【技术实现步骤摘要】
数据推送方法、装置、电子设备及计算机可读存储介质
本申请涉及数据处理
,特别是涉及一种数据推送方法、装置、电子设备及计算机可读存储介质。
技术介绍
在现有技术中,随着医疗技术的发展,医疗水平以及医疗手段也在稳步提升。人们对于健康也是愈发关注,随之而来的医疗相关信息也被更多的推送到每一位用户手中,然而在现有的医疗相关信息推送过程中,均是大面积的撒网式推送,并不会对每一位用户进行针对性的医疗相关信息推送,从而一方面提高了医疗相关信息的推送成本,且无法做到有效的推送,还会造成每一位接收到该推送的医疗相关信息的用户的反感,降低了用户的体验。因此,如何能够根据每一位用户所关心的医疗相关信息进行有效地推送成为了当前亟待解决的技术问题。
技术实现思路
本申请提供数据推送方法、装置、电子设备及计算机可读存储介质,以实现对待推送数据的有效推送,提高推送的针对性,提升推送效率。第一方面,提供了一种数据推送方法,包括:获取待处理医疗数据对应的第一多标签分类向量以及待处理患者数据对应的第二多标签分类向量;基于第一多标签分类向量和第二多标签分类向量,确定待处理医疗数据与待处理患者数据的相似度评分;基于所述相似度评分推送所述待处理医疗数据。第二方面,提供了一种数据推送装置,包括:获取单元,用于获取待处理医疗数据对应的第一多标签分类向量以及待处理患者数据对应的第二多标签分类向量;第一处理单元,用于基于第一多标签分类向量和第二多标签分类向量,确定待处理医疗数据与待处理患者数据的相似度评分;第二处理单元,用于基于所述相似度评分推送所述待处理医疗数据。第三方面,提供了一种电子设备,包括:处 ...
【技术保护点】
1.一种数据推送方法,其特征在于,包括:获取待处理医疗数据对应的第一多标签分类向量以及待处理患者数据对应的第二多标签分类向量;基于第一多标签分类向量和第二多标签分类向量,确定待处理医疗数据与待处理患者数据的相似度评分;基于所述相似度评分推送所述待处理医疗数据。
【技术特征摘要】
1.一种数据推送方法,其特征在于,包括:获取待处理医疗数据对应的第一多标签分类向量以及待处理患者数据对应的第二多标签分类向量;基于第一多标签分类向量和第二多标签分类向量,确定待处理医疗数据与待处理患者数据的相似度评分;基于所述相似度评分推送所述待处理医疗数据。2.如权利要求1所述的方法,其特征在于,所述获取待处理医疗数据对应的第一多标签分类向量以及待处理患者数据对应的第二多标签分类向量,包括:基于第一BI-GRU神经网络对待处理医疗数据进行处理,得到待处理医疗数据对应的第一多标签分类向量;基于第二BI-GRU神经网络对待处理患者数据进行处理,得到待处理患者数据对应的第二多标签分类向量。3.如权利要求2所述的方法,其特征在于,针对待处理医疗数据的第一BI-GRU神经网络的训练过程,包括:对各原始医疗数据进行分句,得到对应各原始医疗数据的医疗数据分句;基于Sent2vec方式对各原始医疗数据的医疗数据分句进行处理,得到各医疗数据分句对应的句子向量;基于各句子向量对第一BI-GRU神经网络进行训练,得到训练后的针对待处理医疗数据的第一BI-GRU神经网络。4.如权利要求3所述的方法,其特征在于,基于Sent2vec方式对各原始医疗数据的医疗数据分句进行处理时,还包括:确定各原始医疗数据对应的医疗数据分句的数量是否大于第一预设阈值;若大于,则基于各医疗数据分句所对应的分句名称长度对医疗数据分句的数量进行调整,直至满足所述第一预设阈值;若小于,则在所述句子向量矩阵中补充全零向量,直至满足所述第一预设阈值。5.如权利要求2所述的方法,其特征在于,针对待处理患者数据的第二BI-GRU神经网络的训练过程,包括:对各原始患者数据进行病历特征提取,得到对应各原始患者数据的病历特征信息;基于Word2vec方式对各原始患者数据的病历特征信息进行处理,得到各病历特征信息对应的病历特征向量;基于各病历特征向量对第二BI-GRU神经网络进行训练,得到训练后的针对待处理患者数据的第二BI-GRU神经网络。6.如权利要求5所述的方法,其特征在于,基于Word2vec方式对各原始患者数据的病历特征信息进行处理时,还包括:确定各原始患者数据对应的病历特征信息的数量是否大于第二预设阈值;若大于,则基于各病历特征信息对应的评分值对病历特征信息的数量进行调整,直至满足所述第二预设阈值;若小于,则在所述病历特征向量矩阵中补充全零向量,直至满足所述第二预设阈值。7.如权利要求6所述的方法,其特征在于,各病历特征信息对应的评分值的获取方式,包括:对各病历特征信息进行评分,得到各病历特征信息对应的评分值;并针对属于特定区域的病例特征信息对应的评分值进行加权处理,得到经加权处理后的评分值。8.如权利要求1-7中任一项所述的方法,其特征在于,待处理医疗数据与待处理患者数据的相似度评分根据如下公式确定:其中,score为待处理医疗数据与待处理患者数据的相似度评分,H为阶跃函数,且pmedicine为第一多标签分类向量,ppatient为第二多标签分类向量,keepthrehold为预设的保留阈值,dim()为计算向量的维度值函数。9.如权利要求1-8中任一项所述的方法,其特征在于,基于所述相似度评分推送所述待处理医疗数据,包括:确定所述相似度评分与预设相似度阈值的大小关系;并在所述相似度评分不小于预设相似度阈值时,推送所述待处理医疗数据。10.如权利要求9所述的方法,其特征在于,通过如下公式确定所述相似度评分与预设相似度阈值的大小关系:push=H(score-pushthrehold)其中,score为待处理医疗数据与待处理患者数据的相似度评分,H为阶跃函数,且pushthrehold为预设相似度阈值。11.一种数据推送装置,其特征在于,包括:获取单元,用于获取待处理医疗数据对应的第一多标签分类向量以及待处理患者数...
【专利技术属性】
技术研发人员:施其明,
申请(专利权)人:线粒体北京科技有限公司,
类型:发明
国别省市:北京,11
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。