【技术实现步骤摘要】
医生智能推荐方法、装置、电子设备及存储介质
本专利技术涉及数字医疗
，具体涉及一种医生智能推荐方法、装置、电子设备及存储介质。
技术介绍
随着医疗机构的增加及每个科室的细化，患者很难根据自己的疾病情况预约到自己满意的医生，目前绝大多数的智能医生推荐系统都是针对医生进行的，通过全面采集医生的坐诊医院，职务，科室等属性，来为患者进行智能推荐。这种传统推荐系统推荐的医生往往与患者需求的医生之间的匹配度低，导致推荐结果不精准。
技术实现思路
鉴于以上内容，有必要提出一种医生智能推荐方法、装置、电子设备及存储介质，通过根据创建患者的初始推荐医生，初始推荐医生是基于患者的维度进行考虑后得到的，提高了推荐的医生与患者需求的医生之间的匹配度。本专利技术的第一方面提供一种医生智能推荐方法，所述方法包括：从预设的多个数据源中采集患者的历史就诊信息；提取所述历史就诊信息中的多个原始数据，并将所述多个原始数据输入至评分识别模型中得到每个历史就诊医生的推荐评分，其中，所述多个原始数据包含有多个历史就诊...
【技术保护点】
1.一种医生智能推荐方法，其特征在于，所述方法包括：/n从预设的多个数据源中采集患者的历史就诊信息；/n提取所述历史就诊信息中的多个原始数据，并将所述多个原始数据输入至评分识别模型中得到每个历史就诊医生的推荐评分，其中，所述多个原始数据包含有多个历史就诊医生的多个关键字段及每个关键字段的推荐评分；/n对所述多个历史就诊医生的多个推荐评分和所述多个历史就诊医生的多个关键字段进行回归拟合得到每个关键字段的权重；/n根据所述多个历史就诊医生的多个关键字段及每个关键字段的权重创建所述患者的初始推荐医生的第一医生模型；/n根据所述患者的历史就诊信息在医生索引表中获取至少一个推荐医生的...
【技术特征摘要】
1.一种医生智能推荐方法，其特征在于，所述方法包括：
从预设的多个数据源中采集患者的历史就诊信息；
提取所述历史就诊信息中的多个原始数据，并将所述多个原始数据输入至评分识别模型中得到每个历史就诊医生的推荐评分，其中，所述多个原始数据包含有多个历史就诊医生的多个关键字段及每个关键字段的推荐评分；
对所述多个历史就诊医生的多个推荐评分和所述多个历史就诊医生的多个关键字段进行回归拟合得到每个关键字段的权重；
根据所述多个历史就诊医生的多个关键字段及每个关键字段的权重创建所述患者的初始推荐医生的第一医生模型；
根据所述患者的历史就诊信息在医生索引表中获取至少一个推荐医生的第二医生模型；
计算所述第一医生模型与所述至少一个推荐医生的第二医生模型之间的相似度，根据计算得到的相似度确定所述患者的目标推荐医生。
2.如权利要求1所述的医生智能推荐方法，其特征在于，所述对所述多个历史就诊医生的多个推荐评分和所述多个历史就诊医生的多个关键字段进行回归拟合得到每个关键字段的权重包括：
对所述多个历史就诊医生的多个推荐评分和所述多个历史就诊医生的多个关键字段进行回归拟合得到多个预设的拟合函数；
根据所述多个预设的拟合函数计算得到每个关键字段的权重。
3.如权利要求1所述的医生智能推荐方法，其特征在于，所述根据所述多个历史就诊医生的多个关键字段及每个关键字段对应的权重创建所述患者的初始推荐医生的第一医生模型包括：
选取出推荐评分最高的就诊医生作为所述患者的第一推荐医生；
对所述第一推荐医生的多个关键字段进行标签转换得到所述第一推荐医生的标签集，其中，所述标签集中的每个标签包含有权重；
对所述标签集中的标签按照权重进行降序排序得到所述患者的初始推荐医生的第一医生模型。
4.如权利要求1所述的医生智能推荐方法，其特征在于，所述评分识别模型的训练过程包括：
获取多个历史就诊医生的多个关键字段及每个关键字段对应的推荐评分作为样本数据集；
从所述样本数据集中划分出训练集和测试集；
将所述训练集输入预设神经网络中进行训练，得到评分识别模型；
将所述测试集输入至所述评分识别模型中进行测试，并计算测试通过率；
若所述测试通过率大于预设通过率阈值，确定所述评分识别模型训练结束；若所述测试通过率小于预设通过率阈值，增加训练集的数量，重新进行评分识别模型的训练。
5.如权利要求1所述的医生智能推荐方法，其特征在于，所述根据所述患者的历史就诊信息在医生索引表中获取至少一个推荐医生的第二医生模型包括：
从所述患者的历史就诊信息中提取多个疾病信息；
对所述多个疾病信息进行分词处理，得到多...
【专利技术属性】
技术研发人员：张黎明，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44
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。