决策信息推荐、药物信息推荐方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，应用于智慧医疗领域中，以便推动智慧城市的建设，揭露了一种决策信息推荐、药物信息推荐方法、装置、设备及介质。该方法通过获取目标推送对象的目标特征信息；将目标特征信息输入至预设决策特征相似度模型中，得到与目标特征信息对应的决策分类标签；自基于历史决策数据构建的预设决策数据库中，获取具有与决策分类标签相同的样本分类标签的样本决策信息；在样本决策信息不符合预设推荐要求时，获取预设决策信息转换表，在自预设决策信息转换表中查询到目标决策信息时，将目标决策信息推送至目标推送对象。本发明专利技术结合了历史决策数据以及决策信息转换表，提高了决策信息推送准确率。

【技术实现步骤摘要】
决策信息推荐、药物信息推荐方法、装置、设备及介质
本专利技术涉及人工智能
，尤其涉及一种决策信息推荐、药物信息推荐方法、装置、设备及介质。
技术介绍
随着人工智能技术的发展，机器学习也越来越多地被应用到各个行业中，如应用程序开发行业、医疗行业等，目前，通常以数据驱动的方式运用机器学习方法进行建模，以辅助相关人员作出相应的决策。对于机器学习建模来说，需要质量较好的数据作为支撑，以在做数据分析决策时，得出准确率较高的决策结果。但是现有技术中采用的机器学习建模常常会存在数据不充足，亦或者是历史数据保存、处理不当导致的数据残缺等问题，该问题会导致机器学习建模得到的模型准确率较低。例如在医疗行业中，对于一个患者进行门诊治疗，一般是通过医生的经验，并根据患者当前的症状给出药物信息推荐；然而，每一个不同的医生的经验是不同的，并且在同一病情的不同时期患者的症状也是不一样的。门诊医生仅能根据当前的患者症状以及自身经验进行诊断和确定用药，因此，在医生的经验不足的情况下，可能导致用药并不规范，即便医生经验充分，但是针对患者病情发展的不同时期的症状，若其病情发展前期的信息记录残缺，亦会导致用药信息的不准确，在该门诊用药的信息基础上进而导致机器学习，训练得到的模型没有较好的数据作为支撑，在使用上述门诊数据进行训练得到决策模型时，该决策模型给医生提供的决策结果准确率较低。
技术实现思路
本专利技术实施例提供一种决策信息推荐、药物信息推荐方法、装置、设备及介质，以解决当前机器学习建模得到的模型准确率较低问题。r>一种决策信息推荐方法，包括：获取目标推送对象的目标特征信息；所述目标特征信息为所述目标推送对象的个人特征信息；将所述目标特征信息输入至预设决策特征相似度模型中，得到与所述目标特征信息对应的决策分类标签；自基于历史决策数据构建的预设决策数据库中，获取具有与所述决策分类标签相同的样本分类标签的样本决策信息；在所述样本决策信息不符合预设推荐要求时，获取预设决策信息转换表，在自所述预设决策信息转换表中查询到目标决策信息时，将所述目标决策信息推送至所述目标推送对象；所述目标决策信息是指所述预设决策信息转换表中与所述样本决策信息具有相同样本分类标签的决策信息。一种药物信息推荐方法，包括：接收患者的药物信息推荐请求，将所述药物信息推荐中的患者症状信息记录为目标特征信息，通过上述决策信息推荐方法确定与所述目标特征信息对应的目标决策信息；将所述目标决策信息推送至所述患者。一种决策信息推荐装置，包括：特征信息获取模块，用于获取目标推送对象的目标特征信息；所述目标特征信息为所述目标推送对象的个人特征信息；分类标签获取模块，用于将所述目标特征信息输入至预设决策特征相似度模型中，得到与所述目标特征信息对应的决策分类标签；决策信息获取模块，用于自基于历史决策数据构建的预设决策数据库中，获取具有与所述决策分类标签相同的样本分类标签的样本决策信息；决策信息转换模块，用于在所述样本决策信息不符合预设推荐要求时，获取预设决策信息转换表，在自所述预设决策信息转换表中查询到目标决策信息时，将所述目标决策信息推送至所述目标推送对象；所述目标决策信息是指所述预设决策信息转换表中与所述样本决策信息具有相同样本分类标签的决策信息。一种药物信息推荐装置，包括：推荐请求接收模块，用于接收患者的药物信息推荐请求，将所述药物信息推荐中的患者症状信息记录为目标特征信息，通过上述决策信息推荐方法确定与所述目标特征信息对应的目标决策信息；决策信息推送模块，用于将所述目标决策信息推送至所述患者。一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述决策信息推荐方法，或者所述处理器执行所述计算机程序时实现上述药物信息推荐方法。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述决策信息推荐方法，或者所述计算机程序被处理器执行时实现上述药物信息推荐方法。上述决策信息推荐、药物信息推荐方法、装置、设备及介质，通过获取目标推送对象的目标特征信息；所述目标特征信息为所述目标推送对象的个人特征信息；将所述目标特征信息输入至预设决策特征相似度模型中，得到与所述目标特征信息对应的决策分类标签；自基于历史决策数据构建的预设决策数据库中，获取具有与所述决策分类标签相同的样本分类标签的样本决策信息；在所述样本决策信息不符合预设推荐要求时，获取预设决策信息转换表，在自所述预设决策信息转换表中查询目标决策信息时，将所述目标决策信息推送至所述目标推送对象；所述目标决策信息是指所述预设决策信息转换表中与所述样本决策信息具有相同样本分类标签的决策信息。本专利技术通过历史决策数据(如住院数据)构建的预设决策数据库中，获取样本决策信息，解决了机器学习中样本数据不规范或不准确的情况。并且通过预设决策信息转换表，在样本决策信息不符合预设要求时，将样本决策信息转换为目标决策信息，提高决策信息推送准确率；比如，在医疗行业中，由于住院药物信息记录较为完善且较为齐全，进而在通过住院药物信息构建的预设决策数据库范围较广且准确度较高，进而，自预设决策数据库中获取样本决策信息(住院药物信息)准确度也较高，并且，本专利技术还可以在预设决策信息转换表中查询与样本决策信息(住院药物信息)匹配的门诊药物信息(与所述样本决策信息具有相同样本分类标签的决策信息)，从而可以将不符合推荐要求的住院药物信息转换为门诊药物信息，使得最终得到的决策信息(门诊药物信息)准确率较高。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例中决策信息推荐方法的一应用环境示意图；图2是本专利技术一实施例中决策信息推荐方法的一流程图；图3是本专利技术一实施例中决策信息推荐方法的步骤S80的一流程图；图4是本专利技术一实施例中决策信息推荐装置的一原理框图；图5是本专利技术一实施例中决策信息推荐装置的另一原理框图；图6是本专利技术一实施例中计算机设备的一示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例提供的决策信息推荐方法，该决策信息推荐方法可应用如图1所示的应用环境中。具体地，该决策信息推荐方法应用在决策信息推荐系统中，该决策信息推荐系统包括如图1所示的客户端和服务器，客户端与服务器通过网络进行通本文档来自技高网...

【技术保护点】
1.一种决策信息推荐方法，其特征在于，包括：/n获取目标推送对象的目标特征信息；所述目标特征信息为所述目标推送对象的个人特征信息；/n将所述目标特征信息输入至预设决策特征相似度模型中，得到与所述目标特征信息对应的决策分类标签；/n自基于历史决策数据构建的预设决策数据库中，获取具有与所述决策分类标签相同的样本分类标签的样本决策信息；/n在所述样本决策信息不符合预设推荐要求时，获取预设决策信息转换表，在自所述预设决策信息转换表中查询到目标决策信息时，将所述目标决策信息推送至所述目标推送对象；所述目标决策信息是指所述预设决策信息转换表中与所述样本决策信息具有相同样本分类标签的决策信息。/n

【技术特征摘要】
1.一种决策信息推荐方法，其特征在于，包括：
获取目标推送对象的目标特征信息；所述目标特征信息为所述目标推送对象的个人特征信息；
将所述目标特征信息输入至预设决策特征相似度模型中，得到与所述目标特征信息对应的决策分类标签；
自基于历史决策数据构建的预设决策数据库中，获取具有与所述决策分类标签相同的样本分类标签的样本决策信息；
在所述样本决策信息不符合预设推荐要求时，获取预设决策信息转换表，在自所述预设决策信息转换表中查询到目标决策信息时，将所述目标决策信息推送至所述目标推送对象；所述目标决策信息是指所述预设决策信息转换表中与所述样本决策信息具有相同样本分类标签的决策信息。


2.如权利要求1所述的决策信息推荐方法，其特征在于，所述自基于历史决策数据构建的预设决策数据库中，获取具有与所述决策分类标签相同的样本分类标签的所有样本决策信息之前，包括：
获取历史样本数据集，所述历史样本数据集中包含至少一个样本对象的所述历史决策数据；
抽取与所述样本对象对应所述历史决策数据中的样本特征信息，所述样本特征信息为所述样本对象的个体特征信息；同时，抽取与该样本对象对应的所述历史决策数据中的历史决策信息；
根据所述样本特征信息生成所述样本分类标签；
对所述历史决策信息进行预处理，得到与所述历史决策信息对应的所述样本决策信息；
将所述样本分类标签与所述样本决策信息关联存储至所述预设决策数据库中。


3.如权利要求2所述的决策信息推荐方法，其特征在于，所述对所述历史决策信息进行预处理，得到与所述历史决策信息对应的所述样本决策信息，包括：
对各所述样本对象的所有所述历史决策信息进行基于时间轴的切分处理，得到各所述历史决策信息在不同时间段上的切分决策信息；
对各所述切分决策信息进行校验；
若所述切分决策信息为空，则将该切分决策信息合并至与其相邻的时间段的切分决策信息中，在合并后的所述切分决策信息不为空时，将合并后的所述切分决策信息记录为所述样本决策信息；
若所述切分决策信息不为空，则将所述切分决策信息记录为所述样本决策信息。


4.如权利要求3所述的决策信息推荐方法，其特征在于，所述将该切分决策信息合并至与其相邻的时间段的切分决策信息中之后，还包括：
在合并后的所述切分决策信息为空时，则删除合并后为空的所述切分决策信息。


5.如权利要求1所述的决策信...

【专利技术属性】
技术研发人员：姚海申，蒋雪涵，孙行智，胡岗，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44