【技术实现步骤摘要】
信息预测模型的训练方法、装置、计算机设备及存储介质
[0001]本专利技术涉及人工智能领域，尤其是涉及一种信息预测模型的训练方法、装置、计算机设备及存储介质。
技术介绍
[0002]随着机器学习技术的不断发展，在很多场景中通过训练信息预测模型来进行信息预测，由于信息预测模型受限于数据量、数据标签等因素的影响，因此很难得到稳定、精确地预测结果。
[0003]目前，通常通过引入大规模知识图谱的方式，来提升预测模型的性能。然而，一个庞大的知识图谱中会包含非常多的信息，如果直接将其结合到训练集上，构建预测模型，往往会引入很多无效的信息，甚至是噪声，从而会影预测模型的预测精度。
技术实现思路
[0004]本专利技术提供了一种信息预测模型的训练方法、装置、计算机设备及存储介质，主要在于能够提高信息预测模型的预测精度。
[0005]根据本专利技术的第一个方面，提供一种信息预测模型的训练方法，包括：
[0006]获取样本患者的多次就诊数据和实际疾病信息；
[0007]根据所述多次就诊数据，确定...
【技术保护点】
【技术特征摘要】
1.一种信息预测模型的训练方法，其特征在于，包括：获取样本患者的多次就诊数据和实际疾病信息；根据所述多次就诊数据，确定所述样本患者在已有的医疗知识谱图中所涉及的第一节点，以及所述第一节点对应的关联节点；根据所述第一节点及其对应的关联节点，构建所述样本患者对应的个性化知识图谱，并根据所述个性化知识图谱和初始图注意力网络，确定所述样本患者对应的第一特征向量；将所述第一特征向量输入至初始疾病信息预测模型中进行预测，得到所述样本患者对应的预测疾病信息；基于所述预测疾病信息和所述实际疾病信息，共同对所述初始图注意力网络和初始疾病信息预测模型进行训练，构建预设疾病信息预测模型。2.根据权利要求1所述的方法，其特征在于，所述根据所述多次就诊数据，确定所述样本患者在已有的医疗知识谱图中所涉及的第一节点，以及所述第一节点对应的关联节点，包括：根据所述多次就诊数据，确定所述样本患者在就诊过程中所涉及的医疗项，并在所述医疗知识图谱中确定所述医疗项对应的第一节点；确定所述医疗知识图谱中与所述第一节点相连接，且连接边数小于预设边数的第二节点；若所述第一节点中的任意两个节点在所述医疗知识图谱中存在连通路径，则将所述连通路径上的节点确定为第三节点；将所述第二节点和所述第三节点确定为所述第一节点对应的关联节点。3.根据权利要求2所述的方法，其特征在于，所述若所述第一节点中的任意两个节点在所述医疗知识图谱中存在连通路径，则将所述连通路径上的节点确定为第三节点，包括：将所述第一节点中的任意一个节点作为初始节点，基于所述初始节点进行深度搜索或者广度搜索，直至遍历过所述第一节点中的每一个节点，停止搜索，生成拓扑搜索表，所述拓扑搜索表中记录有多组拓扑节点序列；若所述第一节点中的任意两个节点在所述多组拓扑节点序列中的任意一组拓扑节点序列中，则确定所述任意两个节点存在连通路径；将所述任意两个节点所在的拓扑节点序列，确定为目标拓扑节点序列，并将所述目标拓扑节点序列中的节点确定为第三节点。4.根据权利要求2所述的方法，其特征在于，所述根据所述第一节点及其对应的关联节点，构建所述样本患者对应的个性化知识图谱，包括：取所述第一节点、所述第二节点和所述第三节点的并集，得到所述样本患者对应的多个项目节点；根据所述多个项目节点，以及所述多个项目节点中任意两个项目节点在所述医疗知识图谱的连边，构建所述样本患者对应的个性化知识图谱。5.根据权利要求4所述的方法，其特征在于，所述根据所述个性化知识图谱和初始图注意力网络，确定所述样本患者对应的第一特征向量，包括：确定所述个性化知识图谱中每个项目节点对应的初始化向量，以及所述每个项目节点
对应的相邻项目节点，并确定所述初始图注意力网络中所述每个项目节点和所述相邻项目节点分别对应的初始权重；将所述每个项目节点对应的初始化向量和初始权重相乘，得到所述每个项目节点对应的加权后的初始化向量...
【专利技术属性】
技术研发人员：徐啸，
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。