本申请提供一种医疗信息推荐方法、装置、电子设备和可读介质。方法包括：获取目标对象的对象信息；根据对象信息的文字内容，将对象信息划分为状态信息和属性信息；根据状态信息和属性信息，生成信息加权向量，信息加权向量中包含状态信息和属性信息中各个字符与目标对象的对象状态的关联程度；根据信息加权向量，确定与目标对象关联的医疗信息并向目标对象推送医疗信息。该方法能够避免状态信息与属性信息混合而导致推荐结果混乱，使得所确定的医疗信息更加符合目标对象的对象状态，提高推荐的医疗信息的准确性。荐的医疗信息的准确性。荐的医疗信息的准确性。
【技术实现步骤摘要】
医疗信息推荐方法、装置、电子设备和可读介质
[0001]本申请涉及计算机
，尤其涉及一种医疗信息推荐方法、装置、电子设备和可读介质。
技术介绍
[0002]随着互联网技术和大数据技术的日趋成熟，越来越多的人通过网络了解医学知识。与此相应的，互联网上也涌现出许多医学信息共享平台或者应用，这些医学信息共享平台为用户提供了学习和了解关注的医学信息的渠道。
[0003]在相关技术中，平台或者应用通常是根据用户的输入信息进行分析，确定与输入信息相关联的推荐信息，以便进行展示。
[0004]然而，上述方式中经常会出现目标对象的对象信息关联的推荐信息过多或者过少，从而导致所确定的推荐信息不准确，降低了推荐结果的准确性和推荐效率。
技术实现思路
[0005]基于上述技术问题，本申请提供一种医疗信息推荐方法、装置、电子设备和可读介质，以能够避免状态信息与属性信息混合而导致推荐结果混乱，使得所确定的医疗信息更加符合目标对象的对象状态，提高推荐的医疗信息的准确性。
[0006]本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
[0007]根据本申请实施例的一个方面，提供一种医疗信息推荐方法，包括：
[0008]获取目标对象的对象信息；
[0009]根据所述对象信息的文字内容，将所述对象信息划分为状态信息和属性信息；
[0010]根据所述状态信息和所述属性信息，生成信息加权向量，所述信息加权向量中包含所述状态信息和所述属性信息中各个字符与所述目标对象的对象状态的关联程度；
[0011]根据所述信息加权向量，确定与所述目标对象关联的医疗信息并向所述目标对象推送所述医疗信息。
[0012]在本申请的一些实施例中，基于以上技术方案，所述根据所述对象信息的文字内容，将所述对象信息划分为状态信息和属性信息，包括：
[0013]通过信息分类模型，对所述对象信息进行状态信息预测，得到所述对象信息的字符概率分布，其中，所述字符概率分布用于指示所述对象信息中各个字符用于描述所述目标对象的对象状态的概率；
[0014]根据所述对象信息的字符概率分布，将用于描述所述目标对象的对象状态的字符组合为所述状态信息并将剩余字符组合为所述属性信息。
[0015]在本申请的一些实施例中，基于以上技术方案，所述根据所述状态信息和所述属性信息，生成信息加权向量，包括：
[0016]通过所述信息分类模型，根据所述字符概率分布，计算对应于所述对象信息中每
个字符的注意力特征值，得到所述信息加权向量。
[0017]在本申请的一些实施例中，基于以上技术方案，所述根据所述信息加权向量，确定与所述目标对象关联的医疗信息并向所述目标对象推送所述医疗信息，包括：
[0018]通过状态预测模型，根据所述信息加权向量，确定与所述目标对象的对象状态对应的状态医疗信息；
[0019]通过属性预测模型，根据所述信息加权向量，确定与所述目标对象的对象属性对应的属性医疗信息；
[0020]向所述目标对象推送所述状态医疗信息和所述属性医疗信息。
[0021]在本申请的一些实施例中，基于以上技术方案，所述通过信息分类模型，对所述对象信息进行状态信息预测，得到所述对象信息的字符概率分布之前，所述方法还包括：
[0022]获取历史对象信息，所述历史对象信息中包括状态信息和属性信息；
[0023]对所述历史对象信息中的所述状态信息和所述属性信息进行标注，得到分类训练数据；
[0024]根据所述分类训练数据，对待训练分类模型进行训练，得到所述信息分类模型。
[0025]在本申请的一些实施例中，基于以上技术方案，所述历史对象信息还包含历史状态推荐信息和历史属性推荐信息；所述根据所述分类训练数据，对待训练分类模型进行训练，得到所述信息分类模型，包括：
[0026]通过所述待训练分类模型，对所述分类训练数据进行预测，得到训练加权向量；
[0027]通过待训练状态模型和待训练属性模型，根据所述训练加权向量进行预测，得到状态推荐信息和属性推荐信息；
[0028]根据所述状态推荐信息和所述历史状态推荐信息，对所述待训练分类模型进行参数调整，得到所述信息分类模型；
[0029]根据所述状态推荐信息、所述训练加权向量、所述属性推荐信息和所述历史状态推荐信息，对所述待训练状态模型进行参数调整，得到所述状态预测模型；
