CN113722590B - 基于人工智能的医学信息推荐方法、装置、设备及介质 - Google Patents
基于人工智能的医学信息推荐方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113722590B CN113722590B CN202111005871.9A CN202111005871A CN113722590B CN 113722590 B CN113722590 B CN 113722590B CN 202111005871 A CN202111005871 A CN 202111005871A CN 113722590 B CN113722590 B CN 113722590B
- Authority
- CN
- China
- Prior art keywords
- medical information
- user
- recommendation
- preset
- url
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
- G06F16/9566—URL specific, e.g. using aliases, detecting broken or misspelled links
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及数字医疗技术领域,提供一种基于人工智能的医学信息推荐方法、装置、电子设备及存储介质,所述方法包括:当用户为第一次请求推荐医学信息时,基于多个预设的标签生成用户的医学信息平台URL,发送至医学信息平台URL的目标区域;获取医学信息平台URL对应的配置信息,当存在个性化定制需求,基于个性化定制需求构建用户画像;根据医学信息平台URL对应的配置信息及用户画像获取目标配置信息,进而获取为用户推荐的医学信息。本发明通过从用户个性化定制需求及根据推荐医学信息需求预设的标签两个维度考量,得到推荐的医学信息,即满足了用户的个性化要求,又满足了推荐医学信息需求,提高了医学信息的推荐效率及使用率。
Description
技术领域
本发明涉及数字医疗技术领域,具体涉及一种基于人工智能的医学信息推荐方法、装置、设备及介质。
背景技术
专业的医学信息网站中包括各种专业类别的医学信息,涉及较多复杂的医学专业术语,对于很多普通人来说,阅读难度大,同时对于跨专业的医学工作人员,也是会出现看不懂的情况,因此,需要医学信息推荐平台推荐符合用户的医学信息,现有的医学信息推荐机制,都是根据用户上传的个人信息或资料,通过机器学习用户的个人信息或资料,在得到用户感兴趣的医学领域信息后进行推荐。
然而,机器学习针对的是用户的个人信息,未考虑到用户个人与他人之间的互动信息,例如,交流会议中的互动信息、群体聊天信息等,引起机器学习到的用户感兴趣的医学领域信息准确率低,导致医学信息推荐的准确率低。
发明内容
鉴于以上内容,有必要提出一种基于人工智能的医学信息推荐方法、装置、设备及介质,从用户个性化定制需求及多个预设的标签两个维度考量得到推荐的医学信息,即满足了用户的个性化要求,又满足了推荐医学信息需求,提高了医学信息的推荐效率及使用率。
本发明的第一方面提供一种基于人工智能的医学信息推荐方法,所述方法包括:
接收用户发送的医学信息推荐请求,获取用户标识码及多个预设的标签,其中,所述多个预设的标签用于指示医学信息平台URL生成模式;
基于所述用户标识码,判断所述用户是否为第一次请求推荐医学信息;
当所述用户为第一次请求推荐医学信息时,基于所述多个预设的标签生成所述用户对应的医学信息平台URL;
将所述医学信息平台URL发送至所述医学信息平台URL对应的目标区域,当在所述目标区域侦测到所述用户对所述医学信息平台URL的点击操作时,响应于所述点击操作显示预设界面;
接收到所述用户在所述预设界面的确定操作时,从预设的数据库中获取所述医学信息平台URL对应的配置信息,及判断所述医学信息推荐请求中是否存在个性化定制需求;
当所述医学信息推荐请求中存在个性化定制需求,基于所述个性化定制需求构建所述用户的用户画像;
根据所述医学信息平台URL对应的配置信息及所述用户的用户画像获取目标配置信息,并基于所述目标配置信息获取为所述用户推荐的医学信息。
可选地,所述根据所述医学信息平台URL对应的配置信息及所述用户的用户画像获取目标配置信息,并基于所述目标配置信息获取为所述用户推荐的医学信息包括:
计算所述医学信息平台URL对应的配置信息中的每个目标标签与所述用户的用户画像中的每个偏好标签之间的相似度;
将计算得到的多个相似度与预设的相似度阈值进行比较;
针对相似度大于或者等于所述相似度阈值对应的偏好标签和目标标签,保留偏好标签,并将保留的偏好标签确定为所述用户的第一推荐线索标签,及针对相似度小于所述相似度阈值对应的目标标签和偏好标签,保留目标标签和偏好标签,并将保留的目标标签和偏好标签确定为所述用户的第二推荐线索标签;
合并所述第一推荐线索标签和所述第二推荐线索标签,将合并后的所述第一推荐线索标签和所述第二推荐线索标签确定为所述用户的目标推荐线索标签;
从所述医学信息平台URL对应的配置信息中提取所述用户的目标推荐线索标签对应的目标配置信息,并将所述目标配置信息输入至算法推荐平台中;
采用所述算法推荐平台中的预设的推荐算法对所述目标配置信息进行匹配,获取为所述用户推荐的医学信息。
可选地,所述基于所述用户标识码,判断所述用户是否为第一次请求推荐医学信息包括:
基于所述用户标识码获取所述用户的历史足迹;
识别所述用户的历史足迹中是否存在医学信息推荐码;
当所述用户的历史足迹中不存在医学信息推荐码时,确定所述用户为第一次请求推荐医学信息;或者
当所述用户的历史足迹中存在医学信息推荐码时,确定所述用户不为第一次请求推荐医学信息。
可选地,所述基于所述多个预设的标签生成所述用户对应的医学信息平台URL包括:
根据每个所述预设的标签的标签属性获取对应标签的预设的转换规则;
按照每个所述预设的标签的预设的转换规则对对应标签进行转换,得到每个所述预设的标签的地址标识码;
根据每个所述预设的标签的地址标识码确定所述用户的用户来源;
当所述用户的用户来源为线上渠道时,根据所述多个预设的标签的多个地址标识码,按照所述线上渠道对应的医学信息平台URL生成模式,生成所述用户对应的医学信息平台URL;或者
当所述用户的用户来源为线下渠道时,根据所述多个预设的标签的多个地址标识码,按照所述线下渠道对应的医学信息平台URL生成模式,生成所述用户对应的医学信息平台URL。
可选地,所述从预设的数据库中获取所述医学信息平台URL对应的配置信息包括:
解析所述医学信息平台URL,获取多个地址标识码,及每个所述地址标识码的预设的标签转换规则;
对每个所述地址标识码按照对应的预设的标签转换规则进行转换,得到每个所述地址标识码的目标标签;
从所述预设的数据库中获取每个所述地址标识码的目标标签对应的配置信息;
将所述多个地址标识码的多个目标标签的多个配置信息进行合并,确定为所述医学信息平台URL对应的配置信息。
可选地,所述基于所述个性化定制需求构建所述用户的用户画像包括:
从所述个性化定制需求中提取出多维度的目标特征,将所述多维度的目标特征按照预设的归类模型进行归类,得到所述用户的多个偏好标签;
根据所述用户的多个偏好标签构建所述用户的用户画像。
可选地,在所述基于所述目标配置信息获取为所述用户推荐的医学信息之后,所述方法还包括:
