CN110188186A - 医疗领域的内容推荐方法、电子装置、设备及存储介质 - Google Patents
医疗领域的内容推荐方法、电子装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110188186A CN110188186A CN201910331400.3A CN201910331400A CN110188186A CN 110188186 A CN110188186 A CN 110188186A CN 201910331400 A CN201910331400 A CN 201910331400A CN 110188186 A CN110188186 A CN 110188186A
- Authority
- CN
- China
- Prior art keywords
- user
- node
- search
- keyword
- content
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000013507 mapping Methods 0.000 claims abstract description 61
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 23
- 201000010099 disease Diseases 0.000 claims description 22
- 239000003814 drug Substances 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 229940079593 drug Drugs 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 206010012601 diabetes mellitus Diseases 0.000 description 42
- 235000005911 diet Nutrition 0.000 description 9
- 230000037213 diet Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 208000007882 Gastritis Diseases 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 208000004104 gestational diabetes Diseases 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 208000002249 Diabetes Complications Diseases 0.000 description 3
- 206010012655 Diabetic complications Diseases 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 3
- 102000004877 Insulin Human genes 0.000 description 3
- 108090001061 Insulin Proteins 0.000 description 3
- 208000023652 chronic gastritis Diseases 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 208000029078 coronary artery disease Diseases 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 208000002672 hepatitis B Diseases 0.000 description 3
- 229940125396 insulin Drugs 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 229940124597 therapeutic agent Drugs 0.000 description 3
- 206010018473 Glycosuria Diseases 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- XUFXOAAUWZOOIT-SXARVLRPSA-N (2R,3R,4R,5S,6R)-5-[[(2R,3R,4R,5S,6R)-5-[[(2R,3R,4S,5S,6R)-3,4-dihydroxy-6-methyl-5-[[(1S,4R,5S,6S)-4,5,6-trihydroxy-3-(hydroxymethyl)-1-cyclohex-2-enyl]amino]-2-oxanyl]oxy]-3,4-dihydroxy-6-(hydroxymethyl)-2-oxanyl]oxy]-6-(hydroxymethyl)oxane-2,3,4-triol Chemical compound O([C@H]1O[C@H](CO)[C@H]([C@@H]([C@H]1O)O)O[C@H]1O[C@@H]([C@H]([C@H](O)[C@H]1O)N[C@@H]1[C@@H]([C@@H](O)[C@H](O)C(CO)=C1)O)C)[C@@H]1[C@@H](CO)O[C@@H](O)[C@H](O)[C@H]1O XUFXOAAUWZOOIT-SXARVLRPSA-N 0.000 description 1
- 229960002632 acarbose Drugs 0.000 description 1
- XUFXOAAUWZOOIT-UHFFFAOYSA-N acarviostatin I01 Natural products OC1C(O)C(NC2C(C(O)C(O)C(CO)=C2)O)C(C)OC1OC(C(C1O)O)C(CO)OC1OC1C(CO)OC(O)C(O)C1O XUFXOAAUWZOOIT-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 208000006454 hepatitis Diseases 0.000 description 1
- 231100000283 hepatitis Toxicity 0.000 description 1
- 208000019423 liver disease Diseases 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 208000018556 stomach disease Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/338—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了医疗领域的内容推荐方法、电子装置、设备及存储介质,方法包括:根据用户的输入信息,获取用户的搜索关键词;根据用户的搜索关键词,在知识图谱上匹配对应节点,其中,节点包括:用户的搜索关键词在知识图谱上对应节点以及与节点关联的关联节点;根据节点及关联节点,获取与节点和关联节点对应的搜索结果,其中,搜索结果为与搜索关键词对应的文章;根据用户画像,对搜索结果和用户的匹配度打分;根据匹配度打分结果,获得推荐给用户的搜索结果。应用本发明实施例提供的医疗领域的内容推荐方法、电子装置、设备及存储介质,能够解决现有技术中简单的患者关键字和文章的匹配,很难找到用户感兴趣的文章的问题。
Description
技术领域
本发明涉及医疗领域患者感兴趣的内容推荐技术领域,尤其涉及一种医疗领域的内容推荐方法、电子装置、设备及存储介质。
背景技术
知识图谱又称为科学知识图谱,在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形。由于其能提供高质量的结构化数据,所以越来越多的领域会使用到知识图谱以及以知识图谱为基础的问答系统受到使用,例如自动问答、搜索引擎以及信息抽取,知识图谱需要庞大的数据库作为支撑。
现有技术中,在医学领域中,面向患者使用的网站都是通过搜索功能实现的,例如,通过用户搜索的关键字直接进行关键字搜索,基于关键字搜索的内容,获得与之匹配的文章。
因此,现有技术中,通过简单的患者关键字和文章的匹配,用户往往很难搜索到自己感兴趣的文章,不能满足用户的使用要求。
因此,为患者提供一种有效的医疗领域内容推荐是亟待解决的技术问题。
发明内容
有鉴于此,本发明提出一种医疗领域的内容推荐方法、电子装置、设备及存储介质,旨在解决现有技术中简单的患者关键字和文章的匹配,很难找到用户感兴趣的文章的问题。
首先,为实现上述目的,本发明提出一种医疗领域的内容推荐方法,所述方法包括步骤:
根据用户的输入信息,获取所述用户的搜索关键词;
根据所述用户的搜索关键词,在知识图谱上匹配对应节点,其中,所述节点包括:所述用户的搜索关键词在所述知识图谱上对应节点以及与所述节点关联的关联节点;
根据所述节点及所述关联节点,获取与所述节点和所述关联节点对应的搜索结果,其中,所述搜索结果为与所述搜索关键词对应的文章;
根据用户画像,对所述搜索结果和所述用户的匹配度打分;
根据所述匹配度打分结果,获得推荐给所述用户的搜索结果。
进一步地,所述根据所述用户的搜索关键词,在知识图谱上匹配对应节点的步骤,包括:
根据所述用户搜索的内容和/或所述用户画像获得搜索关键词;
根据所获得的搜索关键词,在知识图谱上匹配对应节点。
进一步地,所述搜索的内容和/或所述用户画像获得搜索关键词的步骤,包括:
根据所述用户搜索的内容,获取搜索内容对应的第一搜索关键词;
根据所述用户画像中的用户的病历、既往病史、历史搜索内容、阅读内容、订阅内容、随访内容、问答内容中的一种或者多种组合,获得用户的第二搜索关键词,其中,所述第二搜索关键词为所述用户画像中所对应的疾病和/或药物;
所述根据所获得的搜索关键词,在知识图谱上匹配对应节点的步骤,包括:
根据所述第一搜索关键词和所述第二搜索关键词,在知识图谱上匹配对应节点。
进一步地,知识图谱的建立步骤,包括:
通过神经网络对海量文章进行至少一次分类;
并对已分类的文章建立标签,以及获取每一篇文章的关键词;
根据所述标签和所获取的关键词,构建知识图谱节点。
进一步地,所述根据所述用户的搜索关键词,在知识图谱上匹配对应节点的步骤,包括:
根据所述搜索关键词,在知识图谱上确定所述搜索关键词所对应的第一节点;
根据所述第一节点,确定与所述搜索关键词相关的第二节点;
确定所述第一节点和所述第二节点为所述搜索关键词在知识图谱上的对应节点。
进一步地,所述根据所述节点及所述关联节点,获取与所述节点和所述关联节点对应的搜索结果的步骤,包括:
根据所述搜索关键词与所述节点中的关键词进行搜索匹配,获得所述节点中与所述搜索关键词对应的第一类文章;
根据所述搜索关键词与所述关联节点中的关键词进行搜索匹配,获得所述关联节点中与所述搜索关键词对应的第二类文章;
将所述第一类文章和所述第二类文章确定为与所述节点和所述关联节点对应的搜索结果。
进一步地,所述根据用户画像,对所述搜索结果和所述用户的匹配度打分的步骤,包括:
确定所述用户画像所对应的第一关键词;
确定所述搜索结果所对应的第二关键词;
获取所述第一关键词和所述第二关键词的相似度值,将所述相似度值确定为所述搜索结果和所述用户的匹配度打分;
所述根据所述匹配度打分结果,获得推荐给所述用户的搜索结果的步骤,包括:
将所述匹配度打分按照从高到低的顺序进行排序;
根据所述排序确定搜索结果的展示优先级;
根据所述展示优先级,将所述搜索结果向用户进行推荐。
此外,为实现上述目的,本发明还提供一种电子装置,所述装置包括:
第一获取模块,用于根据用户的输入信息,获取所述用户的搜索关键词;
匹配模块,根据所述用户的搜索关键词,在知识图谱上匹配对应节点,其中,所述节点包括:所述用户的搜索关键词在所述知识图谱上对应节点以及与所述节点关联的关联节点;
第二获取模块,用于根据所述节点及所述关联节点,获取与所述节点和所述关联节点对应的搜索结果,其中,所述搜索结果为与所述搜索关键词对应的文章;
打分模块,用于根据用户画像,对所述搜索结果和所述用户的匹配度打分;
推荐模块,用于根据所述匹配度打分结果,获得推荐给所述用户的搜索结果。
进一步地,所述匹配模块,具体用于:根据所述用户搜索的内容和/或所述用户画像获得搜索关键词;根据所获得的搜索关键词,在知识图谱上匹配对应节点。
进一步地,所述匹配模块还用于:根据所述用户搜索的内容,获取搜索内容对应的第一搜索关键词;根据所述用户画像中的用户的病历、既往病史、历史搜索内容、阅读内容、订阅内容、随访内容、问答内容中的一种或者多种组合,获得用户的第二搜索关键词,其中,所述第二搜索关键词为所述用户画像中所对应的疾病和/或药物;根据所述第一搜索关键词和所述第二搜索关键词,在知识图谱上匹配对应节点。
进一步地,所述匹配模块用于:根据所述搜索关键词,在知识图谱上确定所述搜索关键词所对应的第一节点;根据所述第一节点,确定与所述搜索关键词相关的第二节点;确定所述第一节点和所述第二节点为所述搜索关键词在知识图谱上的对应节点。
进一步地,所述第二获取模块用于:根据所述搜索关键词与所述节点中的关键词进行搜索匹配,获得所述节点中与所述搜索关键词对应的第一类文章;根据所述搜索关键词与所述关联节点中的关键词进行搜索匹配,获得所述关联节点中与所述搜索关键词对应的第二类文章;将所述第一类文章和所述第二类文章确定为与所述节点和所述关联节点对应的搜索结果。
进一步地,所述打分模块用于:确定所述用户画像所对应的第一关键词;
确定所述搜索结果所对应的第二关键词;
获取所述第一关键词和所述第二关键词的相似度值,将所述相似度值确定为所述搜索结果和所述用户的匹配度打分;
所述推荐模块用于:将所述匹配度打分按照从高到低的顺序进行排序;
根据所述排序确定搜索结果的展示优先级;
根据所述展示优先级,将所述搜索结果向用户进行推荐。
此外,为实现上述目的,本发明还提供一种设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现任一项所述医疗领域的内容推荐方法的步骤。
此外,为实现上述目的,本发明还提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现任一项所述医疗领域的内容推荐方法的步骤。
相较于现有技术,本发明所提出的医疗领域的内容推荐方法、装置、设备及存储介质,通过获取用户感兴趣的内容;在知识图谱上搜索对应节点,在预设数据库中搜索与节点相关联的搜索结果;然后根据用户画像,对所述搜索结果和所述用户的匹配度打分;根据所述匹配度打分结果,获得推荐给所述用户的搜索结果。通过根据患者所对应的用户画像可以优化搜索结果,避免了现有技术中,直接通过患者所搜索关键字和文章的匹配进行简单的匹配而进行文章推荐的方式,因此可以提高用户获得感兴趣文章的概率,满足用户的使用要求,从而提高用户体验。
附图说明
图1是本发明第一实施例之医疗领域的内容推荐方法的流程示意图;
图2是本发明第二实施例之医疗领域的内容推荐方法的流程示意图;