[0030]根据所述属性推荐信息、所述训练加权向量、所述状态推荐信息和所述历史属性推荐信息，对所述待训练属性模型进行参数调整，得到所述属性预测模型。
[0031]在本申请的一些实施例中，基于以上技术方案，所述根据所述状态推荐信息、所述训练加权向量、所述属性推荐信息和所述历史状态推荐信息，对所述待训练状态模型进行参数调整，得到所述状态预测模型，包括：
[0032]根据所述状态推荐信息和所述训练加权向量，确定状态预测分布；
[0033]根据所述属性推荐信息和所述训练加权向量，确定属性预测分布；
[0034]根据所述属性预测分布，对所述状态预测分布中的特征值进行加权，得到状态加权分布；
[0035]根据所述状态加权分布和所述历史状态推荐信息，对所述待训练状态模型进行参数调整，得到所述状态预测模型。
[0036]根据本申请实施例的一个方面，提供一种医疗信息推荐装置，包括：
[0037]信息获取模块，用于获取目标对象的对象信息；
[0038]信息划分模块，用于根据所述对象信息的文字内容，将所述对象信息划分为状态信息和属性信息；
[0039]向量生成模块，用于根据所述状态信息和所述属性信息，生成信息加权向量，所述信息加权向量中包含所述状态信息和所述属性信息中各个字符与所述目标对象的对象状态的关联程度；
[0040]信息推送模块，用于根据所述信息加权向量，确定与所述目标对象关联的医疗信息并向所述目标对象推送所述医疗信息。
[0041]根据本申请实施例的一个方面，提供一种电子设备，该电子设备包括：处理器；以及存储器，用于存储处理器的可执行指令；其中，该处理器配置为经由执行可执行指令来执行如以上技术方案中的医疗信息推荐方法。
[0042]根据本申请实施例的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，当该计算机程序被处理器执行时实现如以上技术方案中的医疗信息推荐方法。
[0043]在本申请的实施例中，在想目标对象推荐医疗信息时，会先将对象信息划分为状态信息和属性信息，然后通过信息加权向量来量化状态信息和属性信息与对象状态的关联性，最后，再根据信息加权向量来确定要推送的医疗信息。通过划分状态信息和属性信息，再通过信息加权向量来展示这两种信息与对象状态的关联关系，从而能够在进行推荐时，根据与当前对象状态最相关的状态信息或者属性信息来确定要推荐的医疗信息，从而能够避免状态信息与属性信息混本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种医疗信息推荐方法，其特征在于，包括：获取目标对象的对象信息；根据所述对象信息的文字内容，将所述对象信息划分为状态信息和属性信息；根据所述状态信息和所述属性信息，生成信息加权向量，所述信息加权向量中包含所述状态信息和所述属性信息中各个字符与所述目标对象的对象状态的关联程度；根据所述信息加权向量，确定与所述目标对象关联的医疗信息并向所述目标对象推送所述医疗信息。2.根据权利要求1所述的方法，其特征在于，所述根据所述对象信息的文字内容，将所述对象信息划分为状态信息和属性信息，包括：通过信息分类模型，对所述对象信息进行状态信息预测，得到所述对象信息的字符概率分布，其中，所述字符概率分布用于指示所述对象信息中各个字符用于描述所述目标对象的对象状态的概率；根据所述对象信息的字符概率分布，将用于描述所述目标对象的对象状态的字符组合为所述状态信息并将剩余字符组合为所述属性信息。3.根据权利要求2所述的方法，其特征在于，所述根据所述状态信息和所述属性信息，生成信息加权向量，包括：通过所述信息分类模型，根据所述字符概率分布，计算对应于所述对象信息中每个字符的注意力特征值，得到所述信息加权向量。4.根据权利要求3所述的方法，其特征在于，所述根据所述信息加权向量，确定与所述目标对象关联的医疗信息并向所述目标对象推送所述医疗信息，包括：通过状态预测模型，根据所述信息加权向量，确定与所述目标对象的对象状态对应的状态医疗信息；通过属性预测模型，根据所述信息加权向量，确定与所述目标对象的对象属性对应的属性医疗信息；向所述目标对象推送所述状态医疗信息和所述属性医疗信息。5.根据权利要求4所述的方法，其特征在于，所述通过信息分类模型，对所述对象信息进行状态信息预测，得到所述对象信息的字符概率分布之前，所述方法还包括：获取历史对象信息，所述历史对象信息中包括状态信息和属性信息；对所述历史对象信息中的所述状态信息和所述属性信息进行标注，得到分类训练数据；根据所述分类训练数据，对待训练分类模型进行训练，得到所述信息分类模型。6.根据权利要求5所述的方法，其特征在于，所述历史对象信息还包含历史状态推荐信息和历史属性推荐信息；所述根据所述分类训练数据，对待训练分...
【专利技术属性】
技术研发人员：胡意仪，阮晓雯，吴振宇，
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。