将为所述用户推荐的医学信息按照预设的展示方式展示到医学信息网站。
本发明的第二方面提供一种基于人工智能的医学信息推荐装置,所述装置包括:
接收模块,用于接收用户发送的医学信息推荐请求,获取用户标识码及多个预设的标签,其中,所述多个预设的标签用于指示医学信息平台URL生成模式;
判断模块,用于基于所述用户标识码,判断所述用户是否为第一次请求推荐医学信息;
生成模块,用于当所述用户为第一次请求推荐医学信息时,基于所述多个预设的标签生成所述用户对应的医学信息平台URL;
显示模块,用于将所述医学信息平台URL发送至所述医学信息平台URL对应的目标区域,当在所述目标区域侦测到所述用户对所述医学信息平台URL的点击操作时,响应于所述点击操作显示预设界面;
第一获取模块,用于接收到所述用户在所述预设界面的确定操作时,从预设的数据库中获取所述医学信息平台URL对应的配置信息,及判断所述医学信息推荐请求中是否存在个性化定制需求;
构建模块,用于当所述医学信息推荐请求中存在个性化定制需求,基于所述个性化定制需求构建所述用户的用户画像;
第二获取模块,用于根据所述医学信息平台URL对应的配置信息及所述用户的用户画像获取目标配置信息,并基于所述目标配置信息获取为所述用户推荐的医学信息。
本发明的第三方面提供一种电子设备,所述电子设备包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现所述的基于人工智能的医学信息推荐方法。
本发明的第四方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现所述的基于人工智能的医学信息推荐方法。
综上所述,本发明所述的基于人工智能的医学信息推荐方法、装置、设备及介质,基于所述用户标识码,判断所述用户是否为第一次请求推荐医学信息,根据判断结果确定是否为所述用户生成医学信息平台URL,当为第一次请求推荐医学信息时,基于多个预设的标签生成用户对应的医学信息平台URL,并将医学信息平台URL发送至对应的目标区域,用户可以直接点击医学信息平台URL,无需用户输入个人信息及资料,提高了医学信息的推荐效率,基于医学信息平台URL获取配置信息及用户的个性化定制需求得到配置信息,进行医学信息推荐,通过从用户个性化定制需求及影响推荐医学信息的因素两个维度考量得到为用户推荐的医学信息,即满足了用户的个性化要求,又满足了推荐医学信息需求,提高了后续医学信息的推荐效率及准确率,同时提高了用户的满意度及对推荐的医学信息的使用率。
附图说明
图1是本发明实施例一提供的基于人工智能的医学信息推荐方法的流程图。
图2是本发明实施例二提供的基于人工智能的医学信息推荐装置的结构图。
图3是本发明实施例三提供的电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
实施例一
图1是本发明实施例一提供的基于人工智能的医学信息推荐方法的流程图。
在本实施例中,所述基于人工智能的医学信息推荐方法可以应用于电子设备中,对于需要进行基于人工智能的医学信息推荐的电子设备,可以直接在电子设备上集成本发明的方法所提供的基于人工智能的医学信息推荐的功能,或者以软件开发工具包(Software Development Kit,SDK)的形式运行在电子设备中。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习、深度学习等几大方向。
如图1所示,所述基于人工智能的医学信息推荐方法具体包括以下步骤,根据不同的需求,该流程图中步骤的顺序可以改变,某些可以省略。
S11,接收用户发送的医学信息推荐请求,获取用户标识码及多个预设的标签,其中,所述多个预设的标签用于指示医学信息平台URL生成模式。
本实施例中,用户在进行医学信息推荐时,通过客户端发起医学信息推荐请求至服务端,具体地,所述客户端可以是智能手机、IPAD或者其他现有的智能设备,所述服务端可以为医学信息推荐***,在医学信息推荐过程中,如所述客户端可以向医学信息推荐***发送医学信息推荐请求,所述医学信息推荐子***用于接收所述客户端发送的医学信息推荐请求。
本实施例中,当所述医学信息推荐***接收到所述医学信息推荐请求时,解析所述医学信息推荐请求,获取用户标识码及多个预设的标签,具体地,所述用户标识码用以唯一所述用户的身份信息,所述多个预设的标签包含有用户来源、医院科室、医院名称、用户来源地区等,所述多个预设的标签是基于推荐医学信息需求及群体角度考量得到的,可以较大的影响推荐的医学信息,同时所述多个预设的标签用于指示医学信息平台URL生成模式。
S12,基于所述用户标识码,判断所述用户是否为第一次请求推荐医学信息。
本实施例中,通过判断所述用户是否为第一次请求推荐医学信息,当所述用户为第一次请求推荐医学信息时,需要用户进行注册后推荐医学信息;当所述用户不为第一次请求推荐医学信息,直接将所述用户的历史的医学信息平台URL发送至历史的目标区域,无需重新进行医学信息平台URL的生成,提高了医学信息推荐效率。
在一个可选的实施例中,所述基于所述用户标识码,判断所述用户是否为第一次请求推荐医学信息包括:
基于所述用户标识码获取所述用户的历史足迹;
识别所述用户的历史足迹中是否存在医学信息推荐码;
当所述用户的历史足迹中不存在医学信息推荐码时,确定所述用户为第一次请求推荐医学信息;或者
当所述用户的历史足迹中存在医学信息推荐码时,确定所述用户不为第一次请求推荐医学信息。
本实施例中,历史足迹指的是所述用户在所述医学信息推荐***中的所有操作,包括:登录、注册、浏览、输入等,当每个用户在所述医学信息推荐***中进行操作后,医学信息推荐***中的管理平台会记录每个用户的所有操作并进行管理。
本实施例中,所述医学信息推荐***中包含有管理平台,所述管理平台包含有用户管理模块和用户标签管理模块,所述用户管理模型主要是管理医学信息平台注册的用户信息,其中,所述用户信息包括:用户ID、手机号、注册日期、医学信息推荐码等,其中,所述医学信息推荐码用以唯一识别所述用户是否为第一次请求推荐医学信息,在医学信息推荐***中进行医学信息推荐中,只要对用户进行一次医学信息推荐,会生成一个医学信息推荐码;所述用户标签管理模块用于管理根据用户在所述医学信息推荐***中进行操作后,获取的各种来源的用户标签,其中,所述用户标签管理模块可以新增和管理标签配置。
具体地,在进行用户的标签配置管理时,配置选项可以包括:用户来源、医院科室、医院名称、用户来源地区等。
S13,当所述用户为第一次请求推荐医学信息时,基于所述多个预设的标签生成所述用户对应的医学信息平台URL。
本实施例中,医学信息平台URL生成模式是根据用户来源确定的,根据所述多个预设的标签采用对应的医学信息平台URL生成模式生成对应的医学信息平台URL。
具体地,所述用户来源指的是用户进入所述医学信息推荐***的渠道,例如,所述渠道可以为:线下渠道、线上渠道,所述线下渠道为其他公司对接过来的用户群体或者线下微信群等;所述线上渠道指的是直接将所述医学信息推荐***的链接挂到第三方网站。
在一个可选的实施例中,所述基于所述多个预设的标签生成所述用户对应的医学信息平台URL包括:
根据每个所述预设的标签的标签属性获取对应标签的预设的转换规则;
按照每个所述预设的标签的预设的转换规则对对应标签进行转换,得到每个所述预设的标签的地址标识码;
