一种医患匹配方法、装置、电子设备、介质及产品制造方法及图纸

本公开提供了一种医患匹配方法、装置、电子设备、介质及产品，涉及数据处理技术领域，尤其涉及大健康、医疗健康和数字医疗技术领域。具体实现方案为：对用户输入的查询语句进行解析，得到用户对应的医疗实体信息、科室预测标签和体征异常预测标签。然后将用户对应的医疗实体信息、科室预测标签和体征异常预测标签与医生集合中各医生的医疗实体信息、科室信息和擅长治疗信息进行匹配，得到与用户匹配的多个备选医生。之后计算查询语句与每个备选医生的擅长治疗信息的相关性，基于计算得到的相关性为用户推荐医生。从而提高医患匹配的准确性。从而提高医患匹配的准确性。从而提高医患匹配的准确性。

【技术实现步骤摘要】
一种医患匹配方法、装置、电子设备、介质及产品


[0001]本公开涉及数据处理
，尤其涉及大健康、医疗健康和数字医疗


技术介绍

[0002]目前，患者在线问诊或者挂号时，患者输入问诊需求后，在线问诊或挂号平台可以为患者推荐医生。

技术实现思路

[0003]本公开提供了一种医患匹配方法、装置、电子设备、介质及产品。
[0004]本公开实施例的第一方面，提供了一种医患匹配方法，包括：
[0005]对用户输入的查询语句进行解析，得到所述用户对应的医疗实体信息、科室预测标签和体征异常预测标签；
[0006]将所述用户对应的医疗实体信息、科室预测标签和体征异常预测标签与医生集合中各医生的医疗实体信息、科室信息和擅长治疗信息进行匹配，得到与所述用户匹配的多个备选医生；
[0007]计算所述查询语句与每个备选医生的擅长治疗信息的相关性，基于计算得到的相关性为所述用户推荐医生。
[0008]本公开实施例的第二方面，提供了一种医患匹配装置，包括：
[0009]解析模块，用于对用户输入的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医患匹配方法，包括：对用户输入的查询语句进行解析，得到所述用户对应的医疗实体信息、科室预测标签和体征异常预测标签；将所述用户对应的医疗实体信息、科室预测标签和体征异常预测标签与医生集合中各医生的医疗实体信息、科室信息和擅长治疗信息进行匹配，得到与所述用户匹配的多个备选医生；计算所述查询语句与每个备选医生的擅长治疗信息的相关性，基于计算得到的相关性为所述用户推荐医生。2.根据权利要求1所述的方法，其中，所述对用户输入的查询语句进行解析，得到所述用户对应的医疗实体信息、科室预测标签和体征异常预测标签，包括：对所述查询语句进行解析，得到所述查询语句中包括的所述医疗实体信息；基于所述查询语句为所述用户推荐体征异常标签，将所述用户选择的体征异常标签作为体征异常澄清标签；基于所述医疗实体信息和所述体征异常澄清标签，确定所述用户的体征异常预测标签；将所述查询语句输入科室分类模型，基于科室分类模型的输出结果确定所述科室预测标签。3.根据权利要求2所述的方法，其中，所述对所述查询语句进行解析，得到所述查询语句中包括的所述医疗实体信息，包括：将所述查询语句与实体词典进行匹配，得到所述查询语句包括的存在于所述实体词典中的第一实体信息；将所述查询语句输入预先训练的实体识别模型，获取所述实体识别模型输出的第二实体信息；将所述第二实体信息中除所述第一实体信息之外的实体信息和所述第一实体信息，作为所述医疗实体信息。4.根据权利要求2所述的方法，其中，所述基于所述查询语句为所述用户推荐体征异常标签，将所述用户选择的体征异常标签作为体征异常澄清标签，包括：将所述查询语句输入预先训练的相关性模型，获取所述相关性模型输出的与所述查询语句相关的多个体征异常标签列表；计算所述体征异常标签列表中每个体征异常标签在所述多个体征异常标签列表中出现的频次；按照出现频次从高到低的顺序，向所述用户显示体征异常标签；获取所述用户从显示的体征异常标签中选择的体征异常标签，作为所述体征异常澄清标签。5.根据权利要求2所述的方法，其中，所述基于所述医疗实体信息和所述体征异常澄清标签，确定所述用户的体征异常预测标签，包括：将所述医疗实体信息和所述体征异常澄清标签输入预先训练的体征异常预测模型，得到所述体征异常预测模型输出的体征异常预测标签。6.根据权利要求1所述的方法，在所述对用户输入的查询语句进行解析之前，所述方法
还包括：从多个数据源中获取医生数据；对从多个数据源中获取到的医生数据进行融合和去重，得到一个医生集合，以及所述医生集合中每个医生对应的医生数据；分别对每个医生的医生数据进行解析，得到每个医生的医疗实体信息、科室信息和擅长治疗信息。7.根据权利要求6所述的方法，其中，所述分别对每个医生的医生数据进行解析，得到每个医生的医疗实体信息、科室信息和擅长治疗信息，包括：分别对每个医生对应的医生数据进行实体识别，得到每个医生对应的医疗实体信息、科室信息以及每个医生的候选擅长信息；针对每个医生，基于BOW模型生成该医生的每个候选擅长信息的向量，并基于BOW模型生成该医生的每个提报擅长信息的向量；计算该医生的每个候选擅长信息的向量与每个提报擅长信息的向量两两之间的相似度；将各提报擅长信息和相似度高于预设阈值的候选擅长信息作为所述擅长治疗信息。8.根据权利要求1所述的方法，其中，所述将所述用户对应的医疗实体信息、科室预测标签和体征异常预测标签与医生集合中各医生的医疗实体信息、科室信息和擅长治疗信息进行匹配，得到与所述用户匹配的多个备选医生，包括：从结构化存储的各医生的医疗实体信息、科室信息和擅长治疗信息中，查找与所述用户对应的医疗实体信息、科室预测标签和体征异常预测标签匹配的多个备选医生。9.根据权利要求8所述的方法，在从结构化存储的各医生的医疗实体信息、科室信息和擅长治疗信息中，查找与所述用户对应的医疗实体信息、科室预测标签和体征异常预测标签匹配的多个备选医生之后，所述方法还包括：将所述查询语句转...

【专利技术属性】
技术研发人员：欧阳宇，白亚楠，刘子航，王锴睿，封晔，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：