CN113823410A - 一种信息推荐方法、装置、存储介质及电子设备 - Google Patents
一种信息推荐方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN113823410A CN113823410A CN202111123731.1A CN202111123731A CN113823410A CN 113823410 A CN113823410 A CN 113823410A CN 202111123731 A CN202111123731 A CN 202111123731A CN 113823410 A CN113823410 A CN 113823410A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- health
- model
- recommendation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000036541 health Effects 0.000 claims abstract description 143
- 238000011156 evaluation Methods 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 9
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000035935 pregnancy Effects 0.000 description 13
- 238000007726 management method Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000036772 blood pressure Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 208000017667 Chronic Disease Diseases 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000000366 juvenile effect Effects 0.000 description 2
- 230000008774 maternal effect Effects 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 208000001953 Hypotension Diseases 0.000 description 1
- 208000028017 Psychotic disease Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013278 delphi method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 150000004676 glycans Chemical group 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 208000012866 low blood pressure Diseases 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 238000002705 metabolomic analysis Methods 0.000 description 1
- 230000001431 metabolomic effect Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000003793 prenatal diagnosis Methods 0.000 description 1
- 238000009609 prenatal screening Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 230000002103 transcriptional effect Effects 0.000 description 1
- 201000008827 tuberculosis Diseases 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 150000003722 vitamin derivatives Chemical class 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Epidemiology (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例公开了一种信息推荐方法、装置、存储介质及电子设备。该方法包括:获取用户信息,所述用户信息至少包括用户标签和年龄信息中的一项;基于所述用户标签和年龄信息在模型库中确定用户对应的健康信息推荐模型,其中,所述模型库中包括全生命周期模型和专用模型;将所述用户信息输入至所述用户对应的健康信息推荐模型,得到用户对应的推荐信息。通过上述技术方案,实现了对全生命周期的健康信息推荐,提升了信息推荐方法的覆盖人群,满足用户的健康管理需求。
Description
技术领域
本发明实施例涉及互联网医疗技术领域,尤其涉及一种信息推荐方法、装置、存储介质及电子设备。
背景技术
随着全息数字人技术的进步和健康知识的普及,人们对生活质量的要求越来越高,如何便捷地实施健康管理,及时发现并改善自身亚健康生活状态,保证健康的生活质量,具有重要的应用价值和现实意义。作为健康管理的重要环节,健康信息推荐是通过有效的手段收集个人详细的健康资料,对其进行整理和分析,以实现对人体当前健康状态及健康发展趋势的合理判断。
目前研究比较多的健康信息推荐方法主要是针对老年人和特殊人群,覆盖人群较少,无法满足人们的健康管理需求。
发明内容
本发明实施例提供一种信息推荐方法、装置、存储介质及电子设备,以提升信息推荐方法的覆盖人群,满足用户的健康管理需求。
第一方面,本发明实施例提供了一种信息推荐方法,包括:
获取用户信息,所述用户信息至少包括用户标签和年龄信息中的一项;
基于所述用户标签和年龄信息在模型库中确定用户对应的健康信息推荐模型,其中,所述模型库中包括全生命周期模型和专用模型;
将所述用户信息输入至所述用户对应的健康信息推荐模型,得到用户对应的推荐信息。
第二方面,本发明实施例还提供了一种信息推荐装置,包括:
信息获取模块,用于获取用户信息,所述用户信息至少包括用户标签和年龄信息中的一项;
模型确认模块,用于基于所述用户标签和年龄信息在模型库中确定用户对应的健康信息推荐模型,其中,所述模型库中包括全生命周期模型和专用模型;
信息生成模块,用于将所述用户信息输入至所述用户对应的健康信息推荐模型,得到用户对应的推荐信息。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例中任一所述的信息推荐方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行本发明实施例中任一所述的信息推荐方法。
本发明通过获取用户信息,用户信息至少包括用户标签和年龄信息中的一项;基于用户标签和年龄信息在模型库中确定用户对应的健康信息推荐模型,其中,模型库中包括全生命周期模型和专用模型;将用户信息输入至用户对应的健康信息推荐模型,得到用户对应的推荐信息。通过上述技术方案,实现了对全生命周期的健康信息推荐,提升了信息推荐方法的覆盖人群,满足用户的健康管理需求。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案,下面对描述实施例中所需要用到的附图做一简单介绍。显然,所介绍的附图只是本发明所要描述的一部分实施例的附图,而不是全部的附图,对于本领域普通技术人员,在不付出创造性劳动的前提下,还可以根据这些附图得到其他的附图。
图1是本发明实施例一所提供的一种信息推荐方法的流程示意图;
图2是本发明实施例二所提供的一种信息推荐方法的流程示意图;
图3是本发明实施例三所提供的一种信息推荐装置的结构示意图;
图4是本发明实施例四所提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。
另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的一种信息推荐方法的流程图,本实施例可适用于根据用户信息进行健康管理信息自动推荐的情况,该方法可以由本发明实施例提供的信息推荐装置来执行,该装置可以由软件和/或硬件来实现,该装置可以配置在电子计算设备上,例如,终端和/或服务器。具体包括如下步骤:
S110、获取用户信息,所述用户信息至少包括用户标签和年龄信息中的一项。
其中,用户信息可以是全方位、全天候、高精度的用户健康数据,用户信息还包括用户健康数据对应的标签信息,标签信息可以包括用户标签和年龄信息中的至少一项,用户标签可以是能够区分用户类别的标签,用户标签可以包括但不限于孕产标签和疾病类别标签,可选的,可以从用户档案中获取用户标签,例如,从用户档案中提取关键词,将提取的关键词作为用户标签,关键词可以是与孕产或疾病相关的词语,例如,妊娠、高血压等。年龄信息可以是用户的实际年龄。
在本发明实施例中,获取用户信息的方法包括:基于信息采集设备实时对用户采集用户信息,例如,用户信息可以是心率,信息采集设备可以是可穿戴设备,通过可穿戴设备实时采集用户的心率,本发明对获取用户信息的方法不做限定。需要说明的是,用户信息为用户提供或者用户授权的。