根据每个所述预设的标签的地址标识码确定所述用户的用户来源;
当所述用户的用户来源为线上渠道时,根据所述多个预设的标签的多个地址标识码,按照所述线上渠道对应的医学信息平台URL生成模式,生成所述用户对应的医学信息平台URL;或者
当所述用户的用户来源为线下渠道时,根据所述多个预设的标签的多个地址标识码,按照所述线下渠道对应的医学信息平台URL生成模式,生成所述用户对应的医学信息平台URL。
本实施例中,不同的用户来源对应的不同的医学信息平台URL生成模式,故生成的医学信息平台URL存在很大的差异,通过医学信息平台URL可以快速确定所述用户的用户来源,针对不同的用户来源配置的配置信息不同。
S14,将所述医学信息平台URL发送至所述医学信息平台URL对应的目标区域,当在所述目标区域侦测到所述用户对所述医学信息平台URL的点击操作时,响应于所述点击操作显示预设界面。
本实施例中,所述目标区域指的是所述医学信息平台URL对应的群体的邮箱、短信、聊天群、网站入口等,具体地,一个医学信息平台URL对应一个目标区域。例如:医学信息平台URL对应的聊天群为微信群1,将所述医学信息平台URL发送至微信群1。
示例性地,若多个用户同时参加了线下活动,针对此处线下活动,将参加活动的所有用户加入一个群中,将所述群作为目标区域。
本实施例中,当所述群中的用户需要推荐信息中,只要一个用户触发医学信息推荐请求,医学信息推荐***会发送对应的医学信息平台URL发送至所述群中,该群中的每个用户都可以点击所述医学信息平台URL获取推荐的医学信息,无需用户输入个人信息及资料,提高了医学信息的推荐效率,同时避免了当该群中的所有用户都需要进行医学信息推荐时,每个人都触发医学信息推荐请求导致医学信息推荐***运行缓慢的现象,提高了医学信息推荐***的运行效率,进而提高了医学信息的推荐效率。
在一个可选的实施例中,所述将所述医学信息平台URL发送至所述医学信息平台URL对应的目标区域包括:
识别所述医学信息平台URL,获取调用接口;
并通过所述调用接口将所述医学信息平台URL发送至所述医学信息平台URL对应的目标区域。
本实施例中,所述调用接口指的是发送至所述医学信息平台URL的目标区域的接口,由于不同的医学信息平台URL对应不同的调用接口,通过对应的调用接口将所述医学信息平台URL发送至所述医学信息平台URL对应的目标区域,具有针对性,避免了发送至错误目标区域的现象。
本实施例中,所述预设界面可以为登录界面或者注册界面,当所述用户为第一次请求推荐医学信息时,显示的界面为注册界面;当所述用户不为第一次请求推荐医学信息时,显示的界面为登录界面,根据用户是否为第一次请求推荐医学信息显示不同的预设界面,有效避免用户忘记自己是否为第一次请求推荐医学信息而进行重复注册导致用户信息混乱的现象,提高了医学信息推荐***中用户管理模块的管理效率。
S15,接收到所述用户在所述预设界面的确定操作时,从预设的数据库中获取所述医学信息平台URL对应的配置信息,及判断所述医学信息推荐请求中是否存在个性化定制需求。
本实施例中,当用户点击预设界面的确定操作时,确定所述用户当前需要获取医学推荐信息。
本实施例中,可以预先设置数据库,所述预设的数据库中存储有所有医学信息平台URL对应的配置信息,每个医学信息平台URL与目标标签进行关联,通过每个所述地址标识码的目标标签可以获取对应医学信息平台URL的配置信息。
本实施例中,所述配置信息指的是根据标签确定的配置信息,具体地,所述配置信息可以包括标签对应的关键字段,例如,标签内科对应的咳嗽、发烧等与内科相关的关键字段。
在一个可选的实施例中,所述从预设的数据库中获取所述医学信息平台URL对应的配置信息包括:
解析所述医学信息平台URL,获取多个地址标识码,及每个所述地址标识码的预设的标签转换规则;
对每个所述地址标识码按照对应的预设的标签转换规则进行转换,得到每个所述地址标识码的目标标签;
从所述预设的数据库中获取每个所述地址标识码的目标标签对应的配置信息;
将所述多个地址标识码的多个目标标签的多个配置信息进行合并,确定为所述医学信息平台URL对应的配置信息。
本实施例中,每个地址标识码对应有预设的标签转换规则,通过所述预设的标签转换规则可以将对应的地址标识码转换为对应的标签,例如:将地址标识码:“3&stat”,转换标签为:“内科”。
具体地,通过将所述地址标识码转换为对应的标签,便于后续快速的确定获取的所述医学信息平台URL对应的配置信息的精确度,进而提高了后续医学信息的推荐效率及准确率。
本实施例中,通过判断所述医学信息中是否存在个性化定制需求,可以确定所述用户对生成的推荐信息是否有个性化需求。
S16,当所述医学信息推荐请求中存在个性化定制需求,基于所述个性化定制需求构建所述用户的用户画像。
本实施例中,所述个性化定制需求指的是用户针对当前需要推荐的医学信息的定制化需求。
在一个可选的实施例中,所述基于所述个性化定制需求构建所述用户的用户画像包括:
从所述个性化定制需求中提取出多维度的目标特征,将所述多维度的目标特征按照预设的归类模型进行归类,得到所述用户的多个偏好标签;
根据所述用户的多个偏好标签构建所述用户的用户画像。
本实施例中,所述目标特征指的是所述用户的工作岗位、职业、阅读偏好、精通领域等。本实施例中,可以预先设置归类模型,具体地,所述预设的归类模型可以为聚类模型,所述聚类模型可以为K-mean聚类,层次聚类等,所述聚类模型为现有技术,本实施例在此不做详述。
S17,根据所述医学信息平台URL对应的配置信息及所述用户的用户画像获取目标配置信息,并基于所述目标配置信息获取为所述用户推荐的医学信息。
本实施例中,所述医学信息推荐***还包含有算法推荐平台,所述算法推荐平台根据输入的所述医学信息平台URL对应的配置信息,确定预设的医学信息推荐策略,执行所述预设的医学信息推荐策略输出为所述用户推荐的医学信息。
在一个可选的实施例中,所述根据所述医学信息平台URL对应的配置信息及所述用户的用户画像获取目标配置信息,并基于所述目标配置信息获取为所述用户推荐的医学信息包括:
计算所述医学信息平台URL对应的配置信息中的每个目标标签与所述用户的用户画像中的每个偏好标签之间的相似度;
将计算得到的多个相似度与预设的相似度阈值进行比较;
针对相似度大于或者等于所述相似度阈值对应的偏好标签和目标标签,保留偏好标签,并将保留的偏好标签确定为所述用户的第一推荐线索标签,及针对相似度小于所述相似度阈值对应的目标标签和偏好标签,保留目标标签和偏好标签,并将保留的目标标签和偏好标签确定为所述用户的第二推荐线索标签;
合并所述第一推荐线索标签和所述第二推荐线索标签,将合并后的所述第一推荐线索标签和所述第二推荐线索标签确定为所述用户的目标推荐线索标签;
从所述医学信息平台URL对应的配置信息中提取所述用户的目标推荐线索标签对应的目标配置信息,并将所述目标配置信息输入至算法推荐平台中;
采用所述算法推荐平台中的预设的推荐算法对所述目标配置信息进行匹配,获取为所述用户推荐的医学信息。
本实施例中,将获取的目标配置信息输入至算法推荐平台进行医学信息获取时,算法推荐平台中包含与预先设置的推荐算法,可以为多种机器学习算法,但不限于协同过滤和基于知识的推荐算法(Knowledge-based Recommendations),并且对于推荐出来的医学信息按照相关性进行排序。
本实施例中,预先设置的推荐算法为现有技术,本实施例在此不做详述。
本实施例中,从用户画像维度及***维度两个维度考量得到为用户推荐的医学信息,即满足了用户的个性化要求,提高了后续医学信息的推荐效率及准确率,同时提高了用户的满意度及对推荐的医学信息的使用率。本实施例中,由于不同用户来源对医学信息的需求不同,通过对不同用户来源对应的医学信息平台URL设置不同的生成模式,根据不同的生成模式生成的医学信息平台URL不同,有效区分了用户群体,同时,不同的医学信息平台URL对应的配置信息不同,针对不同的用户群体,推荐的医学信息不同,有效避免了对所有用户群体推送同样的医学信息引起的医学信息推荐正确率不高的现象,确保了推荐的医学信息的有效性,提高了医学信息的推荐效率及准确率。
在一个可选的实施例中,在基于所述目标配置信息获取为所述用户推荐的医学信息之后,所述方法还包括:
将为所述用户推荐的医学信息发送至所述医学信息推荐请求中的用户对应的客户端。
在一个可选的实施例中,在所述基于所述目标配置信息获取为所述用户推荐的医学信息之后,所述方法还包括:
将为所述用户推荐的医学信息按照预设的展示方式展示到医学信息网站。
本实施例中,所述预设的展示方式可以包括:按照图表的格式、按照网页格式、按照特定群体格式等便于用户浏览的格式。
具体地,所述特定群体格式指的是针对用户的群体类别设置的展示方式。
本实施例中,所述医学信息推荐***还包含有医学信息平台,具体地,所述医学信息平台指的是个性化的医学信息网站,包含有展示算法推荐的医学信息。
本实施例中,由于所述医学信息推荐***中包含有医学信息平台、管理平台、算法推荐平台,每个平台的数据进行独立管理,但可以进行相互调用,提高了医学信息推荐***中数据的管理效率,确保了医学推荐***的运行效率,进而提高了后续医学信息的推荐效率及准确率。
S18,当所述医学信息推荐请求中不存在个性化定制需求,根据所述医学信息平台URL对应的配置信息获取为所述用户推荐的医学信息。
在一个可选的实施例中,叔叔根据所述医学信息平台URL对应的配置信息获取为所述用户推荐的医学信息包括:
将所述医学信息平台URL对应的配置信息输入至算法推荐平台中;
采用所述算法推荐平台中的预设的推荐算法对所述目标配置信息进行匹配,获取为所述用户推荐的医学信息。
进一步地,所述方法还包括:
当所述用户不为第一次请求推荐医学信息时,执行所述S14至S17。
本实施例中,当所述用户不为第一次请求推荐医学信息,直接将所述用户标识码关联的历史医学信息平台URL发送至历史目标区域,无需重新进行医学信息平台URL的生成,提高了医学信息推荐效率。
本实施例中,采用所述医学信息推荐***,不需要用户手动录入个人信息、调研资料的步骤,特别是针对特定渠道和聊天工具群体中的用户而言,无需对每个用户推送一次医学信息平台URL,提高了医学信息的推荐效率。
综上所述,本实施例所述的基于人工智能的医学信息推荐方法,基于所述用户标识码,判断所述用户是否为第一次请求推荐医学信息,根据判断结果确定是否为所述用户生成医学信息平台URL,当为第一次请求推荐医学信息时,基于多个预设的标签生成用户对应的医学信息平台URL,并将医学信息平台URL发送至对应的目标区域,用户可以直接点击医学信息平台URL,无需用户输入个人信息及资料,提高了医学信息的推荐效率,基于医学信息平台URL获取配置信息及用户的个性化定制需求得到配置信息,进行医学信息推荐,通过从用户个性化定制需求及影响推荐医学信息的因素两个维度考量得到为用户推荐的医学信息,即满足了用户的个性化要求,又满足了推荐医学信息需求,提高了后续医学信息的推荐效率及准确率,同时提高了用户的满意度及对推荐的医学信息的使用率。
实施例二
图2是本发明实施例二提供的基于人工智能的医学信息推荐装置的结构图。
在一些实施例中,所述基于人工智能的医学信息推荐装置20可以包括多个由程序代码段所组成的功能模块。所述基于人工智能的医学信息推荐装置20中的各个程序段的程序代码可以存储于电子设备的存储器中,并由所述至少一个处理器所执行,以执行(详见图1描述)基于人工智能的医学信息推荐的功能。
本实施例中,所述基于人工智能的医学信息推荐装置20根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:接收模块201、判断模块202、生成模块203、显示模块204、第一获取模块205、构建模块206及第二获取模块207。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机可读指令段,其存储在存储器中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
接收模块201,用于接收用户发送的医学信息推荐请求,获取用户标识码及多个预设的标签,其中,所述多个预设的标签用于指示医学信息平台URL生成模式。
本实施例中,用户在进行医学信息推荐时,通过客户端发起医学信息推荐请求至服务端,具体地,所述客户端可以是智能手机、IPAD或者其他现有的智能设备,所述服务端可以为医学信息推荐***,在医学信息推荐过程中,如所述客户端可以向医学信息推荐***发送医学信息推荐请求,所述医学信息推荐子***用于接收所述客户端发送的医学信息推荐请求。
本实施例中,当所述医学信息推荐***接收到所述医学信息推荐请求时,解析所述医学信息推荐请求,获取用户标识码及多个预设的标签,具体地,所述用户标识码用以唯一所述用户的身份信息,所述多个预设的标签包含有用户来源、医院科室、医院名称、用户来源地区等,所述多个预设的标签是基于推荐医学信息需求及群体角度考量得到的,可以较大的影响推荐的医学信息,同时所述多个预设的标签用于指示医学信息平台URL生成模式。
判断模块202,用于基于所述用户标识码,判断所述用户是否为第一次请求推荐医学信息。
本实施例中,通过判断所述用户是否为第一次请求推荐医学信息,当所述用户为第一次请求推荐医学信息时,需要用户进行注册后推荐医学信息;当所述用户不为第一次请求推荐医学信息,直接将所述用户的历史的医学信息平台URL发送至历史的目标区域,无需重新进行医学信息平台URL的生成,提高了医学信息推荐效率。
在一个可选的实施例中,所述判断模块202基于所述用户标识码,判断所述用户是否为第一次请求推荐医学信息包括:
基于所述用户标识码获取所述用户的历史足迹;
识别所述用户的历史足迹中是否存在医学信息推荐码;
当所述用户的历史足迹中不存在医学信息推荐码时,确定所述用户为第一次请求推荐医学信息;或者
当所述用户的历史足迹中存在医学信息推荐码时,确定所述用户不为第一次请求推荐医学信息。
本实施例中,历史足迹指的是所述用户在所述医学信息推荐***中的所有操作,包括:登录、注册、浏览、输入等,当每个用户在所述医学信息推荐***中进行操作后,医学信息推荐***中的管理平台会记录每个用户的所有操作并进行管理。
本实施例中,所述医学信息推荐***中包含有管理平台,所述管理平台包含有用户管理模块和用户标签管理模块,所述用户管理模型主要是管理医学信息平台注册的用户信息,其中,所述用户信息包括:用户ID、手机号、注册日期、医学信息推荐码等,其中,所述医学信息推荐码用以唯一识别所述用户是否为第一次请求推荐医学信息,在医学信息推荐***中进行医学信息推荐中,只要对用户进行一次医学信息推荐,会生成一个医学信息推荐码;所述用户标签管理模块用于管理根据用户在所述医学信息推荐***中进行操作后,获取的各种来源的用户标签,其中,所述用户标签管理模块可以新增和管理标签配置。
具体地,在进行用户的标签配置管理时,配置选项可以包括:用户来源、医院科室、医院名称、用户来源地区等。
