CN106126873B - 治疗方案推荐方法和系统 - Google Patents
治疗方案推荐方法和系统 Download PDFInfo
- Publication number
- CN106126873B CN106126873B CN201610373723.5A CN201610373723A CN106126873B CN 106126873 B CN106126873 B CN 106126873B CN 201610373723 A CN201610373723 A CN 201610373723A CN 106126873 B CN106126873 B CN 106126873B
- Authority
- CN
- China
- Prior art keywords
- information
- knowledge base
- therapeutic scheme
- user
- solution case
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000001225 therapeutic effect Effects 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000000694 effects Effects 0.000 claims description 30
- 238000011282 treatment Methods 0.000 claims description 12
- 238000011285 therapeutic regimen Methods 0.000 abstract description 7
- 239000000243 solution Substances 0.000 description 113
- 238000010586 diagram Methods 0.000 description 12
- 208000024891 symptom Diseases 0.000 description 5
- 206010019233 Headaches Diseases 0.000 description 4
- 206010068319 Oropharyngeal pain Diseases 0.000 description 4
- 201000007100 Pharyngitis Diseases 0.000 description 4
- 208000036071 Rhinorrhea Diseases 0.000 description 4
- 206010039101 Rhinorrhoea Diseases 0.000 description 4
- 230000036760 body temperature Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 208000002173 dizziness Diseases 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 231100000869 headache Toxicity 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 206010034038 Parotitis Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 1
- 241000202726 Bupleurum Species 0.000 description 1
- 206010034023 Parotid gland enlargement Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229940000425 combination drug Drugs 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000000890 drug combination Substances 0.000 description 1
- 238000002651 drug therapy Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 201000009240 nasopharyngitis Diseases 0.000 description 1
- 229960005489 paracetamol Drugs 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Abstract
本发明公开了一种治疗方案推荐方法，包括以下步骤：获取用户的问题信息与个人信息；将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配成功且符合第一预设条件的解决案例中的治疗方案作为第二治疗方案；将第二治疗方案推荐给用户。上述方法将具有个人信息的个性化特征的用户的问题信息与大数据知识库中的多种问题信息匹配，提高匹配问题信息的准确性；再通过问题信息检索到最佳治疗方案信息，实现了获取最佳治疗方案的及时性；最终将最佳治疗方案信息推送用户，实现了治疗方案推送的针对性、快捷性。本发明还公开了一种治疗方案推荐系统。
Description
技术领域
本发明涉及计算机技术与人工智能技术领域，特别是涉及一种治疗方案推荐方法和系统。
背景技术
目前，传统的问题解决沟通模式为用户需要到专业机构找专家，与专家进行面对面的问题沟通，专家根据用户的问题，通过咨询结果、自身经验或者专家库中已有的数据进行参考推理，得到针对该用户的问题治疗方案推荐给用户。上述这种方式过于依赖专家或专家库的主管经验和理论知识，同时，一旦专家或专家库的知识有误，则会产生错误的治疗方案推荐结果，推荐方案会有偏差，对用户问题的解决具有不良的影响，延缓了用户获得有效治疗方案的时效性。
发明内容
基于此，有必要提供一种能够根据不同用户的个性化特征，准确、有效且及时的基于大数据知识库的个性化治疗方案推荐方法和系统。
一种治疗方案推荐方法，包括以下步骤：
获取用户的问题信息与个人信息；其中，所述获取的用户的问题信息作为第一问题信息，所述获取的个人信息作为第一个人信息；
将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配成功且符合第一预设条件的所述解决案例中的治疗方案作为第二治疗方案；
将所述第二治疗方案推荐给用户。
在其中一个实施例中，还包括：预先创建所述知识库；
其中，所述知识库包括至少一个解决案例，且每个解决案例中包括与该个解决案例对应的用户的问题信息、对应的用户的个人信息、对应的治疗方案、对应的解决效果。
在其中一个实施例中，所述将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配成功且符合第一预设条件的所述解决案例中的治疗方案作为第二治疗方案的步骤包括：
将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配度大于预设阈值的所述解决案例作为第一解决案例；
比较知识库中所述多个第一解决案例对应的解决效果，获得所述解决效果最好的第一解决案例，其中，将所述解决效果最好作为所述第一预设条件；
将符合所述第一预设条件的第一解决案例中的治疗方案作为第二治疗方案。
在其中一个实施例中，所述将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配成功且符合第一预设条件的所述解决案例中的治疗方案作为第二治疗方案的步骤包括：
将所述知识库中的解决案例中的问题信息与所述第一问题信息的匹配度作为P1；
将所述知识库中的解决案例中的个人信息与所述第一个人信息的匹配度作为P2；
将所述知识库中的解决案例中的解决效果作为P3；
计算所述知识库中每个解决案例对应的P1×k1+ P2×k2+P3×k3，作为该个解决案例对应的推荐优选度，其中，将所述推荐优选度最大作为所述第二预设条件；
将符合所述第二预设条件的所述解决案例中的治疗方案作为第二治疗方案；
其中，k1、k2和k3为预设的大于或等于0的加权参数。
在其中一个实施例中，将所述知识库中的解决案例中的个人信息与所述第一个人信息的匹配度作为P2的步骤包括：
将所述知识库中的所述解决案例中的个人信息中的用户年龄与所述第一个人信息中的用户年龄的差值的绝对值作为P21；
将所述知识库中的所述解决案例中的个人信息中的用户所在地与所述第一个人信息中的用户所在地的距离作为P22；
计算f（P21×k21+P22×k22），作为所述知识库中的所述解决案例对应的P2；其中，其中，k21和k22为预设的大于或等于0的加权参数，f为使得p2与（P21×k21+P22×k22）成反比的预设函数。
在其中一个实施例中，还包括：将所述获取的用户的第一问题信息、第一个人信息、推荐的治疗方案、实际解决效果作为一个解决案例添加至所述知识库中；将不少于预设数值的所述解决案例加入所述知识库，形成大数据知识库。
一种治疗方案推荐系统，包括：
信息获取模块，用于获取用户的问题信息与个人信息；其中，所述获取的用户的问题信息作为第一问题信息，所述获取的个人信息作为第一个人信息；
治疗方案获取模块，用于将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配成功且符合第一预设条件的所述解决案例中的治疗方案作为第二治疗方案；
推荐模块，用于将所述第二治疗方案推荐给用户。
在其中一个实施例中，还包括，创建模块，用于预先创建所述知识库；
其中，所述知识库包括至少一个解决案例，且每个解决案例中包括与该个解决案例对应的用户的问题信息、对应的用户的个人信息、对应的治疗方案、对应的解决效果。
在其中一个实施例中，所述治疗方案获取模块，包括：
信息匹配单元，用于将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配度大于预设阈值的所述解决案例作为第一解决案例；
比较单元，用于比较知识库中所述多个第一解决案例对应的解决效果，获得所述解决效果最好的第一解决案例，其中，将所述解决效果最好作为所述第一预设条件；
第一生成单元，用于将符合所述第一预设条件的第一解决案例中的治疗方案作为第二治疗方案。
在其中一个实施例中，所述治疗方案获取模块包括：
第一匹配单元，用于将所述知识库中的解决案例中的问题信息与所述第一问题信息的匹配度作为P1；
第二匹配单元，用于将所述知识库中的解决案例中的个人信息与所述第一个人信息的匹配度作为P2；
定义单元，用于将所述知识库中的解决案例中的解决效果作为P3；
第一计算单元，用于计算所述知识库中每个解决案例对应的P1×k1+ P2×k2+P3×k3，作为该个解决案例对应的推荐优选度，其中，将所述推荐优选度最大作为所述第二预设条件；
第二生成单元，用于将符合所述第二预设条件的所述解决案例中的治疗方案作为第二治疗方案；
其中，k1、k2和k3为预设的大于或等于0的加权参数。
在其中一个实施例中，所述第二匹配单元包括：
年龄信息获取单元，用于将所述知识库中的所述解决案例中的个人信息中的用户年龄与所述第一个人信息中的用户年龄的差值的绝对值作为P21；
距离信息获取单元，用于将所述知识库中的所述解决案例中的个人信息中的用户所在地与所述第一个人信息中的用户所在地的距离作为P22；
第二计算单元，用于计算f（P21×k21+P22×k22），作为所述知识库中的所述解决案例对应的P2；其中，其中，k21和k22为预设的大于或等于0的加权参数，f为使得p2与（P21×k21+P22×k22）成反比的预设函数。
在其中一个实施例中，还包括：添加模块，用于将所述获取的用户的第一问题信息、第一个人信息、推荐的治疗方案、实际解决效果作为一个解决案例添加至所述知识库中；将不少于预设数值的所述解决案例加入所述知识库，形成大数据知识库。
上述治疗方案推荐方法和系统，通过获取不同用户的个人信息与问题信息，将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配成功且符合第一预设条件的解决案例中的治疗方案作为第二治疗方案；将第二治疗方案推荐给用户。上述治疗方案推荐方法和系统，实现了获取最佳治疗方案的及时性；治疗方案推送的针对性、快捷性；且进一步的，利用已有的解决数据，从中搜索出与用户的个人信息相关联的问题最匹配的成功治疗方案，不再依赖专家或专家库的主管经验和理论知识，而是根据解决的客观历史数据，会产生更好的治疗方案推荐结果。
附图说明
图1为第一实施例中治疗方案推荐方法的流程示意图；
图2为第二实施例中治疗方案推荐方法的流程示意图；
图3为第三实施例中治疗方案推荐方法的流程示意图；
图4为第四实施例中治疗方案推荐方法的流程示意图；
图5为第五实施例中治疗方案推荐方法的流程示意图；
图6为第六实施例中治疗方案推荐方法的流程示意图；
图7为第七实施例中治疗方案推荐方法的流程示意图；
图8为一个实施例中治疗方案推荐系统的结构示意图；
图9为另一个实施例中治疗方案推荐系统的结构示意图；
图10为一个实施例中治疗方案推荐系统中治疗方案获取模块的结构示意图；
图11为另一个实施例中治疗方案推荐系统中治疗方案获取模块的结构示意图；以及
图12为一个实施例中治疗方案推荐系统中第二匹配单元的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下通过实施例，并结合附图，对本发明基于大数据知识库的个性化治疗方案推荐方法和系统的具体实施方式进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参见图1，一个实施例中，治疗方案推荐方法可以包括以下步骤：
步骤S100，获取用户的个人信息与问题信息。其中，获取的用户的问题信息作为第一问题信息，获取的个人信息作为第一个人信息。其中，获取用户的个人信息与问题信息为通过终端机录入用户的个人信息与问题信息。可以理解的是，此处的终端机可以为计算机或其他可以进行用户的个人信息与问题信息录入、上传的电子终端设备，例如智能手机、穿戴式智能设备、平板电脑等。
具体的，在终端机上可运行用户问题管理系统，通过该系统对用户的个人信息与问题信息进行录入。其中，可以录入用户的个人信息包括但不限于用户的姓名、年龄、所在地；可以录入的问题信息包括但不限于用户的症状、用户的生命体征值等。
步骤S200，将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配成功且符合第一预设条件的解决案例中的治疗方案作为第二治疗方案。其中，知识库包括至少一个解决案例，且每个解决案例中包括与该个解决案例对应的用户的问题信息、对应的用户的个人信息、对应的治疗方案、对应的解决效果。
需要说明的是，在本发明中，知识库为预先创建的。由此，提高了将获取的针对用户的个人信息的问题信息与大数据知识库中的多种问题信息进行匹配的适用性。
步骤S300，将第二治疗方案推荐给用户。其中，治疗方案信息利用局部网络或互联网可以将治疗方案信息推送至用户。由此，可以实现信息化、个性化、远程管理控制和智能化推送治疗方案信息的目的。
上述治疗方案推荐方法，通过获取不同用户的个人信息与问题信息，将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配成功且符合第一预设条件的解决案例中的治疗方案作为第二治疗方案；将第二治疗方案推荐给用户。上述治疗方案推荐方法，实现了获取最佳治疗方案的及时性；治疗方案推送的针对性、快捷性；且进一步的，利用已有的解决数据，从中搜索出与用户的个人信息相关联的问题最匹配的成功治疗方案，不再依赖专家或专家库的主管经验和理论知识，而是根据解决的客观历史数据，会产生更好的治疗方案推荐结果。
此外，参见图2，一个实施例中，治疗方案推荐方法还可以包括以下步骤：
步骤S400，将获取的用户的第一问题信息、第一个人信息、推荐的治疗方案、实际解决效果作为一个解决案例添加至知识库中；将不少于预设数值的解决案例加入知识库，形成大数据知识库。
进一步地，参见图3，在一个实施例中，步骤S200中，将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配成功且符合第一预设条件的解决案例中的治疗方案作为第二治疗方案的步骤包括：
步骤S201，将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配度最大的解决案例作为第一解决案例。
步骤S202，比较知识库中多个第一解决案例对应的解决效果，获得解决效果最好的第一解决案例。其中，将解决效果最好作为第一预设条件。
步骤S203，将符合第一预设条件的第一解决案例中的治疗方案作为第二治疗方案。
需要说明的是，多种问题信息对应的预先存储在大数据知识库中的治疗方案信息可以为一种或多种，也可以为空。其中，如果治疗方案信息为空，则不需要计算该问题信息对应的治疗方案的成功度，而是认为设置成功度为大于0.5，小于1的正数，且进一步的，治疗方案信息包括但不限于药物名称、药物的单次剂量、用药时间、给药途径、联合用药方案等信息。其中，本发明中大数据知识库为治疗方案大数据知识库，治疗方案大数据知识库是知识工程中结构化、易操作、易利用、全面有组织的知识集群，是针对专业领域问题求解的需要，采用专业知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合。这些知识片包括与专业领域相关的理论知识、事实数据，由专家经验得到的启发式知识，例如，专业领域内有关的定义、定理和运算法则以及常识性知识等。
此外，参见图4，在一个实施例中，将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配成功且符合第一预设条件的解决案例中的治疗方案作为第二治疗方案的步骤包括：
步骤S201’，将知识库中的解决案例中的问题信息与第一问题信息的匹配度作为P1。
步骤S202’，将知识库中的解决案例中的个人信息与第一个人信息的匹配度作为P2。
步骤S203’，将知识库中的解决案例中的解决效果作为P3。
步骤S204’，计算知识库中每个解决案例对应的P1×k1+ P2×k2+P3×k3，作为该个解决案例对应的推荐优选度，其中，将推荐优选度最大作为第二预设条件，且k1、k2和k3为预设的大于或等于0的加权参数。
步骤S205’ 将符合第二预设条件的解决案例中的治疗方案作为第二治疗方案。
本实施例中，如图5所示，在大数据知识库中搜索出与获取的用户的个人信息与问题信息的第一匹配度大于预设值的问题信息集合具体包括：
步骤S2011，从大数据知识库中抽取出用于搜索多种问题信息中的任意一个信息的关键词，即为第一关键词。其中，关键词可以为但不限于字符串。
步骤S2012，从获取的用户的问题信息中抽取关键词，即为第二关键词。
步骤S2013，对第一关键词与第二关键词进行匹配。其中，对第一关键词与第二关键词通过精确匹配或模糊匹配方式进行匹配。由此，提高了匹配的多选择性与适用性。
步骤S2014，将匹配成功的关键词数在第二关键词数中占比数作为第一匹配度，第一匹配度用P1表示。由此，提高了问题匹配过程中的高效性与准确性。
基于上述同样的原理，参见图6，在本实施例中，计算问题信息集合中每一个问题信息与获取的用户的问题信息的第二匹配度具体包括：
步骤S2021，从问题信息集合中每一个问题信息中抽取任意一个信息的关键词，即为第三关键词。其中，关键词可以为但不限于字符串。
步骤S2022，从获取的用户的问题信息中抽取关键词，即为第二关键词。
步骤S2023，对第三关键词与第二关键词进行匹配。其中，对第三关键词与第二关键词通过精确匹配或模糊匹配方式进行匹配。由此，提高了匹配的多选择性与适用性。
步骤S2024，将匹配成功的关键词数在第二关键词数中占比数作为第二匹配度，第二匹配度用P2表示。由此，提高了问题匹配过程中的高效性与准确性。
更进一步地，在一个实施例中，参见图7，将知识库中的解决案例中的个人信息与第一个人信息的匹配度作为P2的步骤包括：
步骤S2031，将知识库中的解决案例中的个人信息中的用户年龄与第一个人信息中的用户年龄的差值的绝对值作为P21。
步骤S2032，将知识库中的解决案例中的个人信息中的用户所在地与第一个人信息中的用户所在地的距离作为P22。
步骤S2033，计算f（P21×k21+P22×k22），作为知识库中的解决案例对应的P2；其中， k21和k22为预设的大于或等于0的加权参数，f为使得p2与（P21×k21+P22×k22）成反比的预设函数。
为了更好的理解与应用本发明提出的一种治疗方案推荐方法，进行以下示例，需要说明的是，本发明所保护的范围不局限以下示例。
例如，获取甲用户的问题信息，李XX、26岁、北京市朝阳区、咽喉痛、头晕头痛、流涕症状、生命体征值（体温41.9℃），在预存储在大数据知识库中的多种问题信息中进行匹配。
具体的，在大数据知识库中搜索出与获取的用户的个人信息与问题信息上述问题信息的匹配度大于预设值60%的问题信息集合，或在大数据知识库中搜索出预设值为10个与问题信息匹配的问题信息集合，即大数据知识库中搜索出的用户的问题信息包括但不限于：咽喉痛、头晕头痛、流涕症状、生命体征值（体温41.9℃）；且进一步在大数据知识库中搜索出的用户的个人信息包括但不限于：李XX、26岁、北京市朝阳区；继而计算问题信息集合中每一个问题信息与获取的用户的问题信息的匹配度，例如，大于预设值60%的问题信息集合中抽取到了腮腺炎中的腮腺肿大的问题信息，与甲用户咽喉痛、头晕头痛、流涕症状、生命体征值（体温41.9℃）中抽取的任意信息进行匹配，都无法实现匹配，即腮腺炎特征排除。
基于同样的原理，最终在大于预设值60%的问题信息集合中抽取到的问题信息与甲用户咽喉痛、头晕头痛、流涕症状、生命体征值（体温41.9℃）中抽取的任意信息进行匹配，实现绝大部分或者全部匹配，即确定为甲用户的问题信息为耳鼻喉科中的感冒特征（重度感冒）。
进一步的，通过计算第一系数（预设大于或等于0的数值）与问题信息匹配度的乘积，第二系数（预设大于或等于0的数值）与个人信息匹配度的乘积，以及第三系数（预设大于或等于0的数值）与治疗方案优先度的乘积，将上述三个乘积进行加和处理，最终计算问题信息集合中每一个问题信息的第一优先度；获取优先度中的最大值对应的问题信息，作为与获取针对用户的准确的个人信息与用户的问题信息匹配成功的问题信息。需要说明的是，在大数据知识库中，与耳鼻喉科中的感冒特征（重度感冒）相关联的治疗方案信息对应的方式可以为一对一映射关系，例如，针对耳鼻喉科中的感冒特征（重度感冒）第一治疗方案为：口服XXX感冒冲剂，与对乙酰氨基酚、柴胡注射液进行联合用药，一天三次，饭前服用，成功度优秀（评分：5分）。即获取检索到的治疗方案信息，并将治疗方案信息推送至用户。
此外，需要说明的是，其中的优先度为大数据知识库中与匹配成功的问题信息以及与问题信息相对应的治疗方案的优先度较高的治疗方案评价变量，该评价变量可以通过评分或评级的方式进行存储或展示。
基于同一发明构思，在一个实施例中，还提出一种治疗方案推荐系统。参见图8，该基于大数据的治疗方案推荐系统可以包括信息获取模块110、治疗方案获取模块120和推荐模块130。
其中，信息获取模块110用于获取用户的问题信息与个人信息；其中，获取的用户的问题信息作为第一问题信息，获取的个人信息作为第一个人信息；治疗方案获取模块120用于将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配成功且符合预设条件的解决案例中的治疗方案作为第二治疗方案；推荐模块130用于将第二治疗方案推荐给用户。
此外，参见图9，该治疗方案推荐系统还可以包括创建模块140和添加模块150。
其中，创建模块140用于预先创建知识库；其中，其中，知识库包括至少一个解决案例，且每个解决案例中包括与该个解决案例对应的用户的问题信息、对应的用户的个人信息、对应的治疗方案、对应的解决效果；添加模块150用于将获取的用户的第一问题信息、第一个人信息、推荐的治疗方案、实际解决效果作为一个解决案例添加至知识库中；将不少于预设数值的解决案例加入知识库，形成大数据知识库。由此，提高了基于大数据知识库进行针对用户问题信息的治疗方案的查询的实时性与易用性。
另外，参见图10，在一个实施例中，一种治疗方案推荐系统中治疗方案获取模块120包括：信息匹配单元1210、比较单元1220、第一生成单元1230。
其中，信息匹配单元1210用于将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配度最大的解决案例作为第一解决案例；比较单元1220用于比较知识库中多个第一解决案例对应的解决效果，获得解决效果最好的第一解决案例，其中，将解决效果最好作为第一预设条件；第一生成单元1230用于将符合第一预设条件的第一解决案例中的治疗方案作为第二治疗方案。
进一步地，参见图11，在另一个实施例中，一种治疗方案推荐系统中治疗方案获取模块120还包括：第一匹配单元1240、第二匹配单元1250、定义单元1260、第一计算单元1270以及第二生成单元1280。
其中，第一匹配单元1240用于将知识库中的解决案例中的问题信息与第一问题信息的匹配度作为P1；第二匹配单元1250用于将知识库中的解决案例中的个人信息与第一个人信息的匹配度作为P2；定义单元1260用于将知识库中的解决案例中的解决效果作为P3；第一计算单元1270用于计算知识库中每个解决案例对应的P1×k1+ P2×k2+P3×k3，作为该个解决案例对应的推荐优选度，其中，将推荐优选度最大作为第二预设条件；第二生成单元1280用于将符合第二预设条件的解决案例中的治疗方案作为第二治疗方案；其中，k1、k2和k3为预设的大于或等于0的加权参数。
更进一步地，参见图12，在一个实施例中，提供的一种治疗方案推荐系统中第二匹配单元1250包括：年龄信息获取单元1251、距离信息获取单元1252以及第二计算单元1253。
其中，年龄信息获取单元1251用于将知识库中的解决案例中的个人信息中的用户年龄与第一个人信息中的用户年龄的差值的绝对值作为P21；距离信息获取单元1252用于将知识库中的解决案例中的个人信息中的用户所在地与第一个人信息中的用户所在地的距离作为P22；第二计算单元1253用于计算f（P21×k21+P22×k22），作为知识库中的解决案例对应的P2；其中，其中，k21和k22为预设的大于或等于0的加权参数，f为使得p2与（P21×k21+P22×k22）成反比的预设函数。
另外，本实施例中，一种治疗方案推荐系统中第一匹配单元包括：第一抽取子单元、第二抽取子单元、第一匹配子单元和第一生成子单元。
其中，第一抽取子单元用于从大数据知识库中抽取出用于搜索多种问题信息中的任意一个信息的关键词，即为第一关键词；第二抽取子单元从获取的用户的问题信息中抽取关键词，即为第二关键词；第一匹配子单元用于对第一关键词与第二关键词进行匹配；第一生成子单元用于将匹配成功的关键词数在第二关键词数中占比数作为第一匹配度，第一匹配度用P1表示；其中，对第一关键词与第二关键词通过精确匹配或模糊匹配方式进行匹配。
基于上述同样原理，本实施例中，一种治疗方案推荐系统中第二匹配单元还可以包括：第三抽取子单元、第二匹配子单元和第二生成子单元。
其中，第三抽取子单元用于从问题信息集合中每一个问题信息中抽取任意一个信息的关键词，即为第三关键词；第二匹配子单元用于对第三关键词与第二抽取子单元抽取的第二关键词进行匹配；第二生成子单元用于将匹配成功的关键词数在第二关键词数中占比数作为第二匹配度，第二匹配度用P2表示；其中，对第三关键词与第二关键词通过精确匹配或模糊匹配方式进行匹配。
上述治疗方案推荐系统，首先通过信息获取模块110获取用户的个人信息与问题信息；再通过治疗方案获取模块120将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配成功且符合预设条件的解决案例中的治疗方案作为第二治疗方案；最终通过推荐模块130将第二治疗方案推荐给用户。本实施例中达到了匹配问题信息的准确性；实现了获取最佳治疗方案的及时性；最终将最佳治疗方案信息推送至用户，实现了治疗方案推送的针对性、快捷性；且进一步的，利用已有的解决数据，从中搜索出与用户的个人信息相关联的问题最匹配的成功治疗方案，不再依赖专家或专家库的主管经验和理论知识，而是根据解决的客观历史数据，会产生更好的治疗方案推荐结果。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (2)
1.一种治疗方案推荐方法，其特征在于，包括以下步骤：
（1）预先创建知识库，所述知识库包括至少一个解决案例，且每个解决案例中包括与该个解决案例对应的用户的问题信息、对应的用户的个人信息、对应的治疗方案、对应的解决效果；
（2）获取用户的问题信息与个人信息；其中，获取的用户的问题信息作为第一问题信息，获取的个人信息作为第一个人信息；
（3）将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配成功且符合第一预设条件的所述解决案例中的治疗方案作为第二治疗方案，该步骤具体包括：
将所述知识库中的解决案例中的问题信息与所述第一问题信息的匹配度作为P1；
将所述知识库中的解决案例中的个人信息与所述第一个人信息的匹配度作为P2；
将所述知识库中的解决案例中的解决效果作为P3；
计算所述知识库中每个解决案例对应的P1×k1+ P2×k2+P3×k3，作为该个解决案例对应的推荐优选度，将所述推荐优选度最大作为第二预设条件，k1、k2和k3为预设的大于或等于0的加权参数；将符合所述第二预设条件的所述解决案例中的治疗方案作为第二治疗方案；
（4）将所述第二治疗方案推荐给用户，并将获取的用户的第一问题信息、第一个人信息、推荐的治疗方案、实际解决效果作为一个解决案例添加至所述知识库中，将不少于预设数值的所述解决案例加入所述知识库，形成大数据知识库；
其中，将所述知识库中的解决案例中的个人信息与所述第一个人信息的匹配度作为P2的步骤包括：
将所述知识库中的所述解决案例中的个人信息中的用户年龄与所述第一个人信息中的用户年龄的差值的绝对值作为P21；将所述知识库中的所述解决案例中的个人信息中的用户所在地与所述第一个人信息中的用户所在地的距离作为P22；计算f（P21×k21+P22×k22），作为所述知识库中的所述解决案例对应的P2；其中，其中，k21和k22为预设的大于或等于0的加权参数，f为使得p2与（P21×k21+P22×k22）成反比的预设函数。
2.一种治疗方案推荐系统，其特征在于，包括：
创建模块，用于预先创建知识库，所述知识库包括至少一个解决案例，且每个解决案例中包括与该个解决案例对应的用户的问题信息、对应的用户的个人信息、对应的治疗方案、对应的解决效果；
信息获取模块，用于获取用户的问题信息与个人信息；其中，获取的用户的问题信息作为第一问题信息，获取的个人信息作为第一个人信息；
治疗方案获取模块，用于将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配成功且符合第一预设条件的所述解决案例中的治疗方案作为第二治疗方案；所述治疗方案获取模块包括：第一匹配单元，用于将所述知识库中的解决案例中的问题信息与所述第一问题信息的匹配度作为P1；第二匹配单元，用于将所述知识库中的解决案例中的个人信息与所述第一个人信息的匹配度作为P2；定义单元，用于将所述知识库中的解决案例中的解决效果作为P3；第一计算单元，用于计算所述知识库中每个解决案例对应的P1×k1+ P2×k2+P3×k3，作为该个解决案例对应的推荐优选度，其中，将所述推荐优选度最大作为第二预设条件；第二生成单元，用于将符合所述第二预设条件的所述解决案例中的治疗方案作为第二治疗方案，k1、k2和k3为预设的大于或等于0的加权参数；
推荐模块，用于将所述第二治疗方案推荐给用户；
添加模块，用于将所述获取的用户的第一问题信息、第一个人信息、推荐的治疗方案、实际解决效果作为一个解决案例添加至所述知识库中；将不少于预设数值的所述解决案例加入所述知识库，形成大数据知识库；
其中，第二匹配单元包括：
年龄信息获取单元，用于将所述知识库中的所述解决案例中的个人信息中的用户年龄与所述第一个人信息中的用户年龄的差值的绝对值作为P21；
距离信息获取单元，用于将所述知识库中的所述解决案例中的个人信息中的用户所在地与所述第一个人信息中的用户所在地的距离作为P22；
第二计算单元，用于计算f（P21×k21+P22×k22），作为所述知识库中的所述解决案例对应的P2；其中，其中，k21和k22为预设的大于或等于0的加权参数，f为使得p2与（P21×k21+P22×k22）成反比的预设函数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610373723.5A CN106126873B (zh) | 2016-05-30 | 2016-05-30 | 治疗方案推荐方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610373723.5A CN106126873B (zh) | 2016-05-30 | 2016-05-30 | 治疗方案推荐方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106126873A CN106126873A (zh) | 2016-11-16 |
| CN106126873B true CN106126873B (zh) | 2019-02-05 |
Family
ID=57270890
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610373723.5A Active CN106126873B (zh) | 2016-05-30 | 2016-05-30 | 治疗方案推荐方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106126873B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106529138A (zh) * | 2016-10-26 | 2017-03-22 | 李露青 | 信息推送方法和装置 |
| CN106874677B (zh) * | 2017-02-20 | 2020-05-19 | 上海智眠信息科技有限公司 | 远程辅助医疗方法、装置和医嘱平台系统 |
| CN106951697A (zh) * | 2017-03-13 | 2017-07-14 | 成都育芽科技有限公司 | 一种基于云数据平台的疾病治疗方案推送系统及使用方法 |
| CN107910070A (zh) * | 2017-11-06 | 2018-04-13 | 广州优涵信息技术有限公司 | 一种基于专家案例库的专家推荐方法 |
| CN108206059A (zh) * | 2017-12-29 | 2018-06-26 | 李时珍（广州）健康科技有限公司 | 一种数据处理的方法及装置 |
| CN109545383A (zh) * | 2018-11-12 | 2019-03-29 | 北京懿医云科技有限公司 | 实际临床路径变异检测方法及装置、存储介质、电子设备 |
| CN112870504B (zh) * | 2019-11-29 | 2023-01-20 | 深圳市大雅医疗技术有限公司 | 呼吸治疗方法、装置、呼吸机和服务器 |
| CN111402976A (zh) * | 2020-03-13 | 2020-07-10 | 上海洛书医药科技有限公司 | 基于大数据的智慧超脑管理系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104541268A (zh) * | 2012-03-22 | 2015-04-22 | 香港浸会大学 | 智能健康护理决策分析与支持的方法和设备 |
| CN104915561A (zh) * | 2015-06-11 | 2015-09-16 | 万达信息股份有限公司 | 疾病特征智能匹配方法 |
| CN105260598A (zh) * | 2015-09-29 | 2016-01-20 | 中南大学 | 口腔诊疗决策支持系统及决策方法 |
| CN105450752A (zh) * | 2015-11-30 | 2016-03-30 | 武汉璟泓万方堂医药科技股份有限公司 | 基于互联网云服务技术的智慧医疗检测方法及其系统 |
-
2016
- 2016-05-30 CN CN201610373723.5A patent/CN106126873B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104541268A (zh) * | 2012-03-22 | 2015-04-22 | 香港浸会大学 | 智能健康护理决策分析与支持的方法和设备 |
| CN104915561A (zh) * | 2015-06-11 | 2015-09-16 | 万达信息股份有限公司 | 疾病特征智能匹配方法 |
| CN105260598A (zh) * | 2015-09-29 | 2016-01-20 | 中南大学 | 口腔诊疗决策支持系统及决策方法 |
| CN105450752A (zh) * | 2015-11-30 | 2016-03-30 | 武汉璟泓万方堂医药科技股份有限公司 | 基于互联网云服务技术的智慧医疗检测方法及其系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于大数据的区域医疗信息共享体系研究;张传文.;《中国优秀硕士学位论文全文数据库 信息科技辑》;20151215(第12期);第I138-406页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106126873A (zh) | 2016-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106126873B (zh) | 治疗方案推荐方法和系统 | |
| Chen et al. | Tada: trend alignment with dual-attention multi-task recurrent neural networks for sales prediction | |
| Ma et al. | A survey of decision making methods based on certain hybrid soft set models | |
| Tseng et al. | The application of data mining techniques to oral cancer prognosis | |
| Feng et al. | Application of level soft sets in decision making based on interval-valued fuzzy soft sets | |
| Ye | Multiple attribute group decision-making method with completely unknown weights based on similarity measures under single valued neutrosophic environment | |
| Ju et al. | Extension of VIKOR method for multi-criteria group decision making problem with linguistic information | |
| CN106529138A (zh) | 信息推送方法和装置 | |
| CN106503465A (zh) | 信息推送装置 | |
| Zhang et al. | A dual hesitant fuzzy multigranulation rough set over two-universe model for medical diagnoses | |
| Shen et al. | A privacy-preserving social computing framework for health management using federated learning | |
| Ashari et al. | Application of the multi-criteria decision method ELECTRE III for the Weapon selection | |
| Xie et al. | Dual probabilistic linguistic term set and its application on multi-criteria group decision making problems | |
| CN106529148A (zh) | 信息推送装置 | |
| Ozcaglar et al. | Entity personalized talent search models with tree interaction features | |
| Lin et al. | A binary particle swarm optimization based on the surrogate information with proportional acceleration coefficients for the 0-1 multidimensional knapsack problem | |
| CN115952280A (zh) | 基于多模型联邦集成的用户画像方法 | |
| Ford | Anti-slavery and the reconstitution of empire | |
| Qamar | Healthcare data analysis by feature extraction and classification using deep learning with cloud based cyber security | |
| Wan et al. | G-map: general memory-augmented pre-trained language model for domain tasks | |
| Basu et al. | Neutrosophic Soft Matrix And It’s Application in Solving Group Decision Making Problems from Medical Science | |
| Chen et al. | Evaluating the service quality of hospital by using TOPSIS with interval type-2 fuzzy sets | |
| RamachandranPillai et al. | An adaptive spiking neural P system for solving vehicle routing problems | |
| Fan | Correlation coefficients of refined-single valued neutrosophic sets and their applications in multiple attribute decision-making | |
| Yonghong et al. | The construction and application of a new exchange rate forecast model combining ARIMA with a chaotic BP algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 315171 189 collection ring road, Ji Shi Gang Town, Haishu District, Ningbo, Zhejiang Applicant after: Liu Huaying Address before: 315137 55 yunyun Road, Yunlong Town, Yinzhou District, Ningbo, Zhejiang Applicant before: Liu Huaying |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200421 Address after: 510627, room 13, 2003, 1801, 1804, Tianhe District Haian Road, Guangzhou, Guangdong Patentee after: HEYU HEALTH TECHNOLOGY Co.,Ltd. Address before: 315171 Jishigang Town, Haishu District, Ningbo City, Zhejiang Province, No. 189 Jihuan Road Patentee before: Liu Huaying |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240430 Address after: Room 2203, 2nd Floor, Building 2, No. 18 Keyuan Road, Daxing Economic Development Zone, Beijing, 102600 Patentee after: Beijing Jianyibao Technology Co.,Ltd. Country or region after: China Address before: Room 2003, 1801, 1804, No.13-1, Hai'an Road, Tianhe District, Guangzhou, Guangdong 510627 Patentee before: HEYU HEALTH TECHNOLOGY CO.,LTD. Country or region before: China |