CN113468417A - 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 - Google Patents

Abstract

本公开实施例提供一种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，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。

Description

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

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产品服务推荐方法及智慧医疗系统。

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，然而传统的大数据挖掘过程中，考虑到信息不够全面，导致产品服务推荐准确性存在一定偏差。

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产品服务推荐方法及智慧医疗系统。

第一方面，本公开提供一种基于智慧医疗大数据的产品服务推荐方法，应用于智慧医疗系统，所述智慧医疗系统与多个医疗业务分布设备通信连接，所述方法包括：

获取所述医疗业务分布设备的目标智慧医疗大数据的医疗咨询行为，其中，所述医疗咨询行为关联了一组医疗服务行为数据，所述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，所述目标智慧医疗大数据为所述一组医疗推荐会话数据的智慧医疗大数据；

根据所述医疗咨询行为，在每个所述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，所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，所述一组医疗服务内容中的每个医疗服务内容包括所述一组目标咨询兴趣词条中对应的一个目标咨询兴趣词条，所述一组医疗服务内容中的每个医疗服务内容引用于所述一组医疗服务行为数据中对应的一个医疗服务行为数据；

根据所述一组目标咨询兴趣词条，确定所述目标智慧医疗大数据的智慧医疗兴趣服务集；

根据所述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。

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产品服务推荐系统，所述基于智慧医疗大数据的产品服务推荐系统包括智慧医疗系统以及与所述智慧医疗系统通信连接的多个医疗业务分布设备；

所述智慧医疗系统，用于：

获取所述医疗业务分布设备的目标智慧医疗大数据的医疗咨询行为，其中，所述医疗咨询行为关联了一组医疗服务行为数据，所述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，所述目标智慧医疗大数据为所述一组医疗推荐会话数据的智慧医疗大数据；

根据所述医疗咨询行为，在每个所述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，所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，所述一组医疗服务内容中的每个医疗服务内容包括所述一组目标咨询兴趣词条中对应的一个目标咨询兴趣词条，所述一组医疗服务内容中的每个医疗服务内容引用于所述一组医疗服务行为数据中对应的一个医疗服务行为数据；

根据所述一组目标咨询兴趣词条，确定所述目标智慧医疗大数据的智慧医疗兴趣服务集；

根据所述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。

根据上述任意一个方面，本公开提供的实施方式中，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。

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产品服务推荐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产品服务推荐方法的流程示意图；

图3为本公开实施例提供的基于智慧医疗大数据的产品服务推荐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产品服务推荐方法的智慧医疗系统的结构示意框图。

具体实施方式

下面结合说明书附图，对本公开实施例的方案进行详细说明。以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本公开具体实施例。

图1是本公开一种实施例提供的基于智慧医疗大数据的产品服务推荐系统10的场景示意图。基于智慧医疗大数据的产品服务推荐系统10可以包括智慧医疗系统100以及与智慧医疗系统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产品服务推荐系统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产品服务推荐系统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产品服务推荐系统10中的智慧医疗系统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产品服务推荐方法，具体智慧医疗系统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产品服务推荐方法的流程示意图，本实施例提供的基于智慧医疗大数据的产品服务推荐方法可以由图1中所示的智慧医疗系统100执行，下面对该基于智慧医疗大数据的产品服务推荐方法进行详细介绍。

步骤S110，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S120，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S130，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。

步骤S140，根据所述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。

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，对应3个医疗服务行为数据的3个医疗科普属性医疗服务内容，其中，3个医疗科普属性医疗服务内容引用于对应的3个医疗服务行为数据，医疗科普属性医疗服务内容1引用医疗服务行为数据1，医疗科普属性医疗服务内容2引用于医疗服务行为数据2、医疗科普属性医疗服务内容3引用于医疗服务行为数据3。

例如，在实施例中，步骤S120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S121，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S122，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S123，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，例如可以预先获取一组医疗服务行为数据，其中，一组医疗服务行为数据中的每个医疗服务行为中预先会标注多个咨询兴趣词条，多个咨询兴趣词条处会保存该医疗服务行为数据对应的医疗推荐会话引用强度参数。例如，3个医疗服务行为数据上每个医疗服务行为数据当前咨询兴趣词条为咨询兴趣词条1、咨询兴趣词条2、咨询兴趣词条3，3个咨询兴趣词条与医疗咨询行为之间的业务相关度相同。

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，将当前咨询兴趣词条作为医疗服务内容的中心，设置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，例如，为咨询兴趣词条1、咨询兴趣词条2、咨询兴趣词条3作为参照对象分别设置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、医疗科普属性医疗服务内容3。

需要说明的是，在当前医疗服务内容与其它当前医疗服务内容不关联的情况下，将当前医疗服务内容的咨询兴趣词条确定为目标咨询兴趣词条，例如，当前咨询兴趣词条3对应的医疗科普属性医疗服务内容3与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，在将咨询兴趣词条3确定为目标咨询兴趣词条。也就是说，确定目标咨询兴趣词条的过程是不断判断的过程，判断出满足条件的咨询兴趣词条作为目标咨询兴趣词条，目标咨询兴趣词条是医疗服务内容内容标签上的点，一组医疗服务内容相互不关联。

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。

在一组医疗服务内容中存在相互重叠的2个医疗服务内容的情况下，需要在医疗服务行为数据上远离医疗咨询行为方向移动2个检测医疗服务内容，直到2个医疗服务内容不关联，则将不关联时对应的咨询兴趣词条确定为目标咨询兴趣词条。

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S210，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S220，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，例如，引用于3个目标咨询兴趣词条确定3个引用于对应的3个医疗服务行为数据的兴趣节点。引用于咨询兴趣词条1作引用于医疗服务行为数据的引用网络节点1、引用于咨询兴趣词条2作引用于医疗服务行为数据的引用网络节点2、引用于咨询兴趣词条3作引用于医疗服务行为数据的引用网络节点3。

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，根据引用网络节点1在医疗服务行为数据1中得到被参照对象2，引用网络节点3在医疗服务行为数据1中得到被参照对象3，通过被参照对象2和被参照对象3得到分别引用于引用网络节点1和引用网络节点3的引用信息，得到引用网络节点2和引用网络节点4，以及得到引用网络节点2和引用网络节点4的相关属性B，连接被参照对象2、交点B和被参照对象3得到智慧医疗兴趣服务1。按照相同方式，确定智慧医疗兴趣服务2、智慧医疗兴趣服务3。智慧医疗兴趣服务1、智慧医疗兴趣服务2、智慧医疗兴趣服务3以及一组引用网络节点确定出智慧医疗兴趣服务集。

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。

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产品服务推荐方法，包括以下步骤：

步骤A110，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A120，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A130，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A140，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A210，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A220，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A230，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A240，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A240可以通过以下示例性的子步骤实现。

子步骤A241，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A242，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。

子步骤A243，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A244，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。

子步骤A245，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。

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A130，本公开实施例对此不做限定。

步骤A260，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A260可以通过以下示例性的子步骤实现。

子步骤A261，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A262，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。

子步骤A263，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，智慧医疗系统100可以将子步骤A263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。

子步骤A264，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A263的过程中，如果智慧医疗系统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。

本领域技术人员容易理解，通过执行该步骤A260，智慧医疗系统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A270，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A270可以通过以下示例性的子步骤实现，具体描述如下。

子步骤A271，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A272，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A273，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。

子步骤A274，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A272确定出的目标同步关联配置参数，上述子步骤A272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A274所述的目标热力业务融合属性通常与上述子步骤A272所述的目标热力业务融合属性相同。

需要说明的是，本公开实施例提供的兴趣热力分布信息同步关联配置方法步骤的先后顺序可以进行适当同步关联配置，步骤也可以根据情况进行相应增减，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化的方法，都应涵盖在本公开的保护范围之内，因此不再赘述。

一种实施例中，针对步骤A110，可以通过以下示例性的子步骤实现，详细描述如下。

步骤A111，从待处理的目标热点信息行为中提取出热点触发行为集。

经研究表明，对于任一热点信息行为而言，该热点信息行为中通常包括大量的热点触发行为，这些大量的热点触发行为中可包括一个或多个热点触发路径数据；所谓的热点触发路径数据是指由业务跳转过程所构成的热点触发路径的采集大数据。

热点信息行为中的热点触发行为和热点信息行为的关键兴趣热力标签特征在一定程度上是具有关联关系的。因此，本公开实施例提出了可通过热点信息行为中所包括的热点触发行为来确定热点信息行为的关键兴趣热力标签特征的识别构思。基于此识别构思，当存在关于目标热点信息行为的兴趣热力标签特征识别需求时，智慧医疗系统100便可获取待处理的目标热点信息行为。然后，可通过本步骤从该目标热点信息行为中提取出热点触发行为集；此处的热点触发行为集中可包括多个热点触发行为，且该多个热点触发行为中至少包括热点触发路径数据。

步骤A112，采用多个热点触发行为构建目标热点信息行为的长期兴趣主题空间。

一种实施例中，目标热点信息行为的长期兴趣主题空间中可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目标热点信息行为中具有联动触发节点。也就是说，在目标热点信息行为中具有联动触发节点的两个热点触发行为所对应的热点挖掘主题内容，在该长期兴趣主题空间中是相映射的。其中，此处所提及的联动触发节点可包括如下任一种含义：

一种实施例中，上述所提及的联动触发节点可以是指：采用一个业务调用控件在目标热点信息行为上进行业务调用的过程中，两个热点触发行为同时出现在该业务调用控件中的触发节点。

步骤A113，基于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。

在另一种可能的设计思路中，经研究表明，若两个热点触发行为在目标热点信息行为中具有联动触发节点，则由于这两个热点触发行为是同时出现的，因此这两个热点触发行为的迁移热点代价通常是会相互影响的。基于此，智慧医疗系统100在执行步骤A113时，针对任一热点挖掘主题内容所记录的热点触发行为，可通过结合与该任一热点挖掘主题内容相映射的关联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，来计算得到任一热点挖掘主题内容的热点触发行为的迁移热点代价，以提升迁移热点代价的准确性。一种实施例中，针对任一热点挖掘主题内容所记录的热点触发行为，可基于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，确定与该任一热点挖掘主题内容相映射的至少一个关联热点挖掘主题内容；然后，根据各个关联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，计算该任一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。

其中，根据计算得到的场景维度匹配参数和各个关联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，计算任一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的具体实施方式可包括以下任一种：

实施方式一：智慧医疗系统100可先根据任一热点挖掘主题内容所记录的热点触发行为的行为迁移节点数量，计算得到任一热点挖掘主题内容所记录的热点触发行为的初始值。其次，可分别采用各个场景维度匹配参数对各个关联热点挖掘主题内容的迁移热点代价进行加权求和。例如，针对热点挖掘主题内容A所记录的热点触发行为A而言，热点挖掘主题内容A具有热点挖掘主题内容B和热点挖掘主题内容D两个关联热点挖掘主题内容；且热点挖掘主题内容B的迁移热点代价0.4，热点挖掘主题内容D的迁移热点代价为0.2。若热点触发行为A和热点挖掘主题内容B所记录的热点触发行为B之间的场景维度匹配参数为kAB，热点触发行为A和热点挖掘主题内容D所记录的热点触发行为D之间的场景维度匹配参数为kAD；则可执行0.4×kAB+0.2×kAD。然后，可对加权求和得到的数值和任一热点挖掘主题内容所记录的热点触发行为的初始值进行求和运算，得到任一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。

实施方式二：智慧医疗系统100还可根据计算得到的场景维度匹配参数和各个关联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，计算任一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。

步骤A114，根据各个热点触发行为的迁移热点代价从热点触发行为集中选取目标热点信息行为的参考热点触发路径数据，并采用参考热点触发路径数据的热点触发特征向量构建目标热点信息行为的兴趣热力标签分类特征，该兴趣热力标签分类特征用于指示目标热点信息行为的关键兴趣热力标签特征。

本公开实施例针对待处理的目标热点信息行为，可先从该目标热点信息行为中提取出多个热点触发行为，并采用多个热点触发行为构建目标热点信息行为的长期兴趣主题空间。由于长期兴趣主题空间中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目标热点信息行为中具有联动触发节点，而具有越多联动触发节点的热点触发行为通常越具有兴趣热力标签影响行为；因此可基于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，较为准确地计算出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。然后，可根据各个热点触发行为的迁移热点代价从热点触发行为集中选取目标热点信息行为的参考热点触发路径数据，并采用参考热点触发路径数据的热点触发特征向量构建用于指示目标热点信息行为的关键兴趣热力标签特征的兴趣热力标签分类特征。由此可见，本公开实施例可通过提升各个热点触发行为的迁移热点代价的准确性，来有效提升参考热点触发路径数据的准确性，从而提升关键兴趣热力标签特征的准确性；并且，整个兴趣热力标签识别过程中无需用户人为参与，可自动化地识别出热点信息行为的关键兴趣热力标签特征，有效节省兴趣热力标签识别的流程成本。

图3为本公开实施例提供的基于智慧医疗大数据的产品服务推荐装置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产品服务推荐装置300的各个功能模块的功能进行详细阐述。

获取模块310，用于获取医疗业务分布设备的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。

第一确定模块320，用于根据医疗咨询行为，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。

第二确定模块330，用于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。

推荐模块340，用于根据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。

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产品服务推荐方法的智慧医疗系统100的硬件结构示意图，如图4所示，智慧医疗系统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产品服务推荐方法，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产品服务推荐方法。

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产品服务推荐方法，其特征在于，应用于智慧医疗系统，所述智慧医疗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：

获取所述医疗业务分布设备的目标智慧医疗大数据的医疗咨询行为，其中，所述医疗咨询行为关联了一组医疗服务行为数据，所述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，所述目标智慧医疗大数据为所述一组医疗推荐会话数据的智慧医疗大数据；

根据所述医疗咨询行为，在每个所述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，所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，所述一组医疗服务内容中的每个医疗服务内容包括所述一组目标咨询兴趣词条中对应的一个目标咨询兴趣词条，所述一组医疗服务内容中的每个医疗服务内容引用于所述一组医疗服务行为数据中对应的一个医疗服务行为数据；

根据所述一组目标咨询兴趣词条，确定所述目标智慧医疗大数据的智慧医疗兴趣服务集；

根据所述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。

2.根据权利要求1所述的基于智慧医疗大数据的产品服务推荐方法，其特征在于，所述根据所述医疗咨询行为，在每个所述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，包括：

重复执行以下步骤，直到在每个所述医疗服务行为数据上确定出一个目标咨询兴趣词条：

在所述一组医疗服务行为数据中尚未确定出所述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，每个所述当前咨询兴趣词条与所述医疗咨询行为之间的业务相关度相同；

为所述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，所述一组当前医疗服务内容中的每个当前医疗服务内容以所述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，所述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所述一组医疗服务行为数据中对应的一个医疗服务行为数据；

在所述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，将所述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所述目标咨询兴趣词条，其中，所述其它当前医疗服务内容是所述一组当前医疗服务内容中除所述一个当前医疗服务内容之外的当前医疗服务内容。

3.根据权利要求2所述的基于智慧医疗大数据的产品服务推荐方法，其特征在于，所述在所述一组医疗服务行为数据中尚未确定出所述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，包括：

按照匹配所述医疗咨询行为的触发节点路径，在所述一组医疗服务行为数据中尚未确定出所述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，得到所述一组当前咨询兴趣词条，其中，对于每条尚未确定出所述目标咨询兴趣词条的医疗服务行为数据，本次确定的所述当前咨询兴趣词条与所述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所述医疗咨询行为的业务相关度。

4.根据权利要求2所述的基于智慧医疗大数据的产品服务推荐方法，其特征在于，所述为所述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，包括：

为所述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，得到所述一组当前医疗服务内容，其中，所述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所述一组医疗服务行为数据中对应的一个医疗服务行为数据、且相关于所述一组当前咨询兴趣词条中对应的所述当前咨询兴趣词条。

5.根据权利要求4所述的基于智慧医疗大数据的产品服务推荐方法，其特征在于，所述为所述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，得到所述一组当前医疗服务内容，包括：

为所述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，得到所述一组当前医疗服务内容；

或者为所述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，得到所述一组当前医疗服务内容，其中，每个所述当前医疗服务内容的引用强度大于或等于对应的所述当前咨询兴趣词条上的医疗推荐会话引用强度。

6.根据权利要求1-5中任意一项所述的基于智慧医疗大数据的产品服务推荐方法，其特征在于，所述根据所述一组目标咨询兴趣词条，确定所述目标智慧医疗大数据的智慧医疗兴趣服务集，包括：

在所述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，所述一组引用网络节点中的每个引用网络节点关联于对应的所述目标咨询兴趣词条，与对应的医疗服务行为数据形成知识图谱引用关系；

根据所述一组引用网络节点，确定所述目标智慧医疗大数据的智慧医疗兴趣服务集；

其中，所述在所述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，包括：

在每个所述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，所述一组引用网络节点中的每个引用网络节点以对应的所述目标咨询兴趣词条为参照对象，或者，所述一组引用网络节点中的每个引用网络节点以对应的所述目标咨询兴趣词条为被参照对象；或者在每个所述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，所述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所述目标咨询兴趣词条处的医疗推荐会话引用强度，所述一组引用网络节点中的每个引用网络节点以对应的所述目标咨询兴趣词条为参照对象，或者，所述一组引用网络节点中的每个引用网络节点以对应的所述目标咨询兴趣词条为被参照对象；

其中，所述根据所述一组引用网络节点，确定所述目标智慧医疗大数据的智慧医疗兴趣服务集，包括：

对所述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，所述智慧医疗兴趣服务集为引用网络业务分区，所述引用网络业务分区的会话兴趣数据部分包括所述一组引用网络节点；

其中，所述对所述一组引用网络节点进行实体关联，形成引用网络业务分区，包括：

对所述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，所述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，所述两个目标咨询兴趣词条包括所述相邻的两个引用网络节点上的目标咨询兴趣词条；

其中，所述在所述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，包括：

在所述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，将每个所述引用实体上位于所述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所述引用网络节点，其中，每个所述引用实体引用于对应的所述目标咨询兴趣词条，与对应的医疗服务行为数据形成知识图谱引用关系；

所述根据所述一组引用网络节点，确定所述目标智慧医疗大数据的智慧医疗兴趣服务集，包括：将

所述一组引用网络节点与所述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所述目标智慧医疗大数据的智慧医疗兴趣服务集。

7.根据权利要求1-6中任意一项所述的基于智慧医疗大数据的产品服务推荐方法，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所述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。

8.根据权利要求7所述的基于智慧医疗大数据的产品服务推荐方法，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所述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所述多种热力标签的兴趣热力分布信息。

9.根据权利要求8所述的基于智慧医疗大数据的产品服务推荐方法，其特征在于，在根据所述兴趣热力分布信息清单中所述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所述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所述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。

10.一种智慧医疗系统，其特征在于，所述智慧医疗系统包括处理器、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产品服务推荐方法。

Images