示例性的,用户信息可以是通过大数据平台中的统一数据交换平台采集而来。统一数据交换平台采集的用户信息存在多种维度、格式和大小,在一些实施例中,可以根据用户信息的维度格式或大小,将用户信息汇聚到数据湖不同的数据库中,实现对用户数据的分类。其中,数据库可以包括但不限于Hadoop、Oracle/MySQL、MPP等。
可选的,在获取用户信息之后,所述方法还包括:对用户信息进行数据预处理,得到预处理后的用户信息。可以理解的是,用户信息具有数据量大、异构、不同步和不完整等特点,为了给数据分析阶段提供更高质量的目标数据集,需要进行数据清洗、数据集成、数据规约、数据交换等数据预处理操作。数据预处理操作还包括自然语言处理。示例性的,用户信息对应的健康档案、电子病历中很多数据可能是非结构化,例如疾病史、主诉、影像结论等,都是整段的文字,需要通过NLP自然语言处理将用户信息中的关键信息和结论提取出来。
在本发明的一个可选实施例中,用户信息还包括生物组学数据、健康医疗数据和实时生命特征数据。在一些实施例中,用户信息还包括互联网数据、行为心理数据、社会环境数据和自然环境数据。可以理解的是,用户信息可以是多维数据,用户信息为多维数据的好处在于可以使生成的推荐信息更加可靠。
其中,生物组学数据包括但不限于基因组学数据、蛋白质组学数据、脂类组学数据、糖组学数据、转录组学数据、代谢组学数据和微生物组学数据;基因组学数据包括但不限于认知基因组学数据、结构基因组学数据、比较基因组学数据、功能基因组学数据、元基因组学数据、个体基因组学数据;蛋白质组学数据包括但不限于免疫组学数据、蛋白质基因组学数据、结构基因组学数据;脂类组学数据包括但不限于细胞、组织、生物或生态系统中的完整脂类谱;糖组学数据为给定细胞类型或人体的所有聚糖结构;转录组学数据包括但不限于细胞中基因转录的情况及转录调控规律信息;代谢组学数据为代谢产物的化学反应过程信息;微生物组学数据可以理解为人体中全部微生物及其遗传信息。
健康医疗数据包括但不限于妇幼保健数据、电子病历、健康档案等,其中,妇幼保健数据包括但不限于产前筛查与诊断数据、新生儿数据等,电子病历包括但不限于健康体检数据、公共卫生基本信息、慢病管理数据,电子病历包括但不限于门急诊数据、住院数据。实时生命特征数据包括但不限于脉搏、血压、血糖、走路步数、步行距离、爬楼层数等,可以通过可穿戴设备或手机App测得。互联网数据包括但不限于用户的网络社交言论、历史搜索内容等。行为心理数据包括但不限于用户营养数据、用户心理数据、用户运动数据、用户行为数据等,其中,用户营养数据可以是用户摄入的热量值、维生素含量、钙含量等;用户心理数据可以包括但不限于抑郁状态、焦虑状态等;用户运动数据包括但不限于运动频率和运动量等;用户行为数据可以包括但不限于抽烟情况、喝酒情况、定期体检情况等。社会环境数据包括但不限于医疗卫生资源数据、医疗卫生服务数据等,医疗卫生资源数据可以包括但不限于三甲医院数、医护人员数、床位数等,医疗卫生服务数据可以包括但不限于门诊记录、住院记录、远程医疗记录等;自然环境数据包括但不限于用户生活的环境数据、空气数据、水的数据,环境数据包括但不限于森林覆盖率、公厕设置密度等,空气数据包括但不限于重度及以上污染天数、PM2.5指标比上一年改善比例等,水的数据包括但不限于生活饮用水水质达标率、建制镇生活污水处理率等。
S120、基于所述用户标签和年龄信息在模型库中确定用户对应的健康信息推荐模型,其中,所述模型库中包括全生命周期模型和专用模型。
其中,模型库可以存储着多个健康信息推荐模型,健康信息推荐模型可以用于生成用户对应的推荐信息。模型库中包括但不限于全生命周期模型和专用模型。全生命周期模型可以是覆盖所有年龄段的健康信息推荐模型,专用模型可以是针对特殊用户设置的健康信息推荐模型,专用模型可以包括但不限于孕产期模型和慢病模型。慢病模型包括但不限于高血压模型、糖尿病模型、结核病模型、脑卒中模型、精神病模型、冠心病模型。
在一些实施例中,用户信息中可以包括多个用户标签,可以根据各用户标签的优先级选取健康信息推荐模型。例如,孕产标签的优先级可以高于疾病类别标签,根据优先级高的孕产标签在模型库中调用的健康信息推荐模型为孕产期模型。在另一实施例中,可以基于用户标签和年龄信息在模型库中同时调用多个健康信息推荐模型,例如,基于用户标签在模型库中匹配与用户标签对应的专用模型,然后基于年龄信息在模型库中匹配用户对应的全生命周期模型。本发明实施例对确定用户对应的健康信息推荐模型的方法不做限制。
在上述实施例的基础上,所述基于所述用户标签和年龄信息在模型库中确定用户对应的健康信息推荐模型,包括:若所述用户信息包括用户标签,则基于所述用户标签确定所述用户对应的专用模型;若所述用户信息不包括用户标签,则基于所述年龄信息在全生命周期模型中确定所述用户对应的年龄段模型。
示例性的,若用户信息包括用户标签,用户标签可以为孕产标签,则用户对应的健康模型为孕产期模型;用户标签还可以为疾病类别标签,则用户对应的健康模型为疾病类别对应的模型,在本发明的一个可选实施例中,孕产标签的优先级高于疾病类别标签,例如,若用户信息同时包含孕产标签和疾病类别标签,则根据优先级高的孕产标签确定专用模型,专用模型为孕产期模型。若用户信息不包括用户标签,则基于年龄信息在全生命周期模型中确定用户对应的年龄段模型,年龄段模型包括但不限于婴儿期模型(0岁)、幼儿期模型(1-3岁)、儿童期模型(4-12岁)、少年期模型(13-17岁)、青年期模型(18-39岁)、中年期模型(40-59岁)、老年期模型(60-79岁)、老年期模型(80岁及以上)。
在本发明实施例中,通过用户标签和年龄信息在模型库中确定用户对应的健康信息推荐模型,模型库中包括全生命周期模型和专用模型,实现了对所有人群的覆盖,可以满足所有用户的健康管理需求。
S130、将所述用户信息输入至所述用户对应的健康信息推荐模型,得到用户对应的推荐信息。
其中,推荐信息可以是健康指导建议,用户可以根据推荐信息进行健康管理,推荐信息可以包括但不限于饮食建议、运动建议和治疗建议。
在本发明的一个可选实施例中,健康信息推荐模型可以是机器学习模型,具体的,健康信息推荐模型可以预先通过大量的样本用户信息进行训练得到。在所训练的机器学习模型中,会预先对样本用户信息进行特征提取,并基于提取的特征对机器学习模型中的模型参数进行调整,并通过不断调整模型参数,得到健康信息推荐模型。在本发明的另一可选实施例中,健康信息推荐模型可以是目标函数模型,目标函数的确定过程包括:可以通过专家或医护人员所感兴趣的信息确定评估指标,评估指标可以与用户信息一一对应,然后对用户信息对应的评估指标进行拟合处理,得到与各评估指标所对应分值的权重,在一些可选实施例中,还可以通过德尔菲法确定各评估指标所对应分值的权重,根据各评估指标所对应分值的权重和评估指标确定目标函数。本发明实施例对健康信息推荐模型的类型不做限定。
本发明实施例提供了一种信息推荐方法,通过获取用户信息,用户信息至少包括用户标签和年龄信息中的一项;基于用户标签和年龄信息在模型库中确定用户对应的健康信息推荐模型,其中,模型库中包括全生命周期模型和专用模型;将用户信息输入至用户对应的健康信息推荐模型,得到用户对应的推荐信息。通过上述技术方案,实现了对全生命周期的健康信息推荐,提升了信息推荐方法的覆盖人群,满足用户的健康管理需求。
实施例二
图2为本发明实施例二提供的一种信息推荐方法的流程图示意图,在上述实施例的基础上,本发明实施例与上述实施例中各个可选方案可以结合。在本发明实施例中,可选地,所述健康信息推荐模型包括:评分确定模块、等级确定模块和信息推荐模块,所述评分确定模块用于基于所述用户信息确定健康评分;所述等级确定模块用于基于所述健康评分确定健康等级;所述信息推荐模块用于根据所述健康等级确定用户对应的推荐信息。如图2所示,本发明实施例的方法具体包括如下步骤:
S210、获取用户信息,所述用户信息至少包括用户标签和年龄信息中的一项。
S220、基于所述用户标签和年龄信息在模型库中确定用户对应的健康信息推荐模型,其中,所述模型库中包括全生命周期模型和专用模型。
S230、将所述用户信息输入至所述用户对应的健康信息推荐模型,得到用户对应的推荐信息,所述健康信息推荐模型包括:评分确定模块、等级确定模块和信息推荐模块。
其中,健康信息推荐模型包括评分确定模块,评分确定模块可以用于基于所述用户信息确定健康评分,健康评分可以用来评价用户的健康状况,在本发明的一个可选实施例中,健康评分可以为百分制,健康评分越接近100,代表用户的健康状况越好。
可以理解的是,全生命周期模型和专用模型具有相同的模块结构,每个全生命周期模型或专用模型都包括评分确定模块、等级确定模块和信息推荐模块,各健康信息推荐模型的区别在于各健康信息推荐模型对应模型参数不同,模型参数可以包括但不限于评估指标和各评估指标的权重,从而实现不同健康信息推荐模型具有不同的评估指标和各评估指标的权重,使健康信息推荐模型更具针对性,使健康信息推荐模型输出的推荐信息更加可靠。
在上述实施例的基础上,所述评分确定模块具体用于:基于所述用户信息确定各评估指标对应的分值;基于所述各评估指标对应的分值和各评估指标的权重进行加权处理,得到健康评分。
其中,评估指标可以是多个维度的指标信息,评估指标对应的分值可以是评估指标对应标准化分值,计算公式如下:
其中,wi为第i项评估指标的权重,Si为第i项评估指标的标准化分值,S为健康评分。
在上述实施例的基础上,所述基于所述用户信息确定各评估指标对应的分值,包括:基于用户信息确定各评估指标对应的评分等级;对所述各评估指标对应的评分等级进行等差赋值,得到各评估指标对应的分值。
示例性的,根据各评估指标的属性和特征,将所有评估指标设置为等级变量,划分不同的等级分值,例如,评估指标为血压,可以根据血压的数值将血压分为三个等级变量,例如高血压、低血压、血压正常,然后对健康等级采用等差赋值法进行评分转换。例如,评分等级为5、4、3、2、1的划分,直接赋予100、80、60、40、20;评分等级为3、2、1的划分,直接赋予100、66、33,等差赋值法将指标标准化为百分制,实现了评价标准的统一。