图3是本发明第三实施例之医疗领域的内容推荐方法的流程示意图;
图4是本发明实施例之电子装置一可选的应用环境图;
图5是本发明第一实施例之电子装置的硬件架构示意图;
图6是本发明第一实施例之电子装置的程序模块示意图。
附图标记:
步骤 | S101-S105、S201-S203、S301-S303 |
终端设备 | 20 |
电子装置 | 40 |
数据库 | 30 |
存储器 | 41 |
处理器 | 42 |
网络接口 | 43 |
医疗领域的内容推荐系统 | 44 |
第一获取模块 | 401 |
匹配模块 | 402 |
第二获取模块 | 403 |
打分模块 | 404 |
推荐模块 | 405 |
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
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,以下结合附图及实施例,对本发明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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
为解决现有技术问题,如图1所示,本发明实施例提供了一种医疗领域的内容推荐方法,包括步骤如下:
S101,根据用户的输入信息,获取所述用户的搜索关键词。
需要说明的是,在网站或者应用APP中,用户在搜索栏可以输入其想要搜索的内容。具体的方式,可以是直接输入文字,具体的文字可以是字、词组或者其组合,或者是句子,也可以是通过扫描图像,通过识别图像的内容,从而获得内容所对应的关键词。
具体的,用户感兴趣的内容为用户输入的文字所对应的关键词,示例性的,用户输入“用于糖尿病治疗的药物,除了二甲双胍还有哪些?”示例性的,获得的关键字为“糖尿病”“糖尿病治疗药物”“二甲双胍”。
本发明的一种具体实现方式中,获得关键词的具体方式可以根据所述用户搜索的内容和/或所述用户画像获得搜索关键词,具体为:根据所述用户搜索的内容,获取搜索内容对应的第一搜索关键词;根据所述用户画像中的用户的病历、既往病史、历史搜索内容、阅读内容、订阅内容、随访内容、问答内容中的一种或者多种组合,获得用户的第二搜索关键词,其中,所述第二搜索关键词为所述用户画像中所对应的疾病和/或药物。
本领域技术人员可以理解的是,首先需要通过搜集各种疾病、卫生、健康、医疗诊断等多个医学方面的文章构建一个全面的文章数据库系统,这是给患者提供精准推送和智能搜索等服务的基础。而用户的历史搜索内容、阅读内容、订阅内容、随访内容、问答内容等行为都可以通过数据库系统进行获得。
当用户有时候不能准确表达自己的想法,或者对医学领域的知识甚少通过关键字输入的表达不够全面时,如果直接将用户所搜索的关键字作为用户感兴趣的内容会导致提供给用户的可选择内容相对较少,有时候无法满足用户的需求。因此,为进一步增加对用户的需求提供、扩展用户的检索内容,根据所述疾病和/或药物,还可以通过协同过滤算法获取用户感兴趣的内容。
示例性的,用户A的用户画像中包含关键词C,用户B的用户画像中除了包含关键词D外也包含关键词C,那么将内容D推荐给用户A,额外作为用户A感兴趣内容。
S102,根据所述用户的搜索关键词,在知识图谱上匹配对应节点,其中,所述节点包括:所述用户的搜索关键词在所述知识图谱上对应节点以及与所述节点关联的关联节点。
可以理解的是,每一个节点会对应有关键词,所以通过搜索关键进行搜索,当搜索到节点本身的关键词匹配度较高的时候就确定该节点为该搜索关键词对应节点。
例如糖尿病,对应一个节点,糖尿病治疗药物对应一个节点,如果仅仅是如此可能无法更全面的帮助用户去了解糖尿病的治疗和日常注意事项。例如,用户搜索糖尿病、糖尿病的治疗药物,相关的节点为糖尿病的饮食、运动等节点均是与糖尿病相关的节点。而直接通过节点是无法全面或者无法直接从该节点获取的。
可以理解的是,知识图谱是结构化的语义知识库,用于迅速描述物理世界中的概念及其相互关系。知识图谱通过对错综复杂的文档的数据进行有效的加工、处理、整合,转化为简单、清晰的“节点,关系,节点”的三元组,最后聚合大量知识,从而实现知识的快速响应和推理。可见节点和节点之间是通过关系进行连接起来的,例如,按照疾病进行节点分类,可以按照病种分为糖尿病,高血压,乙肝,冠心病,则分为糖尿病,高血压,乙肝,冠心病对应的四个节点,每个节点包含这些疾病对应的对文章进行分类。在每一个节点之下再将分类体系细化,如糖尿病文章可以再分为:普通糖尿病,妊娠糖尿病,糖尿病并发症;例如针对普通糖尿病的节点又分为:饮食,运动,治疗,监测,预防,病因,症状等节点。
因此,可以理解的是,知识图谱上的节点之间是通过关系进行连接的,因此,在通过搜索关键词确定了一个节点以后,还可以根据该节点以及搜索关键词获得与该节点相关的关联节点。示例性的,当搜索关键词包含普通糖尿病的预防时,与普通糖尿病预防的相关节点有普通糖尿病的饮食,普通糖尿病的运动,普通糖尿病的治疗,普通糖尿病的监测,普通糖尿病的预防,普通糖尿病的病因,普通糖尿病的症状。
本发明实施例中,获得搜索关键词的途径可以包括:根据所述用户搜索的内容,获取搜索内容对应的第一搜索关键词;和/或者,根据所述用户画像中的用户的病历、既往病史、历史搜索内容、阅读内容、订阅内容、随访内容、问答内容中的一种或者多种组合,获得用户的第二搜索关键词,其中,所述第二搜索关键词为所述用户画像中所对应的疾病和/或药物。
可以理解的是,根据用户输入的搜索文本可以获得搜索关键词,例如用户搜索:糖尿病的治疗药物,那么获得的搜索关键词是糖尿病和糖尿病治疗药物。另一方面,用户画像是包含用户自己特征组合的描绘,所以通过用户画像中的病历或者浏览、购买等痕迹能够获得用户怀想对应的关键词,例如疾病、药物、饮食、注意事项等,都可以作为搜索关键词,然后根据搜索关键与节点的关键词进行匹配。
为解决无法帮助用户更全面的了解搜索关键词所包含的节点,本发明的一种实现方式中,如图2所示,步骤S102的实现包括:
S201,根据所述搜索关键词,在知识图谱上确定所述搜索关键词所对应的第一节点。
本发明实施例种,将上述直接通过搜索关键词确定到的为第一节点,例如搜索关键词为糖尿病,则普通糖尿病、妊娠糖尿病、糖尿病并发症对应的节点均为第一节点。
S202,根据所述第一节点,确定与所述搜索关键词相关的第二节点。
需要说明的是,与第一节点存在关联关系的节点还有很多,因此,可以将这些存在关联关系的节点确定为第二节点。例如,第一节点为普通糖尿病,第二节点为普通糖尿病的治疗药物、或普通糖尿病的饮食。
又例如,用户在系统中搜索了胰岛素,通过知识图谱中可以检索到胰岛素是用于糖尿病治疗的,那么用户很可能对于其它用于糖尿病治疗的药物如二甲双胍,阿卡波糖感兴趣。因此,知识图谱不仅仅可以用来辅助完善用户画像,如在搜索时候也能实现定制化的搜索来改善搜索结果。
S203,确定所述第一节点和所述第二节点为所述搜索关键词在知识图谱上的对应节点。
由上述,第一结点为根据搜索关键词获得的节点,第二节点为与第一结点相关联的节点,因此也是与搜索关键词相关联的节点,为了获得更全面的数据,因此,第一节点和第二节点均为搜索关键词在知识图谱上对应节点。
S103,根据所述节点及所述关联节点,获取与所述节点和所述关联节点对应的搜索结果,其中,所述搜索结果为与所述搜索关键词对应的文章。
可以理解的是,知识图谱中的文章可以根据文章标题和提取的关键词作为自己的分类关键词,因此,在此根据搜索关键词在文章中进行搜索,将搜索到的对应文章确定为搜索结果。
一种具体实现方式中,根据搜索关键词与节点中的关键词进行搜索匹配,获得节点中与搜索关键词对应的第一类文章;根据搜索关键词与关联节点中的关键词进行搜索匹配,获得关联节点中与搜索关键词对应的第二类文章;将第一类文章和第二类文章确定为与节点和关联节点对应的搜索结果。
示例性的,搜索关键词为普通糖尿病,在节点中,通过关键词匹配到文章a,假设文章a的关键词为糖尿病的药物反应,那么确定文章a为第一类文章,第一类文章可以为一个文章也可以为多个文章。在关联节点中,通过关键词匹配获得文章b,假设文章b的关键词为糖尿病的饮食,那么确定文章b为第二类文章,第二类文章可以为一个文章也可以为多个文章。
本发明的实施例中,提供一种知识图谱的建立步骤,包括:通过神经网络对海量文章进行至少一次分类;并对已分类的文章建立标签,以及获取每一篇文章的关键词;根据所述标签和所获取的关键词,构建知识图谱节点。
具体实现中,可以对数据库中的文章进行结构化处理,例如构建多层次的数据体系。具体的,可以通过通过神经网络建立文章系统的多层次标签体系。利用训练好的神经网络,在进行文本分类的时候,首先要将原始文本进行预处理,例如通过分词、去除停用词等方式,然后对预处理后的文本进行向量化利用word2vec词向量模型,例如利用word2vecm中的skip-gra模型,转化为词向量后就可以将每一句话转化为一个矩阵的形式,然后对每一个矩阵输入到到神经网络中进行分类处理。
建立神经网络作为分类器的可以采用的步骤包括:首先获取文章的标题和提取的关键词;再按照病种进行分类,例如糖尿病,高血压,乙肝,冠心病的类别对文章进行分类;针对每一类的疾病再设置小类的分类规则,例如针对糖尿病可以有:普通糖尿病,妊娠糖尿病,糖尿病并发症。
应用本发明的实施例,能够完整地分类体系方便患者进行信息的筛选,过滤来找到自己感兴趣的点,可以帮助用户进一步完善对应的用户画像。
具体的,对每一类、子类(以及子类下面的小类)通过LDA,word2vec,tfidf等算法对其包含的文章进行关键词提取,这样每一篇文章都会对应一个关键词,再用户需要的时候,只要根据关键词进行对比,即可获得用户可能需要的文章,进一步节省了时间。
本发明的一种实现方式中,从用户的病历、既往病史、搜索内容、阅读内容、未阅读内容、随访内容、问答内容中的一种或者多种组合方式中提取用户的画像,并随着用户的行为不断完善画像内容。可以理解的是,将每一个每一个登录ID对应为一个用户,也就是对应了一个用户画像,当用户的搜索内容中出现搜索字条“慢性胃炎”时,获取用户当前的登录ID,例如用户的账户、登录IP地址,,那么在用户画像中添加慢性胃炎,实现实施完善用户画像。
可以理解的是,每一个节点在知识图谱上会有对应节点内容,例如糖尿病节点,而该节点所对应的内容上会包含大量的候选文章。
S104,根据用户画像,对所述搜索结果和所述用户的匹配度打分。
为了进一步提高提供的搜索结果符合用户的需求,文章会根据匹配度返回给用户。比如普通糖尿病患者搜索饮食,很有可能返回的结果里面包含关于妊娠糖尿病饮食的结果。
本发明的一种实现方式中,步骤S104的具体实现包括如下步骤:
S301,确定所述用户画像所对应的第一关键词。
可以理解的是,用户画像所对应的第一关键词是用以描述用户,反映用户,例如第一关键词为:普通糖尿病、慢性胃炎、胰岛素。
S302,确定所述搜索结果所对应的第二关键词。
由上述可以得知,搜索结果对应的是文章,由于每一个文章都对应一个标签或者是关键词,那么将标签或者是关键词确定为第二关键词。例如,文章的标签可以是胃部疾病、肝部疾病、代谢类疾病,也可以是具体的关键词,例如胃炎、肝炎等。
S303,获取所述第一关键词和所述第二关键词的相似度值,将所述相似度值确定为所述搜索结果和所述用户的匹配度打分。
在一较佳实施例中,本领域技术人员可以理解的是,计算匹配度可以通过计算相似度实现,具体的计算相似度可以采用汉字编辑距离、拼音编辑距离、Word2vec特征、同义词林特征。
S105,根据所述匹配度打分结果,获得推荐给所述用户的搜索结果。
需要说明的是,搜索结果和用户的匹配度越高,则表示当前的搜索结果越符合用户的期望。因此,本发明实施例提供一中具体的实现方法包括:将所述匹配度打分按照从高到低的顺序进行排序;根据所述排序确定搜索结果的展示优先级;根据所述展示优先级,将所述搜索结果向用户进行推荐
具体的,在根据关键词的相似度进行计算以后,将相似度值作为匹配度值,则匹配度值越高则表示越符合用户的期望。然后将匹配度值按照从高到低的顺序进行排序;根据所述排序确定搜索结果的展示优先级;根据所述展示优先级,将所述搜索结果向用户进行推荐。这样打分值高的相关文章内容就会得到优先展示。
另外,本发明实施例中,还可以通过协同过滤算法挖掘画像相似,疾病相似的患者的共性来推送文章。
用户进行关键词搜索后,会匹配到大量的候选文章,这些文章会根据匹配度返回给用户。比如普通糖尿病患者搜索饮食,很有可能返回的结果里面包含关于妊娠糖尿病饮食的结果。如果根据用户画像对返回结果优化,计算患者与文章的匹配度对搜索顺序进行重新排序,更有利于患者得到自己想要的信息。具体的,还可以通过点击返回结果可以进一步优化搜索过程。
相较于现有技术,本发明所提出的医疗领域的内容推荐方法,通过获取用户感兴趣的内容;在知识图谱上搜索对应节点,在预设数据库中搜索与节点相关联的搜索结果;然后根据用户画像,对所述搜索结果和所述用户的匹配度打分;根据所述匹配度打分结果,获得推荐给所述用户的搜索结果。通过根据患者所对应的用户画像可以优化搜索结果,避免了现有技术中,直接通过患者所搜索关键字和文章的匹配进行简单的匹配而进行文章推荐的方式,因此可以提高用户获得感兴趣文章的概率,满足用户的使用要求,从而提高用户体验。
参阅图4和图5所示,是本发明电子装置40一可选的应用环境示意图。
本实施例中,所述电子装置40可通过有线或无线方式与终端设备20以及数据库30进行通信。所述电子装置40通过网络接口43获取所述终端设备20的输入信息,根据获取到的输入信息经过处理后从数据库30中调取对应的知识图谱数据信息,并将所述数据信息通过网络接口43发送于所述终端设备20的显示界面上,从而实现医疗领域的内容推荐后数据的传输。所述终端设备20包括手机、平板和个人计算机等。所述数据库30至少包括数据服务器。
参阅图4所示,是本发明电子装置40一可选的硬件架构示意图。电子装置40包括,但不仅限于,可通过系统总线相互通信连接存储器41、处理器42以及网络接口43,图4仅示出了具有组件41-43的电子装置40,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
所述存储器41至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器41可以是所述电子装置40的内部存储单元,例如该电子装置40的硬盘或内存。在另一些实施例中,所述存储器也可以是所述电子装置40的外部存储设备,例如该电子装置40上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器41还可以既包括所述电子装置20的内部存储单元也包括其外部存储设备。本实施例中,所述存储器41通常用于存储安装于所述电子装置40的操作系统和各类应用软件,例如医疗领域的内容推荐系统44的程序代码等。此外,所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述电子装置40的总体操作。本实施例中,所述处理器42用于运行所述存储器41中存储的程序代码或者处理数据,例如运行所述医疗领域的内容推荐系统44等。
所述网络接口43可包括无线网络接口或有线网络接口,该网络接口43通常用于在所述电子装置40与其他电子设备之间建立通信连接。
至此,己经详细介绍了本发明相关设备的硬件结构和功能。下面,将基于上述介绍提出本发明的各个实施例。
首先,本发明提出一种电子装置40。
