CN115688760A - 一种智能化导诊方法、装置、设备及存储介质 - Google Patents
一种智能化导诊方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115688760A CN115688760A CN202211415737.0A CN202211415737A CN115688760A CN 115688760 A CN115688760 A CN 115688760A CN 202211415737 A CN202211415737 A CN 202211415737A CN 115688760 A CN115688760 A CN 115688760A
- Authority
- CN
- China
- Prior art keywords
- target
- clustering
- similarity calculation
- preset
- path
- 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
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能领域,公开了一种智能化导诊方法、装置、设备及存储介质,用于实现智能化导诊并提高智能化导诊的准确率。所述方法包括:对多个关键词进行聚类中心映射,确定多个聚类中心;基于聚类算法对多个聚类中心进行分析,生成聚类结果;基于挂号信息数据库对聚类结果进行相似度计算,得到多个相似度计算结果;对多个相似度计算结果按照从高到低的顺序进行排序,并筛选出N个计算结果;分别对N个计算结果进行挂号信息匹配,得到对应的N个挂号信息;对患者信息按预设分类规则进行分类处理,确定对应的分类结果;基于分类结果及N个挂号信息,通过预置的路径规划模型进行路径规划,生成目标路径并传输至目标终端。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种智能化导诊方法、装置、设备及存储介质。
背景技术
随着人工智能技术的高速发展,人们的医疗条件逐渐提高,人们对于健康的关注度越来越高。医疗机构接待的体检人数逐渐增加,因此亟需对体检导诊进行智能化。
但是现有方案还是依靠人工经验进行导诊服务,人工导诊会存在体检者寻找检查诊室困难或是不清楚导诊路径的情况,同时也耗费了医院大量人力物力,不利于智能化和信息化建设,并且由于人工导诊存在不清楚用户的实际需求的情况,进而导致导诊的准确率较低。
发明内容
本发明提供了一种智能化导诊方法、装置、设备及存储介质,用于实现智能化导诊并提高智能化导诊的准确率。
本发明第一方面提供了一种智能化导诊方法,所述智能化导诊方法包括:获取患者信息,并基于预设目标分词词典对所述患者信息进行的分词处理,得到多个关键词;对所述多个关键词进行聚类中心映射,确定对应的多个聚类中心;基于预置的聚类算法对所述多个聚类中心进行分析,生成聚类结果;基于预置的挂号信息数据库对所述聚类结果进行相似度计算,得到多个相似度计算结果;对所述多个相似度计算结果按照从高到低的顺序进行排序,并筛选出N个计算结果,其中,所述N为大于或等于1的正整数;分别对所述N个计算结果进行挂号信息匹配,得到对应的N个挂号信息;对所述患者信息按预设分类规则进行分类处理,确定对应的分类结果;基于所述分类结果及所述N个挂号信息,通过预置的路径规划模型进行路径规划,生成目标路径并传输至目标终端。
本发明提供的智能化导诊方法,通过对患者信息进行智能推荐挂号信息,再根据患者信息对应的挂号信息进行导诊路径规划,实现了智能化导诊,并且通过路径规划模型进行路径规划生成目标路径,提高了智能化导诊的准确率。
结合第一方面,在本发明第一方面的第一实施方式中,在所述获取患者信息,并基于预设目标分词词典对所述患者信息进行的分词处理,得到多个关键词之前,还包括:获取多个历史患者信息,其中,所述多个历史患者信息包括年龄、性别及职业信息;通过所述多个历史患者信息进行分词规则匹配,确定目标分词规则;根据所述目标分词规则对所述多个历史患者信息进行分词处理,得到多个关键词属性信息,其中,每一所述关键词属性信息包括每一所述关键词对应的词频和每一所述关键词对应的自由度;基于所述多个关键词属性信息进行词典构建,生成对应的目标分词词典。
本方案中,服务器分别计算翻译词语与词语及关键词的相似度,以在翻译词语中为词语选出对应每个义项的最终翻译词语,生成目标分词词典,本步骤保证了生成的目标分词词典的精确度,可以进一步提升智能导诊时的效率。
结合第一方面,在本发明第一方面的第二实施方式中,所述基于预置的聚类算法对所述多个聚类中心进行分析,生成聚类结果,包括:通过预置的聚类算法对所述多个聚类中心进行特征权重计算,确定与每一所述聚类中心对应的特征权重;通过与每一所述聚类中心对应的特征权重进行初始聚类计算,得到初始聚类结果;通过所述聚类算法中的模糊均值计算函数对所述初始聚类结果进行修正,得到所述聚类结果。
本方案中,服务器首先对日曲线数据采用K-means算法进行聚类,之后采用两阶段聚类修正算法,用于依照患者数据用户构成数据修正日曲线聚类结果,生成聚类结果,通过该聚类方法所得到的聚类结果准确度高,可降低聚类结果跌入局部最优的可能性。
结合第一方面,在本发明第一方面的第三实施方式中,所述基于预置的挂号信息数据库对所述聚类结果进行相似度计算,得到多个相似度计算结果,包括:通过所述挂号信息数据库进行样本数据采集,获取对应的样本数据集合;基于所述样本数据集合对所述聚类结果进行初始相似度计算,得到对应的第一相似度计算结果集;基于所述样本集合对所述聚类结果进行语义相似度计算,得到对应的第二相似度计算结果集;按照预设的权重分配规则分别对所述第一相似度计算结果集和所述第二相似度计算结果集进行权重分配,确定与所述第一相似度计算结果集对应的第一权重和与所述第二相似度计算结果集对应的第二权重;基于所述第一权重与所述第二权重,对所述第一相似度计算结果集和第二相似度计算结果集进行计算,得到多个相似度计算结果。
本方案中,通过预置的权重分配结果,最终服务器根据该权重分配结果进行相似度计算,得到多个相似度计算结果,本申请步骤中,能够将相似度算法与谱聚类算法进行结合,降低进行相似度计算时所需要的计算量,提升在智能化导诊的效率。
结合第一方面,在本发明第一方面的第四实施方式中,所述对所述患者信息按预设分类规则进行分类处理,确定对应的分类结果,包括:对所述患者信息进行数据清洗,得到待处理患者信息;对所述待处理患者信息进行分类列表确定,得到目标分类列表;基于所述目标分类列表并通过预设的分类规则对所述待处理患者信息进行分类处理,生成所述分类结果。
结合第一方面的第四实施方式,在本发明第一方面的第五实施方式中,所述基于所述分类结果及所述N个挂号信息,通过预置的路径规划模型进行路径规划,生成目标路径并传输至目标终端,包括:基于所述分类结果及所述N个挂号信息进行科室单元分析,确定对应的目标科室单元;对所述目标科室单元进行关联单元分析,确定对应关联单元集合;将所述目标科室单元及所述关联单元集合输入所述路径规划模型进行路径规划,生成目标路径并传输至目标终端。
本方案中,对于分类结果及N个挂号信息,通过预置的路径规划模型进行路径规划,生成目标路径并传输至目标终端,本发明通过对患者信息进行智能推荐挂号信息,再根据患者信息对应的挂号信息进行导诊路径规划,实现了智能化导诊,并且通过路径规划模型进行路径规划生成目标路径,提高了智能化导诊的准确率。
结合第一方面的第五实施方式,在本发明第一方面的第六实施方式中,所述将所述目标科室单元及所述关联单元集合输入所述路径规划模型进行路径规划,生成目标路径并传输至目标终端,包括:将所述目标科室单元输入所述路径规划模型进行起讫点分析,生成对应的目标起讫点;通过所述路径规划模型的重要度分析函数对所述关联单元集合进行重要度分析,确定与所述关联单元集合对应的重要度集合;基于所述重要度集合及所述目标起讫点进行途经点预测,生成途经点集合;基于所述途径点集合及所述目标起讫点进行路径规划,生成对应的目标路径并传输至目标终端。
本发明第二方面提供了一种智能化导诊装置,所述智能化导诊装置包括:
获取模块,用于获取患者信息,并基于预设目标分词词典对所述患者信息进行的分词处理,得到多个关键词;
映射模块,用于对所述多个关键词进行聚类中心映射,确定对应的多个聚类中心;
分析模块,用于基于预置的聚类算法对所述多个聚类中心进行分析,生成聚类结果;
计算模块,用于基于预置的挂号信息数据库对所述聚类结果进行相似度计算,得到多个相似度计算结果;
筛选模块,用于对所述多个相似度计算结果按照从高到低的顺序进行排序,并筛选出N个计算结果,其中,所述N为大于或等于1的正整数;
匹配模块,用于分别对所述N个计算结果进行挂号信息匹配,得到对应的N个挂号信息;
处理模块,用于对所述患者信息按预设分类规则进行分类处理,确定对应的分类结果;
生成模块,用于基于所述分类结果及所述N个挂号信息,通过预置的路径规划模型进行路径规划,生成目标路径并传输至目标终端。
结合第二方面,在本发明第二方面的第一实施方式中,所述智能化导诊装置还包括:构建模块,用于获取多个历史患者信息,其中,所述多个历史患者信息包括年龄、性别及职业信息;通过所述多个历史患者信息进行分词规则匹配,确定目标分词规则;根据所述目标分词规则对所述多个历史患者信息进行分词处理,得到多个关键词属性信息,其中,每一所述关键词属性信息包括每一所述关键词对应的词频和每一所述关键词对应的自由度;基于所述多个关键词属性信息进行词典构建,生成对应的目标分词词典。
结合第二方面,在本发明第二方面的第二实施方式中,所述分析模块具体用于:通过预置的聚类算法对所述多个聚类中心进行特征权重计算,确定与每一所述聚类中心对应的特征权重;通过与每一所述聚类中心对应的特征权重进行初始聚类计算,得到初始聚类结果;通过所述聚类算法中的模糊均值计算函数对所述初始聚类结果进行修正,得到所述聚类结果。
结合第二方面,在本发明第二方面的第三实施方式中,所述计算模块具体用于:通过所述挂号信息数据库进行样本数据采集,获取对应的样本数据集合;基于所述样本数据集合对所述聚类结果进行初始相似度计算,得到对应的第一相似度计算结果集;基于所述样本集合对所述聚类结果进行语义相似度计算,得到对应的第二相似度计算结果集;按照预设的权重分配规则分别对所述第一相似度计算结果集和所述第二相似度计算结果集进行权重分配,确定与所述第一相似度计算结果集对应的第一权重和与所述第二相似度计算结果集对应的第二权重;基于所述第一权重与所述第二权重,对所述第一相似度计算结果集和第二相似度计算结果集进行计算,得到多个相似度计算结果。
结合第二方面,在本发明第二方面的第四实施方式中,所述处理模块具体用于:对所述患者信息进行数据清洗,得到待处理患者信息;对所述待处理患者信息进行分类列表确定,得到目标分类列表;基于所述目标分类列表并通过预设的分类规则对所述待处理患者信息进行分类处理,生成所述分类结果。
结合第二方面的第四实施方式,在本发明第二方面的第五实施方式中,所述生成模块还包括:分析单元,用于基于所述分类结果及所述N个挂号信息进行科室单元分析,确定对应的目标科室单元;关联单元,用于对所述目标科室单元进行关联单元分析,确定对应关联单元集合;规划单元,用于将所述目标科室单元及所述关联单元集合输入所述路径规划模型进行路径规划,生成目标路径并传输至目标终端。
结合第二方面的第五实施方式,在本发明第二方面的第六实施方式中,所述规划单元具体用于:将所述目标科室单元输入所述路径规划模型进行起讫点分析,生成对应的目标起讫点;通过所述路径规划模型的重要度分析函数对所述关联单元集合进行重要度分析,确定与所述关联单元集合对应的重要度集合;基于所述重要度集合及所述目标起讫点进行途经点预测,生成途经点集合;基于所述途径点集合及所述目标起讫点进行路径规划,生成对应的目标路径并传输至目标终端。
本发明第三方面提供了一种智能化导诊设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述智能化导诊设备执行上述的智能化导诊方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的智能化导诊方法。
本发明提供的技术方案中,对多个关键词进行聚类中心映射,确定多个聚类中心;基于聚类算法对多个聚类中心进行分析,生成聚类结果;基于挂号信息数据库对聚类结果进行相似度计算,得到多个相似度计算结果;对多个相似度计算结果按照从高到低的顺序进行排序,并筛选出N个计算结果;分别对N个计算结果进行挂号信息匹配,得到对应的N个挂号信息;对患者信息按预设分类规则进行分类处理,确定对应的分类结果;基于分类结果及N个挂号信息,通过预置的路径规划模型进行路径规划,生成目标路径并传输至目标终端,本发明通过对患者信息进行智能推荐挂号信息,再根据患者信息对应的挂号信息进行导诊路径规划,实现了智能化导诊,并且通过路径规划模型进行路径规划生成目标路径,提高了智能化导诊的准确率。
附图说明
图1为本发明实施例中智能化导诊方法的一个实施例示意图;
图2为本发明实施例中对多个聚类中心进行分析的流程图;
图3为本发明实施例中对聚类结果进行相似度计算的流程图;
图4为本发明实施例中通过路径规划模型进行路径规划的流程图;
图5为本发明实施例中智能化导诊装置的一个实施例示意图;
图6为本发明实施例中智能化导诊装置的另一个实施例示意图;
图7为本发明实施例中智能化导诊设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种智能化导诊方法、装置、设备及存储介质,用于实现智能化导诊并提高智能化导诊的准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中智能化导诊方法的一个实施例包括:
S101、获取患者信息,并基于预设目标分词词典对患者信息进行的分词处理,得到多个关键词;
可以理解的是,本发明的执行主体可以为智能化导诊装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的,服务器与预置的患者信息数据库网关建立通信,通信成功后发送患者信息获取请求至网关,网关反馈响应信息至服务器,其中,服务器需要控制网关对患者信息和预先存储的患者信息进行验证,验证成功后发送上述患者信息对应的处理终端,其中,服务器从数据库中获取患者信息对应的文本数据,并将文本数据发至网关,网关解析文本数据并经服务器转发移动终端,移动终端显示标准格式的文本数据,并基于预设目标分词词典对患者信息进行的分词处理,得到多个关键词,其中,在对患者信息对应的文本数据进行分词处理时,通过预置的分词算法对上述文本信息按照预设字符数进行分词处理,得到多个关键词,其中,该多个关键词包括但不限于年龄、性别等类型,通过对患者信息进行分词处理,可以提升后续服务器根据患者信息进行类别判断,科室匹配及路径分析中的效率。
S102、对多个关键词进行聚类中心映射,确定对应的多个聚类中心;
具体的,服务器首先对多个关键词向可拓区间映射,每两个样本间距离视为可拓距区间上的一点,然后利用可拓距计算方法得到侧距及映射区间,提出平均可拓侧距概念下的衡量聚类中心点性能的量化指标,即平均可拓左侧距和平均可拓右侧距分别为样本密集度和聚类中心疏远度,利用密集度和疏远度作为聚类中心选取准则,对样本间距点升序排序,首个大于密集度样本间距点所对应的中心坐标为首个初始聚类中心点,依次判断下一个样本间距点,若其大于密集度指标,且与已选定的聚类中心点之间可拓距均大于疏远度时,则为下一个选定的聚类中心,确定对应的多个聚类中心,本申请步骤中,确定多个聚类中心可以根据不同的关键词进行分类识别,并基于不同的类型进行后续的导诊操作,进一步提升导诊的智能化程度及效率。
S103、基于预置的聚类算法对多个聚类中心进行分析,生成聚类结果;
需要说明的是,聚类分析是从大量患者信息中提取患者数据特征的重要方法,但患者数据包含多个用户,其数据量及类型非常复杂,本申请步骤中主要根据选择单一的日曲线或是用户构成比例作为指标进行聚类,其中,服务器首先对日曲线数据采用K-means算法进行聚类,之后采用两阶段聚类修正算法,用于依照患者数据用户构成数据修正日曲线聚类结果,生成聚类结果,通过该聚类方法所得到的聚类结果准确度高,可降低聚类结果跌入局部最优的可能性。
S104、基于预置的挂号信息数据库对聚类结果进行相似度计算,得到多个相似度计算结果;
具体的,获取待计算的数据集,分别制备数据集内所有数值的字符元素信息,并将所有数值的字符元素信息每两个作为第一初始相似度的初态,运行并计算第一初始相似度,其中,该初始相似度用于计算字符元素信息间的相似度,根据测量结果得到字符元素信息间的相似度,基于相似度构建用于谱聚类的拉普拉斯矩阵,根据拉普拉斯矩阵,确定数据集对应的待计算样本,并根据待计算样本完成谱聚类,确定对应的第二计算结果,并通过预置的权重分配结果,最终服务器根据该权重分配结果进行相似度计算,得到多个相似度计算结果,本申请步骤中,能够将相似度算法与谱聚类算法进行结合,降低进行相似度计算时所需要的计算量,提升在智能化导诊的效率。
S105、对多个相似度计算结果按照从高到低的顺序进行排序,并筛选出N个计算结果,其中,N为大于或等于1的正整数;
S106、分别对N个计算结果进行挂号信息匹配,得到对应的N个挂号信息;
具体的,对多个相似度计算结果按照从高到低的顺序进行排序,并筛选出N个计算结果,其中,N为大于或等于1的正整数,分别对N个计算结果进行挂号信息匹配,得到对应的N个挂号信息,其中,根据多个相似度计算结果获取用户的病情数据和身份信息,对病情数据进行特征提取,得到病情数据的多个病情特征,根据多个病情特征在预设医疗数据库中进行匹配,得到与多个病情特征相匹配的候选症状,根据候选症状确定与用户匹配的目标挂号科室,得到对应的N个挂号信息,通过该多个相似度计算结果进行挂号信息匹配,可以对用户提供多个挂号信息,其中,在本申请步骤中,是通过列表方式对用户展示挂号信息的,可以提升用户在进行挂号选取时的便利性,以进一步提升智能化导诊时的效率。
S107、对患者信息按预设分类规则进行分类处理,确定对应的分类结果;
具体的,服务器对患者信息按预设分类规则进行分类处理,其中需要说明的是,在进行分类处理之前,服务器首先获取预置的分类数据信息,其中,该分类数据信息包括数据分类标签信息和标识信息,其中,数据分类标签信息包括医院、患者住院号、样本类型和数量等信息,进一步的,服务器根据标识信息对患者信息按预设分类规则进行分类处理,确定对应的分类结果。
S108、基于分类结果及N个挂号信息,通过预置的路径规划模型进行路径规划,生成目标路径并传输至目标终端。
具体的,基于分类结果及N个挂号信息,确定对应的科室单元信息,其中,科室单元信息包括科室集合中的各个科室对所分别对应的位置信息和需求信息,根据科室单元信息,对科室集合中的各个科室进行划分,获得至少一个簇,其中,任一簇中分别包括多个科室,任一簇所包含的多个科室中存在一个核心科室,并且任意两个簇之间不存在相同的科室,根据各个核心科室所对应的科室单元信息,生成目标路径,并传输至目标终端。
本发明实施例中,对多个关键词进行聚类中心映射,确定多个聚类中心;基于聚类算法对多个聚类中心进行分析,生成聚类结果;基于挂号信息数据库对聚类结果进行相似度计算,得到多个相似度计算结果;对多个相似度计算结果按照从高到低的顺序进行排序,并筛选出N个计算结果;分别对N个计算结果进行挂号信息匹配,得到对应的N个挂号信息;对患者信息按预设分类规则进行分类处理,确定对应的分类结果;基于分类结果及N个挂号信息,通过预置的路径规划模型进行路径规划,生成目标路径并传输至目标终端,本发明通过对患者信息进行智能推荐挂号信息,再根据患者信息对应的挂号信息进行导诊路径规划,实现了智能化导诊,并且通过路径规划模型进行路径规划生成目标路径,提高了智能化导诊的准确率。
在一具体实施例中,在执行步骤S101之前,可以具体包括如下步骤:
(1)获取多个历史患者信息,其中,多个历史患者信息包括年龄、性别及职业信息;
(2)通过多个历史患者信息进行分词规则匹配,确定目标分词规则;
(3)根据目标分词规则对多个历史患者信息进行分词处理,得到多个关键词属性信息,其中,每一关键词属性信息包括每一关键词对应的词频和每一关键词对应的自由度;
(4)基于多个关键词属性信息进行词典构建,生成对应的目标分词词典。
具体的,首先读入历史患者信息与标准分割字符库,查询与分割历史患者信息中的字符划分部分并过滤缩小目标数据集,然后,借助分词规则树与规则库,针对历史患者信息中经常出现的属性要素残缺与属性歧义等模糊问题,实现历史患者信息的分词与匹配,返回满足要求的分词记录,通过该分词记录提取对应的多个关键词属性信息,其中,本步骤中,每一关键词属性信息包括每一关键词对应的词频和每一关键词对应的自由度,该自由度具体可以理解为该关键词属性信对应的分词字符数量范围,本申请实施例中,该分词字符数量范围具体在3至7个字符数量范围中,进一步,服务器通过多个关键词属性信息进行词典构建,生成对应的目标分词词典。
可选的,在进行词典构建中,服务器首先从预置的单语词典中选取词语,并取得与词语对应的每个义项的释义,并从释义中提取关键词,从预置的双语词典中查询出词语的翻译词语,其中,双语词典的其中一种语种与单语词典的语种相同,进一步服务器分别计算翻译词语与词语及关键词的相似度,以在翻译词语中为词语选出对应每个义项的最终翻译词语,生成目标分词词典,本步骤保证了生成的目标分词词典的精确度,可以进一步提升智能导诊时的效率。
在一具体实施例中,执行步骤S107的过程可以具体包括如下步骤:
(1)对患者信息进行数据清洗,得到待处理患者信息;
(2)对待处理患者信息进行分类列表确定,得到目标分类列表;
(3)基于目标分类列表并通过预设的分类规则对待处理患者信息进行分类处理,生成分类结果。
具体的,服务器首先建立数据清洗规则库,进一步服务器根据清洗规则库,对患者信息进行预处理,得到预处理后的患者信息,根据清洗规则和待处理数据,进行任务划分,得到Spark集群的多个清洗任务,每一个清洗任务映射到具体的清洗需求,将数据清洗任务,对应分配到Spark集群的多个清洗任务中,每个清洗任务按照数据清洗规则库的要求,对预处理后的患者信息采用树形清洗结构进行清洗,得到最终清洗结果,对待处理患者信息进行分类列表确定,得到目标分类列表,基于目标分类列表并通过预设的分类规则对待处理患者信息进行分类处理,生成分类结果,可以提高清洗效率和准确性,使数据清洗方法具有较强的通用性和适应性。
在一具体实施例中,如图2所示,执行步骤S103的过程可以具体包括如下步骤:
S201、通过预置的聚类算法对多个聚类中心进行特征权重计算,确定与每一聚类中心对应的特征权重;
S202、通过与每一聚类中心对应的特征权重进行初始聚类计算,得到初始聚类结果;
S203、通过聚类算法中的模糊均值计算函数对初始聚类结果进行修正,得到聚类结果。
具体的,服务器通过预置的聚类算法对多个聚类中心执行降维操作,得到多个聚类中心的低维特征向量,对低维特征向量按照预设权重处理得到权重特征向量,确定与每一聚类中心对应的特征权重,同时服务器采用接收患者信息的多个聚类中心的方式,通过对多个聚类中心执行降维操作,达到了对低维特征向量按照预设权重处理得到权重特征向量的目的,通过与每一聚类中心对应的特征权重进行初始聚类计算,得到初始聚类结果,通过聚类算法中的模糊均值计算函数对初始聚类结果进行修正,得到聚类结果,从而实现了提高聚类分析精确度的技术效果。
在一具体实施例中,如图3所示,执行步骤S104的过程可以具体包括如下步骤:
S301、通过挂号信息数据库进行样本数据采集,获取对应的样本数据集合;
S302、基于样本数据集合对聚类结果进行初始相似度计算,得到对应的第一相似度计算结果集;
S303、基于样本集合对聚类结果进行语义相似度计算,得到对应的第二相似度计算结果集;
S304、按照预设的权重分配规则分别对第一相似度计算结果集和第二相似度计算结果集进行权重分配,确定与第一相似度计算结果集对应的第一权重和与第二相似度计算结果集对应的第二权重;
S305、基于第一权重与第二权重,对第一相似度计算结果集和第二相似度计算结果集进行计算,得到多个相似度计算结果。
具体的,服务器通过挂号信息数据库进行样本数据采集,获取对应的样本数据集合,进一步服务器对该样本数据集合进行语义特征提取,多特征聚合,层级索引构建,相似度计算,本申请联合多维语义相关性进行词向量表示建模,充分挖掘单词间的语义信息,以句子为单位提取特征,采用多权重来表征语义特征,并利用统计学习方法挖掘文本库统计和分布信息,按照预设的权重分配规则分别对第一相似度计算结果集和第二相似度计算结果集进行权重分配,确定与第一相似度计算结果集对应的第一权重和与第二相似度计算结果集对应的第二权重,基于第一权重与第二权重,对第一相似度计算结果集和第二相似度计算结果集进行计算,得到多个相似度计算结果,实现对特征权重更精细的划分,具有良好的可扩展性。
在一具体实施例中,如图4所示,执行步骤S108的过程可以具体包括如下步骤:
S401、基于分类结果及N个挂号信息进行科室单元分析,确定对应的目标科室单元;
S402、对目标科室单元进行关联单元分析,确定对应关联单元集合;
S403、将目标科室单元及关联单元集合输入路径规划模型进行路径规划,生成目标路径并传输至目标终端。
具体的,服务器获取分类结果,确定对应的目标科室单元,进一步确定导航路径的起始点和目标点,通过跳点法,找到对应的初始路径,将初始路径中的路径点作为新的目标,并生成对应的目标区域,确定当前点,当前目标点及当前目标区域,使用混合算法,从当前点开始,生成到达对应目标区域的路径,检查当前区域是否为最终目标区域,若不是,则更新目标区域及目标点,若是,则完成路径规划,其中,还包括对关联单元的分析,具体的,对目标科室单元进行关联单元分析,确定对应关联单元集合,将目标科室单元及关联单元集合输入路径规划模型进行路径规划,生成目标路径并传输至目标终端。
在一具体实施例中,执行步骤S403的过程可以具体包括如下步骤:
(1)将目标科室单元输入路径规划模型进行起讫点分析,生成对应的目标起讫点;
(2)通过路径规划模型的重要度分析函数对关联单元集合进行重要度分析,确定与关联单元集合对应的重要度集合;
(3)基于重要度集合及目标起讫点进行途经点预测,生成途经点集合;
(4)基于途径点集合及目标起讫点进行路径规划,生成对应的目标路径并传输至目标终端。
具体的,将目标科室单元输入路径规划模型进行起讫点分析,生成对应的目标起讫点,其中,获取目标科室单元指定时长内的患者出行起讫点位置坐标数据,对获取的患者出行起讫点位置坐标数据进行聚类分析,将目标科室单元进行路径小区的划分,使用RBF神经网络建立拥挤生成预测模型,获取各路径小区的拥挤生成影响参数数据以及拥挤生成量,并作为训练样本对拥挤生成预测模型进行训练,将待预测路径小区的拥挤生成影响参数数据以及拥挤生成量输入至训练后的拥挤生成预测模型中,基于重要度集合及目标起讫点进行途经点预测,生成途经点集合,基于途径点集合及目标起讫点进行路径规划,生成对应的目标路径并传输至目标终端,本发明具有实现方法简单、复杂程度低、预测效率以及精度高优点。
上面对本发明实施例中智能化导诊方法进行了描述,下面对本发明实施例中智能化导诊装置进行描述,请参阅图5,本发明实施例中智能化导诊装置一个实施例包括:
获取模块501,用于获取患者信息,并基于预设目标分词词典对所述患者信息进行的分词处理,得到多个关键词;
映射模块502,用于对所述多个关键词进行聚类中心映射,确定对应的多个聚类中心;
分析模块503,用于基于预置的聚类算法对所述多个聚类中心进行分析,生成聚类结果;
计算模块504,用于基于预置的挂号信息数据库对所述聚类结果进行相似度计算,得到多个相似度计算结果;
筛选模块505,用于对所述多个相似度计算结果按照从高到低的顺序进行排序,并筛选出N个计算结果,其中,所述N为大于或等于1的正整数;
匹配模块506,用于分别对所述N个计算结果进行挂号信息匹配,得到对应的N个挂号信息;
处理模块507,用于对所述患者信息按预设分类规则进行分类处理,确定对应的分类结果;
生成模块508,用于基于所述分类结果及所述N个挂号信息,通过预置的路径规划模型进行路径规划,生成目标路径并传输至目标终端。
通过上述各个组成部分的协同合作,通过对患者信息进行智能推荐挂号信息,再根据患者信息对应的挂号信息进行导诊路径规划,实现了智能化导诊,并且通过路径规划模型进行路径规划生成目标路径,提高了智能化导诊的准确率。
请参阅图6,本发明实施例中智能化导诊装置另一个实施例包括:
获取模块501,用于获取患者信息,并基于预设目标分词词典对所述患者信息进行的分词处理,得到多个关键词;
映射模块502,用于对所述多个关键词进行聚类中心映射,确定对应的多个聚类中心;
分析模块503,用于基于预置的聚类算法对所述多个聚类中心进行分析,生成聚类结果;
计算模块504,用于基于预置的挂号信息数据库对所述聚类结果进行相似度计算,得到多个相似度计算结果;
筛选模块505,用于对所述多个相似度计算结果按照从高到低的顺序进行排序,并筛选出N个计算结果,其中,所述N为大于或等于1的正整数;
匹配模块506,用于分别对所述N个计算结果进行挂号信息匹配,得到对应的N个挂号信息;
处理模块507,用于对所述患者信息按预设分类规则进行分类处理,确定对应的分类结果;
生成模块508,用于基于所述分类结果及所述N个挂号信息,通过预置的路径规划模型进行路径规划,生成目标路径并传输至目标终端。
可选的,所述智能化导诊装置还包括:
构建模块509,用于获取多个历史患者信息,其中,所述多个历史患者信息包括年龄、性别及职业信息;通过所述多个历史患者信息进行分词规则匹配,确定目标分词规则;根据所述目标分词规则对所述多个历史患者信息进行分词处理,得到多个关键词属性信息,其中,每一所述关键词属性信息包括每一所述关键词对应的词频和每一所述关键词对应的自由度;基于所述多个关键词属性信息进行词典构建,生成对应的目标分词词典。
可选的,所述分析模块503具体用于:通过预置的聚类算法对所述多个聚类中心进行特征权重计算,确定与每一所述聚类中心对应的特征权重;通过与每一所述聚类中心对应的特征权重进行初始聚类计算,得到初始聚类结果;通过所述聚类算法中的模糊均值计算函数对所述初始聚类结果进行修正,得到所述聚类结果。
可选的,所述计算模块504具体用于:通过所述挂号信息数据库进行样本数据采集,获取对应的样本数据集合;基于所述样本数据集合对所述聚类结果进行初始相似度计算,得到对应的第一相似度计算结果集;基于所述样本集合对所述聚类结果进行语义相似度计算,得到对应的第二相似度计算结果集;按照预设的权重分配规则分别对所述第一相似度计算结果集和所述第二相似度计算结果集进行权重分配,确定与所述第一相似度计算结果集对应的第一权重和与所述第二相似度计算结果集对应的第二权重;基于所述第一权重与所述第二权重,对所述第一相似度计算结果集和第二相似度计算结果集进行计算,得到多个相似度计算结果。
可选的,所述处理模块507具体用于:对所述患者信息进行数据清洗,得到待处理患者信息;对所述待处理患者信息进行分类列表确定,得到目标分类列表;基于所述目标分类列表并通过预设的分类规则对所述待处理患者信息进行分类处理,生成所述分类结果。
可选的,所述生成模块508还包括:分析单元,用于基于所述分类结果及所述N个挂号信息进行科室单元分析,确定对应的目标科室单元;关联单元,用于对所述目标科室单元进行关联单元分析,确定对应关联单元集合;规划单元,用于将所述目标科室单元及所述关联单元集合输入所述路径规划模型进行路径规划,生成目标路径并传输至目标终端。
可选的,所述规划单元具体用于:将所述目标科室单元输入所述路径规划模型进行起讫点分析,生成对应的目标起讫点;通过所述路径规划模型的重要度分析函数对所述关联单元集合进行重要度分析,确定与所述关联单元集合对应的重要度集合;基于所述重要度集合及所述目标起讫点进行途经点预测,生成途经点集合;基于所述途径点集合及所述目标起讫点进行路径规划,生成对应的目标路径并传输至目标终端。
本发明实施例中,对多个关键词进行聚类中心映射,确定多个聚类中心;基于聚类算法对多个聚类中心进行分析,生成聚类结果;基于挂号信息数据库对聚类结果进行相似度计算,得到多个相似度计算结果;对多个相似度计算结果按照从高到低的顺序进行排序,并筛选出N个计算结果;分别对N个计算结果进行挂号信息匹配,得到对应的N个挂号信息;对患者信息按预设分类规则进行分类处理,确定对应的分类结果;基于分类结果及N个挂号信息,通过预置的路径规划模型进行路径规划,生成目标路径并传输至目标终端,本发明通过对患者信息进行智能推荐挂号信息,再根据患者信息对应的挂号信息进行导诊路径规划,实现了智能化导诊,并且通过路径规划模型进行路径规划生成目标路径,提高了智能化导诊的准确率。
上面图5和图6从模块化功能实体的角度对本发明实施例中的智能化导诊装置进行详细描述,下面从硬件处理的角度对本发明实施例中智能化导诊设备进行详细描述。
图7是本发明实施例提供的一种智能化导诊设备的结构示意图,该智能化导诊设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对智能化导诊设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在智能化导诊设备600上执行存储介质630中的一系列指令操作。
智能化导诊设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作***631,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图7示出的智能化导诊设备结构并不构成对智能化导诊设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种智能化导诊设备,所述智能化导诊设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述智能化导诊方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述智能化导诊方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品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,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random acceS memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种智能化导诊方法,其特征在于,所述智能化导诊方法包括:
获取患者信息,并基于预设目标分词词典对所述患者信息进行的分词处理,得到多个关键词;
对所述多个关键词进行聚类中心映射,确定对应的多个聚类中心;
基于预置的聚类算法对所述多个聚类中心进行分析,生成聚类结果;
基于预置的挂号信息数据库对所述聚类结果进行相似度计算,得到多个相似度计算结果;
对所述多个相似度计算结果按照从高到低的顺序进行排序,并筛选出N个计算结果,其中,所述N为大于或等于1的正整数;
分别对所述N个计算结果进行挂号信息匹配,得到对应的N个挂号信息;
对所述患者信息按预设分类规则进行分类处理,确定对应的分类结果;
基于所述分类结果及所述N个挂号信息,通过预置的路径规划模型进行路径规划,生成目标路径并传输至目标终端。
2.根据权利要求1所述的智能化导诊方法,其特征在于,在所述获取患者信息,并基于预设目标分词词典对所述患者信息进行的分词处理,得到多个关键词之前,还包括:
获取多个历史患者信息,其中,所述多个历史患者信息包括年龄、性别及职业信息;
通过所述多个历史患者信息进行分词规则匹配,确定目标分词规则;
根据所述目标分词规则对所述多个历史患者信息进行分词处理,得到多个关键词属性信息,其中,每一所述关键词属性信息包括每一所述关键词对应的词频和每一所述关键词对应的自由度;
基于所述多个关键词属性信息进行词典构建,生成对应的目标分词词典。
3.根据权利要求1所述的智能化导诊方法,其特征在于,所述基于预置的聚类算法对所述多个聚类中心进行分析,生成聚类结果,包括:
通过预置的聚类算法对所述多个聚类中心进行特征权重计算,确定与每一所述聚类中心对应的特征权重;
通过与每一所述聚类中心对应的特征权重进行初始聚类计算,得到初始聚类结果;
通过所述聚类算法中的模糊均值计算函数对所述初始聚类结果进行修正,得到所述聚类结果。
4.根据权利要求1所述的智能化导诊方法,其特征在于,所述基于预置的挂号信息数据库对所述聚类结果进行相似度计算,得到多个相似度计算结果,包括:
通过所述挂号信息数据库进行样本数据采集,获取对应的样本数据集合;
基于所述样本数据集合对所述聚类结果进行初始相似度计算,得到对应的第一相似度计算结果集;
基于所述样本集合对所述聚类结果进行语义相似度计算,得到对应的第二相似度计算结果集;
按照预设的权重分配规则分别对所述第一相似度计算结果集和所述第二相似度计算结果集进行权重分配,确定与所述第一相似度计算结果集对应的第一权重和与所述第二相似度计算结果集对应的第二权重;
基于所述第一权重与所述第二权重,对所述第一相似度计算结果集和第二相似度计算结果集进行计算,得到多个相似度计算结果。
5.根据权利要求1所述的智能化导诊方法,其特征在于,所述对所述患者信息按预设分类规则进行分类处理,确定对应的分类结果,包括:
对所述患者信息进行数据清洗,得到待处理患者信息;
对所述待处理患者信息进行分类列表确定,得到目标分类列表;
基于所述目标分类列表并通过预设的分类规则对所述待处理患者信息进行分类处理,生成所述分类结果。
6.根据权利要求5所述的智能化导诊方法,其特征在于,所述基于所述分类结果及所述N个挂号信息,通过预置的路径规划模型进行路径规划,生成目标路径并传输至目标终端,包括:
基于所述分类结果及所述N个挂号信息进行科室单元分析,确定对应的目标科室单元;
对所述目标科室单元进行关联单元分析,确定对应关联单元集合;
将所述目标科室单元及所述关联单元集合输入所述路径规划模型进行路径规划,生成目标路径并传输至目标终端。
7.根据权利要求6所述的智能化导诊方法,其特征在于,所述将所述目标科室单元及所述关联单元集合输入所述路径规划模型进行路径规划,生成目标路径并传输至目标终端,包括:
将所述目标科室单元输入所述路径规划模型进行起讫点分析,生成对应的目标起讫点;
通过所述路径规划模型的重要度分析函数对所述关联单元集合进行重要度分析,确定与所述关联单元集合对应的重要度集合;
基于所述重要度集合及所述目标起讫点进行途经点预测,生成途经点集合;
基于所述途径点集合及所述目标起讫点进行路径规划,生成对应的目标路径并传输至目标终端。
8.一种智能化导诊装置,其特征在于,所述智能化导诊装置包括:
获取模块,用于获取患者信息,并基于预设目标分词词典对所述患者信息进行的分词处理,得到多个关键词;
映射模块,用于对所述多个关键词进行聚类中心映射,确定对应的多个聚类中心;
分析模块,用于基于预置的聚类算法对所述多个聚类中心进行分析,生成聚类结果;
计算模块,用于基于预置的挂号信息数据库对所述聚类结果进行相似度计算,得到多个相似度计算结果;
筛选模块,用于对所述多个相似度计算结果按照从高到低的顺序进行排序,并筛选出N个计算结果,其中,所述N为大于或等于1的正整数;
匹配模块,用于分别对所述N个计算结果进行挂号信息匹配,得到对应的N个挂号信息;
处理模块,用于对所述患者信息按预设分类规则进行分类处理,确定对应的分类结果;
生成模块,用于基于所述分类结果及所述N个挂号信息,通过预置的路径规划模型进行路径规划,生成目标路径并传输至目标终端。
9.一种智能化导诊设备,其特征在于,所述智能化导诊设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述智能化导诊设备执行如权利要求1-7中任一项所述的智能化导诊方法。
10.一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指令,其特征在于,所述指令被处理器执行时实现如权利要求1-7中任一项所述的智能化导诊方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211415737.0A CN115688760B (zh) | 2022-11-11 | 2022-11-11 | 一种智能化导诊方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211415737.0A CN115688760B (zh) | 2022-11-11 | 2022-11-11 | 一种智能化导诊方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115688760A true CN115688760A (zh) | 2023-02-03 |
CN115688760B CN115688760B (zh) | 2023-08-04 |
Family
ID=85051960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211415737.0A Active CN115688760B (zh) | 2022-11-11 | 2022-11-11 | 一种智能化导诊方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115688760B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116386801A (zh) * | 2023-06-06 | 2023-07-04 | 四川互慧软件有限公司 | 基于聚类算法构建患者身份标识的方法、装置及电子设备 |
CN116936058A (zh) * | 2023-09-14 | 2023-10-24 | 北京健康有益科技有限公司 | 一种基于深度学习及知识图谱的智能导诊方法及*** |
CN117133427A (zh) * | 2023-10-23 | 2023-11-28 | 济宁医学院附属医院 | 一种医院智能挂号方法、***、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190035506A1 (en) * | 2017-07-31 | 2019-01-31 | Hefei University Of Technology | Intelligent auxiliary diagnosis method, system and machine-readable medium thereof |
CN109659013A (zh) * | 2018-11-28 | 2019-04-19 | 平安科技(深圳)有限公司 | 病症分诊及路径优化方法、装置、设备及存储介质 |
CN111191048A (zh) * | 2020-01-02 | 2020-05-22 | 南京邮电大学 | 基于知识图谱的急诊问答***构建方法 |
CN115274086A (zh) * | 2022-09-27 | 2022-11-01 | ***科技(杭州)有限公司 | 一种智能导诊方法及*** |
-
2022
- 2022-11-11 CN CN202211415737.0A patent/CN115688760B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190035506A1 (en) * | 2017-07-31 | 2019-01-31 | Hefei University Of Technology | Intelligent auxiliary diagnosis method, system and machine-readable medium thereof |
CN109659013A (zh) * | 2018-11-28 | 2019-04-19 | 平安科技(深圳)有限公司 | 病症分诊及路径优化方法、装置、设备及存储介质 |
CN111191048A (zh) * | 2020-01-02 | 2020-05-22 | 南京邮电大学 | 基于知识图谱的急诊问答***构建方法 |
CN115274086A (zh) * | 2022-09-27 | 2022-11-01 | ***科技(杭州)有限公司 | 一种智能导诊方法及*** |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116386801A (zh) * | 2023-06-06 | 2023-07-04 | 四川互慧软件有限公司 | 基于聚类算法构建患者身份标识的方法、装置及电子设备 |
CN116386801B (zh) * | 2023-06-06 | 2023-08-11 | 四川互慧软件有限公司 | 基于聚类算法构建患者身份标识的方法、装置及电子设备 |
CN116936058A (zh) * | 2023-09-14 | 2023-10-24 | 北京健康有益科技有限公司 | 一种基于深度学习及知识图谱的智能导诊方法及*** |
CN117133427A (zh) * | 2023-10-23 | 2023-11-28 | 济宁医学院附属医院 | 一种医院智能挂号方法、***、设备及存储介质 |
CN117133427B (zh) * | 2023-10-23 | 2024-03-19 | 济宁医学院附属医院 | 一种医院智能挂号方法、***、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115688760B (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11816078B2 (en) | Automatic entity resolution with rules detection and generation system | |
CN110909165B (zh) | 数据处理方法、装置、介质及电子设备 | |
CN115688760B (zh) | 一种智能化导诊方法、装置、设备及存储介质 | |
CN110019149A (zh) | 一种客服知识库的建立方法、装置及设备 | |
CN105843850B (zh) | 搜索优化方法和装置 | |
Pathan et al. | Identifying stroke indicators using rough sets | |
US20170147753A1 (en) | Method for searching for similar case of multi-dimensional health data and apparatus for the same | |
CN112035620B (zh) | 医疗查询***的问答管理方法、装置、设备及存储介质 | |
CN111710429A (zh) | 信息的推送方法及装置、计算机设备、存储介质 | |
CN110909222A (zh) | 基于聚类的用户画像建立方法、装置、介质及电子设备 | |
WO2024067387A1 (zh) | 基于特征变量评分的用户画像生成方法,设备、汽车及存储介质 | |
KR20190128246A (ko) | 검색 방법 및 장치 및 비-일시적 컴퓨터-판독가능 저장 매체 | |
KR20160104064A (ko) | 복잡한 양자 또는 다자 상대방 관계를 탐색하기 위해 이용되는 다차원 재귀적 학습 과정 및 시스템 | |
CN112528022A (zh) | 主题类别对应的特征词提取和文本主题类别识别方法 | |
CN116719520A (zh) | 代码生成方法及装置 | |
CN115577698A (zh) | 一种基于机器学习的数据和文本处理***及其方法 | |
CN113704389A (zh) | 一种数据评估方法、装置、计算机设备及存储介质 | |
CN111696656A (zh) | 一种互联网医疗平台的医生评价方法、装置 | |
Saxena | Educational data mining: performance evaluation of decision tree and clustering techniques using weka platform | |
CN116741396A (zh) | 文章归类方法和装置、电子设备和存储介质 | |
CN111063446A (zh) | 用于标准化医疗文本数据的方法、装置、设备及存储介质 | |
CN114445043B (zh) | 基于开放生态化云erp异质图用户需求精准发现方法及*** | |
CN115691702A (zh) | 一种化合物可视化分类方法及*** | |
CN114168751B (zh) | 一种基于医学知识概念图的医学文本标签识别方法及*** | |
CN116089639A (zh) | 一种辅助三维建模方法、***、装置和介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |