CN113299380A - 基于智慧医疗大数据的信息提示方法及智慧医疗服务系统 - Google Patents
基于智慧医疗大数据的信息提示方法及智慧医疗服务系统 Download PDFInfo
- Publication number
- CN113299380A CN113299380A CN202110681790.4A CN202110681790A CN113299380A CN 113299380 A CN113299380 A CN 113299380A CN 202110681790 A CN202110681790 A CN 202110681790A CN 113299380 A CN113299380 A CN 113299380A
- Authority
- CN
- China
- Prior art keywords
- distribution information
- interest
- thermal
- thermodynamic
- interested
- 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.)
- Withdrawn
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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本公开实施例提供一种基于智慧医疗大数据的信息提示方法及智慧医疗服务系统,通过根据医疗业务分布设备的目标智慧医疗大数据的智慧医疗兴趣服务集对医疗业务分布设备进行产品服务推荐,并获取针对推荐的产品服务数据的频繁意图行为数据,基于预先训练的用户画像分类模型对频繁意图行为数据进行分析,获得频繁意图行为数据对应的用户画像序列,根据频繁意图行为数据对应的用户画像序列,对目标智慧医疗大数据对应的智慧医疗关注用户进行信息提示。如此,通过分析用户的频繁意图行为,可以确定与用户意图相关的用户画像序列后推荐给对应的智慧医疗关注用户进行信息提示,以减少其智慧医疗关注用户的问询流程时间。
Description
技术领域
本公开涉及大数据技术领域,示例性地,涉及一种基于智慧医疗大数据的信息提示方法及智慧医疗服务系统。
背景技术
目前,大数据正在推动多个行业转型升级和创新,对海量数据的挖掘和运用,已经成为稳增长、促改革、惠民生的有力工具。例如,在医疗领域,大数据分析的作用堪比经验丰富的临床医生。大数据医疗是智慧医疗的新探索, 期盼借此加速挖掘病症的起因与根源,进而找出最有效的治疗途径、咨询途径和跟踪途径,终至为人类带来巨大福祉。
在相关技术中,对于智慧医疗平台软件服务而言,可以远程为不同用户提供诸多符合用户实际需求和意图的产品服务推荐,例如通过对用户的智慧医疗大数据进行分析,以确定其对应的智慧医疗大数据的智慧医疗兴趣服务集后进行产品服务推荐,然而传统的功能实现过程中,在后续进行相关咨询工作时,无法很有效地基于用户的线上行为信息,导致智慧医疗关注用户的问询流程时间并没有得到优化。
发明内容
为了至少克服现有技术中的上述不足,本公开的目的在于提供一种基于智慧医疗大数据的信息提示方法及智慧医疗服务系统。
第一方面,本公开提供一种基于智慧医疗大数据的信息提示方法,应用于智慧医疗服务系统,所述智慧医疗服务系统与多个医疗业务分布设备通信连接,所述方法包括:
根据所述医疗业务分布设备的目标智慧医疗大数据的智慧医疗兴趣服务集对所述医疗业务分布设备进行产品服务推荐,并获取针对推荐的产品服务数据的频繁意图行为数据;
基于预先训练的用户画像分类模型对所述频繁意图行为数据进行分析,获得所述频繁意图行为数据对应的用户画像序列;
根据所述频繁意图行为数据对应的用户画像序列,对所述目标智慧医疗大数据对应的智慧医疗关注用户进行信息提示。
第二方面,本公开实施例还提供一种基于智慧医疗大数据的信息提示系统,所述基于智慧医疗大数据的信息提示系统包括智慧医疗服务系统以及与所述智慧医疗服务系统通信连接的多个医疗业务分布设备;
所述智慧医疗服务系统,用于:
根据所述医疗业务分布设备的目标智慧医疗大数据的智慧医疗兴趣服务集对所述医疗业务分布设备进行产品服务推荐,并获取针对推荐的产品服务数据的频繁意图行为数据;
基于预先训练的用户画像分类模型对所述频繁意图行为数据进行分析,获得所述频繁意图行为数据对应的用户画像序列;
根据所述频繁意图行为数据对应的用户画像序列,对所述目标智慧医疗大数据对应的智慧医疗关注用户进行信息提示。
根据上述任意一个方面,本公开提供的实施方式中,通过根据医疗业务分布设备的目标智慧医疗大数据的智慧医疗兴趣服务集对医疗业务分布设备进行产品服务推荐,并获取针对推荐的产品服务数据的频繁意图行为数据,基于预先训练的用户画像分类模型对频繁意图行为数据进行分析,获得频繁意图行为数据对应的用户画像序列,根据频繁意图行为数据对应的用户画像序列,对目标智慧医疗大数据对应的智慧医疗关注用户进行信息提示。如此,通过分析用户的频繁意图行为,可以确定与用户意图相关的用户画像序列后推荐给对应的智慧医疗关注用户进行信息提示,以减少其智慧医疗关注用户的问询流程时间。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要调用的附图作简单地介绍,应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它相关的附图。
图1为本公开实施例提供的基于智慧医疗大数据的信息提示系统的应用场景示意图;
图2为本公开实施例提供的基于智慧医疗大数据的信息提示方法的流程示意图;
图3为本公开实施例提供的基于智慧医疗大数据的信息提示装置的功能模块示意图;
图4为本公开实施例提供的用于实现上述的基于智慧医疗大数据的信息提示方法的智慧医疗服务系统的结构示意框图。
具体实施方式
图1是本公开一种实施例提供的基于智慧医疗大数据的信息提示系统10的场景示意图。基于智慧医疗大数据的信息提示系统10可以包括智慧医疗服务系统100以及与智慧医疗服务系统100通信连接的医疗业务分布设备200。图1所示的基于智慧医疗大数据的信息提示系统10仅为一种可行的示例,在其它可行的实施例中,该基于智慧医疗大数据的信息提示系统10也可以仅包括图1所示组成部分的其中的至少部分或者还可以包括其它的组成部分。
本实施例中,基于智慧医疗大数据的信息提示系统10中的智慧医疗服务系统100和医疗业务分布设备200可以通过配合执行以下方法实施例所描述的基于智慧医疗大数据的信息提示方法,具体智慧医疗服务系统100和医疗业务分布设备200的执行步骤部分可以参照以下方法实施例的详细描述。
为了解决前述背景技术中的技术问题,图2为本公开实施例提供的基于智慧医疗大数据的信息提示方法的流程示意图,本实施例提供的基于智慧医疗大数据的信息提示方法可以由图1中所示的智慧医疗服务系统100执行,下面对该基于智慧医疗大数据的信息提示方法进行详细介绍。
步骤S100,根据医疗业务分布设备的目标智慧医疗大数据的智慧医疗兴趣服务集对医疗业务分布设备进行产品服务推荐,并获取针对推荐的产品服务数据的频繁意图行为数据。
例如,可以基于频繁模式项算法提取针对推荐的产品服务数据的频繁模式项集,进而获得针对推荐的产品服务数据的频繁意图行为数据。
步骤S200,基于预先训练的用户画像分类模型对频繁意图行为数据进行分析,获得频繁意图行为数据对应的用户画像序列。
步骤S300,根据频繁意图行为数据对应的用户画像序列,对目标智慧医疗大数据对应的智慧医疗关注用户进行信息提示。
对目标智慧医疗大数据对应的智慧医疗关注用户进行信息提示的方式可以是:将频繁意图行为数据对应的用户画像序列和用户画像序列相关的预设提示内容信息作为待提示信息对智慧医疗关注用户进行信息提示。
基于以上步骤,通过根据医疗业务分布设备的目标智慧医疗大数据的智慧医疗兴趣服务集对医疗业务分布设备进行产品服务推荐,并获取针对推荐的产品服务数据的频繁意图行为数据,基于预先训练的用户画像分类模型对频繁意图行为数据进行分析,获得频繁意图行为数据对应的用户画像序列,根据频繁意图行为数据对应的用户画像序列,对目标智慧医疗大数据对应的智慧医疗关注用户进行信息提示。如此,通过分析用户的频繁意图行为,可以确定与用户意图相关的用户画像序列后推荐给对应的智慧医疗关注用户进行信息提示,以减少其智慧医疗关注用户的问询流程时间。
譬如在一种实施例中,本公开实施例还提供一种基于人工智能的用户画像分类方法,包括:获取样本频繁意图行为产生时的样本静态关注数据和样本动态关注数据,对所述样本静态关注数据进行特征提取,得到所述样本静态关注数据的样本静态关注特征数据,所述样本静态关注特征数据用于指示所述样本频繁意图行为的长期关注特征;对所述样本动态关注数据进行特征提取,得到所述样本动态关注数据的样本动态关注数据,所述样本动态关注数据用于指示所述样本频繁意图行为的短期变化特征特征; 将所述样本动态关注数据作为所述样本静态关注特征数据的约束信息,生成所述用户画像分类模型的训练样本;采用所述训练样本对所述用户画像分类模型进行训练,所述用户画像分类模型用于基于频繁意图行为数据进行分析,获得频繁意图行为数据对应的用户画像序列。
譬如,所述采用所述训练样本对所述用户画像分类模型进行训练,包括:通过所述用户画像分类模型对所述样本静态关注特征数据进行处理,得到模型输出的样本动态关注数据;基于所述模型输出的样本动态关注数据和所述约束信息,确定所述用户画像分类模型的正则项值和权重评估指标值;其中,正则项用于衡量所述用户画像分类模型的输出结果对应的脸部驱动效果的真实性,权重评估指标用于衡量所述用户画像分类模型的输出结果的准确性;基于所述正则项值和所述权重评估指标值,对所述用户画像分类模型的参数进行调整,直至所述正则项满足第一条件且所述权重评估指标满足第二条件,停止训练所述用户画像分类模型。
一种实施例中,对于步骤S100,一本公开实施例还提供一种基于智慧医疗大数据的产品服务推荐方法,包括以下步骤:
步骤S110,根据每个智慧医疗兴趣服务下的各个目标热点信息行为的热点类别属性集,获取每个智慧医疗兴趣服务下的多个兴趣热力分布信息。
步骤S120,确定多个兴趣热力分布信息的热力标签信息。
其中,多个兴趣热力分布信息中存在多种热力标签的兴趣热力分布信息,热力标签信息指示多个兴趣热力分布信息中每种热力标签的兴趣热力分布信息的分布范围,多个兴趣热力分布信息中不同热力标签的兴趣热力分布信息的分布范围呈预设分布关系。
一种实施例中,多个兴趣热力分布信息可以是每个智慧医疗兴趣服务下各个目标热点信息行为的热点类别属性集在内容服务平台中确定的多个兴趣热力分布信息,该多个兴趣热力分布信息可以包括直接兴趣热力分布信息、间接兴趣热力分布信息和长期兴趣热力分布信息等,且直接兴趣热力分布信息、间接兴趣热力分布信息和长期兴趣热力分布信息为不同热力标签的兴趣热力分布信息。
步骤S130,根据多个兴趣热力分布信息的热力标签信息,对多个兴趣热力分布信息进行清单整理得到多个兴趣热力分布信息清单,兴趣热力分布信息清单包括多种热力标签的兴趣热力分布信息。
一种实施例中,每个兴趣热力分布信息清单可以包括上述多个兴趣热力分布信息中所有热力标签的兴趣热力分布信息,且每个兴趣热力分布信息清单中同一热力标签的兴趣热力分布信息可以是一个或一个以上。例如,每个兴趣热力分布信息清单可以包括1个直接兴趣热力分布信息、2个间接兴趣热力分布信息和1个长期兴趣热力分布信息。
步骤S140,对多个兴趣热力分布信息清单进行产品服务数据关联,使多个兴趣热力分布信息清单中位于同一热力静态标签的兴趣热力分布信息清单同步关联对应的产品服务数据,位于同一热力动态标签的兴趣热力分布信息清单同步关联对应的产品服务数据。
其中,每个兴趣热力分布信息清单中,不同兴趣热力分布信息可以按照热力动态标签方向排布。位于同一热力静态标签的兴趣热力分布信息清单同步关联对应的产品服务数据,位于同一热力动态标签的兴趣热力分布信息清单同步关联对应的产品服务数据指的可以是:位于同一热力静态标签的所有兴趣热力分布信息清单的兴趣热力分布范围相同,位于同一热力动态标签的所有兴趣热力分布信息清单的同步关联配置参数相同,位于同一热力静态标签中的同一热力标签的兴趣热力分布信息的兴趣热力分布范围相同,且每个兴趣热力分布信息清单中相关联兴趣热力分布信息的热力业务融合属性相同。示例地,每个兴趣热力分布信息清单可以包括1个直接兴趣热力分布信息、2个间接兴趣热力分布信息和1个长期兴趣热力分布信息,则位于同一热力静态标签中的同一热力标签的兴趣热力分布信息的兴趣热力分布范围相同指的是:位于同一热力静态标签的直接兴趣热力分布信息的兴趣热力分布范围相同,位于同一热力静态标签的间接兴趣热力分布信息的兴趣热力分布范围相同,且位于同一热力静态标签的长期兴趣热力分布信息的兴趣热力分布范围相同。
一种实施例中,智慧医疗服务系统100可以先对该多个兴趣热力分布信息清单进行初始产品服务数据关联,以确定出对该多个兴趣热力分布信息清单进行产品服务数据关联的热力静态标签数、每个热力静态标签的兴趣热力分布信息清单的分布范围以及每个热力静态标签的兴趣热力分布信息清单(也即是确定出热力静态标签数和热力动态标签数),之后,同步关联配置该多个兴趣热力分布信息清单的产品服务关联区间和产品服务关联位置中的多种,使位于同一热力静态标签的兴趣热力分布信息清单同步关联对应的产品服务数据,且位于同一热力动态标签的兴趣热力分布信息清单同步关联对应的产品服务数据。
在具体实现时,产品服务数据可以灵活选定,如基于不同的兴趣热力标签策略的产品服务数据源,此处与本申请所解决的技术问题无关,具体不作赘述。
综上所述,智慧医疗服务系统100确定多个兴趣热力分布信息的热力标签信息后,可以根据该多个兴趣热力分布信息热力标签信息,对该多个兴趣热力分布信息进行清单整理得到多个兴趣热力分布信息清单,之后对该多个兴趣热力分布信息清单进行产品服务数据关联,使该多个兴趣热力分布信息清单中位于同一热力静态标签的兴趣热力分布信息清单同步关联对应的产品服务数据,位于同一热力动态标签的兴趣热力分布信息清单同步关联对应的产品服务数据。如此,可以简化兴趣热力分布信息同步关联配置过程,提高同步关联配置精度。
另一种实施例中,基于智慧医疗大数据的产品服务推荐方法还可以包括以下步骤。
步骤S210,确定多个兴趣热力分布信息的热力标签信息,多个兴趣热力分布信息中存在多种热力标签的兴趣热力分布信息,热力标签信息指示多个兴趣热力分布信息中每种热力标签的兴趣热力分布信息的分布范围,多个兴趣热力分布信息中不同热力标签的兴趣热力分布信息的分布范围呈预设分布关系。
一种实施例中,智慧医疗服务系统100中可以配置有相关业务服务,该相关业务服务可以提供内容服务平台,该多个兴趣热力分布信息可以是用户在该内容服务平台中选择的多个兴趣热力分布信息,该多个兴趣热力分布信息中可以存在多种热力标签的兴趣热力分布信息,且该多个兴趣热力分布信息中不同热力标签的兴趣热力分布信息的分布范围通常可以呈预设分布关系,以便于能够对该多个兴趣热力分布信息进行产品服务数据关联。其中,本实施例可以对兴趣热力分布信息进行选择,例如该多个兴趣热力分布信息可以包括直接兴趣热力分布信息、间接兴趣热力分布信息和长期兴趣热力分布信息,直接兴趣热力分布信息、间接兴趣热力分布信息和长期兴趣热力分布信息为三种不同热力标签的兴趣热力分布信息。
示例地,假设该多个兴趣热力分布信息可以包括4个直接兴趣热力分布信息,8个间接兴趣热力分布信息和4个长期兴趣热力分布信息,该4个直接兴趣热力分布信息为直接兴趣热力分布信息R1~直接兴趣热力分布信息R4,8个间接兴趣热力分布信息为间接兴趣热力分布信息R1~间接兴趣热力分布信息R8,4个长期兴趣热力分布信息为长期兴趣热力分布信息O1~长期兴趣热力分布信息O4,间接兴趣热力分布信息的分布范围为直接兴趣热力分布信息的分布范围的2倍,长期兴趣热力分布信息的分布范围为直接兴趣热力分布信息的分布范围的1倍,也即是,直接兴趣热力分布信息、间接兴趣热力分布信息和长期兴趣热力分布信息的分布范围呈预设分布关系。
一种实施例中,智慧医疗服务系统100可以对该多个兴趣热力分布信息进行类型统计,得到每个兴趣热力分布信息的类型,进而根据该多个兴趣热力分布信息的类型确定该多个兴趣热力分布信息的热力标签信息。
步骤S220,根据多个兴趣热力分布信息的热力标签信息,确定清单数值参数。
一种实施例中,智慧医疗服务系统100根据多个兴趣热力分布信息的热力标签信息,将上述多种热力标签的兴趣热力分布信息的分布范围中,最少的分布范围确定为清单数值参数,该清单数值参数可以采用m表示,m为大于或等于1的整数。
示例地,假设在多个兴趣热力分布信息中,直接兴趣热力分布信息、间接兴趣热力分布信息和长期兴趣热力分布信息这三种热力标签的兴趣热力分布信息的分布范围中,最少的分布范围为4,因此智慧医疗服务系统100可以确定清单数值参数为4,也即是,m=4。其中,该最少的分布范围4可以是直接兴趣热力分布信息的分布范围,也可以是长期兴趣热力分布信息的分布范围。
步骤S230,根据多个兴趣热力分布信息中每种热力标签的兴趣热力分布信息的分布范围和清单数值参数,确定每个兴趣热力分布信息清单中该每种热力标签的兴趣热力分布信息的分布范围。
一种实施例中,智慧医疗服务系统100可以将多个兴趣热力分布信息中,每种热力标签的兴趣热力分布信息的分布范围和清单数值参数的商值,确定为每个兴趣热力分布信息清单中该每种热力标签的兴趣热力分布信息的分布范围,每个兴趣热力分布信息清单中该每种热力标签的兴趣热力分布信息的分布范围可以采用n表示,n为大于或等于1的整数。
示例地,多个兴趣热力分布信息包括4个直接兴趣热力分布信息,8个间接兴趣热力分布信息和4个长期兴趣热力分布信息,清单数值参数为4,则智慧医疗服务系统100可以将该多个兴趣热力分布信息中,直接兴趣热力分布信息的分布范围与清单数值参数的商值确定为每个兴趣热力分布信息清单中直接兴趣热力分布信息的分布范围,间接兴趣热力分布信息的分布范围与清单数值参数的商值确定为每个兴趣热力分布信息清单中间接兴趣热力分布信息的分布范围,长期兴趣热力分布信息的分布范围与清单数值参数的商值确定为每个兴趣热力分布信息清单中长期兴趣热力分布信息的分布范围,也即是,智慧医疗服务系统100确定每个兴趣热力分布信息清单包括1个直接兴趣热力分布信息,2个间接兴趣热力分布信息和1个长期兴趣热力分布信息,也即是对于直接兴趣热力分布信息,n=1,对于间接兴趣热力分布信息,n=2,对于长期兴趣热力分布信息,n=1。
步骤S240,对每种热力标签的兴趣热力分布信息进行排序,得到每种热力标签的兴趣热力分布信息列表。
一种实施例中,智慧医疗服务系统100可以对每种热力标签的兴趣热力分布信息进行排序,得到每种热力标签的兴趣热力分布信息列表,例如,智慧医疗服务系统100对多个兴趣热力分布信息中的直接兴趣热力分布信息进行排序得到直接兴趣热力分布信息序列,对多个兴趣热力分布信息中的间接兴趣热力分布信息进行排序得到间接兴趣热力分布信息序列,对多个兴趣热力分布信息中的长期兴趣热力分布信息进行排序得到长期兴趣热力分布信息序列。
示例地,步骤S240可以通过以下示例性的子步骤实现。
子步骤S241,确定多个兴趣热力分布信息中的每个兴趣热力分布信息在目标医疗热搜网络中的网络位置信息。
其中,目标医疗热搜网络可以是平铺医疗热搜网络,且可以是预先配置的医疗热搜网络,该目标医疗热搜网络可以位于相关业务服务的内容服务平台中。
内容服务平台中的每个兴趣热力分布信息在该目标医疗热搜网络中可以具有一个网络位置信息,智慧医疗服务系统100可以确定该多个兴趣热力分布信息中,每个兴趣热力分布信息在该目标医疗热搜网络中的网络位置信息。容易理解,兴趣热力分布信息通常具有一定热力限制区间,兴趣热力分布信息在目标医疗热搜网络中的网络位置信息可以是兴趣热力分布信息的等效网络位置服务在该目标医疗热搜网络中的网络位置信息,该等效网络位置服务可以是兴趣热力分布信息上的任意网络位置服务,例如,该等效网络位置服务可以是兴趣热力分布信息的关键业务。
一种实施例中,智慧医疗服务系统100可以确定每个兴趣热力分布信息的等效网络位置服务与目标医疗热搜网络的第一网络业务区之间的网络位置服务层级,以及,每个兴趣热力分布信息的等效网络位置服务与目标医疗热搜网络的第二网络业务区之间的网络位置服务层级,将每个兴趣热力分布信息的等效网络位置服务与目标医疗热搜网络的第一网络业务区之间的网络位置服务层级确定该每个兴趣热力分布信息的热力单元,根据该每个兴趣热力分布信息的等效网络位置服务与目标医疗热搜网络的第二网络业务区之间的网络位置服务层级确定该每个兴趣热力分布信息的兴趣单元,从而得到每个兴趣热力分布信息在目标医疗热搜网络中的网络位置信息。
子步骤S242,对于每种热力标签的任意两个兴趣热力分布信息,当该任意两个兴趣热力分布信息的热力单元的热力值差小于第一热力值差时,按照该任意两个兴趣热力分布信息的兴趣单元的热力表现顺序对该任意两个兴趣热力分布信息进行排序,当该任意两个兴趣热力分布信息的热力单元的热力值差大于等于第一热力值差时,按照该任意两个兴趣热力分布信息的热力单元的热力表现顺序对该任意两个兴趣热力分布信息进行排序,得到初始兴趣热力分布信息簇,初始兴趣热力分布信息簇中每相关联的n个兴趣热力分布信息构成一个兴趣热力分布信息子簇,初始兴趣热力分布信息簇包括m个兴趣热力分布信息子簇。
一种实施例中,对于每种热力标签的任意两个兴趣热力分布信息,智慧医疗服务系统100可以确定该任意两个兴趣热力分布信息的热力单元的热力值差,然后将该任意两个兴趣热力分布信息的热力单元的热力值差与第一热力值差比较,来判断该任意两个兴趣热力分布信息的热力单元的热力值差是否小于第一热力值差,当该任意两个兴趣热力分布信息的热力单元的热力值差小于第一热力值差时,智慧医疗服务系统100按照该任意两个兴趣热力分布信息的兴趣单元的热力表现顺序对该任意两个兴趣热力分布信息进行排序,当该任意两个兴趣热力分布信息的热力单元的热力值差大于等于(也即是大于或等于)第一热力值差时,智慧医疗服务系统100按照该任意两个兴趣热力分布信息的热力单元的热力表现顺序对该任意两个兴趣热力分布信息进行排序。对于每种热力标签的所有兴趣热力分布信息,智慧医疗服务系统100通过执行该判断与排序过程,以实现对该每种热力标签的兴趣热力分布信息的排序,得到该每种热力标签的初始兴趣热力分布信息簇,该初始兴趣热力分布信息簇中每相关联的n个兴趣热力分布信息可以构成一个兴趣热力分布信息子簇,因此该初始兴趣热力分布信息簇可以包括m个兴趣热力分布信息子簇。
其中,第一热力值差可以根据实际情况确定,例如,根据相关业务服务提供的内容服务平台的产品服务关联区间等确定。示例地,第一热力值差可以为30。
示例地,以第一热力值差为30为例,对于步骤S210中提供的直接兴趣热力分布信息R1~直接兴趣热力分布信息R4,首先,假设直接兴趣热力分布信息R1的热力单元与直接兴趣热力分布信息R2的热力单元的热力值差大于等于30,且直接兴趣热力分布信息R1的热力单元小于直接兴趣热力分布信息R2的热力单元,则智慧医疗服务系统100按照直接兴趣热力分布信息R1和直接兴趣热力分布信息R2的热力单元的热力表现顺序将直接兴趣热力分布信息R1位于直接兴趣热力分布信息R2之前;接着,假设直接兴趣热力分布信息R2的热力单元与直接兴趣热力分布信息R3的热力单元的热力值差大于等于30,且直接兴趣热力分布信息R2的热力单元大于直接兴趣热力分布信息R3的热力单元,则智慧医疗服务系统100按照直接兴趣热力分布信息R2和直接兴趣热力分布信息R3的热力单元的热力表现顺序将直接兴趣热力分布信息R3位于直接兴趣热力分布信息R2之前;然后,假设直接兴趣热力分布信息R1的热力单元与直接兴趣热力分布信息R3的热力单元的热力值差小于30,且直接兴趣热力分布信息R1的兴趣单元小于直接兴趣热力分布信息R3的兴趣单元,则智慧医疗服务系统100按照直接兴趣热力分布信息R1和直接兴趣热力分布信息R3的兴趣单元的热力表现顺序将直接兴趣热力分布信息R1位于直接兴趣热力分布信息R3之前;之后,假设直接兴趣热力分布信息R2的热力单元与直接兴趣热力分布信息R4的热力单元的热力值差小于30,且直接兴趣热力分布信息R2的兴趣单元小于直接兴趣热力分布信息R4的兴趣单元,则智慧医疗服务系统100按照直接兴趣热力分布信息R2和直接兴趣热力分布信息R4的兴趣单元的热力表现顺序将直接兴趣热力分布信息R2位于直接兴趣热力分布信息R4之前;依次类推,对于直接兴趣热力分布信息R1~直接兴趣热力分布信息R4中的每两个直接兴趣热力分布信息,执行上述排序操作,得到的初始兴趣热力分布信息簇可以为:直接兴趣热力分布信息R1、直接兴趣热力分布信息R3、直接兴趣热力分布信息R2、直接兴趣热力分布信息R4,该初始兴趣热力分布信息簇中每相关联的1(n=1)个兴趣热力分布信息构成一个兴趣热力分布信息子簇,因此该初始兴趣热力分布信息簇可以包括4个兴趣热力分布信息子簇,也即是,直接兴趣热力分布信息R1、直接兴趣热力分布信息R3、直接兴趣热力分布信息R2和直接兴趣热力分布信息R4各自构成一个兴趣热力分布信息子簇。
同理,对间接兴趣热力分布信息R1~间接兴趣热力分布信息R8进行排序得到的初始兴趣热力分布信息簇为:间接兴趣热力分布信息R1、间接兴趣热力分布信息R2、间接兴趣热力分布信息R5、间接兴趣热力分布信息R6、间接兴趣热力分布信息R3、间接兴趣热力分布信息R4、间接兴趣热力分布信息R7、间接兴趣热力分布信息R8,该初始兴趣热力分布信息簇中每相关联的2(n=2)个兴趣热力分布信息构成一个兴趣热力分布信息子簇,因此该初始兴趣热力分布信息簇可以包括4个兴趣热力分布信息子簇,也即是,间接兴趣热力分布信息R1和间接兴趣热力分布信息R2构成一个兴趣热力分布信息子簇,间接兴趣热力分布信息R5和间接兴趣热力分布信息R6构成一个兴趣热力分布信息子簇,间接兴趣热力分布信息R3和间接兴趣热力分布信息R4构成一个兴趣热力分布信息子簇,间接兴趣热力分布信息R7和间接兴趣热力分布信息R8构成一个兴趣热力分布信息子簇。
同理,对长期兴趣热力分布信息O1~长期兴趣热力分布信息O4进行排序得到的初始兴趣热力分布信息簇为:长期兴趣热力分布信息O1、长期兴趣热力分布信息O3、长期兴趣热力分布信息O2、长期兴趣热力分布信息O4,该初始兴趣热力分布信息簇中每相关联的1(n=1)个兴趣热力分布信息构成一个兴趣热力分布信息子簇,因此该初始兴趣热力分布信息簇可以包括4个兴趣热力分布信息子簇,也即是,长期兴趣热力分布信息O1、长期兴趣热力分布信息O3、长期兴趣热力分布信息O2、长期兴趣热力分布信息O4各自构成一个兴趣热力分布信息子簇。
子步骤S243,根据初始兴趣热力分布信息簇中,每个兴趣热力分布信息子簇中的n个兴趣热力分布信息的网络位置信息,确定每个兴趣热力分布信息子簇的网络位置信息,得到m个兴趣热力分布信息子簇的网络位置信息。
一种实施例中,智慧医疗服务系统100可以将每个兴趣热力分布信息子簇中的所有兴趣热力分布信息在目标医疗热搜网络中的网络位置信息中,最大的热力单元确定为该兴趣热力分布信息子簇的热力单元,最大层级的兴趣单元确定为该兴趣热力分布信息子簇的兴趣单元,从而得到该兴趣热力分布信息子簇在目标医疗热搜网络中的网络位置信息,或者,智慧医疗服务系统100可以将每个兴趣热力分布信息子簇中的所有兴趣热力分布信息在目标医疗热搜网络中的网络位置信息中,最小层级的热力单元确定为该兴趣热力分布信息子簇的热力单元,最小层级的兴趣单元确定为该兴趣热力分布信息子簇的兴趣单元,从而得到该兴趣热力分布信息子簇在目标医疗热搜网络中的网络位置信息,或者,智慧医疗服务系统100可以根据每个兴趣热力分布信息子簇中的各个兴趣热力分布信息在目标医疗热搜网络中的网络位置信息,确定该兴趣热力分布信息子簇中的各个兴趣热力分布信息的等效网络位置服务,根据该兴趣热力分布信息子簇中所有兴趣热力分布信息的等效网络位置服务,确定该兴趣热力分布信息子簇在目标医疗热搜网络中的等效网络位置服务,将该兴趣热力分布信息子簇在目标医疗热搜网络中的等效网络位置服务的网络位置信息确定为该兴趣热力分布信息子簇在目标医疗热搜网络中的网络位置信息,本公开实施例对此不做限定。
子步骤S244,对于m个兴趣热力分布信息子簇中的任意两个兴趣热力分布信息子簇,当任意两个兴趣热力分布信息子簇的兴趣单元的热力值差小于第二热力值差时,按照任意两个兴趣热力分布信息子簇的热力单元的热力表现顺序对任意两个兴趣热力分布信息子簇进行排序,当任意两个兴趣热力分布信息子簇的兴趣单元的热力值差大于等于第二热力值差时,按照任意两个兴趣热力分布信息子簇的兴趣单元的热力表现顺序对任意两个兴趣热力分布信息子簇进行排序,得到每种热力标签的兴趣热力分布信息列表。
一种实施例中,对于m个兴趣热力分布信息子簇中的任意两个兴趣热力分布信息子簇,智慧医疗服务系统100可以确定该任意两个兴趣热力分布信息子簇的兴趣单元的热力值差,然后将该任意两个兴趣热力分布信息子簇的兴趣单元的热力值差与第二热力值差比较,来判断该任意两个兴趣热力分布信息子簇的兴趣单元的热力值差是否小于第二热力值差,当该任意两个兴趣热力分布信息子簇的兴趣单元的热力值差小于第二热力值差时,智慧医疗服务系统100按照该任意两个兴趣热力分布信息子簇的热力单元的热力表现顺序对该任意两个兴趣热力分布信息子簇进行排序,当该任意两个兴趣热力分布信息子簇的兴趣单元的热力值差大于等于(也即是大于或等于)第二热力值差时,智慧医疗服务系统100按照该任意两个兴趣热力分布信息子簇的兴趣单元的热力表现顺序对该任意两个兴趣热力分布信息子簇进行排序。对于m个兴趣热力分布信息子簇,智慧医疗服务系统100通过执行该判断与排序过程,以实现对该m个兴趣热力分布信息子簇的排序,得到该每种热力标签的兴趣热力分布信息列表。
其中,第二热力值差可以根据实际情况确定,且第二热力值差与第一热力值差可以相同或不相同,例如,第二热力值差根据相关业务服务提供的内容服务平台的产品服务关联区间,同步关联配置工具的位置刻度等确定。示例地,第二热力值差可以为30。
示例地,智慧医疗服务系统100对直接兴趣热力分布信息R1、直接兴趣热力分布信息R3、直接兴趣热力分布信息R2和直接兴趣热力分布信息R4各自构成的4个兴趣热力分布信息子簇进行上述排序得到的直接兴趣热力分布信息序列可以为:直接兴趣热力分布信息R1、直接兴趣热力分布信息R2、直接兴趣热力分布信息R3、直接兴趣热力分布信息R4。同理,对间接兴趣热力分布信息R1和间接兴趣热力分布信息R2构成一个兴趣热力分布信息子簇,间接兴趣热力分布信息R5和间接兴趣热力分布信息R6构成一个兴趣热力分布信息子簇,间接兴趣热力分布信息R3和间接兴趣热力分布信息R4构成一个兴趣热力分布信息子簇,间接兴趣热力分布信息R7和间接兴趣热力分布信息R8构成的4个兴趣热力分布信息子簇进行排序得到的间接兴趣热力分布信息序列可以为:间接兴趣热力分布信息R1、间接兴趣热力分布信息R2、间接兴趣热力分布信息R3、间接兴趣热力分布信息R4、间接兴趣热力分布信息R5、间接兴趣热力分布信息R6、间接兴趣热力分布信息R7、间接兴趣热力分布信息R8;对长期兴趣热力分布信息O1、长期兴趣热力分布信息O3、长期兴趣热力分布信息O2、长期兴趣热力分布信息O4构成的兴趣热力分布信息子簇进行排序得到的长期兴趣热力分布信息序列可以为:长期兴趣热力分布信息O1、长期兴趣热力分布信息O2、长期兴趣热力分布信息O3、长期兴趣热力分布信息O4。
子步骤S245,根据每个兴趣热力分布信息清单中多种热力标签的兴趣热力分布信息的分布范围,对多个兴趣热力分布信息执行至少两次清单整理流程得到多个兴趣热力分布信息清单。
其中,每次清单整理流程用于确定一个兴趣热力分布信息清单的多种热力标签的兴趣热力分布信息,也即是,每执行一次清单整理流程可以确定一个兴趣热力分布信息清单,每个兴趣热力分布信息清单中的各个兴趣热力分布信息可以按照兴趣热力分布信息的兴趣单元的热力表现顺序排序。其中,执行第k次清单整理流程得到的兴趣热力分布信息清单中,每种热力标签的兴趣热力分布信息为该每种热力标签的兴趣热力分布信息列表中兴趣热力单元属于目标排列区间的兴趣热力分布信息,该目标排列区间为[(k-1)*n+1,k*n+1),1≤k≤m,n表示兴趣热力分布信息清单中每种热力标签的兴趣热力分布信息的分布范围,m表示清单数值参数。
示例地,继续以上述4个直接兴趣热力分布信息,8个间接兴趣热力分布信息和4个长期兴趣热力分布信息为例,则由步骤S220可以确定m=4,由步骤203可以确定对于直接兴趣热力分布信息,n=1,对于间接兴趣热力分布信息,n=2,对于长期兴趣热力分布信息,n=1。则执行第一次清单整理流程得到的兴趣热力分布信息清单CL1中的直接兴趣热力分布信息为上述直接兴趣热力分布信息序列中,兴趣热力单元属于目标排列区间[(k-1)*n+1,k*n+1)=[(1-1)*1+1,1*1+1)=[1,2)的直接兴趣热力分布信息,也即是兴趣热力单元为1的直接兴趣热力分布信息,间接兴趣热力分布信息为上述间接兴趣热力分布信息序列中,兴趣热力单元属于目标排列区间[(k-1)*n+1,k*n+1)=[(1-1)*2+1,1*2+1)=[1,3)的间接兴趣热力分布信息,也即是兴趣热力单元为1和2的间接兴趣热力分布信息,长期兴趣热力分布信息为上述长期兴趣热力分布信息序列中,兴趣热力单元属于目标排列区间[(k-1)*n+1,k*n+1)=[(1-1)*1+1,1*1+1)=[1,2)的长期兴趣热力分布信息,也即是兴趣热力单元为1的长期兴趣热力分布信息,因此执行第一次清单整理流程得到的兴趣热力分布信息清单CL1包括:直接兴趣热力分布信息R1、间接兴趣热力分布信息R1、间接兴趣热力分布信息R2和长期兴趣热力分布信息O1。同理可得执行第二次清单整理流程得到的兴趣热力分布信息清单CL2包括:直接兴趣热力分布信息R2、间接兴趣热力分布信息R3、间接兴趣热力分布信息R4和长期兴趣热力分布信息O2,执行第三次清单整理流程得到的兴趣热力分布信息清单CL3包括:直接兴趣热力分布信息R3、间接兴趣热力分布信息R5、间接兴趣热力分布信息R6和长期兴趣热力分布信息O3,执行第四次清单整理流程得到的兴趣热力分布信息清单CL4包括:直接兴趣热力分布信息R4、间接兴趣热力分布信息R7、间接兴趣热力分布信息R8和长期兴趣热力分布信息O4。
本领域技术人员容易理解,上述步骤是用于实现兴趣热力分布信息清单的步骤,也即是,上述步骤能够实施成为前述实施例的步骤S130,本公开实施例对此不做限定。
步骤S260,根据多个兴趣热力分布信息清单中的每个兴趣热力分布信息清单所包括的兴趣热力分布信息的人群兴趣点,对多个兴趣热力分布信息清单进行初始产品服务数据关联。
一种实施例中,步骤S260可以通过以下示例性的子步骤实现。
子步骤S261,对于多个兴趣热力分布信息清单中的每个兴趣热力分布信息清单,根据兴趣热力分布信息清单中的兴趣热力分布信息在目标医疗热搜网络中的网络位置信息,确定兴趣热力分布信息清单在目标医疗热搜网络中的网络位置信息。
每个兴趣热力分布信息清单包括多个兴趣热力分布信息,智慧医疗服务系统100可以根据每个兴趣热力分布信息清单的所有兴趣热力分布信息在目标医疗热搜网络中的网络位置信息,确定该每个兴趣热力分布信息清单在目标医疗热搜网络中的网络位置信息。
一种实施例中,智慧医疗服务系统100可以将每个兴趣热力分布信息清单中的所有兴趣热力分布信息在目标医疗热搜网络中的网络位置信息中,最大的热力单元确定为该兴趣热力分布信息清单的热力单元,最大层级的兴趣单元确定为该兴趣热力分布信息清单的兴趣单元,从而得到该兴趣热力分布信息清单在目标医疗热搜网络中的网络位置信息,或者,智慧医疗服务系统100可以将每个兴趣热力分布信息清单中的所有兴趣热力分布信息在目标医疗热搜网络中的网络位置信息中,最小层级的热力单元确定为该兴趣热力分布信息清单的热力单元,最小层级的兴趣单元确定为该兴趣热力分布信息清单的兴趣单元,从而得到该兴趣热力分布信息清单在目标医疗热搜网络中的网络位置信息,或者,智慧医疗服务系统100可以根据每个兴趣热力分布信息清单中的各个兴趣热力分布信息在目标医疗热搜网络中的网络位置信息,确定该兴趣热力分布信息清单中的各个兴趣热力分布信息的等效网络位置服务,根据该兴趣热力分布信息清单中所有兴趣热力分布信息的等效网络位置服务,确定该兴趣热力分布信息清单在目标医疗热搜网络中的等效网络位置服务,将该兴趣热力分布信息清单在目标医疗热搜网络中的等效网络位置服务的位置确定为该兴趣热力分布信息清单在目标医疗热搜网络中的网络位置信息,本公开实施例对此不做限定。
子步骤S262,根据多个兴趣热力分布信息清单的网络位置信息,对多个兴趣热力分布信息清单进行排序,得到兴趣热力分布信息清单序列。
一种实施例中,对于多个兴趣热力分布信息清单中的任意两个兴趣热力分布信息清单,智慧医疗服务系统100可以确定该任意两个兴趣热力分布信息清单的兴趣单元的热力值差,然后将该任意两个兴趣热力分布信息清单的兴趣单元的热力值差与第三热力值差比较,来判断该任意两个兴趣热力分布信息清单的兴趣单元的热力值差是否小于第三热力值差,当该任意两个兴趣热力分布信息清单的兴趣单元的热力值差小于第三热力值差时,智慧医疗服务系统100按照该任意两个兴趣热力分布信息清单的热力单元的热力表现顺序对该任意两个兴趣热力分布信息清单进行排序,当该任意两个兴趣热力分布信息清单的兴趣单元的热力值差大于等于(也即是大于或等于)第三热力值差时,智慧医疗服务系统100按照该任意两个兴趣热力分布信息清单的兴趣单元的热力表现顺序对该任意两个兴趣热力分布信息清单进行排序。对于多个兴趣热力分布信息清单,智慧医疗服务系统100通过执行该判断与排序过程,以实现对该多个兴趣热力分布信息清单的排序,得到兴趣热力分布信息清单序列。其中,第三热力值差可以根据实际情况确定,且第三热力值差与第一热力值差、第二热力值差可以相同或不相同,例如,第三热力值差根据相关业务服务提供的内容服务平台的产品服务关联区间等确定。示例地,第三热力值差可以为30。
示例地,智慧医疗服务系统100对上述兴趣热力分布信息清单CL1~兴趣热力分布信息清单CL4进行排序得到的兴趣热力分布信息清单序列可以为:兴趣热力分布信息清单CL1、兴趣热力分布信息清单CL2、兴趣热力分布信息清单CL3、兴趣热力分布信息清单CL4。
子步骤S263,以兴趣热力分布信息清单序列为分簇对象执行热力静态标签划分过程,热力静态标签划分过程包括:依次对分簇对象中的每个兴趣热力分布信息清单执行判断子过程,对分簇对象中的第i个兴趣热力分布信息清单执行的判断子过程包括:确定分簇对象的前i个兴趣热力分布信息清单中,与分簇对象中第1个兴趣热力分布信息清单位于同一热力静态标签的兴趣热力分布信息清单的热力单元与第i个兴趣热力分布信息清单的热力单元的热力值差,i≥1;当热力值差小于目标热力值差时,确定第i个兴趣热力分布信息清单与第1个兴趣热力分布信息清单位于同一热力静态标签;当热力值差大于等于目标热力值差时,确定第i个兴趣热力分布信息清单与第1个兴趣热力分布信息清单位于不同热力静态标签。
一种实施例中,智慧医疗服务系统100可以将子步骤S263得到的兴趣热力分布信息清单序列为分簇对象,从该兴趣热力分布信息清单序列的第1个兴趣热力分布信息清单开始,依次对该分簇对象中的每个兴趣热力分布信息清单执行判断子过程。其中,智慧医疗服务系统100对分簇对象中的第i个兴趣热力分布信息清单执行的判断子过程可以包括:智慧医疗服务系统100首先采用热力值差公式确定该分簇对象的前i个兴趣热力分布信息清单中,与该分簇对象中第1个兴趣热力分布信息清单位于同一热力静态标签的兴趣热力分布信息清单的热力单元与第i个兴趣热力分布信息清单的热力单元的热力值差,然后判断该热力值差是否小于目标热力值差,当该热力值差小于目标热力值差时,智慧医疗服务系统100确定该第i个兴趣热力分布信息清单与该第1个兴趣热力分布信息清单位于同一热力静态标签,当该热力值差大于等于目标热力值差时,确定该第i个兴趣热力分布信息清单与该第1个兴趣热力分布信息清单位于不同热力静态标签。
示例地,对于分簇对象中的第2个兴趣热力分布信息清单CL2,智慧医疗服务系统100采用热力值差公式确定该分簇对象的前2个兴趣热力分布信息清单(也即是兴趣热力分布信息清单CL1和兴趣热力分布信息清单CL2)中,与该分簇对象中第1个兴趣热力分布信息清单CL1位于同一热力静态标签的兴趣热力分布信息清单的热力单元与第2个兴趣热力分布信息清单CL2的热力单元的热力值差a2,然后判断该热力值差a2是否小于400,假设该热力值差a2小于400,则智慧医疗服务系统100确定该第2个兴趣热力分布信息清单CL2与该第1个兴趣热力分布信息清单CL1位于同一热力静态标签。再示例地,对于分簇对象中的第3个兴趣热力分布信息清单CL3,智慧医疗服务系统100采用热力值差公式确定该分簇对象的前3个兴趣热力分布信息清单(也即是兴趣热力分布信息清单CL1~兴趣热力分布信息清单CL3)中,与该分簇对象中第1个兴趣热力分布信息清单CL1位于同一热力静态标签的兴趣热力分布信息清单的热力单元与第3个兴趣热力分布信息清单CL3的热力单元的热力值差a3,然后判断该热力值差a3是否小于400,假设该热力值差a3大于等于400,则智慧医疗服务系统100确定该第3个兴趣热力分布信息清单CL3与该第1个兴趣热力分布信息清单CL1位于不同热力静态标签。又示例地,对于分簇对象中的第4个兴趣热力分布信息清单CL4,智慧医疗服务系统100采用热力值差公式确定该分簇对象的前4个兴趣热力分布信息清单(也即是兴趣热力分布信息清单CL1~兴趣热力分布信息清单CL4)中,与该分簇对象中第1个兴趣热力分布信息清单CL1位于同一热力静态标签的兴趣热力分布信息清单的热力单元与第4个兴趣热力分布信息清单CL4的热力单元的热力值差a4,然后判断该热力值差a4是否小于400,假设该热力值差a4大于等于400,则智慧医疗服务系统100确定该第4个兴趣热力分布信息清单CL4与该第1个兴趣热力分布信息清单CL1位于不同热力静态标签。需要说明的是,由于分簇对象中的第3个兴趣热力分布信息清单CL3与第1个兴趣热力分布信息清单CL1位于不同热力静态标签,因此在确定分簇对象中的第4个兴趣热力分布信息清单CL4与第1个兴趣热力分布信息清单CL1是否位于同一热力静态标签时,计算热力值差的过程无需考虑第3个兴趣热力分布信息清单CL3的位置。
子步骤S264,当分簇对象存在与该分簇对象的第1个兴趣热力分布信息清单位于不同热力静态标签的至少一个兴趣热力分布信息清单时,将分簇对象更新为该至少一个兴趣热力分布信息清单构成的序列,重复执行热力静态标签划分过程,直至确定出多个兴趣热力分布信息清单中的每个兴趣热力分布信息清单所在热力静态标签。
一种实施例中,在执行子步骤S263的过程中,如果智慧医疗服务系统100确定分簇对象(也即是排序得到的兴趣热力分布信息清单序列)存在与该分簇对象的第1个兴趣热力分布信息清单位于不同热力静态标签的至少一个兴趣热力分布信息清单,则智慧医疗服务系统100将分簇对象更新为由该至少一个兴趣热力分布信息清单构成的序列,重复执行上述热力静态标签划分过程,直至确定出多个兴趣热力分布信息清单中的每个兴趣热力分布信息清单所在热力静态标签。
示例地,由子步骤S263可知,分簇对象中的兴趣热力分布信息清单CL3和兴趣热力分布信息清单CL4与该分簇对象的第1个兴趣热力分布信息清单CL1位于不同热力静态标签,因此智慧医疗服务系统100将分簇对象更新为兴趣热力分布信息清单CL3和兴趣热力分布信息清单CL4构成的序列,重复执行热力静态标签划分过程,直至确定出兴趣热力分布信息清单CL3和兴趣热力分布信息清单CL4所在热力静态标签。以兴趣热力分布信息清单CL3和兴趣热力分布信息清单CL4构成的序列为分簇对象执行热力静态标签划分过程的实现过程可以参考上述子步骤S263,本公开实施例在此不再赘述,但是需要说明的是,在以兴趣热力分布信息清单CL3和兴趣热力分布信息清单CL4构成的序列为分簇对象执行热力静态标签划分过程时,该分簇对象的第1个兴趣热力分布信息清单为兴趣热力分布信息清单CL3。
本领域技术人员容易理解,通过执行该步骤S260,智慧医疗服务系统100可以确定出多个兴趣热力分布信息清单中的各个兴趣热力分布信息清单所在热力静态标签,也即是,可以确定出多个兴趣热力分布信息清单中,哪些兴趣热力分布信息清单位于同一热力静态标签。
步骤S270,同步关联配置多个兴趣热力分布信息清单中的每个兴趣热力分布信息清单的产品服务关联位置和产品服务关联区间中的多种,使多个兴趣热力分布信息清单中位于同一热力静态标签的兴趣热力分布信息清单同步关联对应的产品服务数据,位于同一热力动态标签的兴趣热力分布信息清单同步关联对应的产品服务数据。
一种实施例中,步骤S270可以通过以下示例性的子步骤实现,具体描述如下。
子步骤S271,根据对多个兴趣热力分布信息清单进行初始产品服务数据关联的结果,确定多个兴趣热力分布信息清单的热力静态标签分布信息,热力静态标签分布信息指示每个热力静态标签的兴趣热力分布信息清单的分布范围。
对多个兴趣热力分布信息清单进行初始产品服务数据关联,可以确定出该多个兴趣热力分布信息清单中,位于同一热力静态标签的兴趣热力分布信息清单,从而确定出每个热力静态标签的兴趣热力分布信息清单的分布范围,因此智慧医疗服务系统100可以根据对该多个兴趣热力分布信息清单进行初始产品服务数据关联的结果,确定该多个兴趣热力分布信息清单的热力静态标签分布信息,该热力静态标签分布信息指示每个热力静态标签的兴趣热力分布信息清单的分布范围。
子步骤S272,根据同步关联配置服务的同步关联配置参数、目标热力业务融合属性和每个热力静态标签的兴趣热力分布信息清单的分布范围,确定每个热力静态标签的兴趣热力分布信息清单中的各个兴趣热力分布信息清单的目标同步关联配置参数。
其中,同步关联配置服务可以是相关业务服务的内容服务平台,或者是该内容服务平台中的某个区域,该某个区域可以是用户在内容服务平台中选择的,也可以是智慧医疗服务系统100对相关业务服务的内容服务平台进热力静态标签划分得到的,则相应的,同步关联配置服务的同步关联配置参数可以是内容服务平台的同步关联配置参数,或者是该某一区域的同步关联配置参数。目标热力业务融合属性可以根据实际情况确定,例如,由智慧医疗服务系统100根据同步关联配置服务的同步关联配置参数以及需要达到的同步关联配置效果确定。
子步骤S273,确定每个热力静态标签的兴趣热力分布信息清单中,每种热力标签的兴趣热力分布信息的目标兴趣热力分布范围。
一种实施例中,智慧医疗服务系统100可以将每个热力静态标签的兴趣热力分布信息清单中,每种热力标签的兴趣热力分布信息的兴趣热力分布范围的交叉范围,确定为该每个热力静态标签的兴趣热力分布信息清单中,该每种热力标签的兴趣热力分布信息的目标兴趣热力分布范围。
示例地,第1热力静态标签R1包括直接兴趣热力分布信息R1,直接兴趣热力分布信息R2,间接兴趣热力分布信息R1~间接兴趣热力分布信息R4,长期兴趣热力分布信息O1和长期兴趣热力分布信息O2,则智慧医疗服务系统100将直接兴趣热力分布信息R1与直接兴趣热力分布信息R2的兴趣热力分布范围的交叉范围确定为该第1热力静态标签R1中的直接兴趣热力分布信息的目标兴趣热力分布范围,将间接兴趣热力分布信息R1~间接兴趣热力分布信息R4的兴趣热力分布范围的交叉范围确定为该第1热力静态标签R1中的间接兴趣热力分布信息的目标兴趣热力分布范围,将长期兴趣热力分布信息O1与长期兴趣热力分布信息O2的兴趣热力分布范围的交叉范围确定为该第1热力静态标签R1中的长期兴趣热力分布信息的目标兴趣热力分布范围。同理,智慧医疗服务系统100可以确定第2热力静态标签R2中的每种热力标签的兴趣热力分布信息的目标兴趣热力分布范围。容易理解,每个热力静态标签的兴趣热力分布信息清单中,不同热力标签的兴趣热力分布信息的目标兴趣热力分布范围可以相同或不同。
子步骤S274,同步关联配置多个兴趣热力分布信息清单中的每个兴趣热力分布信息清单的产品服务关联位置和产品服务关联区间中的多种,使每个热力静态标签的兴趣热力分布信息清单中的各个兴趣热力分布信息清单的同步关联配置参数匹配目标同步关联配置参数,每个热力静态标签的兴趣热力分布信息清单中每种热力标签的兴趣热力分布信息的兴趣热力分布范围匹配目标兴趣热力分布范围,相关联的兴趣热力分布信息清单的热力业务融合属性匹配目标热力业务融合属性,且兴趣热力分布信息清单中的相关联兴趣热力分布信息的热力业务融合属性匹配目标热力业务融合属性。
一种实施例中,智慧医疗服务系统100可以根据多个兴趣热力分布信息清单的网络位置信息,同步关联配置每个兴趣热力分布信息清单在目标医疗热搜网络中的位置,根据子步骤S272确定出的目标同步关联配置参数,上述子步骤S272确定出目标兴趣热力分布范围,以及目标热力业务融合属性同步关联配置各个兴趣热力分布信息清单的产品服务关联区间,使每个热力静态标签的兴趣热力分布信息清单中的各个兴趣热力分布信息清单的同步关联配置参数匹配目标同步关联配置参数,每个热力静态标签的兴趣热力分布信息清单中每种热力标签的兴趣热力分布信息的兴趣热力分布范围匹配目标兴趣热力分布范围,相关联的兴趣热力分布信息清单的热力业务融合属性匹配目标热力业务融合属性,且每个兴趣热力分布信息清单中的相关联兴趣热力分布信息的热力业务融合属性匹配目标热力业务融合属性。其中,该子步骤S274所述的目标热力业务融合属性通常与上述子步骤S272所述的目标热力业务融合属性相同。
示例地,结合前述示例,对多个兴趣热力分布信息清单进行同步关联配置之后,位于第1热力静态标签R1的兴趣热力分布信息清单CL1和兴趣热力分布信息清单CL2同步关联对应的产品服务数据,且兴趣热力分布信息清单CL1和兴趣热力分布信息清单CL2中,类型相同的兴趣热力分布信息同步关联对应的产品服务数据,位于第2热力静态标签R2的兴趣热力分布信息清单CL3和兴趣热力分布信息清单CL4同步关联对应的产品服务数据,且兴趣热力分布信息清单CL3和兴趣热力分布信息清单CL4中,类型相同的兴趣热力分布信息同步关联对应的产品服务数据,且位于同一热力动态标签的兴趣热力分布信息清单CL1和兴趣热力分布信息清单CL3同步关联对应的产品服务数据,且兴趣热力分布信息清单CL1和兴趣热力分布信息清单CL3中,类型相同的兴趣热力分布信息同步关联对应的产品服务数据,位于同一热力动态标签的兴趣热力分布信息清单CL2和兴趣热力分布信息清单CL4同步关联对应的产品服务数据,且兴趣热力分布信息清单CL2和兴趣热力分布信息清单CL4中,类型相同的兴趣热力分布信息同步关联对应的产品服务数据。
本领域技术人员容易理解,上述步骤S260至步骤S270是实现兴趣热力分布信息清单产品服务数据关联且同步关联对应的产品服务数据的步骤,也即是,上述步骤S220至步骤S250能够实施成为前述实施例的步骤S130,本公开实施例对此不做限定。
一种实施例中,本公开实施例还提供一种基于智慧医疗大数据的智慧医疗兴趣服务确定方法,可以包括以下步骤。
步骤A110,获取目标智慧医疗大数据的医疗咨询行为,其中,医疗咨询行为关联了一组医疗服务行为数据,一组医疗服务行为数据中的每个医疗服务行为数据用于表示一组医疗推荐会话数据中对应的一个医疗推荐会话数据,目标智慧医疗大数据为一组医疗推荐会话数据的智慧医疗大数据。
步骤A120,根据医疗咨询行为,在每个医疗服务行为数据上确定出一个目标咨询兴趣词条,得到一组目标咨询兴趣词条,其中,一组目标咨询兴趣词条对应的一组医疗服务内容相互之间不关联,一组医疗服务内容中的每个医疗服务内容包括一组目标咨询兴趣词条中对应的一个目标咨询兴趣词条,一组医疗服务内容中的每个医疗服务内容引用于一组医疗服务行为数据中对应的一个医疗服务行为数据。
步骤A130,根据一组目标咨询兴趣词条,确定目标智慧医疗大数据的智慧医疗兴趣服务集。
例如,在本实施例中,上述医疗咨询行为关联了一组医疗服务行为数据,如一组医疗服务行为数据至少包括3个医疗服务行为数据,1个医疗服务行为数据对应一个医疗推荐会话数据。
其中,在本实施例中,上述医疗服务内容的词条热点属性可以包括但不限于医疗资源属性、医疗资讯属性、医疗科普属性等。
在本实施例中,一组医疗服务内容中的每个医疗服务内容引用于一组医疗服务行为数据中对应的一个医疗服务行为数据,可以包括但不限于:一组目标医疗服务内容中的每个目标医疗服务内容的内容标签引用于一组医疗服务行为数据中对应的一个医疗服务行为数据、且相关于一组目标咨询兴趣词条中对应的目标咨询兴趣词条。
其中,一组医疗服务内容中的每个医疗服务内容引用于一组医疗服务行为数据中对应的一个医疗服务行为数据,可以包括但不限于:医疗服务内容的内容标签引用于医疗服务行为数据,医疗服务内容的内容标签引用于目标咨询兴趣词条,例如,医疗服务内容的为医疗科普属性,医疗科普属性的内容标签引用于目标咨询兴趣词条A,则医疗服务内容引用与医疗推荐会话数据区域。
需要说明的是,在本实施例中,上述一组目标咨询兴趣词条对应的一组医疗服务内容相互之间不关联。
例如,在实施例中,步骤A120可以包括:重复执行以下步骤,直到在每个医疗服务行为数据上确定出一个目标咨询兴趣词条:
步骤A121,在一组医疗服务行为数据中尚未确定出目标咨询兴趣词条的医疗服务行为数据上确定一个当前咨询兴趣词条,得到一组当前咨询兴趣词条,其中,每个当前咨询兴趣词条与医疗咨询行为之间的业务相关度相同;
步骤A122,为一组当前咨询兴趣词条中的每个当前咨询兴趣词条设置对应的一个当前医疗服务内容,得到一组当前医疗服务内容,其中,一组当前医疗服务内容中的每个当前医疗服务内容以一组当前咨询兴趣词条中对应的一个当前咨询兴趣词条为参照对象,一组当前医疗服务内容中的每个当前医疗服务内容引用于一组医疗服务行为数据中对应的一个医疗服务行为数据;
步骤A123,在一组当前医疗服务内容中存在与其它当前医疗服务内容不关联的一个当前医疗服务内容的情况下,将一个当前医疗服务内容所对应的当前咨询兴趣词条确定为对应的一个医疗服务行为数据上的目标咨询兴趣词条,其中,其它当前医疗服务内容是一组当前医疗服务内容中除一个当前医疗服务内容之外的当前医疗服务内容。
在本实施例中,在一组医疗服务行为数据中将目标医疗推荐会话数据点确定为医疗咨询行为,其中,每个医疗服务行为数据上设置有一组医疗推荐会话数据点,目标医疗推荐会话数据点与至少3个医疗推荐会话数据点相连。
其中,例如,医疗科普属性医疗服务内容1、医疗科普属性医疗服务内容2存在重叠部分,则需要向远离医疗咨询行为的触发节点路径更新,直到医疗科普属性医疗服务内容1、医疗科普属性医疗服务内容2不关联时,将不关联时医疗科普属性医疗服务内容1的咨询兴趣词条确定为目标咨询兴趣词条、医疗科普属性医疗服务内容2的咨询兴趣词条确定为目标咨询兴趣词条。
需要说明的是,在本实施例中,医疗服务内容移动可以按照预设的业务相关度,按照匹配医疗咨询行为的触发节点路径,在一组医疗服务行为数据中尚未确定出目标咨询兴趣词条的医疗服务行为数据上确定一个当前咨询兴趣词条。
在本实施例中,可以根据医疗咨询行为确定一组医疗服务行为数据的一组咨询兴趣词条,根据一组咨询兴趣词条设置一组医疗服务内容,其中,一组医疗服务内容中的每个医疗服务内容中的内容标签引用于对应的咨询兴趣词条,也就是说,以咨询兴趣词条作一个引用于医疗服务行为数据的直线,以该内容标签为参照对象线确定医疗服务内容,得到一组医疗服务内容。
其中,上述设置的医疗服务内容词条热点属性可以包括但不限于医疗资源属性、医疗资讯属性等。
例如,在本实施例中,在一组医疗服务行为数据中尚未确定出目标咨询兴趣词条的医疗服务行为数据上确定一个当前咨询兴趣词条,得到一组当前咨询兴趣词条,可以包括:按照匹配医疗咨询行为的触发节点路径,在一组医疗服务行为数据中尚未确定出目标咨询兴趣词条的医疗服务行为数据上确定一个当前咨询兴趣词条,得到一组当前咨询兴趣词条,其中,对于每条尚未确定出目标咨询兴趣词条的医疗服务行为数据,本次确定的当前咨询兴趣词条与医疗咨询行为的业务相关度大于上次确定的咨询兴趣词条与医疗咨询行为的业务相关度。
例如,在本实施中,为一组当前咨询兴趣词条中的每个当前咨询兴趣词条设置对应的一个当前医疗服务内容,得到一组当前医疗服务内容,可以包括:为一组当前咨询兴趣词条中的每个当前咨询兴趣词条设置对应的词条热点属性相同的一个当前医疗服务内容,得到一组当前医疗服务内容,其中,一组当前医疗服务内容中的每个当前医疗服务内容的内容标签引用于一组医疗服务行为数据中对应的一个医疗服务行为数据、且相关于一组当前咨询兴趣词条中对应的当前咨询兴趣词条。
在本实施例中,一组当前咨询兴趣词条中对应的当前医疗服务内容可以词条热点属性相同,医疗服务内容的内容标签引用于医疗服务行为数据,医疗服务内容的内容标签引用于目标咨询兴趣词条。例如,一组3个当前咨询兴趣词条设置的当前医疗服务内容均是医疗科普属性医疗服务内容。
需要说明的是,为一组当前咨询兴趣词条中的每个当前咨询兴趣词条设置对应的词条热点属性和词条业务区间相同的一个当前医疗服务内容,得到一组当前医疗服务内容,可以包括:
步骤A210,为一组当前咨询兴趣词条中的每个当前咨询兴趣词条设置对应的词条热点属性和词条业务区间相同的一个当前医疗服务内容,得到一组当前医疗服务内容;或者
步骤A220,为一组当前咨询兴趣词条中的每个当前咨询兴趣词条设置对应的词条热点属性相同的一个当前医疗服务内容,得到一组当前医疗服务内容,其中,每个当前医疗服务内容的引用强度大于或等于对应的当前咨询兴趣词条上的医疗推荐会话引用强度。
在本实施例中,上述当前医疗服务内容的词条热点属性可以包括但不限于医疗资源属性、医疗资讯属性、医疗科普属性,医疗服务内容的引用强度可以与所在医疗服务行为数据对应的医疗推荐会话引用强度相同,也可以大于所在医疗服务行为数据对应的医疗推荐会话引用强度。如医疗服务内容可以是医疗科普属性医疗服务内容。
通过本申请提供的实施例,以医疗咨询行为为参照对象在每个医疗服务行为数据上确定目标咨询兴趣词条,根据目标咨询兴趣词条以及对应的每个医疗服务行为保存的引用强度数据,形成与目标咨询兴趣词条对应的医疗服务内容,其中,一组医疗服务内容相互之间不关联,进而根据确定的一组咨询兴趣词条确定智慧医疗兴趣服务集,从而根据智慧医疗兴趣服务集对所述医疗业务分布设备进行产品服务推荐,结合医疗咨询行为和医疗服务行为数据上确定的目标咨询兴趣词条之间的联系,可以提高产品服务推荐准确性。
例如,在本实施例中,根据一组目标咨询兴趣词条,确定目标智慧医疗大数据的智慧医疗兴趣服务集,可以包括:在一组目标咨询兴趣词条中的每个目标咨询兴趣词条处生成一个引用网络节点,得到一组引用网络节点,其中,一组引用网络节点中的每个引用网络节点关联于对应的目标咨询兴趣词条,与对应的医疗服务行为数据形成知识图谱引用关系;根据一组引用网络节点,确定目标智慧医疗大数据的智慧医疗兴趣服务集。
在本实施例中,根据一组目标咨询兴趣词条中的每个目标咨询兴趣词条生成一个引用于医疗服务行为数据的兴趣节点,得到一组引用网络节点,其中,一组引用网络节点的引用强度可以相同、也可以不同。一组引用网络节点的兴趣节点引用强度可以大于对应医疗服务行为数据所在医疗推荐会话数据的引用强度。
需要说明的是,在一组目标咨询兴趣词条中的每个目标咨询兴趣词条处生成一个引用网络节点,得到一组引用网络节点,可以包括:
在每个目标咨询兴趣词条处生成一个引用强度相同的引用网络节点,得到一组引用网络节点,其中,一组引用网络节点中的每个引用网络节点以对应的目标咨询兴趣词条为参照对象,或者,一组引用网络节点中的每个引用网络节点以对应的目标咨询兴趣词条为被参照对象;或者
在每个目标咨询兴趣词条处生成一个引用网络节点,得到一组引用网络节点,其中,一组引用网络节点中的每个引用网络节点的引用强度等于对应的目标咨询兴趣词条处的医疗推荐会话引用强度,一组引用网络节点中的每个引用网络节点以对应的目标咨询兴趣词条为参照对象,或者,一组引用网络节点中的每个引用网络节点以对应的目标咨询兴趣词条为被参照对象。
例如,在本实施例中,根据一组引用网络节点,确定目标智慧医疗大数据的智慧医疗兴趣服务集,可以包括:对一组引用网络节点进行实体关联,形成引用网络业务分区,其中,智慧医疗兴趣服务集为引用网络业务分区,引用网络业务分区的会话兴趣数据部分包括一组引用网络节点。
其中,对一组引用网络节点进行实体关联,形成引用网络业务分区,可以包括:对一组引用网络节点中相邻的两个引用网络节点进行实体关联,得到实体关联路径,其中,实体关联路径的词条热点属性与两个目标咨询兴趣词条之间的医疗服务行为数据的词条热点属性匹配,两个目标咨询兴趣词条包括相邻的两个引用网络节点上的目标咨询兴趣词条。
在本实施例中,例如可以根据一组引用网络节点中的相邻两个兴趣节点的被参照对象确定参照目标,依次连接两个兴趣节点的同一侧的两个被参照对象和参照目标,形成引用网络业务分区。
例如,在本实施例中,在一组目标咨询兴趣词条中的每个目标咨询兴趣词条处生成一个引用网络节点,得到一组引用网络节点,可以包括:在一组目标咨询兴趣词条中的每个目标咨询兴趣词条处生成一个引用实体,将每个引用实体上位于一组医疗推荐会话数据的会话兴趣数据部分之间的兴趣节点确定为对应的一个引用网络节点,其中,每个引用实体引用于对应的目标咨询兴趣词条,与对应的医疗服务行为数据形成知识图谱引用关系。
根据一组引用网络节点,确定目标智慧医疗大数据的智慧医疗兴趣服务集,可以包括:将一组引用网络节点与一组医疗推荐会话数据的会话兴趣数据部分形成的服务集确定为目标智慧医疗大数据的智慧医疗兴趣服务集。
图3为本公开实施例提供的基于智慧医疗大数据的信息提示装置300的功能模块示意图,下面分别对该基于智慧医疗大数据的信息提示装置300的各个功能模块的功能进行详细阐述。
获取模块310,用于根据医疗业务分布设备的目标智慧医疗大数据的智慧医疗兴趣服务集对医疗业务分布设备进行产品服务推荐,并获取针对推荐的产品服务数据的频繁意图行为数据。
获得模块320,用于基于预先训练的用户画像分类模型对频繁意图行为数据进行分析,获得频繁意图行为数据对应的用户画像序列。
提示模块330,用于根据频繁意图行为数据对应的用户画像序列,对目标智慧医疗大数据对应的智慧医疗关注用户进行信息提示。
图4示出了本公开实施例提供的用于实现上述的基于智慧医疗大数据的信息提示方法的智慧医疗服务系统100的硬件结构示意图,如图4所示,智慧医疗服务系统100可包括处理器110、机器可读存储介质120、总线130以及通信单元140。
在具体实现过程中,至少一个处理器110执行机器可读存储介质120存储的计算机执行指令,使得处理器110可以执行如上方法实施例的基于智慧医疗大数据的信息提示方法,处理器110、机器可读存储介质120以及通信单元140通过总线130连接,处理器110可以用于控制通信单元140的收发动作,从而可以与前述的医疗业务分布设备200进行数据收发。
处理器110的具体实现过程可参见上述智慧医疗服务系统100执行的各个方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
此外,本公开实施例还提供一种可读存储介质,所述可读存储介质中预设有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上基于智慧医疗大数据的信息提示方法。
最后,应当理解的是,本说明书中实施例仅用以说明本说明书实施例的原则。其它的变形也可能属于本说明书范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导匹配。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种基于智慧医疗大数据的信息提示方法,其特征在于,应用于智慧医疗服务系统,所述智慧医疗服务系统与所述多个医疗业务分布设备通信连接,所述方法包括:
根据所述医疗业务分布设备的目标智慧医疗大数据的智慧医疗兴趣服务集对所述医疗业务分布设备进行产品服务推荐,并获取针对推荐的产品服务数据的频繁意图行为数据;
基于预先训练的用户画像分类模型对所述频繁意图行为数据进行分析,获得所述频繁意图行为数据对应的用户画像序列;
根据所述频繁意图行为数据对应的用户画像序列,对所述目标智慧医疗大数据对应的智慧医疗关注用户进行信息提示。
2.根据权利要求1所述的基于智慧医疗大数据的信息提示方法,其特征在于,所述根据所述医疗业务分布设备的目标智慧医疗大数据的智慧医疗兴趣服务集对所述医疗业务分布设备进行产品服务推荐的步骤,包括:
根据所述目标智慧医疗大数据的智慧医疗兴趣服务集中每个智慧医疗兴趣服务下的各个目标热点信息行为的热点类别属性集,获取每个智慧医疗兴趣服务下的多个兴趣热力分布信息;
确定所述多个兴趣热力分布信息的热力标签信息,所述多个兴趣热力分布信息中存在多种热力标签的兴趣热力分布信息,所述热力标签信息指示所述多个兴趣热力分布信息中每种热力标签的兴趣热力分布信息的分布范围,所述多个兴趣热力分布信息中不同热力标签的兴趣热力分布信息的分布范围呈预设分布关系;
根据所述多个兴趣热力分布信息的热力标签信息,对所述多个兴趣热力分布信息进行清单整理得到多个兴趣热力分布信息清单,所述兴趣热力分布信息清单包括多种热力标签的兴趣热力分布信息;
对所述多个兴趣热力分布信息清单进行产品服务数据关联,使所述多个兴趣热力分布信息清单中位于同一热力静态标签的所述兴趣热力分布信息清单同步关联对应的产品服务数据,位于同一热力动态标签的所述兴趣热力分布信息清单同步关联对应的产品服务数据。
3.根据权利要求2所述的基于智慧医疗大数据的信息提示方法,其特征在于,所述根据所述多个兴趣热力分布信息的热力标签信息,对所述多个兴趣热力分布信息进行清单整理得到多个兴趣热力分布信息清单,包括:
根据所述多个兴趣热力分布信息的热力标签信息,确定清单数值参数;
根据所述多个兴趣热力分布信息中每种热力标签的兴趣热力分布信息的分布范围和所述清单数值参数,确定所述兴趣热力分布信息清单中所述每种热力标签的兴趣热力分布信息的分布范围;
根据所述兴趣热力分布信息清单中多种热力标签的兴趣热力分布信息的分布范围,对所述多个兴趣热力分布信息执行至少两次清单整理流程得到所述多个兴趣热力分布信息清单,每次清单整理流程用于确定一个所述兴趣热力分布信息清单的多种热力标签的兴趣热力分布信息。
4.根据权利要求3所述的基于智慧医疗大数据的信息提示方法,其特征在于,在根据所述兴趣热力分布信息清单中多种热力标签的兴趣热力分布信息的分布范围,对所述多个兴趣热力分布信息执行至少两次清单整理流程得到所述多个兴趣热力分布信息清单之前,所述方法还包括:
对所述每种热力标签的兴趣热力分布信息进行排序,得到所述每种热力标签的兴趣热力分布信息列表;
所述根据所述兴趣热力分布信息清单中多种热力标签的兴趣热力分布信息的分布范围,对所述多个兴趣热力分布信息执行至少两次清单整理流程得到所述多个兴趣热力分布信息清单,包括:
根据所述兴趣热力分布信息清单中多种热力标签的兴趣热力分布信息的分布范围,对所述多个兴趣热力分布信息执行至少两次清单整理流程得到所述多个兴趣热力分布信息清单,执行第k次清单整理流程得到的所述兴趣热力分布信息清单中,所述每种热力标签的兴趣热力分布信息为所述每种热力标签的兴趣热力分布信息列表中兴趣热力单元属于目标排列区间的兴趣热力分布信息。
5.根据权利要求4所述的基于智慧医疗大数据的信息提示方法,其特征在于,所述对所述每种热力标签的兴趣热力分布信息进行排序,得到所述每种热力标签的兴趣热力分布信息列表,包括:
确定所述多个兴趣热力分布信息中的每个兴趣热力分布信息在目标医疗热搜网络中的网络位置信息;
对于所述每种热力标签的任意两个兴趣热力分布信息,当所述任意两个兴趣热力分布信息的热力单元的热力值差小于第一热力值差时,按照所述任意两个兴趣热力分布信息的兴趣单元的热力表现顺序对所述任意两个兴趣热力分布信息进行排序,当所述任意两个兴趣热力分布信息的热力单元的热力值差大于等于所述第一热力值差时,按照所述任意两个兴趣热力分布信息的热力单元的热力表现顺序对所述任意两个兴趣热力分布信息进行排序,得到初始兴趣热力分布信息簇,所述初始兴趣热力分布信息簇中每相关联的n个兴趣热力分布信息构成一个兴趣热力分布信息子簇,所述初始兴趣热力分布信息簇包括m个兴趣热力分布信息子簇;
根据所述初始兴趣热力分布信息簇中,每个兴趣热力分布信息子簇中的n个兴趣热力分布信息的网络位置信息,确定所述每个兴趣热力分布信息子簇的网络位置信息,得到所述m个兴趣热力分布信息子簇的网络位置信息;
对于所述m个兴趣热力分布信息子簇中的任意两个兴趣热力分布信息子簇,当所述任意两个兴趣热力分布信息子簇的兴趣单元的热力值差小于第二热力值差时,按照所述任意两个兴趣热力分布信息子簇的热力单元的热力表现顺序对所述任意两个兴趣热力分布信息子簇进行排序,当所述任意两个兴趣热力分布信息子簇的兴趣单元的热力值差大于等于所述第二热力值差时,按照所述任意两个兴趣热力分布信息子簇的兴趣单元的热力表现顺序对所述任意两个兴趣热力分布信息子簇进行排序,得到所述每种热力标签的兴趣热力分布信息列表;
所述根据所述兴趣热力分布信息清单中多种热力标签的兴趣热力分布信息的分布范围,对所述多个兴趣热力分布信息执行至少两次清单整理流程得到所述多个兴趣热力分布信息清单,包括:
根据所述兴趣热力分布信息清单中多种热力标签的兴趣热力分布信息的分布范围,对所述多个兴趣热力分布信息执行至少两次清单整理流程得到所述多个兴趣热力分布信息清单,所述兴趣热力分布信息清单中的各个兴趣热力分布信息按照兴趣单元的热力表现顺序排序。
6.根据权利要求2-5中任意一项所述的基于智慧医疗大数据的信息提示方法,其特征在于,所述对所述多个兴趣热力分布信息清单进行产品服务数据关联,使所述多个兴趣热力分布信息清单中位于同一热力静态标签的所述兴趣热力分布信息清单同步关联对应的产品服务数据,且位于同一热力动态标签的所述兴趣热力分布信息清单同步关联对应的产品服务数据,包括:
根据所述多个兴趣热力分布信息清单中的每个兴趣热力分布信息清单所包括的兴趣热力分布信息的人群兴趣点,对所述多个兴趣热力分布信息清单进行初始产品服务数据关联;
同步关联配置所述多个兴趣热力分布信息清单中的每个兴趣热力分布信息清单的产品服务关联位置和产品服务关联区间中的多种,使所述多个兴趣热力分布信息清单中位于同一热力静态标签的所述兴趣热力分布信息清单同步关联对应的产品服务数据,位于同一热力动态标签的所述兴趣热力分布信息清单同步关联对应的产品服务数据。
7.根据权利要求6所述的基于智慧医疗大数据的信息提示方法,其特征在于,所述根据所述多个兴趣热力分布信息清单中的每个兴趣热力分布信息清单所包括的兴趣热力分布信息的人群兴趣点,对所述多个兴趣热力分布信息清单进行初始产品服务数据关联,包括:
对于所述多个兴趣热力分布信息清单中的每个兴趣热力分布信息清单,根据所述兴趣热力分布信息清单中的兴趣热力分布信息在医疗热搜网络中的网络位置信息,确定所述兴趣热力分布信息清单在目标医疗热搜网络中的网络位置信息;
根据所述多个兴趣热力分布信息清单的网络位置信息,对所述多个兴趣热力分布信息清单进行排序,得到兴趣热力分布信息清单序列;
以所述兴趣热力分布信息清单序列为分簇对象执行热力静态标签划分过程,所述热力静态标签划分过程包括:
依次对所述分簇对象中的每个兴趣热力分布信息清单执行判断子过程,对所述分簇对象中的第i个兴趣热力分布信息清单执行的判断子过程包括:
确定所述分簇对象的前i个兴趣热力分布信息清单中,与所述分簇对象中第1个兴趣热力分布信息清单位于同一热力静态标签的兴趣热力分布信息清单的热力单元与所述第i个兴趣热力分布信息清单的热力单元的热力值差,i≥1;当所述热力值差小于目标热力值差时,确定所述第i个兴趣热力分布信息清单与所述第1个兴趣热力分布信息清单位于同一热力静态标签;
当所述热力值差大于等于所述目标热力值差时,确定所述第i个兴趣热力分布信息清单与所述第1个兴趣热力分布信息清单位于不同热力静态标签;
当所述分簇对象存在与所述第1个兴趣热力分布信息清单位于不同热力静态标签的至少一个兴趣热力分布信息清单时,将所述分簇对象更新为所述至少一个兴趣热力分布信息清单构成的序列,重复执行所述热力静态标签划分过程,直至确定出所述多个兴趣热力分布信息清单中的每个兴趣热力分布信息清单所在热力静态标签。
8.根据权利要求6所述的基于智慧医疗大数据的信息提示方法,其特征在于,所述同步关联配置所述多个兴趣热力分布信息清单中的每个兴趣热力分布信息清单的产品服务关联位置和产品服务关联区间中的多种,使所述多个兴趣热力分布信息清单中位于同一热力静态标签的所述兴趣热力分布信息清单同步关联对应的产品服务数据,位于同一热力动态标签的所述兴趣热力分布信息清单同步关联对应的产品服务数据,包括:
根据对所述多个兴趣热力分布信息清单进行初始产品服务数据关联的结果,确定所述多个兴趣热力分布信息清单的热力静态标签分布信息,所述热力静态标签分布信息指示每个热力静态标签的兴趣热力分布信息清单的分布范围;
根据同步关联配置服务的同步关联配置参数、目标热力业务融合属性和所述每个热力静态标签的兴趣热力分布信息清单的分布范围,确定所述每个热力静态标签的兴趣热力分布信息清单中的各个兴趣热力分布信息清单的目标同步关联配置参数;
确定所述每个热力静态标签的兴趣热力分布信息清单中,每种热力标签的兴趣热力分布信息的目标兴趣热力分布范围;
同步关联配置所述多个兴趣热力分布信息清单中的每个兴趣热力分布信息清单的产品服务关联位置和产品服务关联区间中的多种,使所述每个热力静态标签的兴趣热力分布信息清单中的各个兴趣热力分布信息清单的同步关联配置参数匹配所述目标同步关联配置参数,所述每个热力静态标签的兴趣热力分布信息清单中所述每种热力标签的兴趣热力分布信息的兴趣热力分布范围匹配所述目标兴趣热力分布范围,相关联的所述兴趣热力分布信息清单的热力业务融合属性匹配所述目标热力业务融合属性,且所述兴趣热力分布信息清单中的相关联兴趣热力分布信息的热力业务融合属性匹配所述目标热力业务融合属性。
9.根据权利要求2-7中任意一项所述的基于智慧医疗大数据的信息提示方法,其特征在于,所述根据所述目标智慧医疗大数据的智慧医疗兴趣服务集中每个智慧医疗兴趣服务下的各个目标热点信息行为的热点类别属性集,获取每个智慧医疗兴趣服务下的多个兴趣热力分布信息的步骤,包括:
从待处理的目标热点信息行为中提取出热点触发行为集,所述热点触发行为集中包括多个热点触发行为,且所述多个热点触发行为中至少包括热点触发路径数据;
采用所述多个热点触发行为构建所述目标热点信息行为的长期兴趣主题空间,所述长期兴趣主题空间中包括多个热点挖掘主题内容;一个热点挖掘主题内容记录一个热点触发行为,且任意两个相映射的热点挖掘主题内容所记录的热点触发行为在所述目标热点信息行为中具有联动触发节点;
基于所述长期兴趣主题空间中的各个热点挖掘主题内容之间的迁移变化规律,计算所述各个热点挖掘主题内容所记录的热点触发行为的迁移热点代价;
根据各个热点触发行为的迁移热点代价从所述热点触发行为集中选取所述目标热点信息行为的参考热点触发路径数据,并采用所述参考热点触发路径数据的热点触发特征向量构建所述目标热点信息行为的兴趣热力标签分类特征,将所述兴趣热力标签分类特征输入到兴趣热力标签分类模型中,获得所述目标热点信息行为的热点类别属性集,所述兴趣热力标签分类特征用于指示所述目标热点信息行为的关键兴趣热力标签特征;
根据每个智慧医疗兴趣服务下的各个目标热点信息行为的热点类别属性集,获取每个智慧医疗兴趣服务下的多个兴趣热力分布信息。
10.一种智慧医疗服务系统,其特征在于,所述智慧医疗服务系统包括处理器、机器可读存储介质和通信单元,所述机器可读存储介质、所述通信单元以及所述处理器之间通过总线系统相关联,所述通信单元用于与至少一个医疗业务分布设备通信连接,所述机器可读存储介质用于存储计算机指令,所述处理器用于执行所述机器可读存储介质中的计算机指令,以执行权利要求1-9中任意一项的基于智慧医疗大数据的信息提示方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110681790.4A CN113299380A (zh) | 2021-06-19 | 2021-06-19 | 基于智慧医疗大数据的信息提示方法及智慧医疗服务系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110681790.4A CN113299380A (zh) | 2021-06-19 | 2021-06-19 | 基于智慧医疗大数据的信息提示方法及智慧医疗服务系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113299380A true CN113299380A (zh) | 2021-08-24 |
Family
ID=77328879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110681790.4A Withdrawn CN113299380A (zh) | 2021-06-19 | 2021-06-19 | 基于智慧医疗大数据的信息提示方法及智慧医疗服务系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113299380A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113807991A (zh) * | 2021-09-17 | 2021-12-17 | 云程科技股份有限公司 | 一种基于知识图谱人工智能nlp技术的主数据saas平台 |
CN114048387A (zh) * | 2021-11-23 | 2022-02-15 | 赵运柱 | 基于大数据和ai预测的内容推荐方法及人工智能云系统 |
-
2021
- 2021-06-19 CN CN202110681790.4A patent/CN113299380A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113807991A (zh) * | 2021-09-17 | 2021-12-17 | 云程科技股份有限公司 | 一种基于知识图谱人工智能nlp技术的主数据saas平台 |
CN114048387A (zh) * | 2021-11-23 | 2022-02-15 | 赵运柱 | 基于大数据和ai预测的内容推荐方法及人工智能云系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ditzler et al. | Learning in nonstationary environments: A survey | |
CN106547887B (zh) | 基于人工智能的搜索推荐方法和装置 | |
Nasa et al. | Evaluation of different classification techniques for web data | |
Rani et al. | Performance analysis of classification algorithms under different datasets | |
CN108776684A (zh) | 知识图谱中边权重的优化方法、装置、介质、设备及系统 | |
Yap et al. | Discovering and exploiting causal dependencies for robust mobile context-aware recommenders | |
CN113299380A (zh) | 基于智慧医疗大数据的信息提示方法及智慧医疗服务系统 | |
US11455161B2 (en) | Utilizing machine learning models for automated software code modification | |
Ye et al. | Variable selection via penalized neural network: a drop-out-one loss approach | |
Bhatt et al. | A survey & current research challenges in meta learning approaches based on dataset characteristics | |
CN111104242A (zh) | 基于深度学习的操作系统的异常日志的处理方法及装置 | |
CN114117240A (zh) | 基于大数据需求分析的互联网内容推送方法及ai系统 | |
CN108459965A (zh) | 一种结合用户反馈和代码依赖的软件可追踪生成方法 | |
Zhang et al. | A novel deep-learning-based QoS prediction model for service recommendation utilizing multi-stage multi-scale feature fusion with individual evaluations | |
CN114221991B (zh) | 基于大数据的会话推荐反馈处理方法及深度学习服务系统 | |
US12014140B2 (en) | Utilizing machine learning and natural language processing to determine mappings between work items of various tools | |
Zhang et al. | Automated workflow synthesis | |
Yang et al. | Defect prediction by using cluster ensembles | |
Chalmers | Machine Learning with Certainty: A Requirement for Intelligent Process Automation | |
Potolea et al. | Meta-learning framework for prediction strategy evaluation | |
CN113468417A (zh) | 基于智慧医疗大数据的产品服务推荐方法及智慧医疗系统 | |
Prabha et al. | A HM Ant Miner using evolutionary algorithm | |
CN113343093A (zh) | 基于人工智能的智慧在线服务信息推荐方法及云计算系统 | |
CN113407837A (zh) | 基于人工智能的智慧医疗大数据处理方法及智慧医疗系统 | |
Midelfart et al. | A rough set framework for learning in a directed acyclic graph |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210824 |
|
WW01 | Invention patent application withdrawn after publication |