【技术实现步骤摘要】
一种医生在线推荐方法及系统
本公开涉及医疗
,特别是涉及一种医生在线推荐方法及系统。
技术介绍
本部分的陈述仅仅是提到了与本公开相关的
技术介绍
,并不必然构成现有技术。随着医疗行业的快速发展,医疗信息过载的现象愈发严重。同时,人们对就医的质量要求也在不断提高,而医院的医疗资源尤其是专业科室和医生信息等都具有高度专业化的特点,对于普通患者来说不具有专业的医疗认知,往往会在面对庞大的医生科室检索信息时无法根据自己的病情进行快速恰当的选择。这一方面加大了医院导医的工作量,同时降低了医院资源的合理分配,另一方面也降低了患者本身的就医质量。在实现本公开的过程中,专利技术人发现现有技术中存在以下技术问题:如何在医疗信息系统中充分利用各种医疗数据,并进行合理开发与分析,为患者和医院带来最大程度的价值,是医疗信息发展中具有重要研究意义的课题。
技术实现思路
为了解决现有技术的不足,本公开提供了一种医生在线推荐方法及系统;旨在克服医疗导诊系统中医疗信息过载患者选择难和医院资源分配不均的问题,能够向患者快速、准确的在线推荐医生。第一方面,本公开提供了一种医生在线推荐方法;一种医生在线推荐方法,包括:获取待推荐患者的基本属性信息和病情主诉文本;对待推荐患者的基本属性和病情主诉文本进行向量化表示;根据病情主诉文本的向量化表示,获取初步推荐的科室;根据待推荐患者病情主诉文本特征,从疾病症状实体词数据库中提取待推荐患者的疾病症状实体词;将待推
【技术保护点】
1.一种医生在线推荐方法,其特征是,包括:/n获取待推荐患者的基本属性信息和病情主诉文本;/n对待推荐患者的基本属性和病情主诉文本进行向量化表示;/n根据病情主诉文本的向量化表示,获取初步推荐的科室;/n根据待推荐患者病情主诉文本特征,从疾病症状实体词数据库中提取待推荐患者的疾病症状实体词;/n将待推荐患者的疾病症状实体词与初步推荐的科室的每个医生的擅长诊断疾病描述进行匹配,筛选出匹配的第一类医生;并输出第一类医生中每个医生的历史患者评分;/n根据待推荐患者的基本属性和病情主诉文本进行向量化表示与所述历史患者的基本属性和病情主诉文本进行向量化表示之间的相似度,和第一类医生中每个医生的历史患者评分;计算每个医生的最终推荐得分;输出得分最高的若干个医生作为推荐结果。/n
【技术特征摘要】
1.一种医生在线推荐方法,其特征是,包括:
获取待推荐患者的基本属性信息和病情主诉文本;
对待推荐患者的基本属性和病情主诉文本进行向量化表示;
根据病情主诉文本的向量化表示,获取初步推荐的科室;
根据待推荐患者病情主诉文本特征,从疾病症状实体词数据库中提取待推荐患者的疾病症状实体词;
将待推荐患者的疾病症状实体词与初步推荐的科室的每个医生的擅长诊断疾病描述进行匹配,筛选出匹配的第一类医生;并输出第一类医生中每个医生的历史患者评分;
根据待推荐患者的基本属性和病情主诉文本进行向量化表示与所述历史患者的基本属性和病情主诉文本进行向量化表示之间的相似度,和第一类医生中每个医生的历史患者评分;计算每个医生的最终推荐得分;输出得分最高的若干个医生作为推荐结果。
2.如权利要求1所述的方法,其特征是,对待推荐患者的病情主诉文本进行向量化表示的具体步骤,包括:对待推荐患者的病情主诉文本进行分词处理;利用预训练的语言神经网络模型对分词处理后的数据进行向量化表示,得到待推荐患者病情主诉文本特征。
3.如权利要求1所述的方法,其特征是,根据病情主诉文本的向量化表示,获取初步推荐的科室;具体步骤包括:
将待推荐患者病情主诉文本特征进行组合得到待推荐患者病情主诉文本的句向量表示,将待推荐患者病情主诉文本的句向量表示输入到预训练的科室推荐神经网络模型中,输出初步推荐的科室;根据初步推荐的科室,从医生数据库中调取初步推荐科室对应的所有医生数据和每个医生的擅长诊断疾病描述。
4.如权利要求1所述的方法,其特征是,所述将待推荐患者的疾病症状实体词与初步推荐的科室的每个医生的擅长诊断疾病描述进行匹配,筛选出匹配的第一类医生;并输出第一类医生中每个医生的历史患者评分步骤之后,还包括:根据筛选出的第一类医生,从医生数据库中查询第一类医生的历史就诊患者的基本属性信息;并对第一类医生历史就诊患者的基本属性信息进行向量化表示。
5.如权利要求1所述的方法,其特征是,所述根据待推荐患者的基本属性和病情主诉文本进行向量化表示与所述历史患者的基本属性和病情主诉文本进行向量化表示之间的相似度,和第一类医生中每个医生的历史患者评分;计算每个医生的最终推荐得分;输出得分最高的若干个医生作为推荐结果的具体步骤包括:
计算待推荐患者的基本属性向量化表示结果与第一类医生历史就诊患者的基本属性向量化表示结果的第一相似度;
计算待推荐患者的病情主诉文本特征与第一类医生历史就诊患者的病情主诉文本特征的第二相似度;
根据第一相似度、第二相似度和每个医生的历史患者评分,计算每个医生的最终推荐得分;将每个医生的最终推荐得分,按照从大到小进行排序,输出排名靠前的N个医生,N为正整数。
6.如权利要求1所述的方法,其特征是,所述将待推荐患者病情主诉文本特征进行组合得到待推荐患者病情主诉文本的句向量表示;具体步骤包括:
...
【专利技术属性】
技术研发人员:陈贞翔,艾延永,孙涛,
申请(专利权)人:济南大学,神思旭辉医疗信息技术有限责任公司,
类型:发明
国别省市:山东;37
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。