分值，确定所述待投放保障业务品类投放效果最优的目标保障业务投放平台。
8.根据权利要求7所述的装置，其特征在于，
所述计算单元，具体用于将待投放保障业务品类的不同业务特征与各个保障业务投放平台中任一保障业务投放平台的不同投放特征进行对比，得到所述待投放保障业务品类的不同业务特征对应的对比结果；根据所述待投放保障业务品类的不同业务特征对应的对比结果，计算所述待投放保障业务品类与所述任一保障业务投放平台的匹配分值。
9.一种信息推荐方法，其特征在于，包括：
确定待推荐用户所属的目标非健康人群，以及所述目标非健康人群中各个用户对应的患病记录信息；
对各个患病记录信息中的不同就诊特征分别进行评分，得到所述各个患病记录信息中不同就诊特征对应的业务评分；
根据所述各个患病记录信息中不同就诊特征对应的业务评分，分别计算所述目标非健康人群与各个保障业务品类的匹配分值；
根据所述目标非健康人群与各个保障业务品类的匹配分值，生成所述待推荐用户对应的业务推荐信息。
10.根据权利要求9所述的方法，其特征在于，所述根据所述各个患病记录信息中不同就诊特征对应的业务评分，分别计算所述目标非健康人群与各个保障业务品类的匹配分值，包括：
分别将所述各个患病记录信息中不同就诊特征对应的业务评分与各个保障业务品类中任一保障业务品类的不同业务特征对应的预设评分阈值进行对比，得到所述各个患病记录信息中不同就诊特征对应的对比结果；
根据所述各个患病记录信息中不同就诊特征对应的对比结果，计算所述目标非健康人群与所述任一保障业务品类的匹配分值。
CN202010766589.1A 2020-08-03 2020-08-03 信息推荐方法、装置、存储介质及计算机设备 Active CN112116969B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010766589.1A CN112116969B (zh) 2020-08-03 2020-08-03 信息推荐方法、装置、存储介质及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010766589.1A CN112116969B (zh) 2020-08-03 2020-08-03 信息推荐方法、装置、存储介质及计算机设备

Publications (2)

Publication Number Publication Date
CN112116969A true CN112116969A (zh) 2020-12-22
CN112116969B CN112116969B (zh) 2024-03-05

Family

ID=73799503

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010766589.1A Active CN112116969B (zh) 2020-08-03 2020-08-03 信息推荐方法、装置、存储介质及计算机设备

Country Status (1)

Country Link
CN (1) CN112116969B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117454017A (zh) * 2023-12-21 2024-01-26 广州平云小匠科技股份有限公司 课程推荐方法、设备及存储介质
CN117763228A (zh) * 2023-12-11 2024-03-26 广州小白信息技术有限公司 一种基于多元文化框架的创意表达动态适配方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160225096A1 (en) * 2015-02-02 2016-08-04 User Health Systems, LLC Health insurance plan matching
CN108062687A (zh) * 2017-12-20 2018-05-22 广州容骏信息科技有限公司 一种基于互联网的精准广告投放***
CN108665314A (zh) * 2018-05-11 2018-10-16 广州至真信息科技有限公司 一种广告投放***及广告投放的方法
CN109102356A (zh) * 2018-06-13 2018-12-28 中国平安人寿保险股份有限公司 一种保险产品的推荐方法、可读存储介质及终端设备
CN109493244A (zh) * 2018-11-07 2019-03-19 平安医疗健康管理股份有限公司 基于预测模型配置保险需求的方法及相关产品
CN110096524A (zh) * 2019-03-15 2019-08-06 深圳壹账通智能科技有限公司 保险产品的推荐方法、装置、计算机设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160225096A1 (en) * 2015-02-02 2016-08-04 User Health Systems, LLC Health insurance plan matching
CN108062687A (zh) * 2017-12-20 2018-05-22 广州容骏信息科技有限公司 一种基于互联网的精准广告投放***
CN108665314A (zh) * 2018-05-11 2018-10-16 广州至真信息科技有限公司 一种广告投放***及广告投放的方法
CN109102356A (zh) * 2018-06-13 2018-12-28 中国平安人寿保险股份有限公司 一种保险产品的推荐方法、可读存储介质及终端设备
CN109493244A (zh) * 2018-11-07 2019-03-19 平安医疗健康管理股份有限公司 基于预测模型配置保险需求的方法及相关产品
CN110096524A (zh) * 2019-03-15 2019-08-06 深圳壹账通智能科技有限公司 保险产品的推荐方法、装置、计算机设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117763228A (zh) * 2023-12-11 2024-03-26 广州小白信息技术有限公司 一种基于多元文化框架的创意表达动态适配方法
CN117454017A (zh) * 2023-12-21 2024-01-26 广州平云小匠科技股份有限公司 课程推荐方法、设备及存储介质
CN117454017B (zh) * 2023-12-21 2024-04-02 广州平云小匠科技股份有限公司 课程推荐方法、设备及存储介质

