一种自学习型智能数据快速输入的方法技术

本发明专利技术公开了一种自学习型智能数据快速输入的方法，包括以下步骤：A、将基础数据输入数据库，设定基础数据的使用频率和基础数据之间的关联度；B、使用输入设备逐一输入待输入数据，系统根据待输入数据与已输入数据的关联度和待输入数据的使用频率对待输入数据进行重新排序，提供给使用者；C、系统根据使用者对于待输入数据的选择，对后续待输入数据的使用频率和关联度进行调整。本发明专利技术可以解决现有技术的不足，提高了数据输入的速度。

【技术实现步骤摘要】

本专利技术涉及数据录入
，尤其是一种自学习型智能数据快速输入的方法。
技术介绍
目前，医疗机构基础数据的录入是通过查询条件过滤，然后由操作者选择，当相似基础数据多了后，需要逐行寻找需要的数据，命中率低下。日常中使用指定排序方式，让可能常用的优先排序，方式单一，多个业务科室需要的常用数据不尽相同，排序方式不能很好的解决快速录入。
技术实现思路
本专利技术要解决的技术问题是提供一种自学习型智能数据快速输入的方法，能够解决现有技术的不足，提高了数据输入的速度。为解决上述技术问题，本专利技术所采取的技术方案如下。一种自学习型智能数据快速输入的方法，包括以下步骤：A、将基础数据输入数据库，设定基础数据的使用频率和基础数据之间的关联度；B、使用输入设备逐一输入待输入数据，系统根据待输入数据与已输入数据的关联度和待输入数据的使用频率对待输入数据进行重新排序，提供给使用者；C、系统根据使用者对于待输入数据的选择，对后续待输入数据的使用频率和关联度进行调整。作为优选，步骤A中，使用频率的设定值与初始值的关系如下，其中，F为使用频率的初始值，为使用频率的设定值，、和β为比例系数，r为关联度。作为优选，步骤B中，待输入数据的排序根据已输入的全部数据的关联度和待输入数据的使用频率进行确定，其中，f为排序结果，为使用频率的设定值，r为关联度，f的数值越大排序越靠前。作为优选，步骤C中，使用频率的调整方法为，关联度的调整方法为，其中，为调整后的使用频率，为调整后的关联度，和为比例系数。作为优选，在输入数据的同时，对数据库内的数据的关联度进行二次修正，二次修正的方法为，其中，为已输入数据与待输入数据的关联度，g（x）为线性函数。采用上述技术方案所带来的有益效果在于：本专利技术利用数据的使用频率和相互的关联度对数据进行排序，可以准确地选择出命中率较高的待选数据。同时相比于现有技术中的数据输入联想技术，本专利技术利用关联度和使用频率的关联性质，对待输入数据的排列顺序进行实时优化，有效地提高了待选数据的命中率。本专利技术不需要预定义的前提下，智能学习，按类别、科室自动展示高热度数据，提高录入速度。附图说明图1是本专利技术一个具体实施方式的原理图。具体实施方式参照图1，本专利技术的一个具体实施方式包括以下步骤：A、将基础数据输入数据库，设定基础数据的使用频率和基础数据之间的关联度；B、使用输入设备逐一输入待输入数据，系统根据待输入数据与已输入数据的关联度和待输入数据的使用频率对待输入数据进行重新排序，提供给使用者；C、系统根据使用者对于待输入数据的选择，对后续待输入数据的使用频率和关联度进行调整。步骤A中，使用频率的设定值与初始值的关系如下，其中，F为使用频率的初始值，为使用频率的设定值，、和β为比例系数，r为关联度。步骤B中，待输入数据的排序根据已输入的全部数据的关联度和待输入数据的使用频率进行确定，其中，f为排序结果，为使用频率的设定值，r为关联度，f的数值越大排序越靠前。步骤B中，待输入数据的排序根据已输入的全部数据的关联度和待输入数据的使用频率进行确定，其中，f为排序结果，为使用频率的设定值，r为关联度，f的数值越大排序越靠前。步骤C中，使用频率的调整方法为，关联度的调整方法为，其中，为调整后的使用频率，为调整后的关联度，和为比例系数。在输入数据的同时，对数据库内的数据的关联度进行二次修正，二次修正的方法为，其中，为已输入数据与待输入数据的关联度，g（x）为线性函数。本专利技术在日常使用中，当选择了数据后，以科室为单位记录使用数据的热度，在使用中自动分析数据，在调用数据时优先显示高热度数据，达到少查询条件或无需查询条件的情况下，即可快速选择，提高数据命中率。由用户发起，智能优化数据，选择数据后形成自学习库，供智能优化提供基础数据，形成高效闭环。在不同的业务科室中，都有自己使用的高热度的数据，以科室为单位分析数据，解耦本科室不常用的数据，实现专业的快速录入。为不同类型的数据进行分组分析，根据类型不同，使用独立的热度。在业务系统中数据字典包含检查、检验、治疗、膳食等类别，按类别进行分类，生成相应类别的学习库，在不同的临床科室中使用项目频率不一致，如妇科检查相关项目在妇科使用频率很高，故需优先显示妇科检查相关项目。通过类别、专业科室自动学习优化数据，提高数据命中率，减少数据选择时间，让操作者有更多的时间进行自己的业务操作，提高了生产力。使用本专利技术的输入方法和现有技术常用的搜狗输入法（带有医学词汇词库）进行对比试验，结果如下：第三个字符的命中率第五个字符的命中率第七个字符的命中率第九个字符的命中率现有技术76.3%81.4%77.9%65.8%本专利技术79.4%85.3%89.2%91.5%由上表可以看出，本专利技术的输入方法可以有效提高待输入数据的选择命中率，而且在较大数据量的情况下效果更佳。以上显示和描述了本专利技术的基本原理和主要特征和本专利技术的优点。本行业的技术人员应该了解，本专利技术不受上述实施例的限制，上述实施例和说明书中描述的只是说明本专利技术的原理，在不脱离本专利技术精神和范围的前提下，本专利技术还会有各种变化和改进，这些变化和改进都落入要求保护的本专利技术范围内。本专利技术要求保护范围由所附的权利要求书及其等效物界定。本文档来自技高网...

【技术保护点】
一种自学习型智能数据快速输入的方法，其特征在于：包括以下步骤：A、将基础数据输入数据库，设定基础数据的使用频率和基础数据之间的关联度；B、使用输入设备逐一输入待输入数据，系统根据待输入数据与已输入数据的关联度和待输入数据的使用频率对待输入数据进行重新排序，提供给使用者；C、系统根据使用者对于待输入数据的选择，对后续待输入数据的使用频率和关联度进行调整。

【技术特征摘要】
1.一种自学习型智能数据快速输入的方法，其特征在于：包括以下步骤：A、将基础数据输入数据库，设定基础数据的使用频率和基础数据之间的关联度；B、使用输入设备逐一输入待输入数据，系统根据待输入数据与已输入数据的关联度和待输入数据的使用频率对待输入数据进行重新排序，提供给使用者；C、系统根据使用者对于待输入数据的选择，对后续待输入数据的使用频率和关联度进行调整。2.根据权利要求1所述的自学习型智能数据快速输入的方法，其特征在于：步骤A中，使用频率的设定值与初始值的关系如下，其中，F为使用频率的初始值，为使用频率的设定值，、和β为比例系数，r为关联度。3.根据权利要求2所述的自学习...

【专利技术属性】
技术研发人员：冉伟，
申请(专利权)人：南京医健通信息科技有限公司，
类型：发明
国别省市：江苏;32