【技术实现步骤摘要】
科室推荐方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能及数字医疗
,尤其涉及一种科室推荐方法、装置、设备及存储介质。
技术介绍
[0002]在数字医疗领域中,随着人工智能的发展,通过线上医疗服务应用即可搜索出能够治疗疾病的具体科室。在将疾病划分到具体科室时,由于疾病名称的文本长度较短,现有模型很难充分学习到疾病的语义信息,从而造成现有模型无法准确的给疾病推荐出合适的诊疗科室。
[0003]因此,如何准确的给疾病推荐出合适的诊疗科室,成了亟需解决的技术问题。
技术实现思路
[0004]鉴于以上内容,有必要提供一种科室推荐方法、装置、设备及存储介质,能够解决如何准确的给疾病推荐出合适的诊疗科室的技术问题。
[0005]一方面,本专利技术提出一种科室推荐方法,应用于电子设备,所述科室推荐方法包括:
[0006]获取预测疾病的疾病名称,并获取多个配置科室的科室模板;
[0007]根据每个科室模板及所述疾病名称生成所述预测疾病与每个配置科室的交互向量;
[0008]获取预先训练完成的科室识别模型,所述科室识别模型包括多个编码器、多个解码器及预测输出层;
[0009]基于所述多个编码器对所述交互向量进行编码处理,得到编码信息;
[0010]根据所述多个解码器在所述科室识别模型的拼接顺序,对所述编码信息进行依次解码处理,得到解码信息;
[0011]基于所述预测输出层对所述解码信息进行预测,得到与所述预测疾病匹配的目标科室及所述目标 ...
【技术保护点】
【技术特征摘要】
1.一种科室推荐方法,应用于电子设备,其特征在于,所述科室推荐方法包括:获取预测疾病的疾病名称,并获取多个配置科室的科室模板;根据每个科室模板及所述疾病名称生成所述预测疾病与每个配置科室的交互向量;获取预先训练完成的科室识别模型,所述科室识别模型包括多个编码器、多个解码器及预测输出层;基于所述多个编码器对所述交互向量进行编码处理,得到编码信息;根据所述多个解码器在所述科室识别模型的拼接顺序,对所述编码信息进行依次解码处理,得到解码信息;基于所述预测输出层对所述解码信息进行预测,得到与所述预测疾病匹配的目标科室及所述目标科室的预测概率;根据所述预测概率及所述目标科室生成所述预测疾病的科室推荐方案。2.如权利要求1所述的科室推荐方法,其特征在于,所述根据每个科室模板及所述疾病名称生成所述预测疾病与每个配置科室的交互向量包括:将每个科室模板作为第一句子,所述疾病名称作为第二句子,并基于预设标识拼接每个第一句子及所述第二句子,得到文本信息;对所述文本信息进行分词处理,得到多个文本词汇;识别每个文本词汇所在的句子所对应的句子编号;识别每个文本词汇在所述文本信息中的位置编号;基于每个文本词汇的词汇表征、所述句子编号及所述位置编号生成每个文本词汇的词汇向量;依据所述位置编号,拼接多个所述词汇向量,得到所述交互向量。3.如权利要求1所述的科室推荐方法,其特征在于,在获取预先训练完成的科室识别模型之前,所述科室推荐方法还包括:获取多个训练疾病,并获取每个训练疾病所对应的诊疗科室;根据所述多个训练疾病及多个所述诊疗科室生成多个训练样本,每个训练样本包括训练文本匹配对及该训练样本中样本疾病所对应的标注科室,所述训练文本匹配对包括该样本疾病所对应的训练名称及样本科室的科室信息;基于预先构建的科室识别网络对所述训练文本匹配对进行识别,得到识别结果;基于所述识别结果及所述标注科室生成所述科室识别网络的网络损失值;根据所述网络损失值调整所述科室识别网络的网络参数,直至满足预设条件,得到所述科室识别模型。4.如权利要求1所述的科室推荐方法,其特征在于,所述基于所述多个编码器对所述交互向量进行编码处理,得到编码信息包括:对于任一编码器,基于所述交互向量的表征维度,从所述任一编码器中提取多个权值矩阵;基于所述多个权值矩阵生成所述交互向量的多个配置向量;基于所述多个配置向量中的任意两个配置向量及任一配置向量的向量维度,计算所述交互向量中每个表征词汇对其余词汇的关注度;根据所述关注度及所述多个配置向量中的目标向量生成关注编码;
基于所述任一编码器的编码权值对所述关注编码进行加权和运算,得到初始向量,并将所述初始向量作为下一个编码器的交互向量进行编码处理,直至所述多个编码器均参与编码,得到所述编码信息。5.如权利要求1所述的科室推荐方法,其特征在于,所述多个解码器包括第一解码器及第二解码器,所述第一解码器的拼接顺序小于所述第二解码器的拼接顺序,所述根据所述多个解码器在所述科室...
【专利技术属性】
技术研发人员:付桂振,张文倩,
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。