Also Published As

Publication number Publication date
CN112116969B (zh) 2024-03-05

Similar Documents

Publication Publication Date Title
Srivastava et al. Mathematical notions vs. human perception of fairness: A descriptive approach to fairness for machine learning
Hersh et al. Democratic and Republican physicians provide different care on politicized health issues
Gurmu Semi‐parametric estimation of hurdle regression models with an application to Medicaid utilization
Eshun-Wilson et al. Differentiated care preferences of stable patients on antiretroviral therapy in Zambia: a discrete choice experiment
Zha et al. Prevalence of burnout among Canadian radiologists and radiology trainees
Miller et al. Personal and societal health quality lost to tuberculosis
CN108399509A (zh) 确定业务请求事件的风险概率的方法及装置
Mohamed et al. Patient benefit-risk preferences for targeted agents in the treatment of renal cell carcinoma
US20140006044A1 (en) System and method for preparing healthcare service bundles
Pandya et al. Validation of a cardiovascular disease policy microsimulation model using both survival and receiver operating characteristic curves
Barrett et al. Economic evaluation of venovenous extracorporeal membrane oxygenation for severe acute respiratory distress syndrome
US11152120B2 (en) Identifying a treatment regimen based on patient characteristics
Chan et al. Underestimation of uncertainties in health utilities derived from mapping algorithms involving health-related quality-of-life measures: statistical explanations and potential remedies
CN114187988A (zh) 数据处理的方法及装置、***、存储介质
Wang et al. The evaluation of trustworthiness to identify health insurance fraud in dentistry
US20180011976A1 (en) Self-service healthcare platform
CN112116969A (zh) 信息推荐方法、装置、存储介质及计算机设备
Howard et al. Multicriteria decision analysis (MCDA) for health technology assessment: the Queensland Health experience
Hoogenveen et al. You only die once: accounting for multi-attributable mortality risks in multi-disease models for health-economic analyses
Jess et al. Does duration of pain at baseline influence longer-term clinical outcomes of low back pain patients managed on an evidence-based pathway?
US11887027B1 (en) Value of future adherence
Vandebosch et al. Simulation-guided phase 3 trial design to evaluate vaccine effectiveness to prevent Ebola virus disease infection: statistical considerations, design rationale, and challenges
Walsh et al. The Ottawa Hospital RADiologist Activity Reporting (RADAR) productivity metric: effects on radiologist productivity
Sezgin et al. Work in progress toward adoption of an e-Health application by healthcare personnel: a model validation
US20180294049A1 (en) Opiate reduction treatment system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 100102 201 / F, block C, 2 lizezhong 2nd Road, Chaoyang District, Beijing

Applicant after: Beijing Shuidi Technology Group Co.,Ltd.

Address before: 100102 201, 2 / F, block C, No.2 lizezhong 2nd Road, Chaoyang District, Beijing

Applicant before: Beijing Health Home Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant