本申请公开了一种基于情感分类模型的信息推送方法、装置、设备及介质，涉及人工智能及数字医疗技术领域，目的在于解决现有并未考虑用户对于推送内容的接收情绪，而直接进行医疗项目的推送，导致无法真正满足用户医疗信息推送需求，以至于信息推送的接收有效性低下的问题。包括：获取对目标医疗项目的评价文本信息；基于已完成模型训练的情感分类模型对评价文本信息进行情感分类处理，得到分类标签结果；基于医疗项目操作关联数据库查找与分类标签结果、目标医疗项目匹配的关联医疗项目，二者的医疗功能相同且医疗操作内容不同的项目内容；响应于评价文本信息对应的医疗项目选取指令，输出关联医疗项目，以进行情感分类推送。以进行情感分类推送。以进行情感分类推送。
【技术实现步骤摘要】
基于情感分类模型的信息推送方法、装置、设备及介质
[0001]本申请涉及一种人工智能及数字医疗
，特别是涉及一种基于情感分类模型的信息推送方法、装置、设备及介质。
技术介绍
[0002]随着人工智能的快速发展，人工智能已经在数字医疗业务的大数据领域全面普及。其中，在基于数字医疗进行医疗就诊后，可以通过智能医疗系统进行信息推送。
[0003]目前，现有医疗信息的推送通常根据不同患者的就诊结果直接匹配相关的医疗项目进行推送，但是，基于直接匹配的方式进行信息推送并不会考虑到患者对于推送内容的接收情绪，无法真正满足患者医疗信息推送需求，从而降低了信息推送的接收有效性，使得推送的信息成为无效信息。
技术实现思路
[0004]有鉴于此，本申请提供一种基于情感分类模型的信息推送方法、装置、设备及介质，主要目的在于现有根据不同患者的就诊结果直接匹配相关的医疗项目进行推送，并未考虑患者对于推送内容的接收情绪，导致无法真正满足患者医疗信息推送需求，从而降低信息推送的接收有效性的技术问题。
[0005]依据本申请一个方面，提供了一种基于情感分类模型的信息推送方法，包括：
[0006]获取对目标医疗项目的评价文本信息；
[0007]基于已完成模型训练的情感分类模型对所述评价文本信息进行情感分类处理，得到所述评价文本信息的分类标签结果；其中，所述情感分类模型为基于失活机制构建的，并基于正则化失活损失函数完成模型训练的；
[0008]基于医疗项目操作关联数据库查找与所述分类标签结果、所述目标医疗项目匹配的关联医疗项目；其中，所述关联医疗项目为与所述目标医疗项目的医疗功能相同且医疗操作内容不同的项目内容；
[0009]响应于所述评价文本信息对应的医疗项目选取指令，输出所述关联医疗项目，以进行情感分类推送。
[0010]优选的，所述基于已完成模型训练的情感分类模型对所述评价文本信息进行情感分类处理，得到所述评价文本信息的分类标签结果之前，所述方法还包括：
[0011]获取文本情感分类训练样本集，并基于双输入、双输出通道构建包含失活机制的情感分类模型；
[0012]在基于所述文本情感分类训练样本集对所述情感分类模型进行模型训练过程中，基于散度损失确定所述情感分类模型的正则化失活损失函数，以在所述情感分类模型的损失收敛处完成模型训练。
[0013]优选的，所述基于散度损失确定所述情感分类模型的正则化失活损失函数包括：
[0014]获取基于文本情感分类训练样本数据对所述情感分类模型进行训练得到的双输
出的预测分类标签结果、以及所述文本情感分类训练样本集中的真实分类标签结果；
[0015]基于所述预测分类标签结果、所述真实分类标签结果计算交叉熵损失，并基于散度损失函数计算所述预测分类标签结果、所述真实分类标签结果之间的散度损失；
[0016]基于所述散度损失、以及所述交叉熵损失构建正则化失活损失函数。
[0017]优选的，所述基于已完成模型训练的情感分类模型对所述评价文本信息进行情感分类处理，得到所述评价文本信息的分类标签结果之前，所述方法还包括：
[0018]对所述评价文本信息进行词向量转换，并对词向量转换后的所述评价文本信息进行归一化处理，以使将完成归一化处理的所述评价文本信息作为所述情感分类模型的输入参数。
[0019]优选的，所述基于已完成模型训练的情感分类模型对所述评价文本信息进行情感分类处理，得到所述评价文本信息的分类标签结果之前，所述方法还包括：
[0020]若完成词向量转换的所述评价文本信息的向量大小与所述情感分类模型的输入参数所对应的向量大小不同，则基于文本情感分类训练样本集中作为输入参数的最大输入样本数据判断所述评价文本信息的词向量是否为填充状态；
[0021]若所述词向量为填充状态，则获取与所述目标医疗项目匹配的填充参数，并基于所述填充参数对所述词向量进行填充；
[0022]若所述词向量为非填充状态，则确定所述评价文本信息中具有共有特征的文本内容进行删除，并基于删除后的所述评价文本信息重新进行词向量转换。
[0023]优选的，所述基于医疗项目操作关联数据库查找与所述分类标签结果、所述目标医疗项目匹配的关联医疗项目之前，所述方法还包括：
[0024]获取与不同分类标签结果所对应的全部医疗项目；
[0025]基于医疗知识图谱中对各医疗项目按照医疗功能进行划分，并将划分为相同医疗功能的各医疗项目中，医疗操作内容不同的医疗项目确定为具有关联关系的医疗项目；
[0026]基于具有关联关系的医疗项目建立所述医疗项目操作关联数据库。
[0027]优选的，所述输出所述关联医疗项目之后，所述方法还包括：
[0028]若检测到所述关联医疗项目的选取指令后，将所述评价文本信息填充至所述关联医疗项目的业务操作信息中，以指示结合所述评价文本信息执行所述关联医疗项目。
[0029]依据本申请另一个方面，提供了一种基于情感分类模型的信息推送装置，包括：
[0030]第一获取模块，用于获取对目标医疗项目的评价文本信息；
[0031]分类模块，用于基于已完成模型训练的情感分类模型对所述评价文本信息进行情感分类处理，得到所述评价文本信息的分类标签结果；其中，所述情感分类模型为基于失活机制构建的，并基于正则化失活损失函数完成模型训练的；
[0032]查找模块，用于基于医疗项目操作关联数据库查找与所述分类标签结果、所述目标医疗项目匹配的关联医疗项目；其中，所述关联医疗项目为与所述目标医疗项目的医疗功能相同且医疗操作内容不同的项目内容；
[0033]推送模块，用于响应于所述评价文本信息对应的医疗项目选取指令，输出所述关联医疗项目，以进行情感分类推送。
[0034]优选的，所述分类模块之前，所述装置还包括：
[0035]构建模块，用于获取文本情感分类训练样本集，并基于双输入、双输出通道构建包
含失活机制的情感分类模型；
[0036]训练模块，用于在基于所述文本情感分类训练样本集对所述情感分类模型进行模型训练过程中，基于散度损失确定所述情感分类模型的正则化失活损失函数，以在所述情感分类模型的损失收敛处完成模型训练。
[0037]优选的，所述训练模块包括：
[0038]获取单元，用于获取基于文本情感分类训练样本数据对所述情感分类模型进行训练得到的双输出的预测分类标签结果、以及所述文本情感分类训练样本集中的真实分类标签结果；
[0039]计算单元，用于基于所述预测分类标签结果、所述真实分类标签结果计算交叉熵损失，并基于散度损失函数计算所述预测分类标签结果、所述真实分类标签结果之间的散度损失；
[0040]构建单元，用于基于所述散度损失、以及所述交叉熵损失构建正则化失活损失函数。
[0041]优选的，所述分类模块之前，所述装置还包括：
[0042]转换模块，用于对所述评价文本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于情感分类模型的信息推送方法，其特征在于，包括：获取对目标医疗项目的评价文本信息；基于已完成模型训练的情感分类模型对所述评价文本信息进行情感分类处理，得到所述评价文本信息的分类标签结果；其中，所述情感分类模型为基于失活机制构建的，并基于正则化失活损失函数完成模型训练的；基于医疗项目操作关联数据库查找与所述分类标签结果、所述目标医疗项目匹配的关联医疗项目；其中，所述关联医疗项目为与所述目标医疗项目的医疗功能相同且医疗操作内容不同的项目内容；响应于所述评价文本信息对应的医疗项目选取指令，输出所述关联医疗项目，以进行情感分类推送。2.根据权利要求1所述的方法，其特征在于，所述基于已完成模型训练的情感分类模型对所述评价文本信息进行情感分类处理，得到所述评价文本信息的分类标签结果之前，所述方法还包括：获取文本情感分类训练样本集，并基于双输入、双输出通道构建包含失活机制的情感分类模型；在基于所述文本情感分类训练样本集对所述情感分类模型进行模型训练过程中，基于散度损失确定所述情感分类模型的正则化失活损失函数，以在所述情感分类模型的损失收敛处完成模型训练。3.根据权利要求2所述的方法，其特征在于，所述基于散度损失确定所述情感分类模型的正则化失活损失函数包括：获取基于文本情感分类训练样本数据对所述情感分类模型进行训练得到的双输出的预测分类标签结果、以及所述文本情感分类训练样本集中的真实分类标签结果；基于所述预测分类标签结果、所述真实分类标签结果计算交叉熵损失，并基于散度损失函数计算所述预测分类标签结果、所述真实分类标签结果之间的散度损失；基于所述散度损失、以及所述交叉熵损失构建正则化失活损失函数。4.根据权利要求1所述的方法，其特征在于，所述基于已完成模型训练的情感分类模型对所述评价文本信息进行情感分类处理，得到所述评价文本信息的分类标签结果之前，所述方法还包括：对所述评价文本信息进行词向量转换，并对词向量转换后的所述评价文本信息进行归一化处理，以使将完成归一化处理的所述评价文本信息作为所述情感分类模型的输入参数。5.根据权利要求4所述的方法，其特征在于，所述基于已完成模型训练的情感分类模型对所述评价文本信息进行情感分类处理，得到所述评价文本信息的分类标签结果之前，所述方法还包括：若完成词向量转换的所述评价文本信息的向量大小与所述情感分类模型的输入参数所对应的向量大小不...
【专利技术属性】
技术研发人员：陈浩，谯轶轩，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
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。