在本发明实施例中,所述等级确定模块用于基于所述健康评分确定健康等级;所述信息推荐模块用于根据所述健康等级确定用户对应的推荐信息。
其中,健康信息推荐模型还包括等级确定模块和信息推荐模块,等级确定模块用于基于所述健康评分确定健康等级,信息推荐模块用于根据所述健康等级确定用户对应的推荐信息。健康等级可以是对健康状况的分级,
在上述实施例的基础上,所述等级确定模块和所述信息推荐模块具体用于:基于所述健康评分和预设评分-等级映射关系,确定所述健康评分对应的健康等级;基于所述健康等级在专家信息库中匹配,得到用户对应的推荐信息。
在本发明实施例中,预设评分-等级映射关系可以是根据经验或理论计算得来的,例如,将健康评分为100-90对应健康等级为I级,将健康评分为89-80对应健康等级为II级,将健康评分为79-60对应健康等级为III级,将健康评分60分以下对应健康等级为IV级,等级越低表明用户健康状况越好。
专家信息库可以包含多个推荐信息,可以通过健康等级在专家信息库中匹配,得到用户对应的推荐信息。在本发明的一个可选实施例中,先通过评估指标在专家信息库匹配与用户评估指标相关的推荐信息,然后通过健康等级在用户评估指标相关的推荐信息再次筛选推荐信息,使得到的用户信息更可靠,相关性更强。
本发明实施例提供了一种信息推荐方法,通过获取用户信息,用户信息至少包括用户标签和年龄信息中的一项;基于用户标签和年龄信息在模型库中确定用户对应的健康信息推荐模型,其中,模型库中包括全生命周期模型和专用模型;基于所述用户信息确定健康评分,基于所述健康评分确定健康等级,根据所述健康等级确定用户对应的推荐信息。通过上述技术方案,实现了自动对用户健康进行评分和健康等级划分,进而通过健康等级进行健康信息推荐,提高了信息推荐效率。
实施例三
图3为本发明实施例三提供的一种信息推荐装置的结构示意图,本实施例所提供的信息推荐装置可以通过软件和/或硬件来实现,可配置于终端和/或服务器中来实现本发明实施例中的信息推荐方法。该装置具体可以包括:信息获取模块310、模型确认模块320以及信息生成模块330。
其中,信息获取模块310,用于获取用户信息,所述用户信息至少包括用户标签和年龄信息中的一项;模型确认模块320,用于基于所述用户标签和年龄信息在模型库中确定用户对应的健康信息推荐模型,其中,所述模型库中包括全生命周期模型和专用模型;信息生成模块330,用于将所述用户信息输入至所述用户对应的健康信息推荐模型,得到用户对应的推荐信息。
本发明实施例提供了一种信息推荐装置,通过获取用户信息,用户信息至少包括用户标签和年龄信息中的一项;基于用户标签和年龄信息在模型库中确定用户对应的健康信息推荐模型,其中,模型库中包括全生命周期模型和专用模型;将用户信息输入至用户对应的健康信息推荐模型,得到用户对应的推荐信息。通过上述技术方案,实现了对全生命周期的健康信息推荐,提升了信息推荐方法的覆盖人群,满足用户的健康管理需求。
在本发明实施例中任一可选技术方案的基础上,可选地,所述用户信息还包括生物组学数据、健康医疗数据和实时生命特征数据。
在本发明实施例中任一可选技术方案的基础上,可选地,所述模型确认模块320具体用于:
若所述用户信息包括用户标签,则基于所述用户标签确定所述用户对应的专用模型;
若所述用户信息不包括用户标签,则基于所述年龄信息在全生命周期模型中确定所述用户对应的年龄段模型。
在本发明实施例中任一可选技术方案的基础上,可选地,所述所述健康信息推荐模型包括:评分确定模块、等级确定模块和信息推荐模块,所述评分确定模块用于基于所述用户信息确定健康评分;所述等级确定模块用于基于所述健康评分确定健康等级;所述信息推荐模块用于根据所述健康等级确定用户对应的推荐信息。
在本发明实施例中任一可选技术方案的基础上,可选地,所述评分确定模块具体用于:
基于所述用户信息确定各评估指标对应的分值;
基于所述各评估指标对应的分值和各评估指标的权重进行加权处理,得到健康评分。
在本发明实施例中任一可选技术方案的基础上,可选地,所述评分确定模块还可以用于;
基于用户信息确定各评估指标对应的评分等级;
对所述各评估指标对应的评分等级进行等差赋值,得到各评估指标对应的分值。
在本发明实施例中任一可选技术方案的基础上,可选地,所述等级确定模块和所述信息推荐模块具体用于:
基于所述健康评分和预设评分-等级映射关系,确定所述健康评分对应的健康等级;
基于所述健康等级在专家信息库中匹配,得到用户对应的推荐信息。
本发明实施例所提供的信息推荐装置可执行本发明任意实施例所提供的信息推荐方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例五所提供的一种电子设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图4显示的电子设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块26的程序/实用工具36,可以存储在例如系统存储器28中,这样的程序模块26包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块26通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该电子设备12交互的设备通信,和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图4所示,网络适配器20通过总线18与电子设备12的其它模块通信。应当明白,尽管图4中未示出,可以结合电子设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发实施例所提供的一种信息推荐方法。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种信息推荐方法,该方法包括:
获取用户信息,所述用户信息至少包括用户标签和年龄信息中的一项;
基于所述用户标签和年龄信息在模型库中确定用户对应的健康信息推荐模型,其中,所述模型库中包括全生命周期模型和专用模型;
将所述用户信息输入至所述用户对应的健康信息推荐模型,得到用户对应的推荐信息。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种信息推荐方法,其特征在于,包括:
获取用户信息,所述用户信息至少包括用户标签和年龄信息中的一项;
基于所述用户标签和年龄信息在模型库中确定用户对应的健康信息推荐模型,其中,所述模型库中包括全生命周期模型和专用模型;
将所述用户信息输入至所述用户对应的健康信息推荐模型,得到用户对应的推荐信息。
2.根据权利要求1所述的方法,其特征在于,所述用户信息还包括生物组学数据、健康医疗数据和实时生命特征数据。
3.根据权利要求1所述的方法,其特征在于,所述基于所述用户标签和年龄信息在模型库中确定用户对应的健康信息推荐模型,包括:
若所述用户信息包括用户标签,则基于所述用户标签确定所述用户对应的专用模型;
若所述用户信息不包括用户标签,则基于所述年龄信息在全生命周期模型中确定所述用户对应的年龄段模型。
4.根据权利要求1所述的方法,其特征在于,所述健康信息推荐模型包括:评分确定模块、等级确定模块和信息推荐模块,
所述评分确定模块用于基于所述用户信息确定健康评分;
所述等级确定模块用于基于所述健康评分确定健康等级;
所述信息推荐模块用于根据所述健康等级确定用户对应的推荐信息。
5.根据权利要求4所述的方法,其特征在于,所述评分确定模块具体用于:
基于所述用户信息确定各评估指标对应的分值;
基于所述各评估指标对应的分值和各评估指标的权重进行加权处理,得到健康评分。
6.根据权利要求5所述的方法,其特征在于,所述基于所述用户信息确定各评估指标对应的分值,包括:
基于用户信息确定各评估指标对应的评分等级;
对所述各评估指标对应的评分等级进行等差赋值,得到各评估指标对应的分值。
7.根据权利要求4所述的方法,其特征在于,所述等级确定模块和所述信息推荐模块具体用于:
基于所述健康评分和预设评分-等级映射关系,确定所述健康评分对应的健康等级;
基于所述健康等级在专家信息库中匹配,得到用户对应的推荐信息。
8.一种信息推荐装置,其特征在于,包括:
信息获取模块,用于获取用户信息,所述用户信息至少包括用户标签和年龄信息中的一项;
模型确认模块,用于基于所述用户标签和年龄信息在模型库中确定用户对应的健康信息推荐模型,其中,所述模型库中包括全生命周期模型和专用模型;
信息生成模块,用于将所述用户信息输入至所述用户对应的健康信息推荐模型,得到用户对应的推荐信息。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的信息推荐方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的信息推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111123731.1A CN113823410A (zh) | 2021-09-24 | 2021-09-24 | 一种信息推荐方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111123731.1A CN113823410A (zh) | 2021-09-24 | 2021-09-24 | 一种信息推荐方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113823410A true CN113823410A (zh) | 2021-12-21 |
Family
ID=78915416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111123731.1A Pending CN113823410A (zh) | 2021-09-24 | 2021-09-24 | 一种信息推荐方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113823410A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150120633A1 (en) * | 2013-10-31 | 2015-04-30 | Health 123, Inc. | Wellness information analysis system |
CN111291626A (zh) * | 2020-01-16 | 2020-06-16 | 珠海格力电器股份有限公司 | 食谱推荐方法、装置和系统 |
CN111883228A (zh) * | 2020-07-28 | 2020-11-03 | 平安科技(深圳)有限公司 | 基于知识图谱的健康信息推荐方法、装置、设备及介质 |
CN111933291A (zh) * | 2020-09-03 | 2020-11-13 | 平安国际智慧城市科技股份有限公司 | 医疗信息推荐装置、方法、系统、设备及可读存储介质 |
CN112233772A (zh) * | 2020-10-13 | 2021-01-15 | 杭州电子科技大学 | 一种基于机器学习的健康食谱推荐系统 |
CN112562854A (zh) * | 2020-12-17 | 2021-03-26 | 山东大学 | 一种高龄人员精准医疗关怀服务推荐方法及系统 |
CN112885431A (zh) * | 2021-01-13 | 2021-06-01 | 佛山市顺德区美的洗涤电器制造有限公司 | 饮食推荐方法、装置、油烟机、处理器及存储介质 |
CN112927779A (zh) * | 2021-01-08 | 2021-06-08 | 国家体育总局体育科学研究所 | 一种高血压糖尿病人群的全民健身模型开发方法 |
-
2021
- 2021-09-24 CN CN202111123731.1A patent/CN113823410A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150120633A1 (en) * | 2013-10-31 | 2015-04-30 | Health 123, Inc. | Wellness information analysis system |
CN111291626A (zh) * | 2020-01-16 | 2020-06-16 | 珠海格力电器股份有限公司 | 食谱推荐方法、装置和系统 |
CN111883228A (zh) * | 2020-07-28 | 2020-11-03 | 平安科技(深圳)有限公司 | 基于知识图谱的健康信息推荐方法、装置、设备及介质 |
CN111933291A (zh) * | 2020-09-03 | 2020-11-13 | 平安国际智慧城市科技股份有限公司 | 医疗信息推荐装置、方法、系统、设备及可读存储介质 |
CN112233772A (zh) * | 2020-10-13 | 2021-01-15 | 杭州电子科技大学 | 一种基于机器学习的健康食谱推荐系统 |
CN112562854A (zh) * | 2020-12-17 | 2021-03-26 | 山东大学 | 一种高龄人员精准医疗关怀服务推荐方法及系统 |
CN112927779A (zh) * | 2021-01-08 | 2021-06-08 | 国家体育总局体育科学研究所 | 一种高血压糖尿病人群的全民健身模型开发方法 |
CN112885431A (zh) * | 2021-01-13 | 2021-06-01 | 佛山市顺德区美的洗涤电器制造有限公司 | 饮食推荐方法、装置、油烟机、处理器及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dias et al. | Artificial intelligence in clinical and genomic diagnostics | |
Westra et al. | Big data science: A literature review of nursing research exemplars | |
CN113015977A (zh) | 使用自然语言处理的对疾病和病症的基于深度学习的诊断和转诊 | |
US20160098519A1 (en) | Systems and methods for scalable unsupervised multisource analysis | |
CA2594181A1 (en) | Methods, systems, and computer program products for developing and using predictive models for predicting a plurality of medical outcomes, for evaluating intervention strategies, and for simultaneously validating biomarker causality | |
CN109036577A (zh) | 糖尿病并发症分析方法及装置 | |
CN114003734B (zh) | 乳腺癌风险因素知识体系系统、知识图谱系统及构建方法 | |
Kaswan et al. | AI-based natural language processing for the generation of meaningful information electronic health record (EHR) data | |
CN111063448A (zh) | 输血不良反应数据库建立方法、存储系统以及主动预警系统 | |
CN112397159A (zh) | 临床试验报告自动录入方法及装置、电子设备、存储介质 | |
Wang et al. | Improving triaging from primary care into secondary care using heterogeneous data-driven hybrid machine learning | |
WO2021044594A1 (en) | Method, system, and apparatus for health status prediction | |
Joudar et al. | Artificial intelligence-based approaches for improving the diagnosis, triage, and prioritization of autism spectrum disorder: a systematic review of current trends and open issues | |
CN114420279A (zh) | 一种医疗资源推荐方法、装置、设备及存储介质 | |
Chiu et al. | Integrating structured and unstructured EHR data for predicting mortality by machine learning and latent Dirichlet allocation method | |
Li et al. | Application of a Mobile Chronic Disease Health‐Care System for Hypertension Based on Big Data Platforms | |
CN116543917A (zh) | 一种针对异构时间序列数据的信息挖掘方法 | |
Kenei et al. | Visualizing semantic structure of a clinical text document | |
CN113823410A (zh) | 一种信息推荐方法、装置、存储介质及电子设备 | |
US20230072155A1 (en) | Method and system for incorporating patient information | |
CN114882985A (zh) | 基于数据库和ai算法识别的医药多媒体管理系统及方法 | |
Reid | Diabetes diagnosis and readmission risks predictive modelling: USA | |
Hung et al. | Prediction of 30-day hospital readmissions for all-cause dental conditions using machine learning | |
Bhadouria et al. | Machine learning model for healthcare investments predicting the length of stay in a hospital & mortality rate | |
Yang et al. | Application of data mining in the provision of in-home medical care for patients with advanced cancer |
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 |