生成模块203,用于当所述用户为第一次请求推荐医学信息时,基于所述多个预设的标签生成所述用户对应的医学信息平台URL。
本实施例中,医学信息平台URL生成模式是根据用户来源确定的,根据所述多个预设的标签采用对应的医学信息平台URL生成模式生成对应的医学信息平台URL。
具体地,所述用户来源指的是用户进入所述医学信息推荐***的渠道,例如,所述渠道可以为:线下渠道、线上渠道,所述线下渠道为其他公司对接过来的用户群体或者线下微信群等;所述线上渠道指的是直接将所述医学信息推荐***的链接挂到第三方网站。
在一个可选的实施例中,所述生成模块203基于所述多个预设的标签生成所述用户对应的医学信息平台URL包括:
根据每个所述预设的标签的标签属性获取对应标签的预设的转换规则;
按照每个所述预设的标签的预设的转换规则对对应标签进行转换,得到每个所述预设的标签的地址标识码;
根据每个所述预设的标签的地址标识码确定所述用户的用户来源;
当所述用户的用户来源为线上渠道时,根据所述多个预设的标签的多个地址标识码,按照所述线上渠道对应的医学信息平台URL生成模式,生成所述用户对应的医学信息平台URL;或者
当所述用户的用户来源为线下渠道时,根据所述多个预设的标签的多个地址标识码,按照所述线下渠道对应的医学信息平台URL生成模式,生成所述用户对应的医学信息平台URL。
本实施例中,不同的用户来源对应的不同的医学信息平台URL生成模式,故生成的医学信息平台URL存在很大的差异,通过医学信息平台URL可以快速确定所述用户的用户来源,针对不同的用户来源配置的配置信息不同。
显示模块204,用于将所述医学信息平台URL发送至所述医学信息平台URL对应的目标区域,当在所述目标区域侦测到所述用户对所述医学信息平台URL的点击操作时,响应于所述点击操作显示预设界面。
本实施例中,所述目标区域指的是所述医学信息平台URL对应的群体的邮箱、短信、聊天群、网站入口等,具体地,一个医学信息平台URL对应一个目标区域。例如:医学信息平台URL对应的聊天群为微信群1,将所述医学信息平台URL发送至微信群1。
示例性地,若多个用户同时参加了线下活动,针对此处线下活动,将参加活动的所有用户加入一个群中,将所述群作为目标区域。
本实施例中,当所述群中的用户需要推荐信息中,只要一个用户触发医学信息推荐请求,医学信息推荐***会发送对应的医学信息平台URL发送至所述群中,该群中的每个用户都可以点击所述医学信息平台URL获取推荐的医学信息,无需用户输入个人信息及资料,提高了医学信息的推荐效率,同时避免了当该群中的所有用户都需要进行医学信息推荐时,每个人都触发医学信息推荐请求导致医学信息推荐***运行缓慢的现象,提高了医学信息推荐***的运行效率,进而提高了医学信息的推荐效率。
在一个可选的实施例中,所述显示模块204将所述医学信息平台URL发送至所述医学信息平台URL对应的目标区域包括:
识别所述医学信息平台URL,获取调用接口;
并通过所述调用接口将所述医学信息平台URL发送至所述医学信息平台URL对应的目标区域。
本实施例中,所述调用接口指的是发送至所述医学信息平台URL的目标区域的接口,由于不同的医学信息平台URL对应不同的调用接口,通过对应的调用接口将所述医学信息平台URL发送至所述医学信息平台URL对应的目标区域,具有针对性,避免了发送至错误目标区域的现象。
本实施例中,所述预设界面可以为登录界面或者注册界面,当所述用户为第一次请求推荐医学信息时,显示的界面为注册界面;当所述用户不为第一次请求推荐医学信息时,显示的界面为登录界面,根据用户是否为第一次请求推荐医学信息显示不同的预设界面,有效避免用户忘记自己是否为第一次请求推荐医学信息而进行重复注册导致用户信息混乱的现象,提高了医学信息推荐***中用户管理模块的管理效率。
第一获取模块205,用于接收到所述用户在所述预设界面的确定操作时,从预设的数据库中获取所述医学信息平台URL对应的配置信息,及判断所述医学信息推荐请求中是否存在个性化定制需求。
本实施例中,当用户点击预设界面的确定操作时,确定所述用户当前需要获取医学推荐信息。
本实施例中,可以预先设置数据库,所述预设的数据库中存储有所有医学信息平台URL对应的配置信息,每个医学信息平台URL与目标标签进行关联,通过每个所述地址标识码的目标标签可以获取对应医学信息平台URL的配置信息。
本实施例中,所述配置信息指的是根据标签确定的配置信息,具体地,所述配置信息可以包括标签对应的关键字段,例如,标签内科对应的咳嗽、发烧等与内科相关的关键字段。
在一个可选的实施例中,所述第一获取模块205从预设的数据库中获取所述医学信息平台URL对应的配置信息包括:
解析所述医学信息平台URL,获取多个地址标识码,及每个所述地址标识码的预设的标签转换规则;
对每个所述地址标识码按照对应的预设的标签转换规则进行转换,得到每个所述地址标识码的目标标签;
从所述预设的数据库中获取每个所述地址标识码的目标标签对应的配置信息;
将所述多个地址标识码的多个目标标签的多个配置信息进行合并,确定为所述医学信息平台URL对应的配置信息。
本实施例中,每个地址标识码对应有预设的标签转换规则,通过所述预设的标签转换规则可以将对应的地址标识码转换为对应的标签,例如:将地址标识码:“3&stat”,转换标签为:“内科”。
具体地,通过将所述地址标识码转换为对应的标签,便于后续快速的确定获取的所述医学信息平台URL对应的配置信息的精确度,进而提高了后续医学信息的推荐效率及准确率。
本实施例中,通过判断所述医学信息中是否存在个性化定制需求,可以确定所述用户对生成的推荐信息是否有个性化需求。
构建模块206,用于当所述医学信息推荐请求中存在个性化定制需求,基于所述个性化定制需求构建所述用户的用户画像。
本实施例中,所述个性化定制需求指的是用户针对当前需要推荐的医学信息的定制化需求。
在一个可选的实施例中,所述构建模块206基于所述个性化定制需求构建所述用户的用户画像包括:
从所述个性化定制需求中提取出多维度的目标特征,将所述多维度的目标特征按照预设的归类模型进行归类,得到所述用户的多个偏好标签;
根据所述用户的多个偏好标签构建所述用户的用户画像。
本实施例中,所述目标特征指的是所述用户的工作岗位、职业、阅读偏好、精通领域等。本实施例中,可以预先设置归类模型,具体地,所述预设的归类模型可以为聚类模型,所述聚类模型可以为K-mean聚类,层次聚类等,所述聚类模型为现有技术,本实施例在此不做详述。
第二获取模块207,用于根据所述医学信息平台URL对应的配置信息及所述用户的用户画像获取目标配置信息,并基于所述目标配置信息获取为所述用户推荐的医学信息。
本实施例中,所述医学信息推荐***还包含有算法推荐平台,所述算法推荐平台根据输入的所述医学信息平台URL对应的配置信息,确定预设的医学信息推荐策略,执行所述预设的医学信息推荐策略输出为所述用户推荐的医学信息。
在一个可选的实施例中,所述第二获取模块207根据所述医学信息平台URL对应的配置信息及所述用户的用户画像获取目标配置信息,并基于所述目标配置信息获取为所述用户推荐的医学信息包括:
计算所述医学信息平台URL对应的配置信息中的每个目标标签与所述用户的用户画像中的每个偏好标签之间的相似度;
将计算得到的多个相似度与预设的相似度阈值进行比较;
针对相似度大于或者等于所述相似度阈值对应的偏好标签和目标标签,保留偏好标签,并将保留的偏好标签确定为所述用户的第一推荐线索标签,及针对相似度小于所述相似度阈值对应的目标标签和偏好标签,保留目标标签和偏好标签,并将保留的目标标签和偏好标签确定为所述用户的第二推荐线索标签;
合并所述第一推荐线索标签和所述第二推荐线索标签,将合并后的所述第一推荐线索标签和所述第二推荐线索标签确定为所述用户的目标推荐线索标签;
从所述医学信息平台URL对应的配置信息中提取所述用户的目标推荐线索标签对应的目标配置信息,并将所述目标配置信息输入至算法推荐平台中;
采用所述算法推荐平台中的预设的推荐算法对所述目标配置信息进行匹配,获取为所述用户推荐的医学信息。
本实施例中,将获取的目标配置信息输入至算法推荐平台进行医学信息获取时,算法推荐平台中包含与预先设置的推荐算法,可以为多种机器学习算法,但不限于协同过滤和基于知识的推荐算法(Knowledge-based Recommendations),并且对于推荐出来的医学信息按照相关性进行排序。
本实施例中,预先设置的推荐算法为现有技术,本实施例在此不做详述。
本实施例中,从用户画像维度及***维度两个维度考量得到为用户推荐的医学信息,即满足了用户的个性化要求,提高了后续医学信息的推荐效率及准确率,同时提高了用户的满意度及对推荐的医学信息的使用率。本实施例中,由于不同用户来源对医学信息的需求不同,通过对不同用户来源对应的医学信息平台URL设置不同的生成模式,根据不同的生成模式生成的医学信息平台URL不同,有效区分了用户群体,同时,不同的医学信息平台URL对应的配置信息不同,针对不同的用户群体,推荐的医学信息不同,有效避免了对所有用户群体推送同样的医学信息引起的医学信息推荐正确率不高的现象,确保了推荐的医学信息的有效性,提高了医学信息的推荐效率及准确率。
在一个可选的实施例中,在基于所述目标配置信息获取为所述用户推荐的医学信息之后,将为所述用户推荐的医学信息发送至所述医学信息推荐请求中的用户对应的客户端。
在一个可选的实施例中,在所述基于所述目标配置信息获取为所述用户推荐的医学信息之后,将为所述用户推荐的医学信息按照预设的展示方式展示到医学信息网站。
本实施例中,所述预设的展示方式可以包括:按照图表的格式、按照网页格式、按照特定群体格式等便于用户浏览的格式。
具体地,所述特定群体格式指的是针对用户的群体类别设置的展示方式。
本实施例中,所述医学信息推荐***还包含有医学信息平台,具体地,所述医学信息平台指的是个性化的医学信息网站,包含有展示算法推荐的医学信息。
本实施例中,由于所述医学信息推荐***中包含有医学信息平台、管理平台、算法推荐平台,每个平台的数据进行独立管理,但可以进行相互调用,提高了医学信息推荐***中数据的管理效率,确保了医学推荐***的运行效率,进而提高了后续医学信息的推荐效率及准确率。
进一步地,当所述医学信息推荐请求中不存在个性化定制需求,根据所述医学信息平台URL对应的配置信息获取为所述用户推荐的医学信息。
在一个可选的实施例中,叔叔根据所述医学信息平台URL对应的配置信息获取为所述用户推荐的医学信息包括:
将所述医学信息平台URL对应的配置信息输入至算法推荐平台中;
采用所述算法推荐平台中的预设的推荐算法对所述目标配置信息进行匹配,获取为所述用户推荐的医学信息。
进一步地,当所述用户不为第一次请求推荐医学信息时,执行所述将所述医学信息平台URL发送至所述医学信息平台URL对应的目标区域至所述基于所述目标配置信息获取为所述用户推荐的医学信息。
本实施例中,当所述用户不为第一次请求推荐医学信息,直接将所述用户标识码关联的历史医学信息平台URL发送至历史目标区域,无需重新进行医学信息平台URL的生成,提高了医学信息推荐效率。
本实施例中,采用所述医学信息推荐***,不需要用户手动录入个人信息、调研资料的步骤,特别是针对特定渠道和聊天工具群体中的用户而言,无需对每个用户推送一次医学信息平台URL,提高了医学信息的推荐效率。
综上所述,本实施例所述的基于人工智能的医学信息推荐装置,基于所述用户标识码,判断所述用户是否为第一次请求推荐医学信息,根据判断结果确定是否为所述用户生成医学信息平台URL,当为第一次请求推荐医学信息时,基于多个预设的标签生成用户对应的医学信息平台URL,并将医学信息平台URL发送至对应的目标区域,用户可以直接点击医学信息平台URL,无需用户输入个人信息及资料,提高了医学信息的推荐效率,基于医学信息平台URL获取配置信息及用户的个性化定制需求得到配置信息,进行医学信息推荐,通过从用户个性化定制需求及影响推荐医学信息的因素两个维度考量得到为用户推荐的医学信息,即满足了用户的个性化要求,又满足了推荐医学信息需求,提高了后续医学信息的推荐效率及准确率,同时提高了用户的满意度及对推荐的医学信息的使用率。
实施例三
参阅图3所示,为本发明实施例三提供的电子设备的结构示意图。在本发明较佳实施例中,所述电子设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解,图3示出的电子设备的结构并不构成本发明实施例的限定,既可以是总线型结构,也可以是星形结构,所述电子设备3还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置。
在一些实施例中,所述电子设备3是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的电子设备,其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述电子设备3还可包括客户设备,所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是,所述电子设备3仅为举例,其他现有的或今后可能出现的电子产品如可适应于本发明,也应包含在本发明的保护范围以内,并以引用方式包含于此。
在一些实施例中,所述存储器31用于存储程序代码和各种数据,例如安装在所述电子设备3中的基于人工智能的医学信息推荐装置20,并在电子设备3的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器31包括只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
在一些实施例中,所述至少一个处理器32可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器32是所述电子设备3的控制核心(Control Unit),利用各种接口和线路连接整个电子设备3的各个部件,通过运行或执行存储在所述存储器31内的程序或者模块,以及调用存储在所述存储器31内的数据,以执行电子设备3的各种功能和处理数据。
在一些实施例中,所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出,所述电子设备3还可以包括给各个部件供电的电源(比如电池),可选的,电源可以通过电源管理装置与所述至少一个处理器32逻辑相连,从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分。
在进一步的实施例中,结合图2,所述至少一个处理器32可执行所述电子设备3的操作装置以及安装的各类应用程序(如所述的基于人工智能的医学信息推荐装置20)、程序代码等,例如,上述的各个模块。
所述存储器31中存储有程序代码,且所述至少一个处理器32可调用所述存储器31中存储的程序代码以执行相关的功能。例如,图2中所述的各个模块是存储在所述存储器31中的程序代码,并由所述至少一个处理器32所执行,从而实现所述各个模块的功能以达到基于人工智能的医学信息推荐的目的。
示例性的,所述程序代码可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器31中,并由所述处理器32执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该指令段用于描述所述程序代码在所述电子设备3中的执行过程。例如,所述程序代码可以被分割成接收模块201、判断模块202、生成模块203、显示模块204、第一获取模块205、构建模块206及第二获取模块207。
在本发明的一个实施例中,所述存储器31存储多个计算机可读指令,所述多个计算机可读指令被所述至少一个处理器32所执行以实现基于人工智能的医学信息推荐的功能。
具体地,所述至少一个处理器32对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或,单数不排除复数。本发明中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (9)
1.一种基于人工智能的医学信息推荐方法,其特征在于,所述方法包括:
接收用户发送的医学信息推荐请求,获取用户标识码及多个预设的标签,其中,所述多个预设的标签用于指示医学信息平台URL生成模式;
基于所述用户标识码,判断所述用户是否为第一次请求推荐医学信息;
当所述用户为第一次请求推荐医学信息时,基于所述多个预设的标签生成所述用户对应的医学信息平台URL;
将所述医学信息平台URL发送至所述医学信息平台URL对应的目标区域,当在所述目标区域侦测到所述用户对所述医学信息平台URL的点击操作时,响应于所述点击操作显示预设界面;
接收到所述用户在所述预设界面的确定操作时,从预设的数据库中获取所述医学信息平台URL对应的配置信息,及判断所述医学信息推荐请求中是否存在个性化定制需求;
当所述医学信息推荐请求中存在个性化定制需求,基于所述个性化定制需求构建所述用户的用户画像;
根据所述医学信息平台URL对应的配置信息及所述用户的用户画像获取目标配置信息,并基于所述目标配置信息获取为所述用户推荐的医学信息,包括:计算所述医学信息平台URL对应的配置信息中的每个目标标签与所述用户的用户画像中的每个偏好标签之间的相似度;将计算得到的多个相似度与预设的相似度阈值进行比较;针对相似度大于或者等于所述相似度阈值对应的偏好标签和目标标签,保留偏好标签,并将保留的偏好标签确定为所述用户的第一推荐线索标签,及针对相似度小于所述相似度阈值对应的目标标签和偏好标签,保留目标标签和偏好标签,并将保留的目标标签和偏好标签确定为所述用户的第二推荐线索标签;合并所述第一推荐线索标签和所述第二推荐线索标签,将合并后的所述第一推荐线索标签和所述第二推荐线索标签确定为所述用户的目标推荐线索标签;从所述医学信息平台URL对应的配置信息中提取所述用户的目标推荐线索标签对应的目标配置信息,并将所述目标配置信息输入至算法推荐平台中;采用所述算法推荐平台中的预设的推荐算法对所述目标配置信息进行匹配,获取为所述用户推荐的医学信息。
2.如权利要求1所述的基于人工智能的医学信息推荐方法,其特征在于,所述基于所述用户标识码,判断所述用户是否为第一次请求推荐医学信息包括:
基于所述用户标识码获取所述用户的历史足迹;
识别所述用户的历史足迹中是否存在医学信息推荐码;
当所述用户的历史足迹中不存在医学信息推荐码时,确定所述用户为第一次请求推荐医学信息;或者
当所述用户的历史足迹中存在医学信息推荐码时,确定所述用户不为第一次请求推荐医学信息。
3.如权利要求1所述的基于人工智能的医学信息推荐方法,其特征在于,所述基于所述多个预设的标签生成所述用户对应的医学信息平台URL包括:
根据每个所述预设的标签的标签属性获取对应标签的预设的转换规则;
按照每个所述预设的标签的预设的转换规则对对应标签进行转换,得到每个所述预设的标签的地址标识码;
根据每个所述预设的标签的地址标识码确定所述用户的用户来源;
当所述用户的用户来源为线上渠道时,根据所述多个预设的标签的多个地址标识码,按照所述线上渠道对应的医学信息平台URL生成模式,生成所述用户对应的医学信息平台URL;或者
当所述用户的用户来源为线下渠道时,根据所述多个预设的标签的多个地址标识码,按照所述线下渠道对应的医学信息平台URL生成模式,生成所述用户对应的医学信息平台URL。
4.如权利要求1所述的基于人工智能的医学信息推荐方法,其特征在于,所述从预设的数据库中获取所述医学信息平台URL对应的配置信息包括:
解析所述医学信息平台URL,获取多个地址标识码,及每个所述地址标识码的预设的标签转换规则;
对每个所述地址标识码按照对应的预设的标签转换规则进行转换,得到每个所述地址标识码的目标标签;
从所述预设的数据库中获取每个所述地址标识码的目标标签对应的配置信息;
将所述多个地址标识码的多个目标标签的多个配置信息进行合并,确定为所述医学信息平台URL对应的配置信息。
5.如权利要求1所述的基于人工智能的医学信息推荐方法,其特征在于,所述基于所述个性化定制需求构建所述用户的用户画像包括:
从所述个性化定制需求中提取出多维度的目标特征,将所述多维度的目标特征按照预设的归类模型进行归类,得到所述用户的多个偏好标签;
根据所述用户的多个偏好标签构建所述用户的用户画像。
6.如权利要求1所述的基于人工智能的医学信息推荐方法,其特征在于,在所述基于所述目标配置信息获取为所述用户推荐的医学信息之后,所述方法还包括:
将为所述用户推荐的医学信息按照预设的展示方式展示到医学信息网站。
7.一种基于人工智能的医学信息推荐装置,其特征在于,所述装置用于实现如权利要求1至6中任意一项所述的基于人工智能的医学信息推荐方法,所述装置包括:
接收模块,用于接收用户发送的医学信息推荐请求,获取用户标识码及多个预设的标签,其中,所述多个预设的标签用于指示医学信息平台URL生成模式;
判断模块,用于基于所述用户标识码,判断所述用户是否为第一次请求推荐医学信息;
生成模块,用于当所述用户为第一次请求推荐医学信息时,基于所述多个预设的标签生成所述用户对应的医学信息平台URL;
显示模块,用于将所述医学信息平台URL发送至所述医学信息平台URL对应的目标区域,当在所述目标区域侦测到所述用户对所述医学信息平台URL的点击操作时,响应于所述点击操作显示预设界面;
第一获取模块,用于接收到所述用户在所述预设界面的确定操作时,从预设的数据库中获取所述医学信息平台URL对应的配置信息,及判断所述医学信息推荐请求中是否存在个性化定制需求;
构建模块,用于当所述医学信息推荐请求中存在个性化定制需求,基于所述个性化定制需求构建所述用户的用户画像;
第二获取模块,用于根据所述医学信息平台URL对应的配置信息及所述用户的用户画像获取目标配置信息,并基于所述目标配置信息获取为所述用户推荐的医学信息。
8.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求1至6中任意一项所述的基于人工智能的医学信息推荐方法。
9.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任意一项所述的基于人工智能的医学信息推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111005871.9A CN113722590B (zh) | 2021-08-30 | 2021-08-30 | 基于人工智能的医学信息推荐方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111005871.9A CN113722590B (zh) | 2021-08-30 | 2021-08-30 | 基于人工智能的医学信息推荐方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113722590A CN113722590A (zh) | 2021-11-30 |
CN113722590B true CN113722590B (zh) | 2023-09-19 |
Family
ID=78679206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111005871.9A Active CN113722590B (zh) | 2021-08-30 | 2021-08-30 | 基于人工智能的医学信息推荐方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113722590B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111914172A (zh) * | 2020-07-29 | 2020-11-10 | 上海梅斯医药科技有限公司 | 一种基于用户标签的医学信息推荐方法及*** |
CN111986744A (zh) * | 2020-09-03 | 2020-11-24 | 平安国际智慧城市科技股份有限公司 | 医疗机构的患者界面生成方法、装置、电子设备及介质 |
CN112614578A (zh) * | 2020-12-29 | 2021-04-06 | 平安国际智慧城市科技股份有限公司 | 医生智能推荐方法、装置、电子设备及存储介质 |
-
2021
- 2021-08-30 CN CN202111005871.9A patent/CN113722590B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111914172A (zh) * | 2020-07-29 | 2020-11-10 | 上海梅斯医药科技有限公司 | 一种基于用户标签的医学信息推荐方法及*** |
CN111986744A (zh) * | 2020-09-03 | 2020-11-24 | 平安国际智慧城市科技股份有限公司 | 医疗机构的患者界面生成方法、装置、电子设备及介质 |
CN112614578A (zh) * | 2020-12-29 | 2021-04-06 | 平安国际智慧城市科技股份有限公司 | 医生智能推荐方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113722590A (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111986744B (zh) | 医疗机构的患者界面生成方法、装置、电子设备及介质 | |
CN112614578A (zh) | 医生智能推荐方法、装置、电子设备及存储介质 | |
CN113946690A (zh) | 潜在客户挖掘方法、装置、电子设备及存储介质 | |
CN112948275A (zh) | 测试数据生成方法、装置、设备及存储介质 | |
CN112214588A (zh) | 多意图识别方法、装置、电子设备及存储介质 | |
WO2023040145A1 (zh) | 基于人工智能的文本分类方法、装置、电子设备及介质 | |
CN114862520A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN114020892A (zh) | 基于人工智能的答案选取方法、装置、电子设备及介质 | |
CN112395432B (zh) | 课程推送方法、装置、计算机设备及存储介质 | |
CN114201212A (zh) | 配置文件处理方法、装置、计算机设备及存储介质 | |
CN111950707B (zh) | 基于行为共现网络的行为预测方法、装置、设备及介质 | |
CN113706253A (zh) | 实时产品推荐方法、装置、电子设备及可读存储介质 | |
CN113722590B (zh) | 基于人工智能的医学信息推荐方法、装置、设备及介质 | |
CN116108276A (zh) | 基于人工智能的信息推荐方法、装置及相关设备 | |
CN113722324B (zh) | 基于人工智能的报表生成方法、装置、电子设备及介质 | |
CN113469291B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN113449037B (zh) | 基于ai的sql引擎调用方法、装置、设备及介质 | |
CN113268695B (zh) | 数据埋点处理方法、装置及相关设备 | |
CN114881313A (zh) | 基于人工智能的行为预测方法、装置及相关设备 | |
CN112328752B (zh) | 基于搜索内容的课程推荐方法、装置、计算机设备及介质 | |
CN115658858A (zh) | 基于人工智能的对话推荐方法及相关设备 | |
CN114219663A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN114637564B (zh) | 数据可视化方法、装置、电子设备及存储介质 | |
CN113792681B (zh) | 基于点云匹配的信息采集方法、装置、电子设备及介质 | |
CN115146078A (zh) | 指标数据处理方法、装置、计算机设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220921 Address after: Room 2601 (Unit 07), Qianhai Free Trade Building, No. 3048, Xinghai Avenue, Nanshan Street, Qianhai Shenzhen-Hong Kong Cooperation Zone, Shenzhen, Guangdong 518000 Applicant after: Shenzhen Ping An Smart Healthcare Technology Co.,Ltd. Address before: 1-34 / F, Qianhai free trade building, 3048 Xinghai Avenue, Mawan, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong 518000 Applicant before: Ping An International Smart City Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |