一种数据处理方法、装置、智能设备及介质制造方法及图纸

本申请实施例公开了一种数据处理方法、装置、智能设备及计算机可读存储介质。其中方法包括：获取目标用户的描述信息及静态属性信息，将描述信息和静态属性信息作为结合了人工智能及机器学习而构建的数据分析模型的输入，并获取数据分析模型在对描述信息和静态属性信息进行分析处理后输出的分析结果，根据该分析结果输出目标用户的疾病提示信息。本申请实施例结合人工智能及机器学习模型挖掘已有病历数据中隐藏的、具有潜在价值的信息，使得能够基于这些信息和目标用户的描述信息对该目标用户的患病信息进行预测，为目标用户提供就诊参考。

【技术实现步骤摘要】
一种数据处理方法、装置、智能设备及介质
本申请涉及计算机应用
，尤其涉及一种数据处理方法、装置、智能设备及计算机可读存储介质。
技术介绍
在日常生活中，人们难免会出现身体不适，需要看病就医的情况。但就目前而言，社会上的医疗资源还是相对比较匮乏，长期存在排队数小时等待，但实际的医生诊断只有几分钟的情况发生，因此对于一些小的疾病，用户大可以不必去医院就诊。而随着计算机技术、网络技术以及电子技术的发展，用户可以通过个人电脑、手机等设备，在一些互联网的就医平台上，通过发布症状信息等方式，获取到一些活跃于网络的医生的诊断指导，但这种方式时效性比较低，诊断指导不够及时。
技术实现思路
本申请实施例公开了一种数据处理方法、装置、智能设备及计算机可读存储介质，可较为及时地对目标用户的患病信息进行预测，为用户提供就诊参考。一方面，本申请实施例提供了一种数据处理方法，该方法包括：获取目标用户的描述信息及静态属性信息，所述描述信息用于描述所述目标用户的症状；将所述描述信息和所述静态属性信息作为数据分析模型的输本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，所述方法包括：/n获取目标用户的描述信息及静态属性信息，所述描述信息用于描述所述目标用户的症状；/n将所述描述信息和所述静态属性信息作为数据分析模型的输入，并获取所述数据分析模型在对所述描述信息和所述静态属性信息进行分析处理后输出的分析结果；/n根据所述分析结果输出所述目标用户的疾病提示信息；/n其中，所述数据分析模型是基于异质图神经网络构建的，所述异质图神经网络的图结构包括疾病数据特征节点、患者数据特征节点和症状数据特征节点；所述数据分析模型是基于所述疾病数据特征节点、患者数据特征节点和症状数据特征节点确定患者表达特征和疾病表达特征，以便于得到所述分析结果。...

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：
获取目标用户的描述信息及静态属性信息，所述描述信息用于描述所述目标用户的症状；
将所述描述信息和所述静态属性信息作为数据分析模型的输入，并获取所述数据分析模型在对所述描述信息和所述静态属性信息进行分析处理后输出的分析结果；
根据所述分析结果输出所述目标用户的疾病提示信息；
其中，所述数据分析模型是基于异质图神经网络构建的，所述异质图神经网络的图结构包括疾病数据特征节点、患者数据特征节点和症状数据特征节点；所述数据分析模型是基于所述疾病数据特征节点、患者数据特征节点和症状数据特征节点确定患者表达特征和疾病表达特征，以便于得到所述分析结果。


2.如权利要求1所述的方法，其特征在于，
基于所述异质图神经网络的图结构构建数据分析模型时，构建了第一元路径集合和第二元路径集合；
其中，所述第一元路径集合和所述第二元路径集合是基于所述疾病数据特征节点、所述患者数据特征节点和所述症状数据特征节点构建的；所述患者表达特征是基于所述第一元路径集合中各个数据特征节点聚合得到的，所述疾病表达特征是基于所述第二元路径集合中各个数据特征节点聚合得到的。


3.如权利要求2所述的方法，其特征在于，
所述第一元路径集合和所述第二元路径集合中的路径为有向路径；所述第一元路径集合是路径终点为患者数据特征节点的路径的集合；所述第二元路径集合是路径终点为疾病数据特征节点的路径的集合。


4.如权利要求3所述的方法，其特征在于，所述第一元路径集合包括第一路径和第二路径，所述第一路径在构建时将所述疾病数据特征节点作为起点，所述症状数据特征节点作为中间节点，所述患者数据特征节点作为终点，所述第二路径在构建时将症状数据特征节点作为起点，疾病数据特征节点作为中间节点，患者数据特征节点作为终点；
所述疾病特征节点包括第一疾病特征节点和第二疾病特征节点，所述第二元路径集合包括第三路径和第四路径，所述第三路径在构建时将所述第一疾病数据特征节点作为起点，症状数据特征节点作为中间节点，所述第二疾病数据特征节点作为终点，所述第四路径在构建时将症状数据特征节点作为起点，患者数据特征节点作为中间节点，疾病数据特征节点作为终点。


5.如权利要求1所述的方法，其特征在于，所述获取目标用户的描述信息，包括：
获取所述目标用户的文本信息，从所述文本信息中提取原子信息，并对所述原子信息进行标准化处理，得到所述文本信息的多个原子标准信息，所述原子信息包括症状类型信息及症状属性信息，所述症状类型信息用于描述所述目标用户的症状，所述症状属性信息用于描述所述目标用户的症状的特征；
对各个原子标准信息进行组合，得到所述文本信息对应的标准症状组合；
将所述标准症状组合作为所述目标用户的描述信息。


6.如权利要求5所述的方法，其特征在于，所述症状属性信息包括：部位信息、程度信息、时间信息中的至少一个信息；
其中，所述部位信息用于描述所述目标用户的症状所属的身体部位，所述程度信息用于描述所述目标用户的症状的等级，所述时间信息用于描述所述目标用户的症状的持续时间。


7.如权利要求5所述的方法，其特征在于，所述从所述文本信息中提取原子信息，并对所述原子信息进行标准化处理，得到所述文本信息的多个原子信息，包括：
采用信息识别模型从所述文本信息中提取原子信息；
获取标准映射词典，所述标准映射词典包括原子信息与原子标准信息的映射关系；
根据所述原子信息、和所述原子信息与原子标准信息之间的映射关系，得到所述原子信息对应的目标原子标准信息。


8.如权利要求7所述的方法，其特征在于，所述信息识别模型是根据电子病历样本数据训练得到的，训练得到所述信息识别模型，包括：
采用初始识别模型对电子病历样本数据中的文字进行训练识别，得到实体信息，所述实体信息包括字实体或者词语实体；
根据实体信息构建原子映射词典，所述原子映射词典上包括实体信息与原子信息的映射关系；
根据所述原子映射词典和电子病历样本数据，对所述初始识别模型再次进行训练识别，以便于得到信...

【专利技术属性】
技术研发人员：陈曦，于苗苗，管冲，文瑞，高文龙，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44