一种智能推荐方法、系统、设备及存储介质技术方案

本发明专利技术实施例公开了一种智能推荐方法、系统、设备及存储介质，本发明专利技术实施例在接收到待服务用户的服务请求后，通过分析待服务用户信息资料中的量表信息与历史浏览记录信息，提取待服务用户特征集，并通过匹配相似用户群体补充待服务用户特征集，再利用补充过的待服务用户特征集匹配医生，为待服务用户推荐适配医生群体。这样，在待服务用户进行心理精神服务前，提前采集待服务用户特征，为待服务用户推荐对应领域的医生，提供个性化心理精神服务。提供个性化心理精神服务。提供个性化心理精神服务。

【技术实现步骤摘要】
一种智能推荐方法、系统、设备及存储介质


[0001]本专利技术实施例涉及智能推荐领域，具体涉及一种智能推荐方法、系统、设备及存储介质。

技术介绍

[0002]智能推荐技术逐渐成为互联网医疗平台提升待服务用户线上就诊率与复诊率的强力助手，在实际使用时需要分析待服务用户的历史操作行为日志等信息资料中提取信息构成用户画像，根据用户画像中进行个性化心理精神服务推荐。现有的推荐系统，例如谷歌旗下的Wide&Deep模型只考虑不同领域特征之间的相互作用。而阿里的深度兴趣网络将用户的序列化历史行为表示用户的兴趣，没有体现出用户兴趣的动态进化性。

技术实现思路

[0003]为此，本专利技术实施例提供一种智能推荐方法、系统、设备及存储介质，以解决现有技术在心理精神方面推荐准确率低，医生与患者的体验较差的技术问题。
[0004]为了实现上述目的，本专利技术实施例提供如下技术方案：
[0005]根据本专利技术实施例的第一方面，提供了一种智能推荐方法，其特征在于，所述方法包括：
[0006]接收待服务用户的服务请求，采集所述待服务用户的当前信息资料；
[0007]判断所述当前信息资料中是否有量表信息；
[0008]如果当前信息资料中有量表信息，则结合所述待服务用户的历史信息资料判断所述待服务用户量表信息是否有更新；
[0009]如果所述待服务用户量表信息未更新，则对所述待服务用户的历史量表信息进行特征分析，生成第一待服务用户特征与第一待服务用户特征集；
[0010]利用所述第一待服务用户特征集为所述待服务用户匹配第一相似用户群体；
[0011]从所述第一相似用户群体中依次提取第一相似用户特征，生成第一相似用户特征集；
[0012]从所述第一待服务用户特征集与所述第一相似用户特征集中提取第二待服务用户特征；
[0013]利用所述第二待服务用户特征进行第一医生匹配，得到第一适配医生群体；
[0014]将所述第一适配医生群体中的医生推荐给所述待服务用户。
[0015]进一步地，从所述第一待服务用户特征集与所述第一相似用户特征集中提取第二待服务用户特征，包括：
[0016]判断所述第一待服务用户特征集与所述第一相似用户特征集是否存在交集；
[0017]如果所述第一待服务用户特征集与所述第一相似用户特征集存在交集，则提取所述交集中的特征即作为第二待服务用户特征；
[0018]如果所述第一待服务用户特征集与所述第一相似用户特征集不存在交集，则分别
对所述第一待服务用户特征与所述第一相似用户特征进行关联性分析，提取第二待服务用户特征。
[0019]进一步地，对第一待服务用户特征与所述第一相似用户特征进行关联性分析，提取第二待服务用户特征，包括：
[0020]将各个第一待服务用户特征作为所述第二待服务用户特征；
[0021]针对每个所述第一相似用户特征，分别与各个第一待服务用户特征进行组合，并计算两者之间的第一特征相似度；
[0022]将所述第一相似用户特征对应的各个第一特征相似度与第一预设阈值进行对比，判断各个第一特征相似度中是否存在大于第一预设阈值的值；
[0023]如果各个第一特征相似度中不存在大于第一预设阈值的值，则将下一第一相似用户特征对应的各个第一特征相似度与第一预设阈值进行对比；
[0024]如果各个第一特征相似度中存在大于第一预设阈值的值，则将所述第一相似用户特征作为所述第二待服务用户特征。
[0025]优选地，一种智能推荐方法还包括：
[0026]如果所述待服务用户量表信息有更新，则提取新量表信息；
[0027]判断所述新量表信息对应的新量表数量是否为1；
[0028]如果所述新量表数量不为1，则按照新量表分别对相应的新量表信息进行分析，生成第三待服务用户特征与第三待服务用户特征集；
[0029]如果所述新量表数量为1，则结合历史量表信息对新量表信息进行分析，生成第三待服务用户特征与第三待服务用户特征集；
[0030]利用所述第三待服务用户特征结合待服务用户注册信息进行第二医生匹配，生成第二适配医生群体；
[0031]将所述第二适配医生群体中的医生推荐给所述待服务用户。
[0032]优选地，一种智能推荐方法还包括：
[0033]如果所述待服务用户的当前信息资料中没有量表信息，判断所述当前信息资料中是否有历史浏览记录；
[0034]如果所述当前信息资料中有历史浏览记录，则提取所述历史浏览记录，生成历史浏览记录集；
[0035]对所述历史浏览记录集中的历史浏览记录进行分析，提取所述待服务用户的第四待服务用户特征，生成第四待服务用户特征集；
[0036]利用所述第四待服务用户特征集为所述待服务用户匹配第二相似用户群体；
[0037]从所述第二相似用户群体中依次提取第二相似用户特征，生成第二相似用户特征集；
[0038]判断所述第四待服务用户特征集与所述第二相似用户特征集是否存在交集；
[0039]如果所述第四待服务用户特征集与所述第二相似用户特征集存在交集，则提取所述交集中的特征作为第五待服务用户特征；
[0040]如果所述第四待服务用户特征集与所述第二相似用户特征集不存在交集，则分别对所述第四待服务用户特征与所述第二相似用户特征进行关联性分析，提取第五待服务用户特征。
[0041]进一步地，分别对第四待服务用户特征与所述第二相似用户特征进行关联性分析，提取第五待服务用户特征，包括：
[0042]针对每个所述第二相似用户特征，分别与各个第四待服务用户特征进行组合，并计算两者之间的第二特征相似度；
[0043]将所述第二相似用户特征对应的各个第二特征相似度与第一预设阈值进行对比，判断各个第二特征相似度中是否存在大于第一预设阈值的值；
[0044]如果各个第二特征相似度中不存在大于第一预设阈值的值，则将下一第二相似用户特征对应的各个第二特征相似度与第一预设阈值进行对比；
[0045]如果各个第二特征相似度中存在大于第一预设阈值的值，则将所述第二相似用户特征作为所述第五待服务用户特征。
[0046]优选地，如果所述当前信息资料中没有历史浏览记录，则利用所述待服务用户注册信息进行特征提取：
[0047]分析所述当前信息资料，提取待服务用户注册信息；
[0048]分析所述待服务用户注册信息，从所述待服务用户注册信息中提取第六待服务用户特征并生成第六待服务用户特征集；
[0049]利用所述第六待服务用户特征集为所述待服务用户匹配第三相似用户群体；
[0050]从所述第三相似用户群体中依次提取第三相似用户特征，生成第三相似用户特征集；
[0051]判断所述第六待服务用户特征集与所述第三相似用户特征集是否存在交集；
[0052]如果所述第六待服务用户特征集与所述第三相似用户特征集存在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能推荐方法，其特征在于，所述方法包括：接收待服务用户的服务请求，采集所述待服务用户的当前信息资料；判断所述当前信息资料中是否有量表信息；如果当前信息资料中有量表信息，则结合所述待服务用户的历史信息资料判断所述待服务用户量表信息是否有更新；如果所述待服务用户量表信息未更新，则对所述待服务用户的历史量表信息进行特征分析，生成第一待服务用户特征与第一待服务用户特征集；利用所述第一待服务用户特征集为所述待服务用户匹配第一相似用户群体；从所述第一相似用户群体中依次提取第一相似用户特征，生成第一相似用户特征集；从所述第一待服务用户特征集与所述第一相似用户特征集中提取第二待服务用户特征；利用所述第二待服务用户特征进行第一医生匹配，得到第一适配医生群体；将所述第一适配医生群体中的医生推荐给所述待服务用户。2.如权利要求1所述的一种智能推荐方法，其特征在于，从所述第一待服务用户特征集与所述第一相似用户特征集中提取第二待服务用户特征，包括：判断所述第一待服务用户特征集与所述第一相似用户特征集是否存在交集；如果所述第一待服务用户特征集与所述第一相似用户特征集存在交集，则提取所述交集中的特征即作为第二待服务用户特征；如果所述第一待服务用户特征集与所述第一相似用户特征集不存在交集，则分别对所述第一待服务用户特征与所述第一相似用户特征进行关联性分析，提取第二待服务用户特征。3.如权利要求2所述的一种智能推荐方法，其特征在于，对第一待服务用户特征与所述第一相似用户特征进行关联性分析，提取第二待服务用户特征，包括：将各个第一待服务用户特征作为所述第二待服务用户特征；针对每个所述第一相似用户特征，分别与各个第一待服务用户特征进行组合，并计算两者之间的第一特征相似度；将所述第一相似用户特征对应的各个第一特征相似度与第一预设阈值进行对比，判断各个第一特征相似度中是否存在大于第一预设阈值的值；如果各个第一特征相似度中不存在大于第一预设阈值的值，则将下一第一相似用户特征对应的各个第一特征相似度与第一预设阈值进行对比；如果各个第一特征相似度中存在大于第一预设阈值的值，则将所述第一相似用户特征作为所述第二待服务用户特征。4.如权利要求1所述的一种智能推荐方法，其特征在于，所述方法还包括：如果所述待服务用户量表信息有更新，则提取新量表信息；判断所述新量表信息对应的新量表数量是否为1；如果所述新量表数量不为1，则按照新量表分别对相应的新量表信息进行分析，生成第三待服务用户特征与第三待服务用户特征集；如果所述新量表数量为1，则结合历史量表信息对新量表信息进行分析，生成第三待服务用户特征与第三待服务用户特征集；
利用所述第三待服务用户特征结合待服务用户注册信息进行第二医生匹配，生成第二适配医生群体；将所述第二适配医生群体中的医生推荐给所述待服务用户。5.如权利要求3所述的一种智能推荐方法，其特征在于，所述方法还包括：如果所述待服务用户的当前信息资料中没有量表信息，判断所述当前信息资料中是否有历史浏览记录；如果所述当前信息资料中有历史浏览记录，则提取所述历史浏览记录，生成历史浏览记录集；对所述历史浏览记录集中的历史浏览记录进行分析，提取所述待服务用户的第四待服务用户特征，生成第四待服务用户特征集；利用所述第四待服务用户特征集为所述待服务用户匹配第二相似用户群体；从所述第二相似用户群体中依次提取第二相似用户特征，生成第二相似用户特征集；判断所述第四待服务用户特征集与所述第二相似用户特征集是否存在交集...

【专利技术属性】
技术研发人员：王惠莹，刘浩，
申请(专利权)人：北京小懂科技有限公司，
类型：发明
国别省市：