参阅图3所示,是本发明第一实施例之电子装置40的程序模块示意图。
本实施例中,所述电子装置40包括一系列的存储于存储器41上的计算机程序指令,当该计算机程序指令被处理器42执行时,可以实现本发明各实施例的医疗领域的内容推荐操作。在一些实施例中,基于该计算机程序指令各部分所实现的特定的操作,电子装置40可以被划分为一个或多个模块。例如,在图6中,所述电子装置40可以被分割成第一获取模块401、匹配模块402、第二获取模块403、打分模块404、推荐模块405。其中:
第一获取模块401,用于根据用户的输入信息,获取所述用户的搜索关键词;
匹配模块402,用于所述用户的搜索关键词,在知识图谱上匹配对应节点,其中,所述节点包括:所述用户的搜索关键词在所述知识图谱上对应节点以及与所述节点关联的关联节点;
第二获取模块403,用于根据所述节点及所述关联节点,获取与所述节点和所述关联节点对应的搜索结果,其中,所述搜索结果为与所述搜索关键词对应的文章;
打分模块404,用于根据用户画像,对所述搜索结果和所述用户的匹配度打分;
推荐模块405,用于根据所述匹配度打分结果,获得推荐给所述用户的搜索结果。
进一步地,所述匹配模块402,具体用于:根据所述用户搜索的内容和/或所述用户画像获得搜索关键词;根据所获得的搜索关键词,在知识图谱上匹配对应节点。
进一步地,所述匹配模块402还用于:根据所述用户搜索的内容,获取搜索内容对应的第一搜索关键词;根据所述用户画像中的用户的病历、既往病史、历史搜索内容、阅读内容、订阅内容、随访内容、问答内容中的一种或者多种组合,获得用户的第二搜索关键词,其中,所述第二搜索关键词为所述用户画像中所对应的疾病和/或药物;根据所述第一搜索关键词和所述第二搜索关键词,在知识图谱上匹配对应节点。
所述匹配模块402用于:根据所述搜索关键词,在知识图谱上确定所述搜索关键词所对应的第一节点;根据所述第一节点,确定与所述搜索关键词相关的第二节点;确定所述第一节点和所述第二节点为所述搜索关键词在知识图谱上的对应节点。
进一步地,所述第二获取模块403用于:根据所述搜索关键词与所述节点中的关键词进行搜索匹配,获得所述节点中与所述搜索关键词对应的第一类文章;根据所述搜索关键词与所述关联节点中的关键词进行搜索匹配,获得所述关联节点中与所述搜索关键词对应的第二类文章;将所述第一类文章和所述第二类文章确定为与所述节点和所述关联节点对应的搜索结果。
进一步地,所所述打分模块404用于:确定所述用户画像所对应的第一关键词;
确定所述搜索结果所对应的第二关键词;
获取所述第一关键词和所述第二关键词的相似度值,将所述相似度值确定为所述搜索结果和所述用户的匹配度打分;
所述推荐模块405用于:将所述匹配度打分按照从高到低的顺序进行排序;
根据所述排序确定搜索结果的展示优先级;
根据所述展示优先级,将所述搜索结果向用户进行推荐。
本发明还提供一种计算机设备,如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。本实施例的计算机设备至少包括但不限于:可通过系统总线相互通信连接的存储器、处理器等。
本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储电子装置20,被处理器执行时实现本发明的医疗领域的内容推荐方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种医疗领域的内容推荐方法,其特征在于,所述方法包括步骤:
根据用户的输入信息,获取所述用户的搜索关键词;
根据所述用户的搜索关键词,在知识图谱上匹配对应节点,其中,所述对应节点包括:所述用户的搜索关键词在所述知识图谱上对应节点以及与所述节点关联的关联节点;
根据所述节点及所述关联节点,获取与所述节点和所述关联节点对应的搜索结果,其中,所述搜索结果为与所述搜索关键词对应的文章;
根据用户画像,对所述搜索结果和所述用户的匹配度打分;
根据所述匹配度打分结果,获得推荐给所述用户的搜索结果。
2.根据权利要求1所述的医疗领域的内容推荐方法,其特征在于,所述根据所述用户的搜索关键词,在知识图谱上匹配对应节点的步骤,包括:
根据所述用户搜索的内容和/或所述用户画像获得搜索关键词;
根据所获得的搜索关键词,在知识图谱上匹配对应节点。
3.根据权利要求2所述的医疗领域的内容推荐方法,其特征在于,所述搜索的内容和/或所述用户画像获得搜索关键词的步骤,包括:
根据所述用户搜索的内容,获取搜索内容对应的第一搜索关键词;
根据所述用户画像中的用户的病历、既往病史、历史搜索内容、阅读内容、订阅内容、随访内容、问答内容中的一种或者多种组合,获得用户的第二搜索关键词,其中,所述第二搜索关键词为所述用户画像中所对应的疾病和/或药物;
所述根据所获得的搜索关键词,在知识图谱上匹配对应节点的步骤,包括:
根据所述第一搜索关键词和所述第二搜索关键词,在知识图谱上匹配对应节点。
4.根据权利要求1-3任一项所述的医疗领域的内容推荐方法,其特征在于,知识图谱的建立步骤,包括:
通过神经网络对海量文章进行至少一次分类;
并对已分类的文章建立标签,以及获取每一篇文章的关键词;
根据所述标签和所获取的关键词,构建知识图谱节点。
5.根据权利要求1所述的医疗领域的内容推荐方法,其特征在于,所述根据所述用户的搜索关键词,在知识图谱上匹配对应节点的步骤,包括:
根据所述搜索关键词,在知识图谱上确定所述搜索关键词所对应的第一节点;
根据所述第一节点,确定与所述搜索关键词相关的第二节点;
确定所述第一节点和所述第二节点为所述搜索关键词在知识图谱上的对应节点。
6.根据权利要求1所述的医疗领域的内容推荐方法,其特征在于,所述根据所述节点及所述关联节点,获取与所述节点和所述关联节点对应的搜索结果的步骤,包括:
根据所述搜索关键词与所述节点中的关键词进行搜索匹配,获得所述节点中与所述搜索关键词对应的第一类文章;
根据所述搜索关键词与所述关联节点中的关键词进行搜索匹配,获得所述关联节点中与所述搜索关键词对应的第二类文章;
将所述第一类文章和所述第二类文章确定为与所述节点和所述关联节点对应的搜索结果。
7.根据权利要求1-3、5-6任一项所述的医疗领域的内容推荐方法,其特征在于,所述根据用户画像,对所述搜索结果和所述用户的匹配度打分的步骤,包括:
确定所述用户画像所对应的第一关键词;
确定所述搜索结果所对应的第二关键词;
获取所述第一关键词和所述第二关键词的相似度值,将所述相似度值确定为所述搜索结果和所述用户的匹配度打分;
所述根据所述匹配度打分结果,获得推荐给所述用户的搜索结果的步骤,包括:
将所述匹配度打分按照从高到低的顺序进行排序;
根据所述排序确定搜索结果的展示优先级;
根据所述展示优先级,将所述搜索结果向用户进行推荐。
8.一种电子装置,其特征在于,所述装置包括:
第一获取模块,用于根据用户的搜索内容,获取用户感兴趣的内容;
匹配模块,用于根据所述用户感兴趣的内容,在知识图谱上搜索对应节点,其中,所述节点包括:所述用户感兴趣的内容在所述知识图谱上对应节点和所述用户感兴趣的内容相关的节点;
第二获取模块,用于根据所搜索到的节点,在预设数据库中搜索与所述节点相关联的搜索结果;
打分模块,用于根据用户画像,对所述搜索结果和所述用户的匹配度打分;
推荐模块,用于根据所述匹配度打分结果,获得推荐给所述用户的搜索结果。
9.一种设备,所述设备为计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述医疗领域的内容推荐方法的步骤。
10.一种存储介质,其特征在于,所述存储介质为计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序可被至少一个处理器所执行,以使所述至少一个处理器执行如权利要求1-7中任一项所述医疗领域的内容推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910331400.3A CN110188186A (zh) | 2019-04-24 | 2019-04-24 | 医疗领域的内容推荐方法、电子装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910331400.3A CN110188186A (zh) | 2019-04-24 | 2019-04-24 | 医疗领域的内容推荐方法、电子装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110188186A true CN110188186A (zh) | 2019-08-30 |
Family
ID=67715043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910331400.3A Pending CN110188186A (zh) | 2019-04-24 | 2019-04-24 | 医疗领域的内容推荐方法、电子装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110188186A (zh) |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781207A (zh) * | 2019-11-01 | 2020-02-11 | 安徽大学 | 一种基于用户画像的专利推荐方法 |
CN111125309A (zh) * | 2019-12-23 | 2020-05-08 | 中电云脑(天津)科技有限公司 | 自然语言处理方法、装置及计算设备、存储介质 |
CN111177405A (zh) * | 2019-12-18 | 2020-05-19 | 深圳壹账通智能科技有限公司 | 数据搜索匹配方法、装置、计算机设备和存储介质 |
CN111274483A (zh) * | 2020-01-19 | 2020-06-12 | 托普朗宁(北京)教育科技有限公司 | 关联推荐方法及关联推荐交互方法 |
CN111768234A (zh) * | 2020-06-28 | 2020-10-13 | 百度在线网络技术(北京)有限公司 | 为用户生成推荐文案的方法及设备、电子设备和介质 |
CN111949898A (zh) * | 2020-08-28 | 2020-11-17 | 平安国际智慧城市科技股份有限公司 | 搜索结果排序方法、装置、设备及计算机可读存储介质 |
CN111966834A (zh) * | 2020-07-29 | 2020-11-20 | 深圳市元征科技股份有限公司 | 一种文件生成方法、文件生成装置及服务器 |
CN112000785A (zh) * | 2020-08-12 | 2020-11-27 | 沈鑫 | 构建排行榜并进行动态索引的方法及装置 |
CN112035757A (zh) * | 2020-08-28 | 2020-12-04 | 康键信息技术(深圳)有限公司 | 医疗瀑布流推送方法、装置、设备及存储介质 |
CN112148886A (zh) * | 2020-09-04 | 2020-12-29 | 上海晏鼠计算机技术股份有限公司 | 一种内容知识图谱的构建方法及系统 |
CN112148885A (zh) * | 2020-09-04 | 2020-12-29 | 上海晏鼠计算机技术股份有限公司 | 一种基于知识图谱的智能搜索方法及系统 |
CN112164475A (zh) * | 2020-09-15 | 2021-01-01 | 北京左医科技有限公司 | 人机多轮对话的随访方法、装置及智能终端 |
CN112182414A (zh) * | 2020-08-13 | 2021-01-05 | 亿存(北京)信息科技有限公司 | 文章推荐方法、装置及电子设备 |
CN112507123A (zh) * | 2020-12-04 | 2021-03-16 | 北京搜狗科技发展有限公司 | 一种数据处理方法及装置 |
CN112667781A (zh) * | 2020-12-31 | 2021-04-16 | 北京万方数据股份有限公司 | 一种恶性肿瘤文献获取方法及装置 |
CN112883248A (zh) * | 2021-01-29 | 2021-06-01 | 北京百度网讯科技有限公司 | 信息推送方法、装置以及电子设备 |
CN112989178A (zh) * | 2019-12-13 | 2021-06-18 | 百度在线网络技术(北京)有限公司 | 搜索方法、装置、设备和存储介质 |
CN113139386A (zh) * | 2020-01-19 | 2021-07-20 | 浙江爱多特大健康科技有限公司 | 一种信息处理方法、装置、设备及计算机存储介质 |
CN113326438A (zh) * | 2021-06-28 | 2021-08-31 | 北京百度网讯科技有限公司 | 信息查询方法、装置、电子设备以及存储介质 |
CN113378015A (zh) * | 2021-06-28 | 2021-09-10 | 北京百度网讯科技有限公司 | 搜索方法、装置、电子设备、存储介质和程序产品 |
CN113555105A (zh) * | 2020-04-24 | 2021-10-26 | 阿里健康信息技术有限公司 | 一种推荐医疗产品的方法及装置 |
CN113609373A (zh) * | 2021-08-27 | 2021-11-05 | 中国银行股份有限公司 | 知识推荐方法、装置、电子设备及存储介质 |
WO2021237707A1 (zh) * | 2020-05-29 | 2021-12-02 | 京东方科技集团股份有限公司 | 问题推荐方法及装置、系统和电子设备、可读存储介质 |
CN113792137A (zh) * | 2021-08-26 | 2021-12-14 | 广州云徙科技有限公司 | 一种中台研发物料检索方法、系统、智能终端和存储介质 |
CN113792138A (zh) * | 2021-09-14 | 2021-12-14 | 广东电网有限责任公司 | 报表生成方法、装置、电子设备及存储介质 |
CN113821730A (zh) * | 2021-11-23 | 2021-12-21 | 北京嘉和海森健康科技有限公司 | 一种医疗信息推送方法、装置及电子设备 |
CN114372732A (zh) * | 2022-03-22 | 2022-04-19 | 杭州杰牌传动科技有限公司 | 实现用户需求智能匹配的减速电机协同制造方法和系统 |
WO2022088731A1 (zh) * | 2020-11-02 | 2022-05-05 | 北京搜狗科技发展有限公司 | 一种数据处理方法及装置 |
CN114756745A (zh) * | 2022-03-29 | 2022-07-15 | 重庆义康鑫科技有限公司 | 一种基于大数据分析的智能信息推荐方法及装置 |
CN114896446A (zh) * | 2022-05-10 | 2022-08-12 | 上海喜马拉雅科技有限公司 | 音频搜索方法、装置、电子设备及存储介质 |
WO2023151576A1 (zh) * | 2022-02-08 | 2023-08-17 | 中兴通讯股份有限公司 | 搜索推荐方法、搜索推荐系统、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160064826A (ko) * | 2014-11-28 | 2016-06-08 | 한국전자통신연구원 | 지식 그래프 기반에서의 의미적 검색 서비스 제공장치 및 그 방법 |
US20170300535A1 (en) * | 2016-04-15 | 2017-10-19 | Google Inc. | Systems and methods for suggesting content to a writer based on contents of a document |
CN107545000A (zh) * | 2016-06-28 | 2018-01-05 | 百度在线网络技术(北京)有限公司 | 基于知识图谱的信息推送方法及装置 |
CN107885889A (zh) * | 2017-12-13 | 2018-04-06 | 聚好看科技股份有限公司 | 搜索结果的反馈方法、展示方法及装置 |
CN109597895A (zh) * | 2018-11-09 | 2019-04-09 | 中电科大数据研究院有限公司 | 一种基于知识图谱的公文搜索方法 |
-
2019
- 2019-04-24 CN CN201910331400.3A patent/CN110188186A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160064826A (ko) * | 2014-11-28 | 2016-06-08 | 한국전자통신연구원 | 지식 그래프 기반에서의 의미적 검색 서비스 제공장치 및 그 방법 |
US20170300535A1 (en) * | 2016-04-15 | 2017-10-19 | Google Inc. | Systems and methods for suggesting content to a writer based on contents of a document |
CN107545000A (zh) * | 2016-06-28 | 2018-01-05 | 百度在线网络技术(北京)有限公司 | 基于知识图谱的信息推送方法及装置 |
CN107885889A (zh) * | 2017-12-13 | 2018-04-06 | 聚好看科技股份有限公司 | 搜索结果的反馈方法、展示方法及装置 |
CN109597895A (zh) * | 2018-11-09 | 2019-04-09 | 中电科大数据研究院有限公司 | 一种基于知识图谱的公文搜索方法 |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781207A (zh) * | 2019-11-01 | 2020-02-11 | 安徽大学 | 一种基于用户画像的专利推荐方法 |
CN112989178A (zh) * | 2019-12-13 | 2021-06-18 | 百度在线网络技术(北京)有限公司 | 搜索方法、装置、设备和存储介质 |
CN112989178B (zh) * | 2019-12-13 | 2023-10-27 | 百度在线网络技术(北京)有限公司 | 搜索方法、装置、设备和存储介质 |
CN111177405A (zh) * | 2019-12-18 | 2020-05-19 | 深圳壹账通智能科技有限公司 | 数据搜索匹配方法、装置、计算机设备和存储介质 |
WO2021120627A1 (zh) * | 2019-12-18 | 2021-06-24 | 深圳壹账通智能科技有限公司 | 数据搜索匹配方法、装置、计算机设备和存储介质 |
CN111125309A (zh) * | 2019-12-23 | 2020-05-08 | 中电云脑(天津)科技有限公司 | 自然语言处理方法、装置及计算设备、存储介质 |
CN111274483A (zh) * | 2020-01-19 | 2020-06-12 | 托普朗宁(北京)教育科技有限公司 | 关联推荐方法及关联推荐交互方法 |
CN113139386A (zh) * | 2020-01-19 | 2021-07-20 | 浙江爱多特大健康科技有限公司 | 一种信息处理方法、装置、设备及计算机存储介质 |
CN111274483B (zh) * | 2020-01-19 | 2024-05-03 | 北京博学广阅教育科技有限公司 | 关联推荐方法及关联推荐交互方法 |
CN113555105A (zh) * | 2020-04-24 | 2021-10-26 | 阿里健康信息技术有限公司 | 一种推荐医疗产品的方法及装置 |
WO2021237707A1 (zh) * | 2020-05-29 | 2021-12-02 | 京东方科技集团股份有限公司 | 问题推荐方法及装置、系统和电子设备、可读存储介质 |
CN111768234B (zh) * | 2020-06-28 | 2023-12-19 | 百度在线网络技术(北京)有限公司 | 为用户生成推荐文案的方法及设备、电子设备和介质 |
CN111768234A (zh) * | 2020-06-28 | 2020-10-13 | 百度在线网络技术(北京)有限公司 | 为用户生成推荐文案的方法及设备、电子设备和介质 |
CN111966834A (zh) * | 2020-07-29 | 2020-11-20 | 深圳市元征科技股份有限公司 | 一种文件生成方法、文件生成装置及服务器 |
CN112000785A (zh) * | 2020-08-12 | 2020-11-27 | 沈鑫 | 构建排行榜并进行动态索引的方法及装置 |
CN112182414A (zh) * | 2020-08-13 | 2021-01-05 | 亿存(北京)信息科技有限公司 | 文章推荐方法、装置及电子设备 |
CN111949898A (zh) * | 2020-08-28 | 2020-11-17 | 平安国际智慧城市科技股份有限公司 | 搜索结果排序方法、装置、设备及计算机可读存储介质 |
CN112035757A (zh) * | 2020-08-28 | 2020-12-04 | 康键信息技术(深圳)有限公司 | 医疗瀑布流推送方法、装置、设备及存储介质 |
CN112148886A (zh) * | 2020-09-04 | 2020-12-29 | 上海晏鼠计算机技术股份有限公司 | 一种内容知识图谱的构建方法及系统 |
CN112148885A (zh) * | 2020-09-04 | 2020-12-29 | 上海晏鼠计算机技术股份有限公司 | 一种基于知识图谱的智能搜索方法及系统 |
CN112148885B (zh) * | 2020-09-04 | 2024-02-02 | 上海晏鼠计算机技术股份有限公司 | 一种基于知识图谱的智能搜索方法及系统 |
CN112164475A (zh) * | 2020-09-15 | 2021-01-01 | 北京左医科技有限公司 | 人机多轮对话的随访方法、装置及智能终端 |
WO2022088731A1 (zh) * | 2020-11-02 | 2022-05-05 | 北京搜狗科技发展有限公司 | 一种数据处理方法及装置 |
CN112507123A (zh) * | 2020-12-04 | 2021-03-16 | 北京搜狗科技发展有限公司 | 一种数据处理方法及装置 |
WO2022116527A1 (zh) * | 2020-12-04 | 2022-06-09 | 北京搜狗科技发展有限公司 | 一种数据处理方法及装置 |
CN112667781A (zh) * | 2020-12-31 | 2021-04-16 | 北京万方数据股份有限公司 | 一种恶性肿瘤文献获取方法及装置 |
CN112883248A (zh) * | 2021-01-29 | 2021-06-01 | 北京百度网讯科技有限公司 | 信息推送方法、装置以及电子设备 |
CN112883248B (zh) * | 2021-01-29 | 2024-01-09 | 北京百度网讯科技有限公司 | 信息推送方法、装置以及电子设备 |
CN113378015A (zh) * | 2021-06-28 | 2021-09-10 | 北京百度网讯科技有限公司 | 搜索方法、装置、电子设备、存储介质和程序产品 |
CN113378015B (zh) * | 2021-06-28 | 2023-06-20 | 北京百度网讯科技有限公司 | 搜索方法、装置、电子设备、存储介质和程序产品 |
CN113326438A (zh) * | 2021-06-28 | 2021-08-31 | 北京百度网讯科技有限公司 | 信息查询方法、装置、电子设备以及存储介质 |
CN113792137A (zh) * | 2021-08-26 | 2021-12-14 | 广州云徙科技有限公司 | 一种中台研发物料检索方法、系统、智能终端和存储介质 |
CN113609373A (zh) * | 2021-08-27 | 2021-11-05 | 中国银行股份有限公司 | 知识推荐方法、装置、电子设备及存储介质 |
CN113792138A (zh) * | 2021-09-14 | 2021-12-14 | 广东电网有限责任公司 | 报表生成方法、装置、电子设备及存储介质 |
CN113792138B (zh) * | 2021-09-14 | 2024-04-30 | 广东电网有限责任公司 | 报表生成方法、装置、电子设备及存储介质 |
CN113821730A (zh) * | 2021-11-23 | 2021-12-21 | 北京嘉和海森健康科技有限公司 | 一种医疗信息推送方法、装置及电子设备 |
WO2023151576A1 (zh) * | 2022-02-08 | 2023-08-17 | 中兴通讯股份有限公司 | 搜索推荐方法、搜索推荐系统、计算机设备及存储介质 |
CN114372732A (zh) * | 2022-03-22 | 2022-04-19 | 杭州杰牌传动科技有限公司 | 实现用户需求智能匹配的减速电机协同制造方法和系统 |
CN114756745A (zh) * | 2022-03-29 | 2022-07-15 | 重庆义康鑫科技有限公司 | 一种基于大数据分析的智能信息推荐方法及装置 |
CN114896446A (zh) * | 2022-05-10 | 2022-08-12 | 上海喜马拉雅科技有限公司 | 音频搜索方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110188186A (zh) | 医疗领域的内容推荐方法、电子装置、设备及存储介质 | |
Cyril et al. | An automated learning model for sentiment analysis and data classification of Twitter data using balanced CA-SVM | |
Lu et al. | Opinion integration through semi-supervised topic modeling | |
JP5421737B2 (ja) | コンピュータ実施方法 | |
CN112131393A (zh) | 一种基于bert和相似度算法的医疗知识图谱问答系统构建方法 | |
Wilbur et al. | The automatic identification of stop words | |
Lash | Power after hegemony: Cultural studies in mutation? | |
Hull et al. | Defrosting the digital library: bibliographic tools for the next generation web | |
US10311374B2 (en) | Categorization of forms to aid in form search | |
Rahim Taleqani et al. | Public opinion on dockless bike sharing: A machine learning approach | |
CN108475289A (zh) | 用于基于文档的内容向写作者建议内容的系统和方法 | |
CN113378061B (zh) | 一种信息搜索方法、装置、计算机设备及存储介质 | |
Waldherr et al. | Big data, big noise: The challenge of finding issue networks on the web | |
CN113707303A (zh) | 基于知识图谱的医疗问题解答方法、装置、设备及介质 | |
US20150032753A1 (en) | System and method for pushing and distributing promotion content | |
WO2017121272A1 (zh) | 用户行为数据的处理方法及装置 | |
Vásquez et al. | Globalizing the rainbow madonna: Old time religion in the present age | |
Iliadis | Algorithms, ontology, and social progress | |
CN110569349A (zh) | 基于大数据的患教文章推送方法、系统、设备及存储介质 | |
Abdelsamea et al. | Automated classification of malignant and benign breast cancer lesions using neural networks on digitized mammograms | |
Lu | Automatic topic identification of health-related messages in online health community using text classification | |
Van Ginneken | Computer‐aided diagnosis in chest radiography | |
CN114860887A (zh) | 基于智能联想的疾病内容推送方法、装置、设备及介质 | |
Kahya-Özyirmidokuz | Analyzing unstructured Facebook social network data through web text mining: A study of online shopping firms in Turkey | |
CN110752027A (zh) | 电子病历数据推送方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190830 |