CN112699303A - 一种基于5g消息的医疗信息智能推送系统和方法 - Google Patents

Abstract

本发明公开了一种基于5G消息的医疗信息智能推送系统，用于处理来自信息获取平台的请求，向5G消息平台推送数据，包括：用户标签系统、信息生成系统、算法升级系统；另一方面也提供了一种基于5G消息的医疗信息智能推送方法，包括以下步骤：获取消息推送请求：根据触发请求获取消息推送的请求，收集请求信息的信息；消息推送智能推荐：集成资源平台的数据，根据用户需求、用户现有信息进行智能推荐内容计算；消息推送算法维护：根据最新的用户请求、行为更新数据模型。根据上述技术方案，可以根据用户的需求进行内容推送时提高精准度，减少用户不必要的操作，同时也对用户进一步的操作进行预测，提前推送用户需要的资讯或者服务，提高用户体验。

Description

一种基于5G消息的医疗信息智能推送系统和方法

技术领域

本发明涉及计算机应用领域，具体而言，涉及一种基于5G消息的医疗信息智能推送系统和方法。

背景技术

5G消息应用又称RCS富媒体短信或RCS Map消息，是在GSMA协会(全球移动通信系统协会)提倡的RCS(即Rich Communication Suite融合通信)标准下，由中国移动联合各大手机厂商共同推出的手机短信功能。作为RCS Universal Profile最新规范中的核心功能，旨在将短信升级为RCS消息，并将RCS的高级消息传送功能与标准接口整合于Chatbot(聊天机器人)和插件中，能够以无应用程序模式，使用户在消息窗口内就可进行搜索、交互的一站式业务体验。

在目前5G信息医疗健康领域中，大部分用户在5G消息应用中均通过搜索或卡片方式获取资讯(资讯文章、医生权威问答)和在线服务(例如远程问诊、在线挂号、智能导诊等在线医疗服务)，然而不能实现在浏览资讯过程中快速获取相关的在线服务；也不能在使用在线医疗过程中进一步了解相关资讯。

基于目前5G消息应用规范，均通过与Chatbot(聊天机器人)聊天的方式在5G消息应用中获取相关内容，获取得到的内容可以通过一行展示多条内容或通过多条对话的形式展示多条内容。通过一行展示多条内容则需要用户通过左右滑动的形式进行浏览查看；而通过多条对话的形式展示内容，这需要通过上下大幅度的滑动进行查找浏览内容，使用户在多条推送内容中寻找适合自己的内容需要进行繁琐的操作，用户体验差。

另一方面，当用户在浏览资讯内容过程中，继续点击“查看更多”卡片获取系统则会推送更多的资讯内容，如用户此时需要获取在线医疗服务(在线挂号、远程问诊、智能导诊)，则需要中断当前获取健康资讯内容后通过卡片或搜索的方式来选择在线医疗服务，使用完在线医疗服务后也需要重新选择卡片或搜索的方式获取内容后才可以进行获取资讯内容，造成用户在5G消息应用中在不同的消息服务中进行切换时，需要中断当前操作重新选择，用户操作体验不友好。

发明内容

为解决上述的问题，本发明提供了一种基于5G消息的医疗信息智能推送系统和方法，根据用户的需求进行内容推送时提高精准度，减少用户不必要的操作，同时也对用户进一步的操作进行预测，提前推送用户需要的资讯或者服务，提高用户体验。

第一方面，为实现上述目的，本申请提供了一种基于5G消息的医疗信息智能推送系统，用于处理来自信息获取平台的请求，向5G消息平台推送数据，包括：用户标签系统、信息生成系统、算法升级系统；

其中，用户标签系统，用于通过信息获取平台获得用户的信息，加工形成用户行为标签并进行存储；

信息生成系统，用于根据用户标签系统的用户行为标签进行模型训练，生成推送信息并推送至5G消息平台；

算法升级系统，用于记录推送信息和用户对应的操作特征，结合用户行为标签，优化并更新所述信息生成系统的模型。

其中，信息生成系统包括智能响应系统和智能推荐系统；

智能响应系统包括输入接口模块、响应计算模块和响应输出接口模块，输入接口模块获取响应计算模块的数据输入，包括从信息获取平台获取用户请求；响应计算模块根据所述数据输入，结合用户标签系统进行模型训练；

智能推荐系统包括推荐计算模块和推荐输出接口模块，推荐计算模块根据更新后的所述用户标签系统进行模型训练。

另一方面，本发明提供了一种基于5G消息的医疗信息智能推送方法，包括以下步骤：

获取消息推送请求：根据触发请求获取消息推送的请求，收集请求信息的信息；

消息推送智能推荐：集成资源平台的数据，根据用户需求、用户现有信息进行智能推荐内容计算；

消息推送算法维护：根据最新的用户请求、行为更新数据模型。

根据本发明，根据用户的需求进行内容推送时提高精准度，减少用户不必要的操作，同时也对用户进一步的操作进行预测，提前推送用户需要的资讯或者服务，提高用户体验，并在与用户的每一次交互后对用户行为进行处理，反馈，使推荐算法更优化，结果更准确。

附图说明

图1是根据本发明实施例的医疗信息智能推送系统的结构图；

图2是根据本发明实施例的信息生成系统的结构图；

图3是根据本发明实施例的医疗信息智能推送的流程图。

具体实施方式

下面结合说明书附图对本发明的具体实现方式做一详细描述。

本发明提供的基于5G消息的医疗信息智能推送的系统，可以对用户的行为轨迹进行记录和处理，形成用户标签，进行分析和模型训练后，在用户发起数据请求时响应更准确的信息，并对用户需求预测，进行相关服务的推荐，同时，还可以不断地更新用户标签，对模型进行优化，完善内容推荐的算法，进一步提高推送数据的准确度。

本系统应用于医疗健康领域，提供的内容由医疗信息资源平台提供，例如：健康资讯内容服务平台：包括资讯文章、医生权威问答；在线医疗服务平台：包括远程问诊服务、在线挂号服务、智能导诊服务。医疗信息资源平台可以是系统内的功能模块，也可以是第三方独立的平台，通过接口或者其他连接方式与本系统进行关联。医疗信息资源平台提供的内容包括文字、图片、音视频等模式。随着业务的发展，医疗信息资源平台的内容、服务、结构还可以进一步扩展。在每一次向用户推送信息的时候，可以在来自多个平台的多种信息中进行计算、选择最适合的信息，打破平台和信息类型的限制。

图1是本发明实施例中基于5G消息的医疗信息智能推送系统的结构图，如图所示，医疗信息智能推送系统包括以下结构：

1、用户标签系统：用户标签系统包括计算模块和存储模块。

信息获取平台获取用户与本系统相关的操作信息，比如用户填写或选择的标签信息、搜索关键词、关注的疾病、症状的信息、点击过的卡片、浏览的时间等等操作轨迹。

计算模块对操作轨迹操作信息进行处理，例如：通过统计用户在5G消息应用中浏览的全部内容和使用的在线医疗服务，提取所有内容和服务的标签，进行统计记录，把用户数量最多的前x个标签记录归类为用户行为阅读标签；

对于用户通过搜索功能输入关键词搜索的操作，计算模块提取用户输入的关键词按照疾病或症状(包括疾病别名、症状别名)进行分词，将句子、段落等长文本内容分解为以字词为单位短文本数据结构，并与疾病数据库和症状数据库进行对比匹配，从而获取用户当前搜索的疾病或症状标签；

存储模块对于用户行为阅读标签和疾病或症状标签进行存储，还存储包括用户在5G消息应用中，主动选择的标签。

计算模块还可以对存储模块中的标签信息进行进一步的计算，例如：上述的三种标签，结合标签的热度和对应的标签分类权重系数，计算得到一个具体的权重值得，如：用户行为标签提取了糖尿病(a)，尿毒症(b)2个标签词，括号内分别是标签的权重；搜索的标签词为心脏病(c)，高血压(d)，尿毒症(e)，搜索的行为代价更高一些，所以权重相对较高一些；用户主动选择的标签(饮食健康f)，最后把这些标签词相同的权重累加起来，结果是：糖尿病(a)，尿毒症(b+e)，饮食健康(f)，心脏病(c)，高血压(d)，然后按照权重值由高到低进行排序，抽取其中的x个标签记录到系统中。如上例，若只取前3个标签，就是如下标签：尿毒症(e)，饮食健康(f)，心脏病(c)(其中用户搜索关键词标签权重系数大于用户行为标签系数大于用户主动填写标签系数)。并将计算结果在存储模块中保存，准备进一步使用。

2、信息生成系统：根据用户标签的特征进行人工智能搜索模型训练，并根据需求进行搜索，生成信息并推送至5G消息平台。生成信息的模式包括两个，一种信息是响应用户的请求而生成的，例如用户输入了关键词进行检索的结果、用户点击卡片获得的资讯；另一种是系统预测用户的需求提供的资讯或服务，例如用户输入了关键词查资讯后，系统预测用户下一步的操作，推荐相关的服务平台并推送给用户，通过这种方式，用户不需要退出正在进行的检索流程就可以选择新的服务。

因此，如图2所示，信息生成系统包括两个部分：

1)智能响应系统：包括输入接口模块、响应计算模块和响应输出接口模块。

输入接口模块用于响应用户的请求，从信息获取平台获取用户请求，处理后为响应计算模块的数据输入；

响应计算模块根据数据输入，结合用户标签系统进行人工智能搜索模型训练，计算出最优的结果，通过响应输出接口模块输出到5G消息平台。

例如：用户在自己的手机终端输入关键词向医疗信息智能推送系统提交，信息获取平台抓取用户输入的文本或选择的卡片信息，进行对应的规范转换后，在医疗信息智能推送系统进行智能分析，以结合用户的行为历史和标签向用户推送其关注的健康资讯或在线医疗服务。

接口输入模块获取到用户的通过搜索功能指定的关键词，智能响应系统会根据用户搜索的内容去检索内容库中的资讯文章和医生权威问答，检索过程由响应计算模块进行计算，其中包括：通过用户搜索的内容结果算法分析用户的情感：当用户比较急切的提出与自己相关的问题，希望快速获得解答的时候，智能响应系统则会推荐医生权威问答内容；当用户提出一些常识性的问题的时候，智能响应系统则会推荐资讯文章内容给用户。具体模型如下：

a、通过一批资讯文章和医生权威问答进行机器学习，使得机器可以通过情感词来分辨用户输入的内容是属于资讯文章、还是医生权威问。

b、资讯文章和医生权威问答内容的标题均为带了标签的训练数据，同时需要对每个标题进行特征化处理，通过分析2种标题描述的具体事物，对用户搜索的结果推送资讯文章还是医生权威问答内容没有决定性意义，决定用户搜索的关键词是推送资讯文章还是推送医生权威问答，更适合一般是用户的语气或者描述用户现状的关键词。需要对每个标题根据词性抽取以下词语：

<1>习惯用语:尚未成为成语，有点“临时性”，取“临”的声母。

<2>区别词:取汉字“别”的声母。

<3>副词:取adverb的第2个字母，因其第1个字母已用于形容词。

<4>连词:取英语连词conjunction的第1个字母。

<5>语气词：取汉字“语”的声母。

<6>动词：表示人或事物的动作、存在、变化的词，如:走(walk)等，取英语第1个字母。

<7>代词：代词分类表代替名词、动词、形容词、数量词的词。如：我、他们、等。取英语第1个字母。

然后对获取得到的关键词做one-hot编码。具体采用词袋模型(自然语言处理和信息检索(IR)下被简化的表达模型)去对标题提取的指定词性的词进行特征化：只要在词典中出现的词，无论出现多少次，在BOW向量(BOW向量在自然语言处理和文本分析的问题中两种最常用的模型)中都只算成1次，未出现的词算0次,然后根据词典构造只有0/1的向量。

c、内容特征编码和标签均已生成，标签把医生权威问答作为a，资讯文章和b，然后对这批特征化的数据通过选择logistics回归(logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域)去拟合模型。

具体流程如下：

“女生三角区适合脱毛吗？”是一个帖子的标题，先对标题进行分词，[('女生','n'),('三角区','ns'),('适合','v'),('脱毛','n'),('吗','y'),('？','x')]，提取了'l','b','d','c','y','v','r'，这些主要的代表语气的关键词：适合，吗。一共2个，这2个词很明显决定了标题的语气是属于帖子的；然后把所有标题都提取出切词出关键词来，假如切出如下词：A,B,C,D,套用词袋模型，同时用bow向量，假定A代表1000向量，B代表0100向量，C代表0010向量，D代表0001向量那么包含A，B的标题向量为1100，将所有标题的向量组合成矩阵去预测标签向量[0,0,0,1...],套用sklearn机器学习库的逻辑斯特回归去跑模型拟合，就可以得到模型了

d、响应计算模块通过上述算法训练出来的算法模型，对用户通过搜索框中输入的关键词进行预测，判断用户当前希望获取得到健康资讯还是在线医疗服务，响应输出模块将对应的内容发送到5G消息平台，以推送给用户。

2)智能推荐系统：所述智能推荐系统包括推荐计算模块和推荐输出接口模块，所述推荐计算模块根据更新后的所述用户标签系统进行模型训练。

用户在5G消息应用短时间内浏览健康资讯内容(资讯文章、医生权威问答)时，通过分析用在又进入5G消息到当前时间内浏览内容的标签、用户的历史行为标签和搜索的关键词标签，结合标签的权重计算三个标签的重合度得到用户最关心的疾病或症状标签，具体步骤如下：

a、从用户搜索的关键词做tf-idf(是一种用于信息检索与数据挖掘的常用加权技术)提取关键词。用户的搜索权重设置为a。

Tif-idf算法思想如图：

TF-IDF＝词频(TF)×逆文档频率(IDF)

b、根据用户阅读的文章，通过tfidf算法提取文章中出现的关键词，同时结合用户的阅读文章的时长计算关键词权重，并把关键词及对应权重作b为用户的行为标签。

然后根据阅读时长，将tf-idf的权重正比于阅读时长，例如阅读的文章里面包含关键词糖尿病，tf-idf权重为x，同时阅读文章时长为4分钟，那么就用4*x.得到的值为权重。

c、用户通过搜索框中进行关键词输入，通过分词得到关键词中有关于症状和年龄性别等跟个体有关的词语，并把所得到的关键词权重设置为权重为c。

将上面所有的词，以及权重继续加权，然后计算与医疗疾病词向量最近的余弦距离，然后将这个距离与之前计算的权重相乘，从相乘结果中取权重距离最近的前x个疾病或者症状词，从疾病症状自测题中去依次取检索已有自测题目推送给用户。

步骤：

·将数据映射为高维空间中的点(向量)

·计算向量间的余弦值

·取值范围[-1，+1]越趋近于1代表越相似，越趋近于-1代表方向相反，0

代表正交

例如：加入了若干个标签：尿糖(0.2)，肾功能(0.5)，老年(0.6)。然后根据训练的word2vec词向量模型(已经计算出流行疾病词的词向量，以及常用与之相关的疾病词的词向量)，将疾病词的词向量与上面加总后的三个标签求余弦距离的和做平均距离。这样可以求得，上面三个标签词与哪种疾病最相关，例如尿糖在词向量模型里面的向量为[0.2，0.3，0.5]，而糖尿病的词向量为[0.3，0.4，0.6]，0.2*0.3+0.3*0.4+0.5*0.6/√(0.2*0.2+0.3*0.3+0.5*0.5)*√(0.3*0.3+0.4*0.4+0.6*0.6)＝0.48/(√0.38*√0.61)＝0.48/(0.78*0.61)≈1，这个值接近于1，说明尿糖和糖尿病非常接近从语义。同样方法求得肾功能余弦距离为0.7，老年为0.3，取平均值为(1+0.7+0.3)/3≈0.66，同样可以求得加工的标签和甲状腺的余弦距离取平均为0.3，可以知道糖尿病的0.66远大于0.3，因此这个用户更适合去推荐糖尿病的自测题。

此时，通过推荐输出模块向5G信息平台发送，并推送疾病症状自测后，引导用户进行简单的疾病症状自测，最后根据自测得到的结果，为用户推荐适合的健康资讯、在线问诊或附近医院的挂号服务；如用户不使用症状自测则继续推荐相关的健康资讯内容。

响应输出接口模块和推荐输出接口模块，可以在智能响应系统和智能推荐系统中独立存在，互不关联，分别直接向5G消息平台发送信息，也可以在两个系统中独立存在，统一通过一个集成的输出接口模块向5G消息平台发送信息，也可以跨过两个系统的界限，直接集成为输出接口模块。通过响应输出接口模块、推荐输出接口模块和输出接口模块的整合，可以实现5G消息平台的过渡性适应，并便于内容的统一规范管理。

3、算法升级系统：用于记录推送内容和用户对应的操作特征，结合现有的用户标签系统，优化和更新信息生成系统的模型。

信息生成系统每次为用户推送内容后，算法升级系统筛选和存储推送的内容和用户点击的推送内容、阅读时长，结合用户标签系统中用户的标签和搜索的关键词，为用户查看多的内容增加推荐权重；同时根据内容阅读次数和阅读时长，通过用户标签热度结合文章的标签，通过系统计算重新生成内容热度权重。综合用户选择内容权重和内容热度权重新生成内容推荐排序。具体步骤如下：

a、从用户搜索的关键词做tf-idf提取关键词。用户的搜索权重设置为a。

b、根据用户读的文章时长去设置权重，权重越大，越接近权重极大值b,然后根据tf-idf算法提取文章中出现的关键词，要求tf-idf大于显著值的词作为关键词，这里设置成c。然后把这些关键词的权重*出现的频次，计算出代表用户行为表征的各个关键词的权重。

c、用户在别的使用中有输入的词语，比如有关于症状和年龄性别等跟个体有关的词语设置为权重为d。

d、对上述三点获取得到的用户的关键词做离散特征化，比如用户关键词是：糖尿病-x，梅毒-y，中老年-z，那么向量就是[x,y,z]。

e、当这个用户查看健康资讯，用同样上面的类似步骤对健康进行特征提取，并获取到对应的向量。

f、最后将上面获得得到的2个向量拼接一起，训练标签为点击事件，点击事件为1，不点事件为0，对所有用户的所有点击事件和不点击事件做正反例训练。

g、定时采集上述数据，对模型进行训练并把结果反馈更新模型，做预测，根据最新训练得到的模型对是否点击事件的概率做排序，从而实现优化算法推荐。

在本发明可以集成医疗信息的多个独立的资源平台，在根据用户行为提供内容和服务时，每一次计算都可以打破各独立平台的限制，并对用户下一步的需求进行预测提供了数据基础、模型，在系统端进行多种服务类型的切换，另一方面对于用户行为进行采集、反馈，使推荐算法更优化。

本发明还提供了一种基于5G消息的医疗信息智能推送的方法，在本方法中，跳出不同服务的限制，将多种服务进行整合，分析用户的需求进行推荐。例如：在智能响应系统中对用户请求的信息进行计算时，可以调用智能推荐系统，分析出最适合发送给用户的服务、信息；也可以在智能推荐系统的计算过程中，结合用户曾经提出的请求，推荐适合的资讯和信息。并且在计算过程中不断完善算法，使用户能够在最短的时间内，最少的操作中获取最需要的信息，通过这种方法，打破5G消息应用环境下，多种服务类型资讯类型互相切换成本高的限制。

图3所示为基于5G消息的医疗信息智能推送方法的流程图，现结合图3对医疗信息智能推送方法的步骤进行详细描述：

步骤1、获取消息推送请求：在本步骤中，收到触发请求后，去获取消息推送的请求，触发请求，是对本发明的医疗信息智能推荐系统发起一次推送的请求，这个请求不限于用户请求，也可以是别的服务发起的辅助功能请求，也可能是系统需求定期请求，具体有以下触发方式：

由管理员进行事件触发、医疗信息智能推送系统的后台程序触发、服务触发，根据时间、事件向医疗信息智能推送系统发送消息推送请求。对于时间触发、事件触发、服务触发的消息推送请求是为了发起信息推送的事件，并不一定会产生响应计算模块的输入数据。

另一种触发方式由用户发起，即用户请求触发，如图3中所示，在系统中经过S100步骤：获取用户请求，用户请求的方式包括：S101：用户点击服务卡片、S102：用户点击资讯卡片、S103：用户输入关键字进行搜索。这三种方式由用户终端触发信息推送，通过信息获取平台向医疗信息智能推送系统发送用户请求数据。

在本步骤中，响应触发系统获取消息推送的请求，收集请求信息的信息，为下一步骤准备数据。

步骤2、消息推送智能推荐：在步骤S203：判断用户操作行为，在本例中可以判断用户的至少三种行为：输入关键字进行搜索、点击卡片、5G消息的互动用户回应。这三种行为对应三种5G消息服务：搜索和卡片的流程可能对应资讯或者医疗服务，互动用户回应的流程可以是疾病自测服务。往往这些类别的服务可能属于不同的平台资源，有医疗信息智能推送系统的子系统，也可能有第三方的医疗服务平台，而这些服务平台分别有各自的互相独立的接口、服务器、流程。

在步骤S205判断卡片类型后，如果是自测，则在步骤S207中判断自测结果，如果自测结果是可能患病，消息推送智能推荐的算法，则根据用户的标签信息、浏览习惯，执行步骤S2052，推荐在线挂号或者远程问诊服务，此步骤中，将另一服务无缝接入用户的5G消息体检中，而不需要用户在客户端进行搜索或者选择，在服务器方，也不需要从头获取用户的请求。同样的，如果用户的自测结果不会患病，消息推送智能推荐的算法根据用户之前搜索的关键字、浏览习惯、用户标签，推荐相关的资讯给用户。

在图3中可以看到，自测流程向资讯流程切换；资讯流程中系统附加推送自测流程；同时，在医疗服务流程中，也可以向资讯流程和自测流程切换，以将不同的服务在服务端互相融合，智能分析用户的需求，对用户的需求进行预测，提供用户下一步需要的医疗信息，这些医疗信息在提供给用户的与用户行为对应的内容之外额外推荐的。

步骤3、消息推送算法维护：如图3所示，在步骤S100获取用户请求后，S201获取用户浏览习惯、S202提取用户标签信息，而在S201、S202的执行过程中，也反向将用户请求的信息、浏览时间等用户操作轨迹反向提供给医疗信息智能推荐系统，得到新的数据后，训练医疗信息智能推荐系统中的数据模型，即可进行消息推送算法的维护，使之适应新的请求。

在本发明中，根据用户的需求进行内容推送时提高精准度，减少用户不必要的操作，同时也对用户进一步的操作进行预测，提前推送用户需要的资讯或者服务，提高用户体验。

以上公开的仅为本发明的几个具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (9)

1.一种基于5G消息的医疗信息智能推送系统，用于处理来自信息获取平台的请求，向5G消息平台推送数据，其特征在于，包括：用户标签系统、信息生成系统、算法升级系统；

所述用户标签系统，用于通过信息获取平台获得用户的信息，加工形成用户行为标签并进行存储；

所述信息生成系统，用于根据所述用户标签系统的所述用户行为标签进行模型训练，生成推送信息并推送至5G消息平台；

所述算法升级系统，用于记录所述推送信息和用户对应的操作特征，结合所述用户标签系统的所述用户行为标签，优化并更新所述信息生成系统的模型。

2.根据权利要求1所述的基于5G消息的医疗信息智能推送系统，其特征在于，所述信息生成系统包括智能响应系统和智能推荐系统；

所述智能响应系统包括：输入接口模块、响应计算模块和响应输出接口模块，其中，所述输入接口模块，用于获取响应计算模块的数据输入，并从信息获取平台获取用户请求；所述响应计算模块，用于根据所述数据输入，结合用户标签系统进行模型训练；

所述智能推荐系统包括：推荐计算模块和推荐输出接口模块，其中，所述推荐计算模块，用于根据更新后的所述用户标签系统进行模型训练。

3.根据权利要求2所述的基于5G消息的医疗信息智能推送系统，其特征在于，所述响应输出接口模块和所述推荐输出接口模块集成为输出接口模块。

4.根据权利要求1所述的基于5G消息的医疗信息智能推送系统，其特征在于，所述信息生成系统从信息资源平台中获取资源，所述信息资源平台包括多个独立的平台。

5.一种基于5G消息的医疗信息智能推送方法，其特征在于，包括以下步骤：

获取消息推送请求：根据触发请求获取消息推送的请求，收集请求的信息；

消息推送智能推荐：集成资源平台的数据，根据用户需求、用户现有信息进行智能推荐内容计算；

消息推送算法维护：根据最新的用户请求、行为更新数据模型。

6.根据权利要求5所述的基于5G消息的医疗信息智能推送方法，其特征在于，所述触发请求的来源包括：用户请求触发、事件触发、后台程序触发、服务触发。

7.根据权利要求5所述的基于5G消息的医疗信息智能推送方法，其特征在于，所述智能推荐内容计算包括：判断用户行为、判断用户行为对应的5G消息服务、计算推荐内容。

8.根据权利要求7所述的基于5G消息的医疗信息智能推送方法，其特征在于，所述推荐内容包括所述用户行为对应的5G消息服务，还包括预测用户需要的医疗信息。

9.根据权利要求5所述的基于5G消息的医疗信息智能推荐方法，其特征在于，所述消息推送算法维护包括对数据模型的训练，数据依据包括用户请求的信息、浏览时间。

Images