CN113688319B - 医疗产品推荐方法及相关设备 - Google Patents
医疗产品推荐方法及相关设备 Download PDFInfo
- Publication number
- CN113688319B CN113688319B CN202111004020.2A CN202111004020A CN113688319B CN 113688319 B CN113688319 B CN 113688319B CN 202111004020 A CN202111004020 A CN 202111004020A CN 113688319 B CN113688319 B CN 113688319B
- Authority
- CN
- China
- Prior art keywords
- user
- health
- dimension
- recommended
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 229940127554 medical product Drugs 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000036541 health Effects 0.000 claims abstract description 305
- 230000002159 abnormal effect Effects 0.000 claims abstract description 62
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims description 26
- 238000012216 screening Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 18
- 230000007423 decrease Effects 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 14
- 238000002372 labelling Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 9
- 235000005911 diet Nutrition 0.000 description 8
- 230000037213 diet Effects 0.000 description 6
- 230000003862 health status Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 230000000386 athletic effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000378 dietary effect Effects 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000003032 molecular docking Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及人工智能，提供一种医疗产品推荐方法及相关设备。该方法能够根据产品推荐请求获取待推荐用户及待推荐用户的用户数据，分析用户数据在多个健康维度上的维度信息，根据维度信息生成待推荐用户的用户健康积分，获取待推荐用户的历史医疗数据，根据历史医疗数据确定待推荐用户的历史健康积分，根据用户健康积分及历史健康积分生成待推荐用户的健康趋势，若健康趋势为预设趋势，对维度信息及历史医疗数据进行异常分析，得到异常结果，根据异常结果及用户健康积分获取待推荐用户的推荐医疗产品。本发明能够准确为用户推荐相适应的医疗产品。此外，本发明还涉及区块链技术，所述推荐医疗产品可存储于区块链中。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种医疗产品推荐方法及相关设备。
背景技术
随着人工智能的发展，医疗平台可以支持疾病辅助诊断、健康管理、远程会诊等功能。在健康管理模块中，通常需要向用户推荐个性化产品，然而，在目前的医疗产品推荐方案中，由于无法确定出用户在医疗数据中的波动情况，造成无法准确为用户推荐相适应的医疗产品。
发明内容
鉴于以上内容，有必要提供一种医疗产品推荐方法及相关设备，能够准确为用户推荐相适应的医疗产品。
一方面，本发明提出一种医疗产品推荐方法，所述医疗产品推荐方法包括：
当接收到产品推荐请求时，根据所述产品推荐请求获取待推荐用户及所述待推荐用户的用户数据；
分析所述用户数据在多个健康维度上的维度信息，并根据所述维度信息生成所述待推荐用户的用户健康积分；
获取所述待推荐用户的历史医疗数据，并根据所述历史医疗数据确定所述待推荐用户的历史健康积分；
根据所述用户健康积分及所述历史健康积分生成所述待推荐用户的健康趋势；
若所述健康趋势为预设趋势，对所述维度信息及所述历史医疗数据进行异常分析，得到异常结果；
根据所述异常结果及所述用户健康积分获取所述待推荐用户的推荐医疗产品。
根据本发明优选实施例，所述根据所述产品推荐请求获取待推荐用户及所述待推荐用户的用户数据包括：
解析所述产品推荐请求的报文，得到所述报文携带的数据信息；
从所述数据信息中提取用户识别码，并将所述用户识别码对应的用户确定为所述待推荐用户；
从预设档案库中筛选与所述用户识别码对应的多个健康评测数据；
从所述预设档案库中获取每个健康评测数据的数据生成时间，并获取所述产品推荐请求的请求生成时间；
计算所述请求生成时间与所述数据生成时间的时间差值，并将所述时间差值最小的健康评测数据确定为所述用户数据。
根据本发明优选实施例，所述根据所述维度信息生成所述待推荐用户的用户健康积分包括：
获取每个健康维度的多个预设范围；
从所述多个预设范围中筛选所述维度信息所在的范围作为目标范围；
从预设范围库中获取所述目标范围所对应的分值，得到所述待推荐用户在每个健康维度上的维度分值；
计算多个所述维度分值的总和，得到所述用户健康积分。
根据本发明优选实施例，在从预设范围库中获取所述目标范围所对应的分值之前，所述方法还包括：
获取多个训练用户在所述多个健康维度上的训练信息，并获取每个训练用户的标注结果；
根据所述多个健康维度及所述训练信息所在的信息范围构建医疗学习器；
基于所述标注结果调整所述医疗学习器的学习参数，直至所述医疗学习器的准确度大于或者等于预设阈值，得到医疗检测模型；
从所述医疗检测模型中获取每个健康维度在所述多个预设范围中的范围权值；
存储每个健康维度、所述多个预设范围及多个所述范围权值的映射关系至所述预设范围库中。
根据本发明优选实施例，所述根据所述用户健康积分及所述历史健康积分生成所述待推荐用户的健康趋势包括：
将所述用户健康积分与所述历史健康积分进行比较；
若所述用户健康积分小于所述历史健康积分，计算所述历史健康积分与所述用户健康积分的差值，得到积分差值；
计算所述积分差值在所述历史健康积分中的比值，得到所述待推荐用户的健康下降率；
若所述健康下降率大于或者等于预设比例，将所述健康趋势确定为所述预设趋势。
根据本发明优选实施例，所述对所述维度信息及所述历史医疗数据进行异常分析，得到异常结果包括：
根据所述维度信息及所述历史医疗数据生成每个健康维度的维度均值及维度方差；
以所述维度均值与所述维度方差的差值作为左区间，所述维度均值与所述维度方差的总和作为右区间构建信息区间；
从所述维度信息中筛选不处于所述信息区间的信息作为所述异常结果。
根据本发明优选实施例，所述根据所述异常结果及所述用户健康积分获取所述待推荐用户的推荐医疗产品包括：
检测所述异常结果所在的健康维度，得到异常维度；
从预设产品库中获取与所述异常维度绑定的维度产品；
从所述维度产品中获取与所述用户健康积分对应的产品作为所述推荐医疗产品。
另一方面，本发明还提出一种医疗产品推荐装置，所述医疗产品推荐装置包括：
获取单元，用于当接收到产品推荐请求时，根据所述产品推荐请求获取待推荐用户及所述待推荐用户的用户数据；
生成单元，用于分析所述用户数据在多个健康维度上的维度信息，并根据所述维度信息生成所述待推荐用户的用户健康积分；
确定单元，用于获取所述待推荐用户的历史医疗数据，并根据所述历史医疗数据确定所述待推荐用户的历史健康积分；
所述生成单元，还用于根据所述用户健康积分及所述历史健康积分生成所述待推荐用户的健康趋势；
分析单元，用于若所述健康趋势为预设趋势，对所述维度信息及所述历史医疗数据进行异常分析，得到异常结果；
所述获取单元，还用于根据所述异常结果及所述用户健康积分获取所述待推荐用户的推荐医疗产品。
另一方面，本发明还提出一种电子设备，所述电子设备包括：
存储器，存储计算机可读指令；及
处理器，执行所述存储器中存储的计算机可读指令以实现所述医疗产品推荐方法。
另一方面，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现所述医疗产品推荐方法。
由以上技术方案可以看出，本发明基于所述用户数据在所述多个健康维度上的用户健康积分及所述历史医疗数据在所述多个健康维度上的历史健康积分，能够准确的生成所述待推荐用户的健康趋势，在所述健康趋势为预设趋势时，对所述维度信息及所述历史医疗数据进行异常分析，能够分析得到造成所述健康趋势为所述预设趋势的异常结果，进一步结合所得到的异常结果及所述用户健康积分获取所述推荐医疗产品，能够提高所述推荐医疗产品的推荐准确性，实现对所述待推荐用户的个性化推荐。
附图说明
图1是本发明医疗产品推荐方法的较佳实施例的流程图。
图2是本发明医疗产品推荐装置的较佳实施例的功能模块图。
图3是本发明实现医疗产品推荐方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
如图1所示，是本发明医疗产品推荐方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
所述医疗产品推荐方法可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
所述医疗产品推荐方法应用于智慧医疗，从而推动智慧城市的发展。所述医疗产品推荐方法应用于一个或者多个电子设备中，所述电子设备是一种能够按照事先设定或存储的计算机可读指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字信号处理器(Digital SignalProcessor，DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能穿戴式设备等。
所述电子设备可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络电子设备、多个网络电子设备组成的电子设备组或基于云计算(CloudComputing)的由大量主机或网络电子设备构成的云。
所述电子设备所处的网络包括，但不限于：互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
S10，当接收到产品推荐请求时，根据所述产品推荐请求获取待推荐用户及所述待推荐用户的用户数据。
在本发明的至少一个实施例中，所述医疗产品可以包括医疗保险产品，例如：重疾险，所述医疗产品还可以包括实体产品，例如：带有心率监测的可穿戴设备等。
在本发明的至少一个实施例中，所述产品推荐请求可以由所述待推荐用户触发生成。
所述待推荐用户是指有医疗产品购买需求的用户。
所述用户数据可以包括所述待推荐用户的体检报告数据、运动数据、饮食数据、体征数据。其中，所述体检报告数据及体征数据可以从与医院体检系统深度对接的医疗平台中获取。所述运动数据、饮食数据及体征数据可以从与可穿戴设备深度对接的医疗平台中获取。
在本发明的至少一个实施例中，所述电子设备根据所述产品推荐请求获取待推荐用户及所述待推荐用户的用户数据包括：
解析所述产品推荐请求的报文，得到所述报文携带的数据信息；
从所述数据信息中提取用户识别码，并将所述用户识别码对应的用户确定为所述待推荐用户；
从预设档案库中筛选与所述用户识别码对应的多个健康评测数据；
从所述预设档案库中获取每个健康评测数据的数据生成时间，并获取所述产品推荐请求的请求生成时间；
计算所述请求生成时间与所述数据生成时间的时间差值，并将所述时间差值最小的健康评测数据确定为所述用户数据。
其中，所述数据信息包括，但不限于：所述用户识别码、指示所述用户识别码的标签等。
所述用户识别码用于唯一指示所述待推荐用户，所述用户识别码可以是所述待推荐用户的身份证号。
所述预设档案库中存储有多个用户在多个时刻生成的评测数据。所述预设档案库可以是医疗平台中的数据库。
每个健康评测数据可以包括所述待推荐用户在不同时刻的体检报告数据、运动数据、饮食数据、体征数据等。
所述数据生成时间是指测量所述健康评测数据的时间。
