CN111710429A - 信息的推送方法及装置、计算机设备、存储介质 - Google Patents
信息的推送方法及装置、计算机设备、存储介质 Download PDFInfo
- Publication number
- CN111710429A CN111710429A CN202010473628.9A CN202010473628A CN111710429A CN 111710429 A CN111710429 A CN 111710429A CN 202010473628 A CN202010473628 A CN 202010473628A CN 111710429 A CN111710429 A CN 111710429A
- Authority
- CN
- China
- Prior art keywords
- target object
- data
- medical
- information
- user
- 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 45
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 230000006399 behavior Effects 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 14
- 201000010099 disease Diseases 0.000 claims description 12
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 12
- 239000003814 drug Substances 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 229940079593 drug Drugs 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000010354 integration Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007596 consolidation process Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例提供了一种信息的推送方法及装置、计算机设备、存储介质。一方面,该方法包括:采集目标对象的医疗关联信息,其中,所述医疗关联信息用于描述所述目标对象在医疗领域的个人信息和历史行为;将所述医疗关联信息转换为所述目标对象在多个特征维度的画像要素,生成所述目标对象的用户画像数据,其中,所述用户画像数据包括多个画像要素,每个画像要素包括至少一个标签字段;根据所述用户画像数据选择目标医疗服务,并将所述目标医疗服务推送给所述目标对象。通过本发明,解决了相关技术向用户推送医疗服务信息准确率低的技术问题,可以提高数据的有效性和存储效率,通过匹配算法,进而提升了推荐结果的准确性,提高了信息的触达率和点击率。
Description
【技术领域】
本发明涉及大数据领域,尤其涉及一种信息的推送方法及装置、计算机设备、存储介质。
【背景技术】
随着移动互联网和信息技术快速发展,获取信息的渠道越来越多,信息过载的现象越来严重,在海量信息中必须经过精准搜索、数据提炼、整理汇总等一系列过程后,才能得到对用户来说有价值的数据和资讯。
智能推荐应用广泛,但在医疗服务领域,推荐算法的应用却存在一定的难度,原因在于:个人医疗数据采集不方便,目前的医疗数据基本都在医院HIS系统中,获取难度大。数据维度较单一,仅有病例数据无法获取可靠和精准推荐。基于以上两点原因,基于单一且有限的基础数据,推荐算法无法识别出用户的真正需求是什么,也就无法提供精准的推荐服务。对于医院、药店等医疗服务平台来说,也就无法对患者提供精准化服务。
针对相关技术中存在的上述问题,目前尚未发现有效的解决方案。
【发明内容】
有鉴于此,本发明实施例提供了一种信息的推送方法及装置、计算机设备、存储介质。
一方面,本发明实施例提供了一种信息的推送方法,所述方法包括:采集目标对象的医疗关联信息,其中,所述医疗关联信息用于描述所述目标对象在医疗领域的个人信息和历史行为;将所述医疗关联信息转换为所述目标对象在多个特征维度的画像要素,生成所述目标对象的用户画像数据,其中,所述用户画像数据包括多个画像要素,每个画像要素包括至少一个标签字段;根据所述用户画像数据选择目标医疗服务,并将所述目标医疗服务推送给所述目标对象。
可选的,采集目标对象的医疗关联信息包括:采集所述目标对象的个人属性信息;采集所述目标对象的活动位置信息;采集所述目标对象的病例数据;采集所述目标对象与医疗相关的舆情信息,其中,所述舆情信息包括以下至少之一:关注的医院、关注的医院科室、关注的疾病、关注的药品、关注的诊疗手段。
可选的,将所述医疗关联信息转换为所述目标对象在多个特征维度的画像要素,生成所述目标对象的用户画像数据,包括:针对每个特征维度,将所述医疗关联数据的源键值转换为目标数据库中的字段值;采用预设映射表匹配所述字段值中的字段;将同一键值对应的多个字段值整合存储在一个字段中,以生成所述目标对象的用户画像数据,其中,每个键值对应所述用户画像数据的一个画像要素,每个字段值对应所述画像要素的一个标签字段。
可选的,将同一键值对应的多个字段值整合存储在一个字段中包括:获取第一键值对应的数据集合;若所述数据集合包括多组数据,依次读取所述数据集合中的多组数据,并通过分隔符按序拼接所述多组数据的字符串,得到合并数据串;将所述合并数据串存储至与所述第一键值对应的一个字段中。
可选的,所述用户画像数据包括以下维度的信息:活动范围信息、医疗兴趣信息、医疗评价信息,根据用户画像数据选择目标医疗服务包括:基于所述活动范围信息对所述目标对象进行区域分类,并筛选与所述目标对象驻留在同一区域的第一用户群;基于所述医疗兴趣信息对所述第一用户群进行兴趣分类,计算所述第一用户群中各个对象与所述目标对象的相似度,并在所述第一用户群中筛选相似度大于预设阈值的第二用户群;获取所述第二用户群中各个对象针对多个医疗服务内容的医疗评价信息,采用评分矩阵计算所述多个医疗服务内容的优先级,并按照优先级在所述多个医疗服务内容中选择至少一个目标医疗服务。
可选的,计算所述第一用户群中各个对象与所述目标对象的相似度包括:采用以下余弦相似度算法依次计算所述第一用户群中各个对象与所述目标对象的相似度cos(θ):
可选的,采用评分矩阵计算所述多个医疗服务内容的优先级包括:通过协同过滤算法的评分矩阵分别计算所述第二用户群针对所述多个医疗服务内容的关注度;将所述关注度确定为所述多个医疗服务内容的优先级。
另一方面,本发明实施例提供了一种信息的推送装置,所述装置包括:采集模块,用于采集目标对象的医疗关联信息,其中,所述医疗关联信息用于描述所述目标对象在医疗领域的个人信息和历史行为;处理模块,用于将所述医疗关联信息转换为所述目标对象在多个特征维度的画像要素,生成所述目标对象的用户画像数据,其中,所述用户画像数据包括多个画像要素,每个画像要素包括至少一个标签字段;推送模块,用于根据所述用户画像数据选择目标医疗服务,并将所述目标医疗服务推送给所述目标对象。
可选的,所述采集模块包括:第一采集单元,用于采集所述目标对象的个人属性信息;第二采集单元,用于采集所述目标对象的活动位置信息;第三采集单元,用于采集所述目标对象的病例数据;第四采集单元,用于采集所述目标对象与医疗相关的舆情信息,其中,所述舆情信息包括以下至少之一:关注的医院、关注的医院科室、关注的疾病、关注的药品、关注的诊疗手段。
可选的,所述处理模块包括:转换单元,用于将所述医疗关联数据的源键值转换为目标数据库中的字段值;匹配单元,用于针对每个特征维度,采用预设映射表匹配所述字段值中的字段;整合单元,用于将同一键值对应的多个字段值整合存储在一个字段中,以生成所述目标对象的用户画像数据,其中,每个键值对应所述用户画像数据的一个画像要素,每个字段值对应所述画像要素的一个标签字段。
可选的,所述整合单元包括:获取子单元,用于获取第一键值对应的数据集合;拼接子单元,用于若所述数据集合包括多组数据,依次读取所述数据集合中的多组数据,并通过分隔符按序拼接所述多组数据的字符串,得到合并数据串;存储子单元,用于将所述合并数据串存储至与所述第一键值对应的一个字段中。
可选的,所述用户画像数据包括以下维度的信息:活动范围信息、医疗兴趣信息、医疗评价信息,所述推送模块包括:第一分类单元,用于基于所述活动范围信息对所述目标对象进行区域分类,并筛选与所述目标对象驻留在同一区域的第一用户群;第二分类单元,用于基于所述医疗兴趣信息对所述第一用户群进行兴趣分类,计算所述第一用户群中各个对象与所述目标对象的相似度,并在所述第一用户群中筛选相似度大于预设阈值的第二用户群;选择单元,用于获取所述第二用户群中各个对象针对多个医疗服务内容的医疗评价信息,采用评分矩阵计算所述多个医疗服务内容的优先级,并按照优先级在所述多个医疗服务内容中选择至少一个目标医疗服务。
可选的,所述第二分类单元包括:计算子单元,用于采用以下余弦相似度算法依次计算所述第一用户群中各个对象与所述目标对象的相似度cos(θ):
可选的,所述选择单元包括:计算子单元,用于通过协同过滤算法的评分矩阵分别计算所述第二用户群针对所述多个医疗服务内容的关注度;确定子单元,用于将所述关注度确定为所述多个医疗服务内容的优先级。
根据本发明的又一个实施例,还提供了一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,采集目标对象的医疗关联信息,然后将所述医疗关联信息转换为所述目标对象在多个特征维度的画像要素,生成所述目标对象的用户画像数据,最后根据所述用户画像数据选择目标医疗服务,并将所述目标医疗服务推送给所述目标对象,提供了一种基于大数据根据用户的诊疗经历和舆情推荐医疗服务信息的方案,解决了相关技术向用户推送医疗服务信息准确率低的技术问题,通过采集医疗关联信息,可以得到与医疗服务间接相关的位置、兴趣等信息,通过对数据进行处理,基于源数据生成用户画像数据,可以提高数据的有效性和存储效率,通过匹配算法,进而提升了推荐结果的准确性,提高了信息的触达率和点击率。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例的一种信息的推送计算机的硬件结构框图;
图2是根据本发明实施例的信息的推送方法的流程图;
图3是本发明实施例执行数据整合存储的流程图;
图4是根据本发明实施例的信息的推送装置的结构框图。
【具体实施方式】
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
实施例1
本申请实施例一所提供的方法实施例可以在服务器、计算机或者类似的运算装置中执行。以运行在计算机上为例,图1是本发明实施例的一种信息的推送计算机的硬件结构框图。如图1所示,计算机10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述计算机还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述计算机的结构造成限定。例如,计算机10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的信息的推送方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至计算机10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种信息的推送方法,图2是根据本发明实施例的信息的推送方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,采集目标对象的医疗关联信息,其中,医疗关联信息用于描述目标对象在医疗领域的个人信息和历史行为;
本实施例可以通过智能医疗终端、手动输入、健康应用APP等方式进行用户数据的采集。医疗关联信息包括基础信息、地理位置、病例数据、兴趣爱好等维度的信息。
步骤S204,将医疗关联信息转换为目标对象在多个特征维度的画像要素,生成目标对象的用户画像数据,其中,用户画像数据包括多个画像要素,每个画像要素包括至少一个标签字段;
本实施例的用户画像是一个兴趣画像。在本实施例中,基础信息、地理位置、病例数据、兴趣爱好等,为用户画像在多个维度的画像要素(画像标签)。其中每个特征又分别包含多个标签,分别用于描述以用户为对象的属性和兴趣。
步骤S206,根据用户画像数据选择目标医疗服务,并将目标医疗服务推送给目标对象。
本实施例的目标医疗服务包括医院,科室、医生、药品、诊疗手段等。
通过本实施例的方案,采集目标对象的医疗关联信息,然后将所述医疗关联信息转换为所述目标对象在多个特征维度的画像要素,生成所述目标对象的用户画像数据,最后根据所述用户画像数据选择目标医疗服务,并将所述目标医疗服务推送给所述目标对象,提供了一种基于大数据根据用户的诊疗经历和舆情推荐医疗服务信息的方案,解决了相关技术向用户推送医疗服务信息准确率低的技术问题,通过采集医疗关联信息,可以得到与医疗服务间接相关的位置、兴趣等信息,通过对数据进行处理,基于源数据生成用户画像数据,可以提高数据的有效性和存储效率,通过匹配算法,进而提升了推荐结果的准确性,提高了信息的触达率和点击率。
本实施例的执行主体是客户端,手机、平板、电脑、服务器等,也可以应在服务后台,服务中台等数据处理系统或业务系统中。
在本实施例中,采集目标对象的医疗关联信息包括:采集所述目标对象的个人属性信息;采集所述目标对象的活动位置信息;采集所述目标对象的病例数据;采集所述目标对象与医疗相关的舆情信息,其中,所述舆情信息包括以下至少之一:关注的医院、关注的医院科室、关注的疾病、关注的药品、关注的诊疗手段。
医疗关联信息数据类型可以包括多类数据:个人信息(姓名、年龄、性别)、地理位置(生活区域)、病例数据(疾病、患病历史、使用药品)、兴趣(关注医院、关注疾病、关注药品)。数据采集后首先将对数据做数据清理,对数据做异常校验和纠正处理,目的是保证数据尽可能正常。过程中如校验通过则进行数据组建;如校验不通过,则对数据进行异常处理。这里对异常值的处理有多种方式,一般可以采取删除、自动补全、默认值、忽略、平均值等方式进行处理,主要是根据不同的字段类型做不同的处理。最后把数据拼装成JSON或者是其它格式的数据,针对空值、异常值数据做特殊的处理,防止数据过度失真。
采集到源数据后,还需要进行数据预处理,将多个数据源中的数据整合成格式一致的数据进行存储。在本实施例中,将所述医疗关联信息转换为所述目标对象在多个特征维度的画像要素,生成所述目标对象的用户画像数据,包括:
S11,针对每个特征维度,将所述医疗关联数据的源键值转换为目标数据库中的字段值;
采用MySQL作为数据库为例进行说明,终端采集的数据格式一般为JSON,存储前需要进行数据格式的转换,使其JSON的键-值对应数据库表中的字段-值。
S12,采用预设映射表匹配所述字段值中的字段;
由于JSON数据可能出现键相同的情况,为了防止数据存储错位,设计中采用映射表的方式规避这问题。对JSON数据解析后,根据映射表规则对数据库表中的字段进行匹配,确认对应关系。
S13,将同一键值对应的多个字段值整合存储在一个字段中,以生成所述目标对象的用户画像数据,其中,每个键值对应所述用户画像数据的一个画像要素,每个字段值对应所述画像要素的一个标签字段。
在遇到JSON中同一键值对存在多组时,例如用户关注的医院可能会有多家。为了提高查询效率,在设计时采用数据整合的形式组合字段值,并存储在同一字段中。因此在数据映射后读取数据时,需判断是否需要进行数据整合,如果不需要,则判断是否有下一个数据,如果需要则从分隔符产生器中读取分隔符。
在本实施例的一个实施方式中,将同一键值对应的多个字段值整合存储在一个字段中包括:获取第一键值对应的数据集合;若所述数据集合包括多组数据,依次读取所述数据集合中的多组数据,并通过分隔符按序拼接所述多组数据的字符串,得到合并数据串;将所述合并数据串存储至与所述第一键值对应的一个字段中。
利用读取的分隔符进行字符串拼接操作,使得多个数据整合成一个数据,整合结束后,判断是否还有下一个数据,如果有则继续执行,如果没有,则结束流程。图3是本发明实施例执行数据整合存储的流程图。在读取采集数据过程中,会存在JSON嵌套数据的情况。例如兴趣数据中关注的医院、疾病、药品等会有多个。针对此类情况,设计中我们采用分隔符的方式将相同键名对应的值组成在一起存入对应字段中。数据整合就是把多个值进行拼接并结构化存储的过程。比如检测数据时发现关注医院有“华山医院”、“仁济医院”等多个时,会通过数据整合处理成“华山医院-仁济医院”。因此判断是否需要数据整合的依据是判断同一键值是否对存在多组。
在本实施例中,所述用户画像数据包括以下维度的信息:活动范围信息、医疗兴趣信息、医疗评价信息,根据用户画像数据选择目标医疗服务包括:
S21,基于所述活动范围信息对所述目标对象进行区域分类,并筛选与所述目标对象驻留在同一区域的第一用户群;
在地理位置聚类分析过程中,可以采用基于密度的DBSCAN(Density-BasedSpatial Clustering of Applications with Noise)聚类算法把用户群进行区域分类。操作中我们可以采用APP定位或手动输入的方式获取用户经纬度数据,通过地理位置分布紧密程度计算,得出了基于地理位置的聚类结果。
S22,基于所述医疗兴趣信息对所述第一用户群进行兴趣分类,计算所述第一用户群中各个对象与所述目标对象的相似度,并在所述第一用户群中筛选相似度大于预设阈值的第二用户群;
关注内容聚类分析。在第一步结果的基础上,再根据用户关注内容对拥有相同兴趣用户进行聚类,关注内容包括疾病类型、医院、药品等方面。
在本实施例的一个实施方式中,计算所述第一用户群中各个对象与所述目标对象的相似度包括:采用以下余弦相似度算法依次计算所述第一用户群中各个对象与所述目标对象的相似度cos(θ):
公式通过两向量夹角表示相似度,计算时用1表示用户关注内容完全相同,用0表示用户关注内容完全相反,计算结果越接近1就表示越相似。
S23,获取所述第二用户群中各个对象针对多个医疗服务内容的医疗评价信息,采用评分矩阵计算所述多个医疗服务内容的优先级,并按照优先级在所述多个医疗服务内容中选择至少一个目标医疗服务。
在本实施例的一个实施方式中,采用评分矩阵计算所述多个医疗服务内容的优先级包括:通过协同过滤算法的评分矩阵分别计算所述第二用户群针对所述多个医疗服务内容的关注度;将所述关注度确定为所述多个医疗服务内容的优先级。
在最后协同过滤过程中,经过前面两步的地理位置分类和用户关注内容分类,已经形成了比较精准的用户群体。为了能得到更精准化和高质量的服务或资讯推荐,还需要通过协同过滤中基于用户协同过滤形成推荐。借助用户对医疗资讯或服务的评价数据,通过协同过滤算法的评分矩阵,计算出这类用户可能的喜好,按相似度进行内容推荐,能得出一个地理位置和用户关注内容高度相似用户群体可能喜欢的资讯或服务的推荐内容列表。
能得出一个地理位置和用户关注内容(兴趣)高度相似用户群体可能喜欢的资讯或服务的推荐内容列表。为了再次提高咨询内容的推荐精准度,我们利用用户病例中基础信息进行排序,按年龄、性别、疾病类型等维度进行分类并排序,把差值越小(最相关)的内容排在最前面,从而会获得与目标用户更匹配的推荐咨询内容。
推荐结果是在前面经过“地理位置聚类”,“兴趣聚类”,“协同过滤”的三步计算出来的推荐列表上的基础上,并再次通过用户信息维度排序出来的结果。在通过用户信息维度进行排序时,“用户的疾病类型、年龄、性别三个方面数据”与经过以上三步得出的高精度用户群体的“疾病类型”、“年龄”、“性别”进行比较,增加了这三个维度的排序比较,这个用户群体更加相似,他们感兴趣的内容也更加相近,从而使推荐的咨询内容更加精准。
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根据上述实施例的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,或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
在本实施例中还提供了一种信息的推送装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本发明实施例的信息的推送装置的结构框图,如图4所示,该装置包括:采集模块40,处理模块42,推送模块44,其中,
采集模块40,用于采集目标对象的医疗关联信息,其中,所述医疗关联信息用于描述所述目标对象在医疗领域的个人信息和历史行为;
处理模块42,用于将所述医疗关联信息转换为所述目标对象在多个特征维度的画像要素,生成所述目标对象的用户画像数据,其中,所述用户画像数据包括多个画像要素,每个画像要素包括至少一个标签字段;
推送模块44,用于根据所述用户画像数据选择目标医疗服务,并将所述目标医疗服务推送给所述目标对象。
可选的,所述采集模块包括:第一采集单元,用于采集所述目标对象的个人属性信息;第二采集单元,用于采集所述目标对象的活动位置信息;第三采集单元,用于采集所述目标对象的病例数据;第四采集单元,用于采集所述目标对象与医疗相关的舆情信息,其中,所述舆情信息包括以下至少之一:关注的医院、关注的医院科室、关注的疾病、关注的药品、关注的诊疗手段。
可选的,所述处理模块包括:转换单元,用于针对每个特征维度,将所述医疗关联数据的源键值转换为目标数据库中的字段值;匹配单元,用于采用预设映射表匹配所述字段值中的字段;整合单元,用于将同一键值对应的多个字段值整合存储在一个字段中,以生成所述目标对象的用户画像数据,其中,每个键值对应所述用户画像数据的一个画像要素,每个字段值对应所述画像要素的一个标签字段。
可选的,所述整合单元包括:获取子单元,用于获取第一键值对应的数据集合;拼接子单元,用于若所述数据集合包括多组数据,依次读取所述数据集合中的多组数据,并通过分隔符按序拼接所述多组数据的字符串,得到合并数据串;存储子单元,用于将所述合并数据串存储至与所述第一键值对应的一个字段中。
可选的,所述用户画像数据包括以下维度的信息:活动范围信息、医疗兴趣信息、医疗评价信息,所述推送模块包括:第一分类单元,用于基于所述活动范围信息对所述目标对象进行区域分类,并筛选与所述目标对象驻留在同一区域的第一用户群;第二分类单元,用于基于所述医疗兴趣信息对所述第一用户群进行兴趣分类,计算所述第一用户群中各个对象与所述目标对象的相似度,并在所述第一用户群中筛选相似度大于预设阈值的第二用户群;选择单元,用于获取所述第二用户群中各个对象针对多个医疗服务内容的医疗评价信息,采用评分矩阵计算所述多个医疗服务内容的优先级,并按照优先级在所述多个医疗服务内容中选择至少一个目标医疗服务。
可选的,所述第二分类单元包括:计算子单元,用于采用以下余弦相似度算法依次计算所述第一用户群中各个对象与所述目标对象的相似度cos(θ):
可选的,所述选择单元包括:计算子单元,用于通过协同过滤算法的评分矩阵分别计算所述第二用户群针对所述多个医疗服务内容的关注度;确定子单元,用于将所述关注度确定为所述多个医疗服务内容的优先级。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例3
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明的实施例还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,采集目标对象的医疗关联信息,其中,所述医疗关联信息用于描述所述目标对象在医疗领域的个人信息和历史行为;
S2,将所述医疗关联信息转换为所述目标对象在多个特征维度的画像要素,生成所述目标对象的用户画像数据,其中,所述用户画像数据包括多个画像要素,每个画像要素包括至少一个标签字段;
S3,根据所述用户画像数据选择目标医疗服务,并将所述目标医疗服务推送给所述目标对象。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,采集目标对象的医疗关联信息,其中,所述医疗关联信息用于描述所述目标对象在医疗领域的个人信息和历史行为;
S2,将所述医疗关联信息转换为所述目标对象在多个特征维度的画像要素,生成所述目标对象的用户画像数据,其中,所述用户画像数据包括多个画像要素,每个画像要素包括至少一个标签字段;
S3,根据所述用户画像数据选择目标医疗服务,并将所述目标医疗服务推送给所述目标对象。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种信息的推送方法,其特征在于,所述方法包括:
采集目标对象的医疗关联信息,其中,所述医疗关联信息用于描述所述目标对象在医疗领域的个人信息和历史行为;
将所述医疗关联信息转换为所述目标对象在多个特征维度的画像要素,生成所述目标对象的用户画像数据,其中,所述用户画像数据包括多个画像要素,每个画像要素包括至少一个标签字段;
根据所述用户画像数据选择目标医疗服务,并将所述目标医疗服务推送给所述目标对象。
2.根据权利要求1所述的方法,其特征在于,采集目标对象的医疗关联信息包括:
采集所述目标对象的个人属性信息;
采集所述目标对象的活动位置信息;
采集所述目标对象的病例数据;
采集所述目标对象与医疗相关的舆情信息,其中,所述舆情信息包括以下至少之一:关注的医院、关注的医院科室、关注的疾病、关注的药品、关注的诊疗手段。
3.根据权利要求1所述的方法,其特征在于,将所述医疗关联信息转换为所述目标对象在多个特征维度的画像要素,生成所述目标对象的用户画像数据,包括:
针对每个特征维度,将所述医疗关联数据的源键值转换为目标数据库中的字段值;
采用预设映射表匹配所述字段值中的字段;
将同一键值对应的多个字段值整合存储在一个字段中,以生成所述目标对象的用户画像数据,其中,每个键值对应所述用户画像数据的一个画像要素,每个字段值对应所述画像要素的一个标签字段。
4.根据权利要求3所述的方法,其特征在于,将同一键值对应的多个字段值整合存储在一个字段中包括:
获取第一键值对应的数据集合;
若所述数据集合包括多组数据,依次读取所述数据集合中的多组数据,并通过分隔符按序拼接所述多组数据的字符串,得到合并数据串;
将所述合并数据串存储至与所述第一键值对应的一个字段中。
5.根据权利要求1所述的方法,其特征在于,所述用户画像数据包括以下维度的信息:活动范围信息、医疗兴趣信息、医疗评价信息,根据用户画像数据选择目标医疗服务包括:
基于所述活动范围信息对所述目标对象进行区域分类,并筛选与所述目标对象驻留在同一区域的第一用户群;
基于所述医疗兴趣信息对所述第一用户群进行兴趣分类,计算所述第一用户群中各个对象与所述目标对象的相似度,并在所述第一用户群中筛选相似度大于预设阈值的第二用户群;
获取所述第二用户群中各个对象针对多个医疗服务内容的医疗评价信息,采用评分矩阵计算所述多个医疗服务内容的优先级,并按照优先级在所述多个医疗服务内容中选择至少一个目标医疗服务。
7.根据权利要求5所述的方法,其特征在于,采用评分矩阵计算所述多个医疗服务内容的优先级包括:
通过协同过滤算法的评分矩阵分别计算所述第二用户群针对所述多个医疗服务内容的关注度;
将所述关注度确定为所述多个医疗服务内容的优先级。
8.一种信息的推送装置,其特征在于,所述装置包括:
采集模块,用于采集目标对象的医疗关联信息,其中,所述医疗关联信息用于描述所述目标对象在医疗领域的个人信息和历史行为;
处理模块,用于将所述医疗关联信息转换为所述目标对象在多个特征维度的画像要素,生成所述目标对象的用户画像数据,其中,所述用户画像数据包括多个画像要素,每个画像要素包括至少一个标签字段;
推送模块,用于根据所述用户画像数据选择目标医疗服务,并将所述目标医疗服务推送给所述目标对象。
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 |
---|---|---|---|
CN202010473628.9A CN111710429A (zh) | 2020-05-29 | 2020-05-29 | 信息的推送方法及装置、计算机设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010473628.9A CN111710429A (zh) | 2020-05-29 | 2020-05-29 | 信息的推送方法及装置、计算机设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111710429A true CN111710429A (zh) | 2020-09-25 |
Family
ID=72537029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010473628.9A Pending CN111710429A (zh) | 2020-05-29 | 2020-05-29 | 信息的推送方法及装置、计算机设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111710429A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111949890A (zh) * | 2020-09-27 | 2020-11-17 | 平安科技(深圳)有限公司 | 基于医学领域的数据推荐方法、设备、服务器及存储介质 |
CN112232069A (zh) * | 2020-10-10 | 2021-01-15 | 米奥兰特(浙江)网络科技有限公司 | 一种基于多模式数据的匹配处理方法及装置 |
CN112687395A (zh) * | 2020-12-30 | 2021-04-20 | 上海京知信息科技有限公司 | 人工智能的医疗信息处理方法、装置、设备及存储介质 |
CN112966181A (zh) * | 2021-03-08 | 2021-06-15 | 挂号网(杭州)科技有限公司 | 服务推荐方法、装置、电子设备及存储介质 |
CN113065892A (zh) * | 2021-03-22 | 2021-07-02 | 北京顶象技术有限公司 | 一种信息推送方法、装置、设备及存储介质 |
CN113077906A (zh) * | 2021-04-28 | 2021-07-06 | 上海德衡数据科技有限公司 | 基于元数据的医疗信息采集方法、系统、设备及介质 |
CN113744885A (zh) * | 2021-11-08 | 2021-12-03 | 山东亚华电子股份有限公司 | 一种医院智慧系统中多个系统之间的数据传输方法及设备 |
CN113782161A (zh) * | 2020-09-30 | 2021-12-10 | 北京京东拓先科技有限公司 | 一种信息输出方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834695A (zh) * | 2015-04-24 | 2015-08-12 | 南京邮电大学 | 基于用户兴趣度和地理位置的活动推荐方法 |
CN108897734A (zh) * | 2018-06-13 | 2018-11-27 | 康键信息技术(深圳)有限公司 | 用户画像生成方法、装置、计算机设备和存储介质 |
CN109582875A (zh) * | 2018-12-17 | 2019-04-05 | 武汉泰乐奇信息科技有限公司 | 一种在线医疗教育资源的个性化推荐方法及系统 |
CN109933729A (zh) * | 2019-03-28 | 2019-06-25 | 广州麦迪森在线医疗科技有限公司 | 一种基于用户偏好的医疗学术资讯推荐方法及系统 |
CN110688566A (zh) * | 2019-09-06 | 2020-01-14 | 平安科技(深圳)有限公司 | 基于用户画像的数据推送方法、系统、设备及存储介质 |
CN110727860A (zh) * | 2019-09-16 | 2020-01-24 | 武汉安诠加信息技术有限公司 | 基于互联网美容平台的用户画像方法、装置、设备及介质 |
CN111091351A (zh) * | 2019-12-16 | 2020-05-01 | 北京政信1890智能科技有限公司 | 用户画像构建方法、装置、电子设备和可读存储介质 |
-
2020
- 2020-05-29 CN CN202010473628.9A patent/CN111710429A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834695A (zh) * | 2015-04-24 | 2015-08-12 | 南京邮电大学 | 基于用户兴趣度和地理位置的活动推荐方法 |
CN108897734A (zh) * | 2018-06-13 | 2018-11-27 | 康键信息技术(深圳)有限公司 | 用户画像生成方法、装置、计算机设备和存储介质 |
CN109582875A (zh) * | 2018-12-17 | 2019-04-05 | 武汉泰乐奇信息科技有限公司 | 一种在线医疗教育资源的个性化推荐方法及系统 |
CN109933729A (zh) * | 2019-03-28 | 2019-06-25 | 广州麦迪森在线医疗科技有限公司 | 一种基于用户偏好的医疗学术资讯推荐方法及系统 |
CN110688566A (zh) * | 2019-09-06 | 2020-01-14 | 平安科技(深圳)有限公司 | 基于用户画像的数据推送方法、系统、设备及存储介质 |
CN110727860A (zh) * | 2019-09-16 | 2020-01-24 | 武汉安诠加信息技术有限公司 | 基于互联网美容平台的用户画像方法、装置、设备及介质 |
CN111091351A (zh) * | 2019-12-16 | 2020-05-01 | 北京政信1890智能科技有限公司 | 用户画像构建方法、装置、电子设备和可读存储介质 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111949890A (zh) * | 2020-09-27 | 2020-11-17 | 平安科技(深圳)有限公司 | 基于医学领域的数据推荐方法、设备、服务器及存储介质 |
CN113782161A (zh) * | 2020-09-30 | 2021-12-10 | 北京京东拓先科技有限公司 | 一种信息输出方法和装置 |
CN112232069A (zh) * | 2020-10-10 | 2021-01-15 | 米奥兰特(浙江)网络科技有限公司 | 一种基于多模式数据的匹配处理方法及装置 |
CN112687395A (zh) * | 2020-12-30 | 2021-04-20 | 上海京知信息科技有限公司 | 人工智能的医疗信息处理方法、装置、设备及存储介质 |
CN112966181A (zh) * | 2021-03-08 | 2021-06-15 | 挂号网(杭州)科技有限公司 | 服务推荐方法、装置、电子设备及存储介质 |
CN113065892A (zh) * | 2021-03-22 | 2021-07-02 | 北京顶象技术有限公司 | 一种信息推送方法、装置、设备及存储介质 |
CN113065892B (zh) * | 2021-03-22 | 2024-05-24 | 北京顶象技术有限公司 | 一种信息推送方法、装置、设备及存储介质 |
CN113077906A (zh) * | 2021-04-28 | 2021-07-06 | 上海德衡数据科技有限公司 | 基于元数据的医疗信息采集方法、系统、设备及介质 |
CN113744885A (zh) * | 2021-11-08 | 2021-12-03 | 山东亚华电子股份有限公司 | 一种医院智慧系统中多个系统之间的数据传输方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111710429A (zh) | 信息的推送方法及装置、计算机设备、存储介质 | |
CN112329964B (zh) | 用于推送信息的方法、装置、设备以及存储介质 | |
US10319466B2 (en) | Intelligent filtering of health-related information | |
US20170147753A1 (en) | Method for searching for similar case of multi-dimensional health data and apparatus for the same | |
CN112035741B (zh) | 基于用户体检数据的预约方法、装置、设备及存储介质 | |
CN111033636A (zh) | 用于构建医疗提供方数据库的技术 | |
CN109036508B (zh) | 一种中医医疗信息处理方法、装置、计算机设备和存储介质 | |
WO2023178971A1 (zh) | 就医的互联网挂号方法、装置、设备及存储介质 | |
CN111370132B (zh) | 电子文件的解析方法及装置、计算机设备、存储介质 | |
CN110442791B (zh) | 数据推送方法和系统 | |
CN108039198A (zh) | 一种面向移动医疗的医生推荐方法及系统 | |
Arandjelović | Discovering hospital admission patterns using models learnt from electronic hospital records | |
CN115688760A (zh) | 一种智能化导诊方法、装置、设备及存储介质 | |
CN110752027B (zh) | 电子病历数据推送方法、装置、计算机设备和存储介质 | |
CN115346634A (zh) | 一种体检报告解读预测方法、系统、电子设备和存储介质 | |
CN111696656A (zh) | 一种互联网医疗平台的医生评价方法、装置 | |
CN111052259A (zh) | 使用医疗术语表达的设备上搜索 | |
JP2023550212A (ja) | 医薬品コードを決定するための方法、装置、電子機器及びコンピュータ媒体 | |
Henriques et al. | An ontology-driven approach to mobile data collection applications for the healthcare industry | |
Ayadi et al. | A medical image retrieval scheme with relevance feedback through a medical social network | |
Ayaz et al. | A Framework for Automatic Clustering of EHR Messages Using a Spatial Clustering Approach | |
CN109522331B (zh) | 以个人为中心的区域化多维度健康数据处理方法及介质 | |
Hussein et al. | Smart collaboration framework for managing chronic disease using recommender system | |
US20150339602A1 (en) | System and method for modeling health care costs | |
CN116230220A (zh) | 健康评估方法、装置、计算机设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220525 Address after: 518000 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. |