陪护人员的智能管理系统及其方法技术方案

本申请公开了一种陪护人员的智能管理系统及其方法，涉及智能管理领域，其采用基于深度神经网络模型的人工智能技术，获取陪护人员信息和患者需求信息，将陪护信息通过上下文编码和过滤器卷积网络提取陪护人员上下文语义理解特征，将需求信息通过上下文编码和双向

【技术实现步骤摘要】
陪护人员的智能管理系统及其方法


[0001]本申请涉及智能管理领域，具体涉及一种陪护人员的智能管理系统及其方法
。

技术介绍

[0002]陪护人员是专门从事照顾和护理需要帮助的人群（如老年人
、
病患
、
残障人士等）的专业人员
。
他们提供日常生活照料
、
医疗协助和情感支持等服务，旨在帮助被照顾者提高生活质量
、
促进康复或维持独立生活能力
。
[0003]医疗管理部门需要依据陪护人员的基本信息如姓名
、
员工编号
、
技能等级
、
工作经验
、
可用时间段等和患者的需求信息如病情
、
护理需求对陪护人员进行合理的排班工作
。
[0004]但由于传统排班通常是由人工进行调度和安排，需要考虑到多个因素，这样的人工调度过程可能繁琐
、
耗时，并且容易出现错误或不完全考虑到各种约束条件，传统排班可能无法充分考虑陪护人员的个人需求和偏好，以及患者的特殊需求，导致陪护人员的工作满意度降低，同时可能无法提供最优质的护理服务
。
[0005]因此，期待一种优化的陪护人员的智能管理方案
。

技术实现思路

[0006]为了解决上述技术问题，提出了本申请
。
本申请提供了一种陪护人员的智能管理系统及其方法，其采用基于深度神经网络模型的人工智能技术，获取陪护人员信息和患者需求信息，将陪护信息通过上下文编码和过滤器卷积网络提取陪护人员上下文语义理解特征，将需求信息通过上下文编码和双向
LSTM
模型捕捉患者需求中的语义关联和长期依赖关系，融合后以得到用于表示陪护人员的排班班次的标签的分类结果
。
进而，可以实现陪护人员排班班次的自动化分类，提高排班的科学性和准确性
。
[0007]根据本申请的一个方面，提供了一种陪护人员的智能管理系统，其包括：信息获取模块，用于获取陪护人员信息和患者需求信息；陪护信息上下文理解模块，用于将所述陪护人员信息通过包含嵌入层的上下文编码模块以得到多个陪护人员信息局部特征向量；高斯融合模块，用于将所述多个陪护人员信息局部特征向量通过高斯密度图以得到陪护人员信息特征矩阵；陪护特征提取模块，用于将所述陪护人员信息特征矩阵通过作为过滤器的卷积神经网络模型以得到陪护人员信息特征向量；患者需求上下文理解模块，用于将所述患者需求信息通过包含嵌入层的上下文编码模块以得到多个患者需求局部特征向量；双向注意力提取模块，用于将所述多个患者需求局部特征向量通过双向
LSTM
模型以得到患者需求特征向量后和所述陪护人员信息特征向量融合以得到分类特征向量；插值匹配模块，用于对所述分类特征向量进行基于秩序性的插值匹配以得到优化分类特征向量；
排班结果生成模块，用于将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示陪护人员的排班班次的标签
。
[0008]在上述陪护人员的智能管理系统中，所述陪护信息上下文理解模块，包括：第一分词单元，用于对所述陪护人员信息进行分词处理以将所述陪护人员信息转化为由多个词组成的陪护词序列；第一词嵌入单元，用于使用所述包含嵌入层的上下文编码模块的嵌入层分别将所述陪护词序列中各个词映射为词嵌入向量以得到陪护词嵌入向量的序列；以及，第一上下文编码单元，用于使用所述包含嵌入层的上下文编码模块的转换器对所述陪护词嵌入向量的序列进行基于转换器思想的全局上下文语义编码以得到多个陪护人员信息局部特征向量
。
[0009]在上述陪护人员的智能管理系统中，所述第一上下文编码单元，包括：排列子单元，用于将所述陪护词嵌入向量的序列进行一维排列以得到全局特征向量；自注意子单元，用于计算所述全局特征向量与所述陪护词嵌入向量的序列中各个向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过
Softmax
分类函数以得到多个概率值；以及，加权子单元，用于分别以所述多个概率值中各个概率值作为权重对所述陪护词嵌入向量的序列中各个向量进行加权以得到所述多个陪护人员信息局部特征向量在上述陪护人员的智能管理系统中，所述高斯融合模块，包括
:
融合单元，用于使用高斯密度图来融合所述多个陪护人员信息局部特征向量以得到融合高斯密度图；以及，高斯离散化单元，用于对所述融合高斯密度图中各个位置的高斯分布进行离散化处理以得到所述陪护人员信息特征矩阵
。
[0010]在上述陪护人员的智能管理系统中，所述陪护特征提取模块，用于：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图的通道维度的各个特征矩阵进行全局均值池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的卷积神经网络模型的最后一层的输出为所述陪护人员信息特征向量，所述作为过滤器的卷积神经网络模型的第一层的输入为所述陪护人员信息特征矩阵
。
[0011]在上述陪护人员的智能管理系统中，所述患者需求上下文理解模块，包括：第二分词单元，用于对所述患者需求信息进行分词处理以将所述患者需求信息转化为由多个词组成的需求词序列；第二词嵌入单元，用于使用所述包含嵌入层的上下文编码模块的嵌入层分别将所述需求词序列中各个词映射为词嵌入向量以得到需求词嵌入向量的序列；以及，第二上下文编码单元，用于使用所述包含嵌入层的上下文编码模块的转换器对所述需求词嵌入向量的序列进行基于转换器思想的全局上下文语义编码以得到多个患者需求局部特征向量
。
[0012]根据本申请的另一方面，提供了一种陪护人员的智能管理方法，其包括：获取陪护人员信息和患者需求信息；将所述陪护人员信息通过包含嵌入层的上下文编码模块以得到多个陪护人员信息局部特征向量；
将所述多个陪护人员信息局部特征向量通过高斯密度图以得到陪护人员信息特征矩阵；将所述陪护人员信息特征矩阵通过作为过滤器的卷积神经网络模型以得到陪护人员信息特征向量；将所述患者需求信息通过包含嵌入层的上下文编码模块以得到多个患者需求局部特征向量；将所述多个患者需求局部特征向量通过双向
LSTM
模型以得到患者需求特征向量后和所述陪护人员信息特征向量融合以得到分类特征向量；对所述分类特征向量进行基于秩序性的插值匹配以得到优化分类特征向量；将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示陪护人员的排班班次的标签
。
[0013]本专利技术的有益效果：本申请提供的一种陪护人员的智能管理系统及其方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种陪护人员的智能管理系统，其特征在于，包括：信息获取模块，用于获取陪护人员信息和患者需求信息；陪护信息上下文理解模块，用于将所述陪护人员信息通过包含嵌入层的上下文编码模块以得到多个陪护人员信息局部特征向量；高斯融合模块，用于将所述多个陪护人员信息局部特征向量通过高斯密度图以得到陪护人员信息特征矩阵；陪护特征提取模块，用于将所述陪护人员信息特征矩阵通过作为过滤器的卷积神经网络模型以得到陪护人员信息特征向量；患者需求上下文理解模块，用于将所述患者需求信息通过包含嵌入层的上下文编码模块以得到多个患者需求局部特征向量；双向注意力提取模块，用于将所述多个患者需求局部特征向量通过双向
LSTM
模型以得到患者需求特征向量后和所述陪护人员信息特征向量融合以得到分类特征向量；插值匹配模块，用于对所述分类特征向量进行基于秩序性的插值匹配以得到优化分类特征向量；排班结果生成模块，用于将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示陪护人员的排班班次的标签
。2.
根据权利要求1所述的陪护人员的智能管理系统，其特征在于，所述陪护信息上下文理解模块，包括：第一分词单元，用于对所述陪护人员信息进行分词处理以将所述陪护人员信息转化为由多个词组成的陪护词序列；第一词嵌入单元，用于使用所述包含嵌入层的上下文编码模块的嵌入层分别将所述陪护词序列中各个词映射为词嵌入向量以得到陪护词嵌入向量的序列；第一上下文编码单元，用于使用所述包含嵌入层的上下文编码模块的转换器对所述陪护词嵌入向量的序列进行基于转换器思想的全局上下文语义编码以得到多个陪护人员信息局部特征向量
。3.
根据权利要求2所述的陪护人员的智能管理系统，其特征在于，所述第一上下文编码单元，包括：排列子单元，用于将所述陪护词嵌入向量的序列进行一维排列以得到全局特征向量；自注意子单元，用于计算所述全局特征向量与所述陪护词嵌入向量的序列中各个向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过
Softmax
分类函数以得到多个概率值；加权子单元，用于分别以所述多个概率值中各个概率值作为权重对所述陪护词嵌入向量的序列中各个向量进行加权以得到所述多个陪护人员信息局部特征向量
。4.
根据权利要求3所述的陪护人员的智能管理系统，其特征在于，所述高斯融合模块，包括
:
融合单元，用于使用高斯密度图来融合所述多个陪护人员信息局部特征向量以得到融
合高斯密度图；高斯离散化单元，用于对所述融合高斯密度图中各个位置的高斯分布进行离散化处理以得到所述陪护人员信息特征矩阵
。5.
根据权利要求4所述的陪护人员的智能管理系统，其特征在于，所述陪护特征提取模块，用于：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图的通道维度的各个特征矩阵进行全局均值池化以得到池化特征图；对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的卷积神经网络模型的最后一层的输出为所述陪护人员信息特征向量，所述作为过滤器的卷积神经网络模型的第一层的输入为所述陪护人员信息特征矩阵
。6.
根据权利要求5所述的陪护人员的智能管理系统，其特征在于，所述患者需求上下文理解模块，包括：第二分词单元，用于对所述患者需求信息进行分词处理以将所述患者需求信息...

【专利技术属性】
技术研发人员：阚双双，刘岩，赫子懿，
申请(专利权)人：吉林大学，
类型：发明
国别省市：