通过解析所述报文，能够快速获取到所述数据信息，从而提高所述待推荐用户的确定效率，通过所述用户识别码能够减少所述多个健康评测数据的数据量，从而提高所述用户数据的确定效率，通过所述请求生成时间与所述数据生成时间的时间差值能够准确的确定出距离所述请求生成时间最近的健康评测数据，进而有利于对所述用户数据进行针对性分析，提高所述推荐医疗产品的准确性。
具体地，在从预设档案库中筛选与所述用户识别码对应的多个健康评测数据之前，所述方法还包括：
获取备案用户，并获取所述备案用户的用户编码；
根据所述用户编码从多个预设体检系统中筛选所述备案用户的绑定体检系统；
根据所述用户编码获取所述备案用户的绑定设备；
当检测到所述绑定体检系统及/或所述绑定设备有信息更新时，从所述绑定体检系统及/或所述绑定设备获取更新数据，并获取所述更新数据的数据更新时间；
根据所述用户编码、所述更新时间及所述数据更新时间建立所述预设档案库。
通过上述实施方式，能够及时获取到所述更新数据，提高所述预设档案库的数据全面性。
S11，分析所述用户数据在多个健康维度上的维度信息，并根据所述维度信息生成所述待推荐用户的用户健康积分。
在本发明的至少一个实施例中，所述多个健康维度用于衡量用户的身体健康度。例如，所述多个健康维度可以包括：身体质量指数(Body Mass Index，BMI)等。
在本发明的至少一个实施例中，所述用户健康积分用于指示所述待推荐用户的身体健康状态。可以理解的是，当所述待推荐用户的身体健康状态下降时，所述用户健康积分将会相应减少，当所述待推荐用户的身体健康状态提升时，所述用户健康积分将会对应增加。
在本发明的至少一个实施例中，所述电子设备分析所述用户数据在多个健康维度上的维度信息包括：
获取每个健康维度的多个影响属性，并确定所述多个影响属性在每个健康维度上的属性关系；
基于所述多个影响属性从所述用户数据中提取属性信息；
根据所述属性关系分析所述属性信息，得到所述维度信息。
其中，所述多个影响属性是指影响所述健康维度的属性标签，例如，所述健康维度为身体质量指数(Body Mass Index，BMI)，所述多个影响属性包括：身高、体重。
所述属性关系是指所述多个影响属性生成所述健康维度的运算关系，例如，所述健康维度为BMI，所述多个影响属性包括：身高、体重，则所述属性关系为：体重在身高的平方值上的比值。
通过所述多个影响属性及所述属性关系能够准确的确定出所述待推荐用户在所述多个健康维度上的维度信息，有利于所述待推荐用户的健康积分的评测。
在本发明的至少一个实施例中，所述电子设备根据所述维度信息生成所述待推荐用户的用户健康积分包括：
获取每个健康维度的多个预设范围；
从所述多个预设范围中筛选所述维度信息所在的范围作为目标范围；
从预设范围库中获取所述目标范围所对应的分值，得到所述待推荐用户在每个健康维度上的维度分值；
计算多个所述维度分值的总和，得到所述用户健康积分。
其中，所述多个预设范围是根据实际需求设定的，例如，对于BMI健康维度，设置的多个预设范围可以为(10，20)、(20，25)、(25，30)等。
所述预设范围库中存储有每个健康维度上的多个预设范围与多个分值的映射关系。所述多个预设范围与所述多个分值的映射关系是基于医疗检测模型生成的。可以理解的是，对于每个健康维度，任一预设范围越趋近于标准值，所述任一预设范围所对应的分值越高。
通过所述维度信息与所述多个预设范围的匹配，能够准确的确定出所述待推荐用户在每个健康维度上的目标范围，从而直接获取所述目标范围所对应的分值，能够提高所述用户健康积分的准确性。
具体地，在从预设范围库中获取所述目标范围所对应的分值之前，所述方法还包括：
获取多个训练用户在所述多个健康维度上的训练信息，并获取每个训练用户的标注结果；
根据所述多个健康维度及所述训练信息所在的信息范围构建医疗学习器；
基于所述标注结果调整所述医疗学习器的学习参数，直至所述医疗学习器的准确度大于或者等于预设阈值，得到医疗检测模型；
从所述医疗检测模型中获取每个健康维度在所述多个预设范围中的范围权值；
存储每个健康维度、所述多个预设范围及多个所述范围权值的映射关系至所述预设范围库中。
其中，所述信息范围是指所述训练信息所在的预设范围。
所述学习参数是指对所述多个预设范围进行初始化设置的权值。
所述范围权值是指对所述医疗检测模型中所述多个预设范围所对应的权值。
通过上述实施方式，能够确保所述医疗检测模型的准确性，从而提高所述范围权值的准确性，有利于所述用户健康积分及所述历史健康积分的确定。
S12，获取所述待推荐用户的历史医疗数据，并根据所述历史医疗数据确定所述待推荐用户的历史健康积分。
在本发明的至少一个实施例中，所述历史医疗数据是指所述待推荐用户在多个历史时刻时的医疗数据。所述历史医疗数据也可以包括所述待推荐用户的体检报告数据、运动数据、饮食数据、体征数据。所述历史医疗数据可以从所述预设档案库中获取。
在本发明的至少一个实施例中，所述电子设备据所述历史医疗数据确定所述待推荐用户的历史健康积分的方式与所述电子设备根据所述维度信息生成所述待推荐用户的用户健康积分的方式相似，本发明对此不再赘述。
S13，根据所述用户健康积分及所述历史健康积分生成所述待推荐用户的健康趋势。
在本发明的至少一个实施例中，所述健康趋势包括预设趋势及特征趋势。所述预设趋势是指所述用户健康积分相较于历史时刻有所减少，且波动较大。所述特征趋势可以包括所述用户健康积分相较于历史时刻有所减少，且波动较大，或者，所述特征趋势也可以包括所述用户健康积分相较于历史时刻有所减少，且波动较小，或者，所述特征趋势也可以包括所述用户健康积分相较于历史时刻有所增加。
在本发明的至少一个实施例中，所述电子设备根据所述用户健康积分及所述历史健康积分生成所述待推荐用户的健康趋势包括：
将所述用户健康积分与所述历史健康积分进行比较；
若所述用户健康积分小于所述历史健康积分，计算所述历史健康积分与所述用户健康积分的差值，得到积分差值；
计算所述积分差值在所述历史健康积分中的比值，得到所述待推荐用户的健康下降率；
若所述健康下降率大于或者等于预设比例，将所述健康趋势确定为所述预设趋势。
其中，所述预设比例可以根据医疗产品的推荐准确率确定，例如，所述预设比例可以设置为10％。
通过上述实施方式，在所述用户健康积分小于所述历史健康积分时，对所述健康下降率进行进一步分析，能够避免因所述多个健康维度上的分值的正常波动造成所述用户健康积分小于所述历史健康积分，提高了所述健康趋势的生成准确性。
S14，若所述健康趋势为预设趋势，对所述维度信息及所述历史医疗数据进行异常分析，得到异常结果。
在本发明的至少一个实施例中，所述异常结果是指不在所述信息区间的维度信息。
在本发明的至少一个实施例中，所述电子设备对所述维度信息及所述历史医疗数据进行异常分析，得到异常结果包括：
根据所述维度信息及所述历史医疗数据生成每个健康维度的维度均值及维度方差；
以所述维度均值与所述维度方差的差值作为左区间，所述维度均值与所述维度方差的总和作为右区间构建信息区间；
从所述维度信息中筛选不处于所述信息区间的信息作为所述异常结果。
其中，所述维度均值是指所述维度信息与所述历史医疗数据的平均值，所述维度方差是指所述维度信息及所述历史医疗数据的离散程度。
通过所述维度均值及所述维度方差的确定，能够快速的构建出所述信息区间，从而提高所述异常结果的确定效率。
S15，根据所述异常结果及所述用户健康积分获取所述待推荐用户的推荐医疗产品。
在本发明的至少一个实施例中，所述推荐医疗产品是指与所述待推荐用户相对应的医疗产品。
需要强调的是，为进一步保证上述推荐医疗产品的私密和安全性，上述推荐医疗产品还可以存储于一区块链的节点中。
在本发明的至少一个实施例中，所述电子设备根据所述异常结果及所述用户健康积分获取所述待推荐用户的推荐医疗产品包括：
检测所述异常结果所在的健康维度，得到异常维度；
从预设产品库中获取与所述异常维度绑定的维度产品；
从所述维度产品中获取与所述用户健康积分对应的产品作为所述推荐医疗产品。
其中，所述异常维度是指影响所述用户健康积分波动较大的健康维度。
所述预设产品库中可以存储有多种医疗产品，所述医疗产品可以包括医疗保险产品，例如：重疾险，所述医疗产品还可以包括实体产品，例如：带有心率监测的可穿戴设备等。
所述维度产品可以是指能够监测所述异常维度的实体产品，所述维度产品也可以是指包含有所述异常维度的保险产品。本发明对所述维度产品的具体形式不作限制。
所述推荐医疗产品是指所述预设产品库中同时与所述异常维度及所述用户健康积分对应的产品。
通过所述异常结果能够准确的定位出所述异常维度，进而基于所述异常维度及所述用户健康积分能够准确的确定出所述推荐医疗产品。
由以上技术方案可以看出，本发明基于所述用户数据在所述多个健康维度上的用户健康积分及所述历史医疗数据在所述多个健康维度上的历史健康积分，能够准确的生成所述待推荐用户的健康趋势，在所述健康趋势为预设趋势时，对所述维度信息及所述历史医疗数据进行异常分析，能够分析得到造成所述健康趋势为所述预设趋势的异常结果，进一步结合所得到的异常结果及所述用户健康积分获取所述推荐医疗产品，能够提高所述推荐医疗产品的推荐准确性，实现对所述待推荐用户的个性化推荐。
如图2所示，是本发明医疗产品推荐装置的较佳实施例的功能模块图。所述医疗产品推荐装置11包括获取单元110、生成单元111、确定单元112、分析单元113、筛选单元114、建立单元115、调整单元116及存储单元117。本发明所称的模块/单元是指一种能够被处理器13所获取，并且能够完成固定功能的一系列计算机可读指令段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。
当接收到产品推荐请求时，获取单元110根据所述产品推荐请求获取待推荐用户及所述待推荐用户的用户数据。
在本发明的至少一个实施例中，所述医疗产品可以包括医疗保险产品，例如：重疾险，所述医疗产品还可以包括实体产品，例如：带有心率监测的可穿戴设备等。
在本发明的至少一个实施例中，所述产品推荐请求可以由所述待推荐用户触发生成。
所述待推荐用户是指有医疗产品购买需求的用户。
所述用户数据可以包括所述待推荐用户的体检报告数据、运动数据、饮食数据、体征数据。其中，所述体检报告数据及体征数据可以从与医院体检系统深度对接的医疗平台中获取。所述运动数据、饮食数据及体征数据可以从与可穿戴设备深度对接的医疗平台中获取。
在本发明的至少一个实施例中，所述获取单元110根据所述产品推荐请求获取待推荐用户及所述待推荐用户的用户数据包括：
解析所述产品推荐请求的报文，得到所述报文携带的数据信息；
从所述数据信息中提取用户识别码，并将所述用户识别码对应的用户确定为所述待推荐用户；
从预设档案库中筛选与所述用户识别码对应的多个健康评测数据；
从所述预设档案库中获取每个健康评测数据的数据生成时间，并获取所述产品推荐请求的请求生成时间；
计算所述请求生成时间与所述数据生成时间的时间差值，并将所述时间差值最小的健康评测数据确定为所述用户数据。
其中，所述数据信息包括，但不限于：所述用户识别码、指示所述用户识别码的标签等。
所述用户识别码用于唯一指示所述待推荐用户，所述用户识别码可以是所述待推荐用户的身份证号。
所述预设档案库中存储有多个用户在多个时刻生成的评测数据。所述预设档案库可以是医疗平台中的数据库。
每个健康评测数据可以包括所述待推荐用户在不同时刻的体检报告数据、运动数据、饮食数据、体征数据等。
所述数据生成时间是指测量所述健康评测数据的时间。
通过解析所述报文，能够快速获取到所述数据信息，从而提高所述待推荐用户的确定效率，通过所述用户识别码能够减少所述多个健康评测数据的数据量，从而提高所述用户数据的确定效率，通过所述请求生成时间与所述数据生成时间的时间差值能够准确的确定出距离所述请求生成时间最近的健康评测数据，进而有利于对所述用户数据进行针对性分析，提高所述推荐医疗产品的准确性。
具体地，在从预设档案库中筛选与所述用户识别码对应的多个健康评测数据之前，所述获取单元110获取备案用户，并获取所述备案用户的用户编码；
筛选单元114根据所述用户编码从多个预设体检系统中筛选所述备案用户的绑定体检系统；
所述获取单元110根据所述用户编码获取所述备案用户的绑定设备；
当检测到所述绑定体检系统及/或所述绑定设备有信息更新时，所述获取单元110从所述绑定体检系统及/或所述绑定设备获取更新数据，并获取所述更新数据的数据更新时间；
建立单元115根据所述用户编码、所述更新时间及所述数据更新时间建立所述预设档案库。
通过上述实施方式，能够及时获取到所述更新数据，提高所述预设档案库的数据全面性。
生成单元111分析所述用户数据在多个健康维度上的维度信息，并根据所述维度信息生成所述待推荐用户的用户健康积分。
在本发明的至少一个实施例中，所述多个健康维度用于衡量用户的身体健康度。例如，所述多个健康维度可以包括：身体质量指数(Body Mass Index，BMI)等。
在本发明的至少一个实施例中，所述用户健康积分用于指示所述待推荐用户的身体健康状态。可以理解的是，当所述待推荐用户的身体健康状态下降时，所述用户健康积分将会相应减少，当所述待推荐用户的身体健康状态提升时，所述用户健康积分将会对应增加。
在本发明的至少一个实施例中，所述生成单元111分析所述用户数据在多个健康维度上的维度信息包括：
获取每个健康维度的多个影响属性，并确定所述多个影响属性在每个健康维度上的属性关系；
基于所述多个影响属性从所述用户数据中提取属性信息；
根据所述属性关系分析所述属性信息，得到所述维度信息。
其中，所述多个影响属性是指影响所述健康维度的属性标签，例如，所述健康维度为身体质量指数(Body Mass Index，BMI)，所述多个影响属性包括：身高、体重。
所述属性关系是指所述多个影响属性生成所述健康维度的运算关系，例如，所述健康维度为BMI，所述多个影响属性包括：身高、体重，则所述属性关系为：体重在身高的平方值上的比值。
通过所述多个影响属性及所述属性关系能够准确的确定出所述待推荐用户在所述多个健康维度上的维度信息，有利于所述待推荐用户的健康积分的评测。
在本发明的至少一个实施例中，所述生成单元111根据所述维度信息生成所述待推荐用户的用户健康积分包括：
获取每个健康维度的多个预设范围；
从所述多个预设范围中筛选所述维度信息所在的范围作为目标范围；
从预设范围库中获取所述目标范围所对应的分值，得到所述待推荐用户在每个健康维度上的维度分值；
计算多个所述维度分值的总和，得到所述用户健康积分。
其中，所述多个预设范围是根据实际需求设定的，例如，对于BMI健康维度，设置的多个预设范围可以为(10，20)、(20，25)、(25，30)等。
所述预设范围库中存储有每个健康维度上的多个预设范围与多个分值的映射关系。所述多个预设范围与所述多个分值的映射关系是基于医疗检测模型生成的。可以理解的是，对于每个健康维度，任一预设范围越趋近于标准值，所述任一预设范围所对应的分值越高。
通过所述维度信息与所述多个预设范围的匹配，能够准确的确定出所述待推荐用户在每个健康维度上的目标范围，从而直接获取所述目标范围所对应的分值，能够提高所述用户健康积分的准确性。
具体地，在从预设范围库中获取所述目标范围所对应的分值之前，所述获取单元110获取多个训练用户在所述多个健康维度上的训练信息，并获取每个训练用户的标注结果；
所述建立单元115根据所述多个健康维度及所述训练信息所在的信息范围构建医疗学习器；
调整单元116基于所述标注结果调整所述医疗学习器的学习参数，直至所述医疗学习器的准确度大于或者等于预设阈值，得到医疗检测模型；
所述获取单元110从所述医疗检测模型中获取每个健康维度在所述多个预设范围中的范围权值；
存储单元117存储每个健康维度、所述多个预设范围及多个所述范围权值的映射关系至所述预设范围库中。
其中，所述信息范围是指所述训练信息所在的预设范围。
所述学习参数是指对所述多个预设范围进行初始化设置的权值。
所述范围权值是指对所述医疗检测模型中所述多个预设范围所对应的权值。
通过上述实施方式，能够确保所述医疗检测模型的准确性，从而提高所述范围权值的准确性，有利于所述用户健康积分及所述历史健康积分的确定。
确定单元112获取所述待推荐用户的历史医疗数据，并根据所述历史医疗数据确定所述待推荐用户的历史健康积分。
在本发明的至少一个实施例中，所述历史医疗数据是指所述待推荐用户在多个历史时刻时的医疗数据。所述历史医疗数据也可以包括所述待推荐用户的体检报告数据、运动数据、饮食数据、体征数据。所述历史医疗数据可以从所述预设档案库中获取。
在本发明的至少一个实施例中，所述确定单元112据所述历史医疗数据确定所述待推荐用户的历史健康积分的方式与所述生成单元111根据所述维度信息生成所述待推荐用户的用户健康积分的方式相似，本发明对此不再赘述。
所述生成单元111根据所述用户健康积分及所述历史健康积分生成所述待推荐用户的健康趋势。
在本发明的至少一个实施例中，所述健康趋势包括预设趋势及特征趋势。所述预设趋势是指所述用户健康积分相较于历史时刻有所减少，且波动较大。所述特征趋势可以包括所述用户健康积分相较于历史时刻有所减少，且波动较大，或者，所述特征趋势也可以包括所述用户健康积分相较于历史时刻有所减少，且波动较小，或者，所述特征趋势也可以包括所述用户健康积分相较于历史时刻有所增加。
在本发明的至少一个实施例中，所述生成单元111根据所述用户健康积分及所述历史健康积分生成所述待推荐用户的健康趋势包括：
将所述用户健康积分与所述历史健康积分进行比较；
若所述用户健康积分小于所述历史健康积分，计算所述历史健康积分与所述用户健康积分的差值，得到积分差值；
计算所述积分差值在所述历史健康积分中的比值，得到所述待推荐用户的健康下降率；
若所述健康下降率大于或者等于预设比例，将所述健康趋势确定为所述预设趋势。
其中，所述预设比例可以根据医疗产品的推荐准确率确定，例如，所述预设比例可以设置为10％。
通过上述实施方式，在所述用户健康积分小于所述历史健康积分时，对所述健康下降率进行进一步分析，能够避免因所述多个健康维度上的分值的正常波动造成所述用户健康积分小于所述历史健康积分，提高了所述健康趋势的生成准确性。
若所述健康趋势为预设趋势，分析单元113对所述维度信息及所述历史医疗数据进行异常分析，得到异常结果。
在本发明的至少一个实施例中，所述异常结果是指不在所述信息区间的维度信息。
在本发明的至少一个实施例中，所述分析单元113对所述维度信息及所述历史医疗数据进行异常分析，得到异常结果包括：
根据所述维度信息及所述历史医疗数据生成每个健康维度的维度均值及维度方差；
以所述维度均值与所述维度方差的差值作为左区间，所述维度均值与所述维度方差的总和作为右区间构建信息区间；
从所述维度信息中筛选不处于所述信息区间的信息作为所述异常结果。
其中，所述维度均值是指所述维度信息与所述历史医疗数据的平均值，所述维度方差是指所述维度信息及所述历史医疗数据的离散程度。
通过所述维度均值及所述维度方差的确定，能够快速的构建出所述信息区间，从而提高所述异常结果的确定效率。
所述获取单元110根据所述异常结果及所述用户健康积分获取所述待推荐用户的推荐医疗产品。
在本发明的至少一个实施例中，所述推荐医疗产品是指与所述待推荐用户相对应的医疗产品。
需要强调的是，为进一步保证上述推荐医疗产品的私密和安全性，上述推荐医疗产品还可以存储于一区块链的节点中。
在本发明的至少一个实施例中，所述获取单元110根据所述异常结果及所述用户健康积分获取所述待推荐用户的推荐医疗产品包括：
检测所述异常结果所在的健康维度，得到异常维度；
从预设产品库中获取与所述异常维度绑定的维度产品；
从所述维度产品中获取与所述用户健康积分对应的产品作为所述推荐医疗产品。
其中，所述异常维度是指影响所述用户健康积分波动较大的健康维度。
所述预设产品库中可以存储有多种医疗产品，所述医疗产品可以包括医疗保险产品，例如：重疾险，所述医疗产品还可以包括实体产品，例如：带有心率监测的可穿戴设备等。
所述维度产品可以是指能够监测所述异常维度的实体产品，所述维度产品也可以是指包含有所述异常维度的保险产品。本发明对所述维度产品的具体形式不作限制。
所述推荐医疗产品是指所述预设产品库中同时与所述异常维度及所述用户健康积分对应的产品。
通过所述异常结果能够准确的定位出所述异常维度，进而基于所述异常维度及所述用户健康积分能够准确的确定出所述推荐医疗产品。
由以上技术方案可以看出，本发明基于所述用户数据在所述多个健康维度上的用户健康积分及所述历史医疗数据在所述多个健康维度上的历史健康积分，能够准确的生成所述待推荐用户的健康趋势，在所述健康趋势为预设趋势时，对所述维度信息及所述历史医疗数据进行异常分析，能够分析得到造成所述健康趋势为所述预设趋势的异常结果，进一步结合所得到的异常结果及所述用户健康积分获取所述推荐医疗产品，能够提高所述推荐医疗产品的推荐准确性，实现对所述待推荐用户的个性化推荐。
如图3所示，是本发明实现医疗产品推荐方法的较佳实施例的电子设备的结构示意图。
在本发明的一个实施例中，所述电子设备1包括，但不限于，存储器12、处理器13，以及存储在所述存储器12中并可在所述处理器13上运行的计算机可读指令，例如医疗产品推荐程序。
本领域技术人员可以理解，所述示意图仅仅是电子设备1的示例，并不构成对电子设备1的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器13可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器13是所述电子设备1的运算核心和控制中心，利用各种接口和线路连接整个电子设备1的各个部分，及执行所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。
示例性的，所述计算机可读指令可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段，该计算机可读指令段用于描述所述计算机可读指令在所述电子设备1中的执行过程。例如，所述计算机可读指令可以被分割成获取单元110、生成单元111、确定单元112、分析单元113、筛选单元114、建立单元115、调整单元116及存储单元117。
所述存储器12可用于存储所述计算机可读指令和/或模块，所述处理器13通过运行或执行存储在所述存储器12内的计算机可读指令和/或模块，以及调用存储在存储器12内的数据，实现所述电子设备1的各种功能。所述存储器12可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。存储器12可以包括非易失性和易失性存储器，例如：硬盘、内存、插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他存储器件。
所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地，所述存储器12可以是具有实物形式的存储器，如内存条、TF卡(Trans-flash Card)等等。
所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一计算机可读存储介质中，该计算机可读指令在被处理器执行时，可实现上述各个方法实施例的步骤。
其中，所述计算机可读指令包括计算机可读指令代码，所述计算机可读指令代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机可读指令代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
结合图1，所述电子设备1中的所述存储器12存储计算机可读指令实现一种医疗产品推荐方法，所述处理器13可执行所述计算机可读指令从而实现：
当接收到产品推荐请求时，根据所述产品推荐请求获取待推荐用户及所述待推荐用户的用户数据；
分析所述用户数据在多个健康维度上的维度信息，并根据所述维度信息生成所述待推荐用户的用户健康积分；
获取所述待推荐用户的历史医疗数据，并根据所述历史医疗数据确定所述待推荐用户的历史健康积分；
根据所述用户健康积分及所述历史健康积分生成所述待推荐用户的健康趋势；
若所述健康趋势为预设趋势，对所述维度信息及所述历史医疗数据进行异常分析，得到异常结果；
根据所述异常结果及所述用户健康积分获取所述待推荐用户的推荐医疗产品。
具体地，所述处理器13对上述计算机可读指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
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，所述模块的划分，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。
所述计算机可读存储介质上存储有计算机可读指令，其中，所述计算机可读指令被处理器13执行时用以实现以下步骤：
当接收到产品推荐请求时，根据所述产品推荐请求获取待推荐用户及所述待推荐用户的用户数据；
分析所述用户数据在多个健康维度上的维度信息，并根据所述维度信息生成所述待推荐用户的用户健康积分；
获取所述待推荐用户的历史医疗数据，并根据所述历史医疗数据确定所述待推荐用户的历史健康积分；
根据所述用户健康积分及所述历史健康积分生成所述待推荐用户的健康趋势；
若所述健康趋势为预设趋势，对所述维度信息及所述历史医疗数据进行异常分析，得到异常结果；
根据所述异常结果及所述用户健康积分获取所述待推荐用户的推荐医疗产品。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块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模块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模块的形式实现。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。所述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种医疗产品推荐方法，其特征在于，所述医疗产品推荐方法包括：
当接收到产品推荐请求时，根据所述产品推荐请求获取待推荐用户及所述待推荐用户的用户数据；
分析所述用户数据在多个健康维度上的维度信息，并根据所述维度信息生成所述待推荐用户的用户健康积分，包括：获取每个健康维度的多个预设范围；从所述多个预设范围中筛选所述维度信息所在的范围作为目标范围；从预设范围库中获取所述目标范围所对应的分值，得到所述待推荐用户在每个健康维度上的维度分值；计算多个所述维度分值的总和，得到所述用户健康积分；
获取所述待推荐用户的历史医疗数据，并根据所述历史医疗数据确定所述待推荐用户的历史健康积分；
根据所述用户健康积分及所述历史健康积分生成所述待推荐用户的健康趋势，包括：将所述用户健康积分与所述历史健康积分进行比较；若所述用户健康积分小于所述历史健康积分，计算所述历史健康积分与所述用户健康积分的差值，得到积分差值；计算所述积分差值在所述历史健康积分中的比值，得到所述待推荐用户的健康下降率；若所述健康下降率大于或者等于预设比例，将所述健康趋势确定为预设趋势；
若所述健康趋势为所述预设趋势，对所述维度信息及所述历史医疗数据进行异常分析，得到异常结果；
根据所述异常结果及所述用户健康积分获取所述待推荐用户的推荐医疗产品。
2.如权利要求1所述的医疗产品推荐方法，其特征在于，所述根据所述产品推荐请求获取待推荐用户及所述待推荐用户的用户数据包括：
解析所述产品推荐请求的报文，得到所述报文携带的数据信息；
从所述数据信息中提取用户识别码，并将所述用户识别码对应的用户确定为所述待推荐用户；
从预设档案库中筛选与所述用户识别码对应的多个健康评测数据；
从所述预设档案库中获取每个健康评测数据的数据生成时间，并获取所述产品推荐请求的请求生成时间；
计算所述请求生成时间与所述数据生成时间的时间差值，并将所述时间差值最小的健康评测数据确定为所述用户数据。
3.如权利要求1所述的医疗产品推荐方法，其特征在于，在从预设范围库中获取所述目标范围所对应的分值之前，所述方法还包括：
获取多个训练用户在所述多个健康维度上的训练信息，并获取每个训练用户的标注结果；
根据所述多个健康维度及所述训练信息所在的信息范围构建医疗学习器；
基于所述标注结果调整所述医疗学习器的学习参数，直至所述医疗学习器的准确度大于或者等于预设阈值，得到医疗检测模型；
从所述医疗检测模型中获取每个健康维度在所述多个预设范围中的范围权值；
存储每个健康维度、所述多个预设范围及多个所述范围权值的映射关系至所述预设范围库中。
4.如权利要求1所述的医疗产品推荐方法，其特征在于，所述对所述维度信息及所述历史医疗数据进行异常分析，得到异常结果包括：
根据所述维度信息及所述历史医疗数据生成每个健康维度的维度均值及维度方差；
以所述维度均值与所述维度方差的差值作为左区间，所述维度均值与所述维度方差的总和作为右区间构建信息区间；
从所述维度信息中筛选不处于所述信息区间的信息作为所述异常结果。
5.如权利要求1所述的医疗产品推荐方法，其特征在于，所述根据所述异常结果及所述用户健康积分获取所述待推荐用户的推荐医疗产品包括：
检测所述异常结果所在的健康维度，得到异常维度；
从预设产品库中获取与所述异常维度绑定的维度产品；
从所述维度产品中获取与所述用户健康积分对应的产品作为所述推荐医疗产品。
6.一种医疗产品推荐装置，其特征在于，所述医疗产品推荐装置包括：
获取单元，用于当接收到产品推荐请求时，根据所述产品推荐请求获取待推荐用户及所述待推荐用户的用户数据；
生成单元，用于分析所述用户数据在多个健康维度上的维度信息，并根据所述维度信息生成所述待推荐用户的用户健康积分，包括：获取每个健康维度的多个预设范围；从所述多个预设范围中筛选所述维度信息所在的范围作为目标范围；从预设范围库中获取所述目标范围所对应的分值，得到所述待推荐用户在每个健康维度上的维度分值；计算多个所述维度分值的总和，得到所述用户健康积分；
确定单元，用于获取所述待推荐用户的历史医疗数据，并根据所述历史医疗数据确定所述待推荐用户的历史健康积分；
所述生成单元，还用于根据所述用户健康积分及所述历史健康积分生成所述待推荐用户的健康趋势，包括：将所述用户健康积分与所述历史健康积分进行比较；若所述用户健康积分小于所述历史健康积分，计算所述历史健康积分与所述用户健康积分的差值，得到积分差值；计算所述积分差值在所述历史健康积分中的比值，得到所述待推荐用户的健康下降率；若所述健康下降率大于或者等于预设比例，将所述健康趋势确定为预设趋势；
分析单元，用于若所述健康趋势为所述预设趋势，对所述维度信息及所述历史医疗数据进行异常分析，得到异常结果；
所述获取单元，还用于根据所述异常结果及所述用户健康积分获取所述待推荐用户的推荐医疗产品。
7.一种电子设备，其特征在于，所述电子设备包括：
存储器，存储有计算机可读指令；及
处理器，执行所述存储器中存储的计算机可读指令以实现如权利要求1至5中任意一项所述的医疗产品推荐方法。
8.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现如权利要求1至5中任意一项所述的医疗产品推荐方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111004020.2A CN113688319B (zh) | 2021-08-30 | 2021-08-30 | 医疗产品推荐方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111004020.2A CN113688319B (zh) | 2021-08-30 | 2021-08-30 | 医疗产品推荐方法及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113688319A CN113688319A (zh) | 2021-11-23 |
| CN113688319B true CN113688319B (zh) | 2024-05-14 |
Family
ID=78583886
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111004020.2A Active CN113688319B (zh) | 2021-08-30 | 2021-08-30 | 医疗产品推荐方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113688319B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019070200A1 (en) * | 2017-10-05 | 2019-04-11 | Integral Technologies (S) Pte. Ltd. | HEALTH CARE INFORMATION MANAGEMENT SYSTEM |
| CN109979587A (zh) * | 2017-12-27 | 2019-07-05 | 通用电气公司 | 患者健康护理交互设备及其实施方法 |
| CN110851725A (zh) * | 2019-11-15 | 2020-02-28 | 北京盛诺一家医院管理咨询有限公司 | 一种医疗资源推荐方法、系统、计算设备和存储介质 |
| CN111461823A (zh) * | 2020-03-30 | 2020-07-28 | 深圳市三收健康管理科技有限公司 | 健康量化方式的评估方法、商品信息标注方法及装置 |
| CN111833982A (zh) * | 2020-07-09 | 2020-10-27 | 平安科技（深圳）有限公司 | 基于健康数据的健康报告生成方法及其相关设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180165418A1 (en) * | 2016-12-08 | 2018-06-14 | Welltok, Inc. | Health recommendations based on extensible health vectors |
| US20190130066A1 (en) * | 2017-10-27 | 2019-05-02 | Colossio, Inc. | Health trend analysis and inspection |
-
2021
- 2021-08-30 CN CN202111004020.2A patent/CN113688319B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019070200A1 (en) * | 2017-10-05 | 2019-04-11 | Integral Technologies (S) Pte. Ltd. | HEALTH CARE INFORMATION MANAGEMENT SYSTEM |
| CN109979587A (zh) * | 2017-12-27 | 2019-07-05 | 通用电气公司 | 患者健康护理交互设备及其实施方法 |
| CN110851725A (zh) * | 2019-11-15 | 2020-02-28 | 北京盛诺一家医院管理咨询有限公司 | 一种医疗资源推荐方法、系统、计算设备和存储介质 |
| CN111461823A (zh) * | 2020-03-30 | 2020-07-28 | 深圳市三收健康管理科技有限公司 | 健康量化方式的评估方法、商品信息标注方法及装置 |
| CN111833982A (zh) * | 2020-07-09 | 2020-10-27 | 平安科技（深圳）有限公司 | 基于健康数据的健康报告生成方法及其相关设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113688319A (zh) | 2021-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022105115A1 (zh) | 问答对匹配方法、装置、电子设备及存储介质 | |
| US7809660B2 (en) | System and method to optimize control cohorts using clustering algorithms | |
| CN113707253B (zh) | 医疗方案推荐方法、装置、设备及介质 | |
| CN111883251A (zh) | 医疗误诊检测方法、装置、电子设备及存储介质 | |
| WO2017017554A1 (en) | Reliability measurement in data analysis of altered data sets | |
| CN112214588B (zh) | 多意图识别方法、装置、电子设备及存储介质 | |
| CN116130072A (zh) | 科室推荐方法、装置、设备及存储介质 | |
| CN113674858A (zh) | 在线医疗处方用药智能检查方法、装置、设备及存储介质 | |
| CN113470775B (zh) | 信息采集方法、装置、设备及存储介质 | |
| CN113724830B (zh) | 基于人工智能的用药风险检测方法及相关设备 | |
| CN115222443A (zh) | 客户群体划分方法、装置、设备及存储介质 | |
| CN116578704A (zh) | 文本情感分类方法、装置、设备及计算机可读介质 | |
| CN114706985A (zh) | 文本分类方法、装置、电子设备及存储介质 | |
| CN112435745B (zh) | 就诊策略推荐方法、装置、电子设备及存储介质 | |
| CN113656601A (zh) | 医患匹配方法、装置、设备及存储介质 | |
| CN116628161A (zh) | 答案生成方法、装置、设备及存储介质 | |
| CN116468043A (zh) | 嵌套实体识别方法、装置、设备及存储介质 | |
| CN113688319B (zh) | 医疗产品推荐方法及相关设备 | |
| CN114360732B (zh) | 医疗数据分析方法、装置、电子设备及存储介质 | |
| CN113516205B (zh) | 基于人工智能的员工稳定性分类方法及相关设备 | |
| CN114238296A (zh) | 产品指标数据展示方法、装置、设备及存储介质 | |
| CN111986762A (zh) | 异常医疗指标确定方法、装置、电子设备及存储介质 | |
| CN113764061B (zh) | 基于多维度数据分析的用药检测方法及相关设备 | |
| CN113688119B (zh) | 基于人工智能的医疗数据库构建方法及相关设备 | |
| CN115022014B (zh) | 登录风险识别方法、装置、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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |