CN110729053B - 数据处理方法、装置、计算机设备和存储介质 - Google Patents
数据处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110729053B CN110729053B CN201910965121.2A CN201910965121A CN110729053B CN 110729053 B CN110729053 B CN 110729053B CN 201910965121 A CN201910965121 A CN 201910965121A CN 110729053 B CN110729053 B CN 110729053B
- Authority
- CN
- China
- Prior art keywords
- item
- identification
- historical
- identifier
- target
- 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
Images
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
- G16H50/70—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
-
- 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
本申请涉及机器学习,提供一种数据处理方法、装置、计算机设备和存储介质。该方法包括:接收资源预测指令,根据待预测复合标识查找对应的待预测复合年龄信息;根据待预测复合年龄信息和待预测复合标识查找目标标识;将目标标识对应的项目标识进行组合,得到项目标识组合;将项目标识组合输入到已训练的项目关系识别模型进行识别,得到项目标识组合中各个项目标识关系;根据各个项目标识关系得到目标项目标识组合;根据各个项目标识关系查找对应的预设转换函数,根据预设转换函数计算目标项目标识组合中各个项目标识对应的资源值,将目标项目标识组合和对应的资源值发送到目标终端进行展示。采用本方法提高得到资源值的准确性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种数据处理方法、装置、计算机设备和存储介质。
背景技术
随着人工智能技术的发展,开始使用人工智能技术对数据进行各种处理。目前,使用人工智能技术对数据的资源花费进行预测时,通常是直接对同一类型数据的总资源花费进行预测。当对复合类型数据的资源花费预测时,如果直接对复合类型数据的总资源花费进行预测,会使预测出的资源值的准确性较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高资源值准确性的数据处理方法、装置、计算机设备和存储介质。
一种数据处理方法,所述方法包括:
接收资源预测指令,资源预测指令中携带待预测复合标识,根据待预测复合标识查找对应的待预测复合年龄信息;
根据待预测复合年龄信息和待预测复合标识查找各个目标标识,各个目标标识对应的年龄信息与待预测复合年龄信息一致;
根据目标标识查找对应的各个项目标识,将各个目标标识对应的项目标识进行组合,得到项目标识组合;
将项目标识组合输入到已训练的项目关系识别模型进行识别,得到项目标识组合中各个项目标识关系;
根据各个项目标识关系从项目标识组合中确定待删除的项目标识,将待删除的项目标识从项目标识组合中删除,得到目标项目标识组合;
根据项目标识组合中各个项目标识关系查找对应的预设转换函数,根据预设转换函数计算目标项目标识组合中各个项目标识对应的资源值,将目标项目标识组合和对应的资源值发送到目标终端进行展示。
在其中一个实施例中,根据待预测复合年龄信息和待预测复合标识查找各个目标标识,包括:
根据待预测复合年龄信息和待预测复合标识在预设数据库中查找第一待确认目标标识和第二待确认目标标识,待预测复合标识用于根据预设条件得到第一待确认目标标识和第二待确认目标标识;
当能够查找到第一待确认目标标识和第二待确认目标标识时,将第一待确认目标标识作为第一目标标识,将第二待确认目标标识作为第二目标标识。
在其中一个实施例中,根据目标标识查找对应的各个项目标识,将各个目标标识对应的项目标识进行组合,得到项目标识组合,包括:
根据第一目标标识查找到对应的各个第一项目标识,并根据第二目标标识查找对应的各个第二项目标识;
从各个第一项目标识中选取目标第一项目标识并从各个第二项目标识中选取目标第二项目标识;
将目标第一项目标识和目标第二项目标识组合,得到项目标识组合。
在其中一个实施例中,已训练的项目关系识别模型的生成步骤,包括:
获取第一历史标识、第二历史标识和历史复合标识;
根据历史复合标识查找对应的各个历史复合项目标识,根据第一历史标识查找对应的各个历史第一项目标识,根据第二历史标识查找对应的各个历史第二项目标识;
将各个历史第一项目标识和各个历史第二项目标识组合得到历史项目标识组合;
将历史项目标识组合和各个历史复合项目标识对比,根据对比结果生成各个历史第一项目标识和各个历史第二项目标识的历史关系;
将历史项目标识组合作为输入,将历史关系作为标签,使用神经网络算法进行训练,当达到预设条件时,得到已训练的项目关系识别模型。
在其中一个实施例中,在将历史项目标识组合作为输入,将历史关系作为标签,使用神经网络算法进行训练,当达到预设条件时,得到已训练的项目关系识别模型之后,还包括:
根据各个历史第一项目标识获取各个历史第一资源,根据各个历史第二项目标识获取各个历史第二资源,根据历史复合项目标识获取到历史复合项目资源;
根据各个历史第一项目标识和各个历史第二项目标识的历史关系将历史第一资源和历史第二资源作为输入,将历史复合资源作为输出进行线性拟合,得到历史关系对应的转换函数,并将历史关系对应的转换函数存储到预设转换函数库中。
在其中一个实施例中,将历史项目标识组合和各个历史复合项目标识对比,根据对比结果生成各个历史第一项目标识和各个历史第二项目标识的历史关系,包括:
获取历史项目标识组合中历史项目标识的项目信息,获取各个历史复合项目标识的项目信息;
比较历史项目标识组合中历史项目标识的项目信息和各个历史复合项目标识的项目信息;
根据比较结果得到历史项目标识组合中历史第一项目标识与历史第二项目标识的历史关系。
一种数据处理装置,所述装置包括:
年龄查找模块,用于接收资源预测指令,资源预测指令中携带待预测复合标识,根据待预测复合标识查找对应的待预测复合年龄信息;
标识查找模块,用于根据待预测复合年龄信息和待预测复合标识查找各个目标标识,各个目标标识对应的年龄信息与待预测复合年龄信息一致;
组合模块,用于根据目标标识查找对应的各个项目标识,将各个目标标识对应的项目标识进行组合,得到项目标识组合;
识别模块,用于将项目标识组合输入到已训练的项目关系识别模型进行识别,得到项目标识组合中各个项目标识关系;
删除模块,用于根据各个项目标识关系从项目标识组合中确定待删除的项目标识,将待删除的项目标识从项目标识组合中删除,得到目标项目标识组合;
资源计算模块,用于根据所述项目标识组合中各个项目标识关系查找对应的预设转换函数,根据转换函数得到目标项目标识组合中各个项目标识对应的资源值,将目标项目标识组合和对应的资源值发送到目标终端进行展示。
在一个实施例中,所述装置还包括:
标识获取模块,用于获取第一历史标识、第二历史标识和历史复合标识;
历史标识查找模块,用于根据历史复合标识查找对应的各个历史复合项目标识,根据第一历史标识查找对应的各个历史第一项目标识,根据第二历史标识查找对应的各个历史第二项目标识;
历史标识组合模块,用于将各个历史第一项目标识和各个历史第二项目标识组合得到历史项目标识组合;
历史关系生成模块,用于将历史项目标识组合和各个历史复合项目标识对比,根据对比结果生成各个历史第一项目标识和各个历史第二项目标识的历史关系;
训练模块,用于将历史项目标识组合作为输入,将历史关系作为标签,使用神经网络算法进行训练,当达到预设条件时,得到已训练的项目关系识别模型。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
接收资源预测指令,资源预测指令中携带待预测复合标识,根据待预测复合标识查找对应的待预测复合年龄信息;
根据待预测复合年龄信息和待预测复合标识查找各个目标标识,各个目标标识对应的年龄信息与待预测复合年龄信息一致;
根据目标标识查找对应的各个项目标识,将各个目标标识对应的项目标识进行组合,得到项目标识组合;
将项目标识组合输入到已训练的项目关系识别模型进行识别,得到项目标识组合中各个项目标识关系;
根据各个项目标识关系从项目标识组合中确定待删除的项目标识,将待删除的项目标识从项目标识组合中删除,得到目标项目标识组合;
根据所述项目标识组合中各个项目标识关系查找对应的预设转换函数,根据预设转换函数计算目标项目标识组合中各个项目标识对应的资源值,将目标项目标识组合和对应的资源值发送到目标终端进行展示。
一种计算机可读存储介质,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以下步骤:
接收资源预测指令,资源预测指令中携带待预测复合标识,根据待预测复合标识查找对应的待预测复合年龄信息;
根据待预测复合年龄信息和待预测复合标识查找各个目标标识,各个目标标识对应的年龄信息与待预测复合年龄信息一致;
根据目标标识查找对应的各个项目标识,将各个目标标识对应的项目标识进行组合,得到项目标识组合;
将项目标识组合输入到已训练的项目关系识别模型进行识别,得到项目标识组合中各个项目标识关系;
根据各个项目标识关系从项目标识组合中确定待删除的项目标识,将待删除的项目标识从项目标识组合中删除,得到目标项目标识组合;
根据所述项目标识组合中各个项目标识关系查找对应的预设转换函数,根据预设转换函数计算目标项目标识组合中各个项目标识对应的资源值,将目标项目标识组合和对应的资源值发送到目标终端进行展示。
上述数据处理方法、装置、计算机设备和存储介质,通过将复合标识对应的目标标识的各个项目标识组合,并使用已训练的项目关系识别模型识别各个项目标识关系,根据各个项目标识关系删除项目标识,得到目标项目标识组合,即得到复合标识对应的各个项目标识,然后根据项目标识关系对应的预设转换函数计算得到各个项目标识对应的资源值。通过先预测得到复合标识对应的各个项目标识,然后再计算出各个项目标识对应的资源值,提高了得到复合标识资源值的准确性。
附图说明
图1为一个实施例中数据处理方法的应用场景图;
图2为一个实施例中数据处理方法的流程示意图;
图3为一个实施例中查找目标标识的流程示意图;
图4为一个实施例中组合项目标识的流程示意图;
图5为一个实施例中训练项目关系识别模型的流程示意图;
图6为一个实施例中得到转换函数的流程示意图;
图7为一个实施例中得到历史关系的流程示意图;
图8为一个实施例中项目关系结构的示意图;
图9为一个实施例中数据处理装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的数据处理方法,可以应用于如图1所示的应用环境中。其中,终端102与服务器104通过网络进行通信。服务器104接收终端102发送的资源预测指令,资源预测指令中携带待预测复合标识,根据待预测复合标识查找对应的待预测复合年龄信息;服务器104根据待预测复合年龄信息和待预测复合标识查找各个目标标识,各个目标标识对应的年龄信息与待预测复合年龄信息一致;根据目标标识查找对应的各个项目标识,将各个目标标识对应的项目标识进行组合,得到项目标识组合;服务器104将项目标识组合输入到已训练的项目关系识别模型进行识别,得到项目标识组合中各个项目标识关系;根据各个项目标识关系从项目标识组合中确定待删除的项目标识,将待删除的项目标识从项目标识组合中删除,得到目标项目标识组合;服务器104根据所述项目标识组合中各个项目标识关系查找对应的预设转换函数,根据预设转换函数计算目标项目标识组合中各个项目标识对应的资源值,将目标项目标识组合和对应的资源值发送到终端102进行展示。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种数据处理方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S202,接收资源预测指令,资源预测指令中携带待预测复合标识,根据待预测复合标识查找对应的待预测复合年龄信息。
其中,待预测复合标识用于唯一标识待预测复合疾病,可以是病例号、复合病例名称等。待预测复合年龄信息是指待预测复合疾病患病者的年龄所在的年龄段,该年龄段属于根据WHO(World Health Organization、世界卫生组)五年龄阶段分类,包括未成年人:0至17岁;青年人:18岁至65岁;中年人:66岁至79岁;老年人:80岁至99岁;长寿老人:100岁以上。
具体地,服务器接收终端发送的预测指令,资源预测指令中携带待预测复合标识,服务器根据待预测复合标识查找对应的待预测复合疾病所在的年龄段。比如,待预测复合疾病的患者为30岁,则待预测复合标识对应的待预测复合年龄信息为青年人。
S204,根据待预测复合年龄信息和待预测复合标识查找各个目标标识,各个目标标识对应的年龄信息与待预测复合年龄信息一致。
其中,目标标识用于唯一标识需要查找的目标疾病,目标疾病包括单诊断疾病和多诊断疾病,多诊断疾病是指诊断结果为具有多种疾病类型的疾病。单诊断疾病是指诊断结果为仅具有一种疾病类型的疾病。
具体地,服务器根据待预测复合年龄信息和待预测复合标识查找目标标识,该目标标识包括单诊断疾病标识和多诊断疾病标识。该各个目标标识对应的年龄信息与待预测复合年龄信息一致,即单诊断疾病标识和多诊断疾病标识的患者所在年龄段和待预测复合疾病的患者所在年龄段相同,而且目标标识对应疾病的疾病类型和疾病数量与待预测复合标识对应的复合疾病的疾病类型和疾病数量相同。用公式表示可以是(n+1)诊断病例年龄段X=n诊断病例年龄段X+单诊断病例年龄段X。举例来说:一个2诊断复合病例标识,得到的目标疾病标识可以是2个单诊断病例的标识,公式可以是:
S206,根据目标标识查找对应的各个项目标识,将各个目标标识对应的项目标识进行组合,得到项目标识组合。
其中,项目标识用于唯一标识疾病的治疗项目,可以是项目名称,项目编号等等。比如,肺炎疾病的治疗项目包括血常规、胸部CT、抗生素、床位费等等,桡骨骨折的治疗项目包括血常规、胸片、腕关节X片、床位费等等。项目标识组合是将所有目标标识对应的项目标识组合在一起得到的组合,用于预测复合标识对应的项目标识。
具体地,服务器根据各个目标标识查找对应的各个项目标识即每个目标都可以有多个项目。然后将各个目标标识对应的项目标识进行组合,得到项目标识组合。比如,将肺炎疾病的治疗项目和桡骨骨折的治疗项目标识组合得到血常规、胸部CT、抗生素、床位费、血常规、胸片、腕关节X片、床位费等。
S208,将项目标识组合输入到已训练的项目关系识别模型进行识别,得到项目标识组合中各个项目标识关系。
其中,项目关系识别模型用于识别出项目标识组合中各个项目标识之间的关系,是使用神经网络根据历史数据训练得到的。各个项目标识关系是预先在训练时就设置好的。关系可以包括项目互斥、项目替代和项目叠加等等。项目互斥是指同一项目标识重复出现,此时,需要将重复出现的治疗项目标识删除。项目替代是指两个不同项目标识中一个项目标识可以被另一个项目标识取代。项目叠加是指同一项目标识的花费资源能够叠加。比如,肺炎疾病的血常规与桡骨骨折的血常规关系可以是项目互斥。肺炎疾病的胸部CT与桡骨骨折的胸片关系可以是项目替代:胸部CT替代胸片。肺炎疾病的床位费与桡骨骨折的床位费关系可以是项目叠加。
具体地,服务器将项目标识组合输入到已训练的项目关系识别模型进行识别,得到项目标识组合中各个项目标识关系。
S210,根据各个项目标识关系从项目标识组合中确定待删除的项目标识,将待删除的项目标识从项目标识组合中删除,得到目标项目标识组合。
其中,待删除的项目标识用于唯一标识需要删除的项目。比如,项目互斥关系中的项目标识,需要删除其中任一个项目标识。项目叠加关系中的项目标识,需要删除其中任一个项目标识。项目替代关系中的项目标识,需要删除被替代的项目标识。目标项目标识组合是指待预测复合标识对应的项目标识的组合。
具体地,服务器根据各个项目标识关系从项目标识组合中确定待删除的项目标识,将待删除项目标识从项目标识组合中删除,得到目标项目标识组合。比如,肺炎疾病的血常规与桡骨骨折的血常规是项目互斥关系,则在治疗项目标识组合删除桡骨骨折的血常规,则目标治疗项目标识组合中只有肺炎疾病的血常规。
S212,根据项目标识组合中各个项目标识关系查找对应的预设转换函数,根据预设转换函数计算目标项目标识组合中各个项目标识对应的资源值,将目标项目标识组合和对应的资源值发送到目标终端进行展示。
其中,预设转换函数用于计算复合疾病治疗项目花费的资源值,是预先设置在转换函数库中的。每个项目关系都有对应的转换函数,比如项目互斥、项目替代和项目叠加都有对应的预设转换函数。资源值是治疗项目需要的费用值。
具体地,服务器根据项目标识组合中各个项目标识关系查找对应的预设转换函数,根据预设转换函数计算目标项目标识组合中各个项目标识对应的资源值。比如,根据项目互斥关系查找到对应的预设转换函数,根据该预设转换函数计算得到肺炎疾病的血常规需要花费的资源值。然后服务器将目标项目标识组合和目标项目标识组合中各个项目标识对应的资源值发送到目标终端进行展示。
在上述数据处理方法中,通过将复合标识对应的目标标识的各个项目标识组合,并使用已训练的项目关系识别模型识别各个项目标识关系,根据各个项目标识关系删除项目标识,得到目标项目标识组合,即得到复合的各个治疗项目标识,然后根据项目标识关系对应的预设转换函数计算得到复合疾病各个治疗项目标识对应的资源值。通过先预测得到复合标识对应的各个项目标识,然后再计算出各个项目标识对应的资源值,提高了得到复合标识的资源值的准确性。
在一个实施例中,如图3所示,步骤S204即根据待预测复合年龄信息和待预测复合标识查找各个目标标识,包括步骤:
S302,根据待预测复合年龄信息和待预测复合标识在预设数据库中查找第一待确认目标标识和第二待确认目标标识,待预测复合标识用于根据预设条件得到第一待确认目标标识和第二待确认目标标识。
其中,第一目标标识用于标识多诊断疾病标识,第二目标标识用于标识单诊断疾病标识。预设数据库用于存储历史疾病数据相关的信息,比如疾病标识、疾病治疗项目标识、治疗项目产生时间和治疗项目标识对应的花费资源值等等。预设条件是指预测复合疾病的疾病类型是第一目标标识对应的疾病类型与第二目标标识对应的疾病类型之和。
具体地,服务器待预测复合标识对应疾病的疾病类型进行分解,得到分解后的相同年龄段的多诊断疾病标识和单诊断疾病标识,即第一待确认目标标识和第二待确认目标标识,然后,在预设疾病数据库中查找第一待确认目标标识和第二待确认目标标识。
S304,当能够查找到第一待确认目标标识和第二待确认目标标识时,将第一待确认目标标识作为第一目标标识,将第二待确认目标标识作为第二目标标识。
具体地,当能够查找到第一待确认目标标识和第二待确认目目标标识时,说明预设数据库中存储有历史存储的单诊断疾病相关信息和多诊断疾病相关信息。此时,将第一待确认目标标识作为第一目标标识,将第二待确认目标标识作为第二目标标识。当未在预设疾病数据库中查找到第一待确认目标标识和第二待确认目标标识时,说明预设数据库中未存储有分解后的单诊断疾病相关信息和多诊断疾病相关信息。则需要返回步骤S302,继续将待预测复合标识对应疾病的疾病类型进行分解,得到分解后的相同年龄段的多诊断疾病标识和单诊断疾病标识,然后继续在预设数据库中进行查找,直到查找到多诊断疾病标识和单诊断疾病标识时,得到第一目标标识和第二目标标识。
在一个实施例中,当能够查找到单诊断疾病标识且未查找到多诊断疾病标识时,将多诊断疾病标识继续进行分解,进一步得到分解后的多诊断疾病标识和单诊断疾病标识,并在预设数据库中查找再次分解后的诊断疾病标识和单诊断疾病标识。直到得到的目标标识全部能够在预设数据库中查找到。
在上述实施例中,通过根据待预测复合年龄信息和待预测复合标识在预设数据库中查找第一待确认目标标识和第二待确认目标标识,当能够查找到第一待确认目标标识和第二待确认目标标识时,将第一待确认目标标识作为第一目标标识,将第二待确认目标标识作为第二目标标识,实现了目标标识的确定。
在一个实施例中,如图4所示,步骤S206,即根据目标标识查找对应的各个项目标识,将各个目标标识对应的项目标识进行组合,得到项目标识组合,包括步骤:
S402,根据第一目标标识查找到对应的各个第一项目标识,并根据第二目标标识查找对应的各个第二项目标识。
其中,第一项目标识用于标识第一目标疾病的治疗项目即多诊断疾病的治疗项目,第二项目标识用于标识第二目标疾病的治疗项目即单诊断疾病的治疗项目。
具体地,服务器根据第一目标标识查找到对应的各个第一项目标识,并根据第二目标标识查找对应的各个第二项目标识。比如,根据肺炎和桡骨骨折的2诊断疾病查找对应的治疗项目可以包括血常规、胸部CT、腕关节X片、抗生素和床位费等等。
S406,从各个第一项目标识中选取目标第一项目标识并从各个第二项目标识中选取目标第二项目标识。
具体地,服务器可以从各个第一项目标识和各个第二项目标识中按照顺序依次进行选取。比如选取各个第一项目标识中初始第一项目标识和各个第二项目标识中初始第二项目标识,将初始第一项目标识作为目标第一项目标识,将初始第二项目标识作为目标第二项目标识。
S408,将目标第一项目标识和目标第二项目标识组合,得到项目标识组合。
其中,项目标识组合是指将各个第一项目标识和各个第二项目标识组合之后得到的标识集。
具体地,服务器将目标第一项目标识和目标第二项目标识组合,得到项目标识组合。比如,服务器可以将初始第一项目标识和初始第二项目标识进行组合得到初始项目标识组合,然后在从各个第一项目标识顺序选取目标第一项目标识,可以是第二位置的第一项目标识,然后再选取第二位置的第二项目标识,将选取的第二位置的第一项目标识和第二位置的第二项目标识组合到初始项目标识组合中,得到第二项目标识组合。按照上述方法,直到将所有第一项目标识和第二项目标识全部选取完成时,得到项目标识组合。举例来说:肺炎疾病的治疗项目包括血常规、胸部CT、抗生素、床位费等等。桡骨骨折的治疗项目包括血常规、胸片、腕关节X片、床位费。选取肺炎疾病的血常规和桡骨骨折的血常规组合得到初始治疗项目标识组合(血常规,血常规),然后选取肺炎疾病的胸部CT和桡骨骨折的胸片得到第二治疗项目标识组合(血常规,血常规),胸部CT,胸片),重复选取,得到治疗项目标识组合可以是(血常规,血常规,胸部CT,胸片,抗生素,腕关节X片,床位费,床位费)。
在一个实施例中,可以将各个第一项目标识作为目标第一项目标识,将各个第二项目标识作为目标第二项目标识,直接将各个第一项目标和各个第二项目标识进行组合得到治疗项目标识组合。举例来说:肺炎疾病的治疗项目包括血常规、胸部CT、抗生素、床位费等等。桡骨骨折的治疗项目包括血常规、胸片、腕关节X片、床位费。得到的治疗项目标识组合可以是(血常规,胸部CT,抗生素,床位费,血常规,胸片,腕关节X片,床位费)。
在上述实施例中,通过从各个第一项目标识中选取目标第一项目标识并从各个第二项目标识中选取目标第二项目标识,将目标第一项目标识和目标第二项目标识组合,得到项目标识组合,能够按照顺序进行选取得到项目标识组合,使服务器在读取数据时可以直接读取到第一项目标识和第一项目标识紧邻的第二项目标识,然后进行第一项目标识和第二项目标识之间关系的预测,提高了读取效率,使服务器预测关系的效率提高。
在一个实施例中,如图5所示,已训练的项目关系识别模型的生成步骤,包括步骤:
S502,获取第一历史标识、第二历史标识和历史复合标识。
具体地,服务器获取到各个第一历史标识、第二历史标识和历史复合标识。其中,该历史复合标识与第一历史标识和第二历史标识满足如下条件:(n+1)诊断病例年龄段X=n诊断病例年龄段X+单诊断病例年龄段X。即对应的疾病的年龄段相同,历史复合标识的诊断内容与第一历史标识加第二历史标识的诊断内容相同。第二历史标识的诊断内容是仅有一种疾病类型,第一历史标识的诊断内容包括多种疾病类型。
S504,根据历史复合标识查找对应的各个历史复合项目标识,根据第一历史标识查找对应的各个历史第一项目标识,根据第二历史标识查找对应的各个历史第二项目标识。
具体地,服务器根据历史复合标识查找对应的各个历史复合项目标识,根据第一历史标识查找对应的各个历史第一项目标识,根据第二历史标识查找对应的各个历史第二项目标识。
S506,将各个历史第一项目标识和各个历史第二项目标识组合得到历史项目标识组合。
具体地,服务器从各个历史第一项目标识顺序选取历史第一项目标识,从各个历史第二项目标识顺序选取历史第二项目标识,将历史第一项目标识和历史第二项目标识组合,直到将各个历史第一项目标识和各个历史第二项目标识都选取完成,得到历史项目标识组合。
S508,将历史项目标识组合和各个历史复合项目标识对比,根据对比结果生成各个历史第一项目标识和各个历史第二项目标识的历史关系。
具体地,服务器将历史项目标识组合和各个历史复合项目标识对比,根据历史项目标识组合中历史项目标识的花费资源和历史复合项目标识的划分资源进行对比,根据对比结果生成各个历史第一项目标识和各个历史第二项目标识的历史关系。举例来说:历史治疗项目标识组合可以是(血常规,血常规,胸部CT,胸片,抗生素,腕关节X片,床位费,床位费),各个历史复合治疗项目标识可以是(血常规,胸部CT、抗生素、腕关节X片,床位费)。此时,根据花费资源进行对比,历史治疗项目标识组合中第一个血常规的花费资源为10,第二个血常规的花费资源为10,历史复合治疗项目血常规花费资源为10。则对比之后得到第一个血常规和第二个血常规是项目互斥关系。依次对比,得到胸部CT和胸片是项目替换关系,第一个床位费和第二个床位费是项目叠加关系等等。
S510,将历史项目标识组合作为输入,将历史关系作为标签,使用神经网络算法进行训练,当达到预设条件时,得到已训练的项目关系识别模型。
其中,神经网络算法是指LSTM(Long Short-Term Memory,长短期记忆网络)算法。预设条件是指训练达到最大迭代次数或者代价函数值达到预设阈值。
具体地,服务器将历史项目标识组合作为输入,将历史关系作为标签使用神经网络算法进行训练,当训练达到最大迭代次数或者代价函数值达到预设阈值时,得到已训练的项目关系识别模型。
在上述实施例中,服务器使用第一历史标识、第二历史标识和历史复合标识训练得到项目关系识别模型,将项目关系识别模型预先部署完成,在进行关系识别时,可以直接使用,提高效率。
在一个实施例中,如图6所示,在步骤S510之后,即在将历史项目标识组合作为输入,将历史关系作为标签,使用神经网络算法进行训练,当达到预设条件时,得到已训练的项目关系识别模型之后,还包括步骤:
S602,根据各个历史第一项目标识获取各个历史第一资源,根据各个历史第二项目标识获取各个历史第二资源,根据历史复合项目标识获取到历史复合项目资源。
其中,历史第一资源是指第一项目对应的治疗费用值。历史第二资源是指第二项目对应的治疗费用值。历史复合项目资源是指历史复合项目对应的治疗费用值。
具体地,服务器根据各个历史第一项目标识获取各个历史第一资源,根据各个历史第二项目标识获取各个历史第二资源,根据历史复合项目标识获取到历史复合项目资源。
S604,根据各个历史第一项目标识和各个历史第二项目标识的历史关系将历史第一资源和历史第二资源作为输入,将历史复合资源作为输出进行线性拟合,得到历史关系对应的转换函数,并将历史关系对应的转换函数存储到预设转换函数库中。
具体地,服务器据各个历史第一项目标识和各个历史第二项目标识的历史关系,将历史第一治疗资源和历史关系对应的历史第二治疗资源作为输入,将第一项目标识和第二项目标识对比的历史复合项目标识的历史复合资源作为输出进行线性拟合,得到各个历史关系对应的各个转换函数。然后将各个历史关系对应的转换函数存储到预设转换函数库中。比如,项目叠加关系对应的转换函数可以是第一治疗资源*1.4。
在一个具体的实施例中,得到一个转换函数的过程如下:根据诊断列表、项目列表、关系类型形成特征函数,并利用金额(或者数量)变化序列对函数进行训练,函数输入形式如下:f(诊断列表,项目列表、关系类型、金额序列)。其中,诊断列表为包含多个诊断的无序列表如[桡骨骨折,肺炎],项目列表为包含计算目标项目及与其产生关系的项目列表,需要将目标项目列为首位,如[床位费(目标),床位费(相关)],关系类型为如[床位费(目标),床位费(相关)]之间的关系为“叠加”。金额或者数量序列为2个具体病例叠加时的金额变化如数量序列[5(病例a),5(病例b),7(合并)]。由上述输入形成具体的特征函数:if(诊断列表==[桡骨骨折,肺炎],项目列表==[床位费(目标),床位费(相关)],关系类型==“叠加”,序列类型==“数量”)return g(5(病例a),5(病例b)])else return max(5(病例a),5(病例b)]);其中,函数g(金额或者数量序列)可设置为线性拟合方程如y=ax1+bx2=c。通过大量组合病例获取方程系数,此处a、b、c可为1、1、-2。Max()为取最大值函数。
在上述实施例中,通过历史关系并根据历史第一资源、历史第二资源和复合资源线性拟合得到各个历史关系对应的转换函数,并将转换函数存储到预设转换函数库中,方便后续的使用。
在一个实施例中,如图7所示,步骤S508,即将历史项目标识组合和各个历史复合项目标识对比,根据对比结果生成各个历史第一项目标识和各个历史第二项目标识的历史关系,包括步骤:
S702,获取历史项目标识组合中历史项目标识的项目信息,获取各个历史复合项目标识的项目信息。
其中,项目信息是指治疗项目标识对应的治疗项目的具体信息,包括项目资源值,项目数量和项目标识等等
具体地,服务器从历史项目信息数据库中获取到历史项目标识组合中各个历史项目标识的项目信息,获取到各个历史复合项目标识的项目信息。
S704,比较历史项目标识组合中历史项目标识的项目信息和各个历史复合项目标识的项目信息。
S706,根据比较结果得到历史项目标识组合中历史第一项目标识与历史第二项目标识的历史关系。
具体地,服务器按照序列顺序比较历史项目标识组合中历史项目标识的项目信息和各个历史复合项目标识的项目信息。
当历史项目标识的项目信息中的项目标识和对应的历史复合项目标识的项目信息相同时,对历史项目标识进行未变化临时标记。当历史项目标识的项目信息中的项目标识和对应的历史复合项目标识的项目信息存在变化时,判断历史项目标识是否在历史复合项目标识中,当存在时,对存在的历史目标识进行项目资源值和项目数量变化临时标记。
当历史项目标识未在历史复合项目标识时,此时,在历史复合项目标识中查找是否有同类的项目标识,该查找范围是历史复合项目标识序列前后搜索范围N内,N为认为设置的参数。
当查找到同类的项目标识时,根据临时标记判断项目资源值和项目数量是否发生变化,当未发生变化时,得到同类的项目标识与历史项目标识为项目互斥关系。当发生变化时,得到同类的项目标识与历史项目标识为项目叠加关系。
当未查找到同类的项目标识时,在历史复合项目标识中查找是否有父级别下的同类项目标识,当能够查找到父级别下的同类项目标识时,将历史项目标识序列中兄弟级别的项目标识建立项目替代关系。当未能查找到父级别下的同类项目标识时,将父级别下的同类项目标识时查找范围内的项目标识建立为项目互斥关系。
在一个实施例中,预先建立历史项目标识父子、兄弟级别的关系结构。如图8所示,父子、兄弟级别治疗项目关系的部分示意图。
在一个具体的实施例中,历史治疗项目标识组合可以是[血常规(1,10),血常规(1,10),胸部CT(1,300),胸片(1,70),抗生素(10,500),腕关节X片(1,70),床位费(5,150),床位费(5,150)]。各个历史复合治疗项目标识可以是[血常规(1,10),胸部CT(1,300)、抗生素(10,500)、腕关节X片(1,70),床位费(7,210)]。
其中,历史治疗项目标识组合中第二的血常规(1,10)和历史复合治疗项目标识中胸部CT(1,300)不同,则在历史复合治疗项目标识中查找血常规(1,10),查找到历史复合治疗项目标识第一的血常规(1,10),且项目数量1和项目资源10未发生变化,得到历史治疗项目标识组合中第一血常规(1,10)与第二血常规(1,10)是项目互斥关系。而历史治疗项目标识组合中的床位费(5,150)与历史复合治疗项目标识中的床位费(7,210)发生变化,则得到床位费之间的关系为叠加关系。历史治疗项目标识组合中的胸片(1,70)在历史复合治疗项目标识中未查找到,此时在历史复合治疗项目标识中查找是否有父级别下的同类项目标识,根据图8得到胸片的兄级别的项目标识为胸部CT,则得到胸部CT和胸片为项目替代关系。
应该理解的是,虽然图2-7的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-7中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图9所示,提供了一种数据处理装置900,包括:年龄查找模块902、疾病标识查找模块904、组合模块906、识别模块908、删除模块910和资源计算模块912,其中:
年龄查找模块902,用于接收资源预测指令,资源预测指令中携带待预测复合标识,根据待预测复合标识查找对应的待预测复合年龄信息;
标识查找模块904,用于根据待预测复合年龄信息和待预测复合标识查找各个目标标识,各个目标标识对应的年龄信息与待预测复合年龄信息一致;
组合模块906,用于根据目标标识查找对应的各个项目标识,将各个目标标识对应的项目标识进行组合,得到项目标识组合;
识别模块908,用于将项目标识组合输入到已训练的项目关系识别模型进行识别,得到项目标识组合中各个项目标识关系;
删除模块910,用于根据各个项目标识关系从项目标识组合中确定待删除的项目标识,将待删除的项目标识从项目标识组合中删除,得到目标项目标识组合;
资源计算模块912,用于根据所述项目标识组合中各个项目标识关系查找对应的预设转换函数,根据转换函数得到目标项目标识组合中各个项目标识对应的资源值,将目标项目标识组合和对应的资源值发送到目标终端进行展示。
在一个实施例中,年龄查找模块902还用于根据待预测复合年龄信息和待预测复合标识在预设数据库中查找第一待确认目标标识和第二待确认目标标识,待预测复合标识用于根据预设条件得到第一待确认目标标识和第二待确认目标标识;当能够查找到第一待确认目标标识和第二待确认目标标识时,将第一待确认目标标识作为第一目标标识,将第二待确认目标标识作为第二目标标识。
在一个实施例中,组合模块906还用于根据第一目标标识查找到对应的各个第一项目标识,并根据第二目标标识查找对应的各个第二项目标识;从各个第一项目标识中选取目标第一项目标识并从各个第二项目标识中选取目标第二项目标识;将目标第一项目标识和目标第二项目标识组合,得到项目标识组合。
在一个实施例中,所述装置还包括:
标识获取模块,用于获取第一历史标识、第二历史标识和历史复合标识;
历史标识查找模块,用于根据历史复合标识查找对应的各个历史复合项目标识,根据第一历史标识查找对应的各个历史第一项目标识,根据第二历史标识查找对应的各个历史第二项目标识;
历史标识组合模块,用于将各个历史第一项目标识和各个历史第二项目标识组合得到历史项目标识组合;
历史关系生成模块,用于将历史项目标识组合和各个历史复合项目标识对比,根据对比结果生成各个历史第一项目标识和各个历史第二项目标识的历史关系;
训练模块,用于将历史项目标识组合作为输入,将历史关系作为标签,使用神经网络算法进行训练,当达到预设条件时,得到已训练的项目关系识别模型。
在一个实施例中,所述装置还包括:
资源获取模块,用于根据各个历史第一项目标识获取各个历史第一资源,根据各个历史第二项目标识获取各个历史第二资源,根据历史复合项目标识获取到历史复合项目资源;
函数拟合模块,用于根据各个历史第一项目标识和各个历史第二项目标识的历史关系将历史第一资源和历史第二资源作为输入,将历史复合资源作为输出进行线性拟合,得到历史关系对应的转换函数,并将历史关系对应的转换函数存储到预设转换函数库中。
在一个实施例中,历史关系生成模块还用于获取历史项目标识组合中历史项目标识的项目信息,获取各个历史复合项目标识的项目信息;比较历史项目标识组合中历史项目标识的项目信息和各个历史复合项目标识的项目信息;根据比较结果得到历史项目标识组合中历史第一项目标识与历史第二项目标识的历史关系。
关于数据处理装置的具体限定可以参见上文中对于数据处理方法的限定,在此不再赘述。上述数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种数据处理方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现上述任意实施例中数据处理方法所述的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任意实施例中数据方法所述的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,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,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种数据处理方法,所述方法包括:
接收资源预测指令,所述资源预测指令中携带待预测复合标识,根据所述待预测复合标识查找对应的待预测复合年龄信息,所述待预测复合标识用于唯一标识待预测复合疾病,所述待预测复合年龄信息是指待预测复合疾病患病者的年龄所在的年龄段;
根据所述待预测复合年龄信息和所述待预测复合标识查找各个目标标识,所述各个目标标识对应的年龄信息与所述待预测复合年龄信息一致,所述目标标识用于唯一标识需要查找的目标疾病,所述目标疾病包括单诊断疾病和多诊断疾病,所述单诊断疾病标识和所述多诊断疾病标识的患者所在年龄段和待预测复合疾病的患者所在年龄段相同,所述目标标识对应疾病的疾病类型和疾病数量与所述待预测复合标识对应的复合疾病的疾病类型和疾病数量相同,所述多诊断疾病是指诊断结果为具有多种疾病类型的疾病,所述单诊断疾病是指诊断结果为仅具有一种疾病类型的疾病;
根据所述目标标识查找对应的各个项目标识,将所述各个目标标识对应的项目标识进行组合,得到项目标识组合;
将所述项目标识组合输入到已训练的项目关系识别模型进行识别,得到所述项目标识组合中各个项目标识关系,所述项目标识用于唯一标识疾病的治疗项目,所述项目标识关系包括项目互斥、项目替代和项目叠加;
根据所述各个项目标识关系从所述项目标识组合中确定待删除的项目标识,将所述待删除的项目标识从所述项目标识组合中删除,得到目标项目标识组合;
根据所述项目标识组合中各个项目标识关系查找对应的预设转换函数,根据所述预设转换函数计算所述目标项目标识组合中各个项目标识对应的资源值,将所述目标项目标识组合和对应的资源值发送到目标终端进行展示。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待预测复合年龄信息和所述待预测复合标识查找各个目标标识,包括:
根据所述待预测复合年龄信息和所述待预测复合标识在预设数据库中查找第一待确认目标标识和第二待确认目标标识,所述待预测复合标识用于根据预设条件得到所述第一待确认目标标识和所述第二待确认目标标识;
当能够查找到所述第一待确认目标标识和所述第二待确认目标标识时,将所述第一待确认目标标识作为第一目标标识,将所述第二待确认目标标识作为第二目标标识。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标标识查找对应的各个项目标识,将所述各个目标标识对应的项目标识进行组合,得到项目标识组合,包括:
根据所述第一目标标识查找到对应的各个第一项目标识,并根据所述第二目标标识查找对应的各个第二项目标识;
从所述各个第一项目标识中选取目标第一项目标识并从所述各个第二项目标识中选取目标第二项目标识;
将所述目标第一项目标识和所述目标第二项目标识组合,得到项目标识组合。
4.根据权利要求1所述的方法,其特征在于,所述已训练的项目关系识别模型的生成步骤,包括:
获取第一历史标识、第二历史标识和历史复合标识;
根据所述历史复合标识查找对应的各个历史复合项目标识,根据所述第一历史标识查找对应的各个历史第一项目标识,根据所述第二历史标识查找对应的各个历史第二项目标识;
将所述各个历史第一项目标识和所述各个历史第二项目标识组合得到历史项目标识组合;
将所述历史项目标识组合和所述各个历史复合项目标识对比,根据对比结果生成所述各个历史第一项目标识和所述各个历史第二项目标识的历史关系;
将所述历史项目标识组合作为输入,将所述历史关系作为标签,使用神经网络算法进行训练,当达到预设条件时,得到所述已训练的项目关系识别模型。
5.根据权利要求4所述的方法,其特征在于,在所述将所述历史项目标识组合作为输入,将所述历史关系作为标签,使用神经网络算法进行训练,当达到预设条件时,得到所述已训练的项目关系识别模型之后,还包括:
根据各个历史第一项目标识获取各个历史第一资源,根据各个历史第二项目标识获取各个历史第二资源,根据历史复合项目标识获取到历史复合项目资源;
根据所述各个历史第一项目标识和所述各个历史第二项目标识的历史关系将所述历史第一资源和所述历史第二资源作为输入,将所述历史复合资源作为输出进行线性拟合,得到所述历史关系对应的转换函数,并将所述历史关系对应的转换函数存储到预设转换函数库中。
6.根据权利要求4所述的方法,其特征在于,所述将所述历史项目标识组合和所述各个历史复合项目标识对比,根据对比结果生成所述各个历史第一项目标识和所述各个历史第二项目标识的历史关系,包括:
获取所述历史项目标识组合中历史项目标识的项目信息,获取所述各个历史复合项目标识的项目信息;
比较所述历史项目标识组合中历史项目标识的项目信息和所述各个历史复合项目标识的项目信息;
根据比较结果得到所述历史项目标识组合中历史第一项目标识与历史第二项目标识的历史关系。
7.一种数据处理装置,其特征在于,所述装置包括
年龄查找模块,用于接收资源预测指令,所述资源预测指令中携带待预测复合标识,根据所述待预测复合标识查找对应的待预测复合年龄信息,所述待预测复合标识用于唯一标识待预测复合疾病,所述待预测复合年龄信息是指待预测复合疾病患病者的年龄所在的年龄段;
标识查找模块,用于根据所述待预测复合年龄信息和所述待预测复合标识查找各个目标标识,所述各个目标标识对应的年龄信息与所述待预测复合年龄信息一致,所述目标标识用于唯一标识需要查找的目标疾病,所述目标疾病包括单诊断疾病和多诊断疾病,所述单诊断疾病标识和所述多诊断疾病标识的患者所在年龄段和待预测复合疾病的患者所在年龄段相同,所述目标标识对应疾病的疾病类型和疾病数量与所述待预测复合标识对应的复合疾病的疾病类型和疾病数量相同,所述多诊断疾病是指诊断结果为具有多种疾病类型的疾病,所述单诊断疾病是指诊断结果为仅具有一种疾病类型的疾病;
组合模块,用于根据所述目标标识查找对应的各个项目标识,将所述各个目标标识对应的项目标识进行组合,得到项目标识组合;
识别模块,用于将所述项目标识组合输入到已训练的项目关系识别模型进行识别,得到所述项目标识组合中各个项目标识关系,所述项目标识用于唯一标识疾病的治疗项目,所述项目标识关系包括项目互斥、项目替代和项目叠加;
删除模块,用于根据所述各个项目标识关系从所述项目标识组合中确定待删除的项目标识,将所述待删除的项目标识从所述项目标识组合中删除,得到目标项目标识组合;
资源计算模块,用于根据所述项目标识组合中各个项目标识关系查找对应的预设转换函数,根据所述预设转换函数计算所述目标项目标识组合中各个项目标识对应的资源值,将所述目标项目标识组合和对应的资源值发送到目标终端进行展示。
8.根据权利要求7所述的装置,其特征在于,还包括:
标识获取模块,用于获取历史标识,所述历史标识中包括第一历史标识、第二历史标识和历史复合标识;
历史标识查找模块,用于根据所述历史复合标识查找对应的各个历史复合项目标识,根据所述第一历史标识查找对应的各个历史第一项目标识,根据所述第二历史标识查找对应的各个历史第二项目标识;
历史标识组合模块,用于将所述各个历史第一项目标识和所述各个历史第二项目标识组合得到历史项目标识组合;
历史关系生成模块,用于将所述历史项目标识组合和所述各个历史复合项目标识对比,根据对比结果生成所述各个历史第一项目标识和所述各个历史第二项目标识的历史关系;
训练模块,用于将所述历史项目标识组合作为输入,将所述历史关系作为标签,使用神经网络算法进行训练,当达到预设条件时,得到所述已训练的项目关系识别模型。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,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中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910965121.2A CN110729053B (zh) | 2019-10-11 | 2019-10-11 | 数据处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910965121.2A CN110729053B (zh) | 2019-10-11 | 2019-10-11 | 数据处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110729053A CN110729053A (zh) | 2020-01-24 |
CN110729053B true CN110729053B (zh) | 2023-02-03 |
Family
ID=69221038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910965121.2A Active CN110729053B (zh) | 2019-10-11 | 2019-10-11 | 数据处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110729053B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022105118A1 (zh) * | 2020-11-17 | 2022-05-27 | 平安科技(深圳)有限公司 | 基于图像的健康状态识别方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102789617A (zh) * | 2011-05-19 | 2012-11-21 | 乐活在线(北京)网络技术有限公司 | 一种商品信息关联方法及系统 |
CN105119744A (zh) * | 2015-08-17 | 2015-12-02 | 百度在线网络技术(北京)有限公司 | 用户标识的关联关系判断方法和装置 |
CN107577807A (zh) * | 2017-09-26 | 2018-01-12 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN108280115A (zh) * | 2017-10-24 | 2018-07-13 | 腾讯科技(深圳)有限公司 | 识别用户关系的方法及装置 |
CN108280458A (zh) * | 2017-01-05 | 2018-07-13 | 腾讯科技(深圳)有限公司 | 群体关系类型识别方法及装置 |
CN109461043A (zh) * | 2018-09-18 | 2019-03-12 | 深圳壹账通智能科技有限公司 | 产品推送方法、装置、计算机设备和存储介质 |
CN109523067A (zh) * | 2018-10-30 | 2019-03-26 | 平安医疗健康管理股份有限公司 | 基于预测模型的费用预测方法、装置、服务器及存储介质 |
CN110019980A (zh) * | 2017-11-27 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 索引处理方法、装置、存储介质和计算机设备 |
-
2019
- 2019-10-11 CN CN201910965121.2A patent/CN110729053B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102789617A (zh) * | 2011-05-19 | 2012-11-21 | 乐活在线(北京)网络技术有限公司 | 一种商品信息关联方法及系统 |
CN105119744A (zh) * | 2015-08-17 | 2015-12-02 | 百度在线网络技术(北京)有限公司 | 用户标识的关联关系判断方法和装置 |
CN108280458A (zh) * | 2017-01-05 | 2018-07-13 | 腾讯科技(深圳)有限公司 | 群体关系类型识别方法及装置 |
CN107577807A (zh) * | 2017-09-26 | 2018-01-12 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN108280115A (zh) * | 2017-10-24 | 2018-07-13 | 腾讯科技(深圳)有限公司 | 识别用户关系的方法及装置 |
CN110019980A (zh) * | 2017-11-27 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 索引处理方法、装置、存储介质和计算机设备 |
CN109461043A (zh) * | 2018-09-18 | 2019-03-12 | 深圳壹账通智能科技有限公司 | 产品推送方法、装置、计算机设备和存储介质 |
CN109523067A (zh) * | 2018-10-30 | 2019-03-26 | 平安医疗健康管理股份有限公司 | 基于预测模型的费用预测方法、装置、服务器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110729053A (zh) | 2020-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qayyum et al. | Secure and robust machine learning for healthcare: A survey | |
CN109389030B (zh) | 人脸特征点检测方法、装置、计算机设备及存储介质 | |
CN111950329A (zh) | 目标检测及模型训练方法、装置、计算机设备和存储介质 | |
CN112071425B (zh) | 一种数据处理方法、装置、计算机设备及存储介质 | |
CN110930417A (zh) | 图像分割模型的训练方法和装置、图像分割方法和装置 | |
CN110797101B (zh) | 医学数据处理方法、装置、可读存储介质和计算机设备 | |
CN111192644B (zh) | 临床路径的构建方法、装置、计算机设备和存储介质 | |
CN109616169B (zh) | 相似患者挖掘方法、装置、计算机设备和存储介质 | |
CN109285105A (zh) | 水印检测方法、装置、计算机设备和存储介质 | |
CN112151141A (zh) | 医疗数据处理方法、装置、计算机设备和存储介质 | |
CN110555164B (zh) | 群体兴趣标签的生成方法、装置、计算机设备和存储介质 | |
CN113192586B (zh) | 基于区块链的智慧医疗档案共享方法及医疗大数据系统 | |
CN110333987B (zh) | 设备体检报告生成方法、装置、计算机设备和存储介质 | |
CN111180086A (zh) | 数据匹配方法、装置、计算机设备和存储介质 | |
CN112131277A (zh) | 基于大数据的医疗数据异常分析方法、装置和计算机设备 | |
CN112102235B (zh) | 人体部位识别方法、计算机设备和存储介质 | |
CN114417986A (zh) | 基于人工智能的药物特征信息确定方法及装置 | |
CN108200087B (zh) | web入侵检测方法、装置、计算机设备和存储介质 | |
CN110729053B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN113315752A (zh) | 基于区块链的智慧医疗攻击追溯方法及医疗大数据系统 | |
CN115794958A (zh) | 一种基于区块链的医疗数据共享方法、装置以及系统 | |
CN110413994B (zh) | 热点话题生成方法、装置、计算机设备和存储介质 | |
CN110490841B (zh) | 计算机辅助影像分析方法、计算机设备和存储介质 | |
CN109542962B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN111221876A (zh) | 数据降维处理方法、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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220520 Address after: 518048 China Aviation Center 2901, No. 1018, Huafu Road, Huahang community, Huaqiang North Street, Futian District, Shenzhen, Guangdong Province Applicant after: Shenzhen Ping An medical and Health Technology Service Co.,Ltd. Address before: Room 12G, Area H, 666 Beijing East Road, Huangpu District, Shanghai 200001 Applicant before: PING AN MEDICAL AND HEALTHCARE MANAGEMENT Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |