CN114203304B - 基于智慧医疗大数据的信息推送方法及智慧医疗云服务器 - Google Patents

基于智慧医疗大数据的信息推送方法及智慧医疗云服务器 Download PDF

Info

Publication number
CN114203304B
CN114203304B CN202111349320.4A CN202111349320A CN114203304B CN 114203304 B CN114203304 B CN 114203304B CN 202111349320 A CN202111349320 A CN 202111349320A CN 114203304 B CN114203304 B CN 114203304B
Authority
CN
China
Prior art keywords
session
item
information
medical
push
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
Application number
CN202111349320.4A
Other languages
English (en)
Other versions
CN114203304A (zh
Inventor
陈立昆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Langheng Technology Group Co ltd
Original Assignee
Langheng Technology Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Langheng Technology Group Co ltd filed Critical Langheng Technology Group Co ltd
Priority to CN202111349320.4A priority Critical patent/CN114203304B/zh
Publication of CN114203304A publication Critical patent/CN114203304A/zh
Application granted granted Critical
Publication of CN114203304B publication Critical patent/CN114203304B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Artificial Intelligence (AREA)
  • Epidemiology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)

Abstract

本申请实施例提供一种基于智慧医疗大数据的信息推送方法及智慧医疗云服务器，根据目标推送业务范围与所述目标智慧医疗会话对应的未携带预设会话标签的智慧医疗项目的会话特征数据以及目标推送业务范围对应的推送业务信息统计结果，基于信息推送策略优化网络得到针对所述目标智慧医疗会话的推送策略优化方案，然后根据推送业务信息统计结果通过优化后的信息推送策略针对目标智慧医疗会话进行信息推送。如此，可以避免采用既定的信息推送策略进行信息推送。此外，信息推送还参考了目标推送业务范围内的推送业务信息统计结果，可进一步提高信息推送的精准性，并提升信息的推送效果以及用户体验。

Description

基于智慧医疗大数据的信息推送方法及智慧医疗云服务器
技术领域
本申请涉及智慧医疗及大数据技术领域，具体而言，涉及一种基于智慧医疗大数据的信息推送方法及智慧医疗云服务器。
背景技术
随着计算机科学及信息技术的不断发展，大数据已广泛涉及各行各业。例如，在智慧医疗行业，基于大数据的行业应用也如雨后春笋般逐渐呈现。在一种典型的智慧医疗行业应用场景中，基于智慧医疗大数据的信息推送（如医疗项目推送、医生推送、业务项目推送等等）已得到了广泛的应用。然而，常见的信息推送方式，大多基于既定的信息推送规则向被推送对象进行相应的信息推送，进而导致推送效果以及用户的体验感不佳。
发明内容
为解决上述问题，第一方面，本申请实施例提供一种基于智慧医疗大数据的信息推送方法，所述方法包括：
根据针对目标智慧医疗会话的信息推送策略的更新优化请求，获取目标推送业务范围与所述目标智慧医疗会话对应的未携带预设会话标签的智慧医疗项目的会话特征数据以及所述目标推送业务范围对应的推送业务信息统计结果；
根据所述未携带预设会话标签的智慧医疗项目的会话特征数据，并通过预先采用样本进行机器学习得到的信息推送策略优化网络得到针对所述目标智慧医疗会话的推送策略优化方案，对所述目标智慧医疗会话的信息推送策略进行优化；
根据所述推送业务信息统计结果通过优化后的所述信息推送策略针对所述目标智慧医疗会话进行信息推送。
基于第一方面，所述根据所述未携带预设会话标签的智慧医疗项目的会话特征数据，并通过采用样本进行机器学习得到的信息推送策略优化网络得到针对所述目标智慧医疗会话的推送策略优化方案，对所述目标智慧医疗会话的信息推送策略进行优化，包括：
确定与所述目标智慧医疗会话对应的未携带预设会话标签的智慧医疗项目的会话特征数据所分别对应的不同会话项目；
根据所述不同会话项目，确定与所述不同会话项目对应的业务推送指标数据；
根据所述业务推送指标数据，对所述目标智慧医疗会话对应的未携带预设会话标签的智慧医疗项目的会话特征数据进行指标赋值操作，得到与对应的会话项目对应的未携带预设会话标签的会话项目特征数据集；
通过所述信息推送策略优化网络对所述未携带预设会话标签的会话项目特征数据集进行项目启用频率分析，并根据项目启用频率分析数据得到所述目标智慧医疗会话的推送策略优化方案，其中，所述信息推送策略优化网络包括特征提取单元、启用频率识别单元以及优化策略输出单元；
发送所述目标智慧医疗会话的推送策略优化方案至所述目标智慧医疗会话对应的会话设备，以对所述目标智慧医疗会话针对待推送智慧医疗项目对应的待推送信息的信息推送策略进行推送策略优化。
基于第一方面，所述推送策略优化方案包括根据项目启用频率分析结果得到的项目启用频率在预设频率区间内的待推送智慧医疗项目对应的待推送信息，以及针对相应的待推送信息的信息推送优化策略，所述发送所述目标智慧医疗会话的推送策略优化方案至所述目标智慧医疗会话对应的会话设备，以对所述智慧医疗会话针对待推送智慧医疗项目对应的待推送信息的信息推送策略进行推送策略优化，包括：
当所述目标智慧医疗会话针对所述待推送信息的项目启用频率位于与第一优化方式对应的第一预设频率区间内时，在智慧医疗云服务器中将所述目标智慧医疗会话针对所述待推送信息的信息推送策略按照所述推送策略优化方案进行优化，并将优化结果发送给所述目标智慧医疗会话对应的会话设备，其中，针对所述待推送信息的信息推送优化策略包括减小所述目标智慧医疗会话针对所述待推送信息的推送概率，其中，所述第一预设频率区间的最大值端点小于或等于第一预设阈值；
当所述目标智慧医疗会话针对所述待推送信息的项目启用频率位于与第二优化方式对应的第二预设频率区间内时，触发所述目标智慧医疗会话对应的会话对象进行优化验证的流程，当所述目标智慧医疗会话对应的会话对象通过优化验证后，在所述智慧医疗云服务器中将所述目标智慧医疗会话针对所述待推送信息的信息推送策略按照所述推送策略优化方案进行优化，其中，针对所述待推送信息的信息推送优化策略包括增加所述目标智慧医疗会话针对所述待推送信息的推送概率，所述第二预设频率区间的最小值端点大于或等于第二预设阈值；
在将所述目标智慧医疗会话针对所述待推送信息的信息推送策略按照所述推送策略优化方案进行优化后，将所述目标推送业务范围所述目标智慧医疗会话针对所述待推送信息的智慧医疗项目的会话特征数据的会话标签修改为所述预设会话标签。
基于第一方面，所述方法还包括：
获取具有不同用户特征的目标智慧医疗会话集合和不同会话项目对应的携带有会话标签的历史智慧医疗项目数据；
根据所述目标智慧医疗会话集合的用户特征和所述会话项目的历史智慧医疗项目数据，得到与所述信息推送策略优化网络对应的会话项目特征数据集，其中所述会话项目特征数据集中包括不同的医疗项目会话特征数据样本；
确定不同的项目启用频率区间，并根据相应的项目启用频率区间对所述会话项目特征数据集中包括的各医疗项目会话特征数据样本进行区间划分，得到与所述信息推送策略优化网络对应的不同项目启用频率的机器学习样本序列，其中，所述机器学习样本序列包括多个医疗项目会话特征数据样本；
根据所述不同项目启用频率的机器学习样本序列对所述信息推送策略优化网络进行机器学习，得到机器学习后的信息推送策略优化网络，以用于对所述会话项目中的目标智慧医疗会话的信息推送策略进行推送策略优化。
基于第一方面，所述确定不同的项目启用频率区间，并根据相应的项目启用频率区间对所述会话项目特征数据集进行区间划分，得到与所述信息推送策略优化网络对应的不同项目启用频率的机器学习样本序列，包括：
确定与所述信息推送策略优化网络关联的智慧医疗会话业务类型，并根据所述信息推送策略优化网络的智慧医疗会话业务类型确定不同频率区间的项目启用频率；
确定所述会话项目特征数据集中的各医疗项目会话特征数据样本所对应的项目启用频率数据；
根据与所述信息推送策略优化网络对应的深度策略优化梯度算法以及不同频率区间的项目启用频率对所述会话项目特征数据集中的各医疗项目会话特征数据样本所对应的项目启用频率数据进行处理，得到用于训练所述信息推送策略优化网络对应的不同项目启用频率的机器学习样本序列；
所述根据所述不同项目启用频率的机器学习样本序列对所述信息推送策略优化网络进行机器学习，得到机器学习后的信息推送策略优化网络，包括：
通过所述信息推送策略优化网络中特征提取单元，对所述机器学习样本序列中的各医疗项目会话特征数据样本进行处理，确定所述特征提取单元的初始网络参数；根据所述特征提取单元的初始网络参数，通过所述特征提取单元对所述机器学习样本序列中的各所述医疗项目会话特征数据样本进行处理，确定所述特征提取单元的网络迭代评价指标；根据所述特征提取单元的网络迭代评价指标，通过所述机器学习样本序列中的各医疗项目会话特征数据样本对所述特征提取单元的网络参数进行循环优化，直到达到预设收敛条件，以得到训练后的特征提取单元用于对所述机器学习样本序列中每个医疗项目会话特征数据样本的医疗项目特征数据进行特征数据提取；
根据所述启用频率识别单元的初始网络参数，通过所述启用频率识别单元对所述机器学习样本序列中的各医疗项目会话特征数据样本进行处理，确定所述启用频率识别单元的网络迭代评价指标；根据所述启用频率识别单元的网络迭代评价指标，通过所述机器学习样本序列中的各医疗项目会话特征数据样本对所述启用频率识别单元的网络参数进行循环优化，直到达到预设收敛条件，得到训练后的启用频率识别单元；
通过所述信息推送策略优化网络中的优化策略输出单元，对所述机器学习样本序列中每个医疗项目会话特征数据样本进行处理，以确定所述优化策略输出单元的初始网络参数；根据所述优化策略输出单元的初始网络参数，通过所述优化策略输出单元对所述机器学习样本序列中每个医疗项目会话特征数据样本的医疗项目特征数据进行处理，得到所述优化策略输出单元的网络迭代评价指标；通过所述机器学习样本序列对所述优化策略输出单元的网络迭代评价指标进行循环优化，直到达到预设收敛条件，得到训练后的所述优化策略输出单元。
基于第一方面，所述通过所述信息推送策略优化网络对所述未携带预设会话标签的会话项目特征数据集进行项目启用频率分析，并根据项目启用频率分析数据得到所述目标智慧医疗会话的推送策略优化方案，包括：
将所述未携带预设会话标签的会话项目特征数据集中的各医疗项目会话特征数据通过所述特征提取单元进行特征提取操作，得到各医疗项目会话特征数据的医疗项目特征数据以及各医疗项目会话特征数据对应的会话项目的业务推送指标数据；
将各所述医疗项目会话特征数据的医疗项目特征数据输入所述启用频率识别单元进行项目启用频率识别，得到各所述医疗项目会话特征数据分别对应的项目启用频率，并根据各医疗项目会话特征数据分别对应的项目启用频率与各所述医疗项目会话特征数据对应的会话项目，得到一项目启用频率数组；
将所述项目启用频率数组输入所述优化策略输出单元，通过所述优化策略输出单元对所述项目启用频率数组进行处理，得到针对所述目标智慧医疗会话的推送策略优化方案；其中：
所述将各所述医疗项目会话特征数据的医疗项目特征数据输入所述启用频率识别单元进行项目启用频率识别，得到各所述医疗项目会话特征数据分别对应的项目启用频率，并根据各医疗项目会话特征数据分别对应的项目启用频率与各所述医疗项目会话特征数据对应的会话项目，得到一项目启用频率数组，包括：
对各所述医疗项目会话特征数据的医疗项目特征数据进行医疗项目分类处理，得到与所述医疗项目会话特征数据对应的多种会话项目；
计算每种会话项目在所述医疗项目会话特征数据中的医疗项目数量，并获得每种会话项目分别对应的优先级参数；
根据每种会话项目对应的医疗项目数量以及每种医疗项目分别对应的优先级参数，得到每种会话项目对应的项目启用频率，根据每种医疗项目对应的项目启用频率创建所述项目启用频率数组。
基于第一方面，所述将所述项目启用频率数组输入所述优化策略输出单元，通过所述优化策略输出单元对所述项目启用频率数组进行处理，得到针对所述目标智慧医疗会话的推送策略优化方案，包括：
根据所述项目启用频率数组中各种会话项目对应的项目启用频率将各会话项目按照频率值进行排列，根据排列结果确定N个高启用频率会话项目以及M个低启用频率会话项目作为待推送智慧医疗项目，根据所述待推送智慧医疗项目对应的业务推送指标数据，得到所述目标智慧医疗会话针对每个所述待推送智慧医疗项目分别对应的待推送信息的推送策略优化方案，其中N为第一预设数量，M为第二预设数量；或者
根据所述项目启用频率数组中各种会话项目对应的项目启用频率，将各会话项目划分至预设的不同频率区间中，将预设的目标高启用频率区间内的会话项目以及预设的目标低启用频率区间中的会话项目作为待推送智慧医疗项目，根据所述待推送智慧医疗项目对应的业务推送指标数据，得到所述目标智慧医疗会话针对各所述待推送智慧医疗项目分别对应的待推送信息的推送策略优化方案。
基于第一方面，所述推送策略优化方案包括所述目标智慧医疗会话针对每个待推送智慧医疗项目对应的待推送信息的当前信息推送策略和待优化的信息推送策略，以及针对每个待优化的信息推送策略对应的策略优化方式。
基于第一方面，所述方法还包括：
获取第一推送业务执行模块反馈的第一推送业务统计信息；所述第一推送业务执行模块为目标推送业务范围对应的多个推送业务执行模块中的其中一个推送业务执行模块，所述目标推送业务范围对应的多个推送业务执行模块用于对目标推送业务范围进行业务推送信息分析；
当所述第一推送业务执行模块业务更新完成，且当前存在没有进行业务更新的第二推送业务执行模块时，将所述第一推送业务统计信息拷贝到预设统计信息备份空间；
根据所述预设统计信息备份空间中备份的推送业务统计信息，与记录推送业务统计信息对应的信息统计数据库中记录的推送业务统计信息，确定所述目标推送业务范围对应的推送业务信息统计结果。
第二方面，本实施例还提供一种智慧医疗云服务器，包括处理器、机器可读存储介质，所述机器可读存储介质和所述处理器连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以实现上述的基于智慧医疗大数据的信息推送方法。
综上所述，本申请实施例提供的基于智慧医疗大数据的信息推送方法及智慧医疗云服务器，根据针对目标智慧医疗会话的信息推送策略的更新优化请求，获取目标推送业务范围与所述目标智慧医疗会话对应的未携带预设会话标签的智慧医疗项目的会话特征数据以及目标推送业务范围对应的推送业务信息统计结果，然后根据所述未携带预设会话标签的智慧医疗项目的会话特征数据，并通过具有项目启用频率的医疗项目会话特征数据样本进行机器学习得到的信息推送策略优化网络得到针对所述目标智慧医疗会话的推送策略优化方案，对所述目标智慧医疗会话的信息推送策略进行优化。最后，根据所述推送业务信息统计结果通过优化后的所述信息推送策略针对所述目标智慧医疗会话进行信息推送。如此，可以实现针对待推送信息的项目启用频率对目标智慧医疗会话针对所述待推送信息的信息推送策略进行推送策略优化，避免了采用既定的信息推送策略进行信息推送。此外，在信息推送的过程中还参考了目标推送业务范围内的推送业务信息统计结果，可进一步提高信息推送的精准性，提升了信息的推送效果以及用户体验。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，针对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他相关的附图。
图1是本申请实施例提供的基于智慧医疗大数据的信息推送方法的流程示意图。
图2是图1中步骤S200的子步骤流程示意图。
图3是本申请实施例提供的用于实现图1所示的方法的智慧医疗云服务系统示意图。
图4是图3中的智慧医疗云服务器的示意图。
具体实施方式
这里将详细地对本申请的示例性实施例进行说明。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的各个实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。下面将结合附图对本申请的实施例进行详细的描述。
如图1所示，图1是本申请实施例提供的基于智慧医疗大数据的信息推送方法的流程示意图。本实施例中，所述方法可以由智慧医疗云服务器实现，具体描述如下。
步骤S100，根据针对目标智慧医疗会话的信息推送策略的更新优化请求，获取目标推送业务范围与所述目标智慧医疗会话对应的未携带预设会话标签的智慧医疗项目的会话特征数据以及目标推送业务范围对应的推送业务信息统计结果。本实施例中，目标智慧医疗会话可以是用户通过各种可能的会话终端与智慧医疗云服务器建立通信后，所使用的智慧医疗云服务器提供的各种服务而产生的会话，例如可以是咨询类会话、在线医疗类会话、在线问诊类会话等等。相应的信息推送可以是通过会话终端注册是设置的各种联系方式实现信息推送，例如短信，也可以是通过相应的会话页面通过可视化推送的方式进行信息推送，针对具体的推送方式，本实施例不具体进行限定。
步骤S200，根据所述未携带预设会话标签的智慧医疗项目的会话特征数据，并通过具有项目启用频率的医疗项目会话特征数据样本进行机器学习得到的信息推送策略优化网络得到针对所述目标智慧医疗会话的推送策略优化方案，对所述目标智慧医疗会话的信息推送策略进行优化。
步骤S300，根据所述推送业务信息统计结果通过优化后的所述信息推送策略针对所述目标智慧医疗会话进行信息推送。
本实施例中，所述推送策略优化方案可以包括根据项目启用频率分析结果得到的项目启用频率在预设频率区间内的待推送智慧医疗项目对应的待推送信息，以及针对相应的待推送信息的信息推送优化策略，以根据所述待推送智慧医疗项目所在的预设频率区间对所述目标智慧医疗会话针对所述待推送信息的信息推送策略进行推送策略优化。例如，当所述待推送信息位于与第一优化方式对应的第一预设频率区间内时，针对所述待推送信息的信息推送优化策略可以包括减小所述目标智慧医疗会话针对所述待推送信息的推送概率。如，由原来的根据智慧医疗会话进行兴趣分析之后针对兴趣项目按照第一高推送概率进行信息推送的方式优化为需要根据兴趣分析之后针对兴趣项目按照较低的第二推送概率进行信息推送。又例如，当所述待推送信息位于与第二优化方式对应的第二预设频率区间内时，针对所述待推送信息的信息推送优化策略可以包括增加所述目标智慧医疗会话针对所述待推送信息的推送概率，如，由原来的根据智慧医疗会话进行兴趣分析之后针对兴趣项目按照第二推送概率进行兴趣项目的推送，优化为根据智慧医疗会话进行兴趣分析之后针对兴趣项目按照第一推送概率进行兴趣项目的推送。其中，第一推送概率高于所述第二推送概率。
在推送策略优化后，可以将相应的智慧医疗项目的会话特征数据的会话标签进行更新，例如从第一预设值更新为第二预设值。例如，所述第一预设值可以为0，所述第二预设值可以为1，0可以表示相应的智慧医疗项目的会话特征数据未被用于进行过推送策略优化的参考，1可以表示相应的智慧医疗项目的会话特征数据已经被用于进行过推送策略优化的参考。进一步地，在一定的时间周期之后，还可以将智慧医疗云服务器中存储的会话标签为所述第二预设值的相应的智慧医疗项目的会话特征数据删除。
本实施例中，举例而言，所述更新优化请求可以在所述智慧医疗云服务器在一定的条件下而生成，例如在在所述目标智慧医疗会话在设定的业务范围内的用户访问数达到了一定的数量，或者在推送信息的推送效果离预期效果的差别达到一定条件时。
智慧医疗项目的会话特征数据在所述目标智慧医疗会话针对用户基于相应的智慧医疗会话项目结束之后，通过会话日志的方式存储在设定的日志数据库中，以保存所述目标智慧医疗会话的相应会话数据。
例如，所述智慧医疗项目的会话特征数据可以包括所述目标智慧医疗会话的会话对象在与相应的智慧医疗项目进行交互是而产生的各种会话数据，例如咨询内容、咨询项目、咨询类型、会话时长、会话类型等等，此处不进行限制。所述项目启用频率可以用于表示所述目标智慧医疗会话针对相应的智慧医疗项目被会话对象使用的频率。
示例性地，针对一些情况，例如针对目标智慧医疗会话的历史推送数据，推送转化率明显低于预期时，可以进行所述目标智慧医疗会话的信息推送策略的推送策略优化，例如增加对应的兴趣项目的推送概率或推送方式以及推送频率等等，以提升推送效果以及推送转化率。又或者，在针对目标会话对象或目标推送群体的推送大数据进行分析，这类群体针对推送的兴趣项目完全不感兴趣或者反馈无需推送的相关负面反馈时，可以考虑减小相应兴趣项目的推送概率、推送频率以及改变推送方式等。应当理解，以上仅仅是为了说明一些可能需要进行信息推送策略的推送策略优化的情形，其他的实例中，还可以存在不同的需要进行推送策略优化的情形，具体可以根据实际情况而定，例如可以根据实际的智慧医疗会话业务类型而定。
进一步地，示例性地，如图2所示，图2是上述步骤S200的步骤流程示意图。在上述步骤S200中，可以包括以下描述的S2001-S2005的步骤，示例性介绍如下。
步骤S2001，确定与所述目标智慧医疗会话对应的未携带预设会话标签的智慧医疗项目的会话特征数据所分别对应的不同会话项目。
步骤S2002，根据所述不同会话项目，确定与所述不同会话项目对应的业务推送指标数据。其中，所述业务推送指标数据包括所述目标智慧医疗会话当前针对各不同的会话项目对应的待推送信息的当前信息推送策略有关的推送参数，例如推送频率、推送概率、推送展示方式ID等等。
步骤S2003，根据所述业务推送指标数据，对所述目标智慧医疗会话对应的未携带预设会话标签的智慧医疗项目的会话特征数据进行指标赋值操作，得到与对应的会话项目对应的未携带预设会话标签的会话项目特征数据集。
示例性地，可以将各智慧医疗项目的会话特征数据与相应的业务推送指标数据以指标队列的方式通过所述数据会话特征数据集呈现，所述指标队列可以包括多个队列参数，各个队列参数可以分别包括相应的智慧医疗项目的会话特征数据（如特征向量）以及对应的业务推送指标数据。
步骤S2004，通过所述信息推送策略优化网络对所述未携带预设会话标签的会话项目特征数据集进行项目启用频率分析，并根据项目启用频率分析数据得到所述目标智慧医疗会话的推送策略优化方案。本实施例中，所述信息推送策略优化网络包括特征提取单元、启用频率识别单元以及优化策略输出单元。
步骤S2005，发送所述目标智慧医疗会话的推送策略优化方案至所述目标智慧医疗会话对应的会话设备，以对所述智慧医疗会话针对待推送智慧医疗项目对应的待推送信息的信息推送策略进行推送策略优化。
示例性地，会话设备本地可以安装有智慧医疗云服务器提供的应用程序，可以在该应用程序的安装路径下对应的推送策略函数文件进行更新的方式实现策略的优化，或者修改相应的推送指标及参数的方式进行优化，具体的优化方式可以视实际情况以及具体的业务场景或环境而定，本实施例不进行限定。
详细地，本实施例中，所述推送策略优化方案包括根据项目启用频率分析结果得到的项目启用频率在预设频率区间内的待推送智慧医疗项目对应的待推送信息，以及针对相应的待推送信息的信息推送优化策略。在上述内容的情况下，步骤S2005中，发送所述目标智慧医疗会话的推送策略优化方案至所述目标智慧医疗会话对应的会话设备，以对所述智慧医疗会话针对待推送智慧医疗项目对应的待推送信息的信息推送策略进行推送策略优化，一种可以实现的方式描述如下。
首先，当所述目标智慧医疗会话针对所述待推送信息的项目启用频率位于与第一优化方式对应的第一预设频率区间内时，在智慧医疗云服务器中将所述目标智慧医疗会话针对所述待推送信息的信息推送策略按照所述推送策略优化方案进行优化，并将优化结果发送给所述目标智慧医疗会话对应的会话设备。例如，针对所述待推送信息的信息推送优化策略包括减小所述目标智慧医疗会话针对所述待推送信息的推送概率。其中，所述第一预设阈值可以根据具体需求而提前确定，所述第一预设频率区间例如可以是（a，b）。所述第一预设频率区间的最大值端点小于或等于第一预设阈值，例如b小于或等于第一预设阈值。具体地，可以将数据项目启用频率的范围设定为0%到100%的范围，百分比越大，则表示项目启用频率越高。
其次，当所述目标智慧医疗会话针对所述待推送信息的项目启用频率位于与第二优化方式对应的第二预设频率区间内时，可以提示所述目标智慧医疗会话进行优化验证，当所述目标智慧医疗会话对应的会话对象通过优化验证后，在所述智慧医疗云服务器中将所述目标智慧医疗会话针对所述待推送信息的信息推送策略按照所述推送策略优化方案进行优化，其中，针对所述待推送信息的信息推送优化策略包括增加所述目标智慧医疗会话针对所述待推送信息的推送概率。其中，所述第二预设阈值可以是根据具体需求而提前确定，所述第二预设频率区间例如可以是（c，d）。本实施例中，所述第二预设频率值大于所述第一预设频率值，所述第二预设频率区间的最小值端点大于或等于第二预设阈值，例如c大于或等于所述第二预设阈值。当所述目标智慧医疗会话针对所述待推送信息的项目启用频率位于所述第一预设阈值和所述第二预设阈值之间时，所述推送策略优化方案则为不对所述所述目标智慧医疗会话针对所述待推送信息的信息推送策略进行优化。如此，本实施例中，针对相应的项目启动频率，动态进行推送策略优化，例如在项目启用频率较高时（用户启用次数较多），可以提升推送概率，进而进一步提升推送效果，而在项目启用频率较低时（用户启用次数较少，表示对相应的推送兴趣项目兴趣交底），可以降低分析得到的相应的兴趣项目的推送概率，可以提升用户体验。
进一步地，在将所述目标智慧医疗会话针对所述待推送信息的信息推送策略按照所述推送策略优化方案进行优化后，将所述目标推送业务范围所述目标智慧医疗会话针对所述待推送信息的智慧医疗项目的会话特征数据的会话标签修改为所述预设会话标签。如此，可以避免同一智慧医疗项目的会话特征数据多次作为推送策略优化的参考而浪费运算资源。
进一步地，本实施例中，所述信息推送策略优化网络可以根据预先收集的机器学习样本序列进行机器学习获得，基于此，本实施例提供的基于智慧医疗大数据的信息推送方法还可以包括机器学习样本序列的采集以进行机器学习的方法，可以理解，该方法可以独立于本实施例的信息推送方法而实施。详细地，所述机器学习的方法可以包括以下步骤S1000-S4000，示例性介绍如下。
S1000，获取包括不同的用户特征的目标智慧医疗会话集合和不同会话项目对应的携带有会话标签的历史智慧医疗项目数据。
S2000，根据所述目标智慧医疗会话集合的用户特征和会话项目的历史智慧医疗项目数据，得到与所述信息推送策略优化网络对应的会话项目特征数据集，其中所述会话项目特征数据集中包括不同的医疗项目会话特征数据样本。
S3000，确定不同的项目启用频率区间，并根据相应的项目启用频率区间对所述会话项目特征数据集中包括的各医疗项目会话特征数据样本进行区间划分，得到与所述信息推送策略优化网络对应的不同项目启用频率的机器学习样本序列，其中，所述机器学习样本序列包括多个医疗项目会话特征数据样本。示例性地，可以根据预设的项目启用频率区间如0%-100%，按照设定频率间隔确定多个项目启用频率区间，如可以分为0%-15%，16%-25%，26%-35%，36%-45%，46%-55%，56%-65，66%-75，86%-100%等多个频率区间，然后将所述会话项目特征数据集中的各医疗项目会话特征数据样本对应的频率值进行区间划分，根据各医疗项目会话特征数据样本对应的频率值划分到对应的频率区间所对应的样本类型。其中所述项目启用频率可以通过归一化的方法转换到0%-100%的区间，例如，最大的可以为100%，其它的按照与最大值的比值作为转换后的结果。如此，通过划分后的机器学习样本序列之后再对所述推送概率优化网络进行机器学习可以提升学习速度以及网络的学习准确性。
此外，在步骤S3000中，确定不同的项目启用频率区间，并根据相应的项目启用频率区间对所述会话项目特征数据集进行区间划分，得到与所述信息推送策略优化网络对应的不同项目启用频率的机器学习样本序列，可以通过以下方式具体实现，示例性描述如下。
首先，确定与所述信息推送策略优化网络关联的智慧医疗会话业务类型，并根据所述信息推送策略优化网络的智慧医疗会话业务类型确定不同频率区间的项目启用频率。例如，所述智慧医疗会话业务类型可以是账户查询、用户云端数据访问等。针对不同的实际情况，可以设置不同的频率区间对应的项目启用频率；
然后，确定所述会话项目特征数据集中的各医疗项目会话特征数据样本所对应的项目启用频率数据；
最后，根据与所述信息推送策略优化网络的深度策略优化梯度算法以及不同频率区间的项目启用频率对所述会话项目特征数据集中的各医疗项目会话特征数据样本所对应的项目启用频率数据进行处理，得到用于训练所述信息推送策略优化网络对应的不同项目启用频率的机器学习样本序列。
S4000，根据所述不同项目启用频率的机器学习样本序列对所述信息推送策略优化网络进行机器学习，得到训练后的信息推送策略优化网络，以用于对所述会话项目中的目标智慧医疗会话的信息推送策略进行推送策略优化。
详细地，在一种可替代的实现方式中，步骤S4000可以通过以下方式实现，示例性描述如下。
第一，通过所述信息推送策略优化网络中特征提取单元，对所述机器学习样本序列中的各医疗项目会话特征数据样本进行处理，确定所述特征提取单元的初始网络参数；根据所述特征提取单元的初始网络参数，通过所述特征提取单元对所述机器学习样本序列中的各所述医疗项目会话特征数据样本进行处理，确定所述特征提取单元的网络迭代评价指标；根据所述特征提取单元的网络迭代评价指标，通过所述机器学习样本序列中的各医疗项目会话特征数据样本对所述特征提取单元的网络参数进行循环优化，直到达到预设收敛条件，以得到训练后的特征提取单元用于对所述机器学习样本序列中每个医疗项目会话特征数据样本的医疗项目特征数据；
第二，根据所述启用频率识别单元的初始网络参数，通过所述启用频率识别单元对所述机器学习样本序列中的各医疗项目会话特征数据样本进行处理，确定所述启用频率识别单元的网络迭代评价指标；根据所述启用频率识别单元的网络迭代评价指标，通过所述机器学习样本序列中的各医疗项目会话特征数据样本对所述启用频率识别单元的网络参数进行循环优化，直到达到预设收敛条件，得到训练后的启用频率识别单元；
第三，通过所述信息推送策略优化网络中的优化策略输出单元，对所述机器学习样本序列中每个医疗项目会话特征数据样本进行处理，以确定所述优化策略输出单元的初始网络参数；根据所述优化策略输出单元的初始网络参数，通过所述优化策略输出单元对所述机器学习样本序列中每个医疗项目会话特征数据样本的医疗项目特征数据进行处理，得到所述优化策略输出单元的网络迭代评价指标；通过所述机器学习样本序列对所述优化策略输出单元的网络迭代评价指标进行循环优化，直到达到预设收敛条件，得到训练后的所述优化策略输出单元。
可替代地，所述信息推送策略优化网络可以在所述智慧医疗云服务器本地进行机器学习获得，也可以在与所述智慧医疗云服务器进行连接的机器学习服务集群中训练得到，并在训练得到所述信息推送策略优化网络之后，发送给所述智慧医疗云服务器，具体不做限制。可选地，所述信息推送策略优化网络的网络结构不做限定，例如可以是，但不限于卷积神经网络、深度学习网络，对抗网络等等。
基于上述训练后得到的信息推送策略优化网络，图2所示的步骤S2004中，通过所述信息推送策略优化网络对所述未携带预设会话标签的会话项目特征数据集进行项目启用频率分析，并根据项目启用频率分析数据得到所述目标智慧医疗会话的推送策略优化方案，可以包括以下步骤a-步骤c。
a、将所述未携带预设会话标签的会话项目特征数据集中的各医疗项目会话特征数据通过所述特征提取单元进行特征提取操作，得到各医疗项目会话特征数据的医疗项目特征数据以及各医疗项目会话特征数据对应的会话项目的业务推送指标数据。
b、将各所述医疗项目会话特征数据的医疗项目特征数据输入所述启用频率识别单元进行项目启用频率识别，得到各所述医疗项目会话特征数据分别对应的项目启用频率，并根据各医疗项目会话特征数据分别对应的项目启用频率与各所述医疗项目会话特征数据对应的会话项目，得到一项目启用频率数组。进行项目启用频率识别的具体方法可以包括：
首先，对各所述医疗项目会话特征数据的医疗项目特征数据进行医疗项目分类处理，得到与所述医疗项目会话特征数据对应的多种会话项目；其中，针对同一待推送信息的相同会话项目可以被聚为一类；
接着，计算每种会话项目在所述医疗项目会话特征数据中的医疗项目数量，并获每种会话项目分别对应的优先级参数；其中，针对不同的待推送信息对应的会话项目，可以根据相应待推送信息的重要性（例如，根据隐私程度、密级等因素）分别设置不同的优先级参数；
然后，根据每种会话项目对应的医疗项目数量以及每种医疗项目分别对应的优先级参数，得到每种会话项目对应的项目启用频率，根据每种医疗项目对应的项目启用频率形成所述项目启用频率数组。
c、将所述项目启用频率数组输入所述优化策略输出单元，通过所述优化策略输出单元对所述项目启用频率数组进行计算，得到针对所述目标智慧医疗会话的推送策略优化方案。
详细地，在步骤c中，可以根据所述项目启用频率数组中各种会话项目对应的项目启用频率将各会话项目按照频率值进行排列，根据排列结果确定N个高启用频率会话项目以及M个低启用频率会话项目作为待推送智慧医疗项目，根据所述待推送智慧医疗项目对应的业务推送指标数据，得到所述目标智慧医疗会话针对每个所述待推送智慧医疗项目分别对应的待推送信息的推送策略优化方案。例如，可以根据所述项目启用频率数组中各种会话项目对应的项目启用频率将各会话项目按照频率值进行排列，排在前N个的会话项目作为所述高启用频率会话项目，排在后M个的会话项目作为所述低启用频率会话项目，此处不进行限制。
在另一种可替代的示例中，在步骤c中，也可以根据所述项目启用频率数组中各种会话项目对应的项目启用频率，将各会话项目按照其对应的项目启用频率映射到不同的频率区间中，将预设的目标高启用频率区间内的会话项目以及预设的目标低启用频率区间中的会话项目作为需要进行推送策略优化的待推送智慧医疗项目，根据所述待推送智慧医疗项目对应的业务推送指标数据，得到所述目标智慧医疗会话针对各所述待推送智慧医疗项目分别对应的待推送信息的推送策略优化方案。
如此，可以确定出高启用频率以及低启用频率的待推送智慧医疗项目对所述目标智慧医疗会话针对相应的待推送信息的信息推送策略进行推送策略优化。
其中，所述推送策略优化方案可以包括所述目标智慧医疗会话针对每个待推送智慧医疗项目对应的待推送信息的当前信息推送策略和待优化的信息推送策略，以及针对每个待优化的信息推送策略对应的策略优化方式。
所述策略优化方式可以例如可以包括管理员验证优化模式。例如，所述管理员验证优化模式可以包括根据管理员输入的验证信息以及通过本方法获取的相关信息将所述待推送信息对应的当前信息推送策略优化为对应的待优化的信息推送策略。
此外，本实施例中，所述推送业务信息统计结果可以通过以下所述的方法步骤实现，示例性描述如下。
步骤S10，获取第一推送业务执行模块反馈的第一推送业务统计信息；所述第一推送业务执行模块为目标推送业务范围对应的多个推送业务执行模块中的其中一个推送业务执行模块，所述目标推送业务范围对应的多个推送业务执行模块用于对目标推送业务范围进行业务推送信息分析。
本实施例中，在智慧医疗云服务器中，针对设定的推送业务范围可以根据不同的职责分工，分别对应一个设置不同的推送业务执行模块。例如，针对业务咨询、在线问诊、在线诊疗等等不同的智慧医疗模块组成的推送业务范围，可以分别对应设置不同的推送业务执行模块，用于执行该模块下根据智慧医疗业务会话产生的各种会话特征数据分析得到的兴趣特征进行相应的兴趣项目信息推送，在信息推送的同时会负责对应模块的信息统计，形成推送业务统计信息并进行反馈汇总分析。
步骤S20，当所述第一推送业务执行模块业务更新完成，且当前存在没有进行业务更新的第二推送业务执行模块时，将所述第一推送业务统计信息拷贝到预设统计信息备份空间。
本实施例中，确定所述第一推送业务执行模块业务更新完成，可以是：在所述记录推送业务统计信息对应的信息统计数据库记录有所述第一推送业务执行模块的推送业务统计信息，且所述第一推送业务执行模块业务更新标识为预设标识、以及所述第一推送业务统计信息不同于所述记录推送业务统计信息对应的信息统计数据库记录的所述第一推送业务执行模块的推送业务统计信息时，确定所述第一推送业务执行模块业务更新完成。
步骤S30，根据所述预设统计信息备份空间中备份的推送业务统计信息，与记录推送业务统计信息对应的信息统计数据库中记录的推送业务统计信息，确定所述目标推送业务范围对应的推送业务信息统计结果。
如此，通过上述方法获取第一推送业务执行模块反馈的第一推送业务统计信息，当第一推送业务执行模块业务更新完成，且当前存在第二推送业务执行模块时，将第一推送业务统计信息拷贝到预设统计信息备份空间，并根据预设统计信息备份空间中备份的推送业务统计信息，与记录推送业务统计信息对应的信息统计数据库中记录的推送业务统计信息，确定目标推送业务范围对应的推送业务信息统计结果，通过在推送业务范围对应的各个推送业务执行模块中存在业务更新完成的推送业务执行模块，且存在没有进行业务更新的推送业务执行模块时，对业务更新完成的推送业务执行模块反馈的推送业务统计信息备份在预设统计信息备份空间，可避免因记录推送业务统计信息对应的信息统计数据库中记录部分推送业务执行模块业务更新完成前的推送业务统计信息以及部分推送业务执行模块业务更新完成后的推送业务统计信息而导致推送业务统计信息的误差，进而提高推送业务范围业务推送信息分析的精确度。
请参阅图3所示，是本申请实施例提供的用于实现上述方法的智慧医疗云服务系统的示意图，该系统中，包括智慧医疗云服务器100以及与所述智慧医疗云服务器100通信连接的会话终端200。本实施例中，所述智慧医疗云服务器100用于通过网络与会话终端200建立网络通信，以为相应的会话终端200对应的会话对象提供智慧医疗云服务。所述智慧医疗云服务器100用于执行本申请实施例提供的上述基于智慧医疗大数据的信息推送方法。
如图4所示，是所述智慧医疗云服务器100的架构示意图。所述智慧医疗云服务器100可以包括信息推送装置110、机器可读存储介质111和处理器112。
可替代地，所述机器可读存储介质111可以由处理器112访问。处理器112作为智慧医疗云服务器100的核心，可通过相应的接口或线路连智慧医疗云服务器100的各组成部分，通过运行或执行存储在机器可读存储介质111内的相应程序或指令，实现智慧医疗云服务器100的相应功能。其中，机器可读存储介质111用于存储执行本申请方案的机器可执行指令。处理器112用于执行机器可读存储介质111中存储的机器可执行指令，以实现本申请提供的基于智慧医疗大数据的信息推送方法。
本实施例中，所述信息推送装置110可以包括多个分别用于实现上述方法实施例对应的各步骤的软件功能模块，例如可以包括优化请求模块1101、策略优化模块1102以及信息推送模块1103。
优化请求模块1101，用于根据针对目标智慧医疗会话的信息推送策略的更新优化请求，获取目标推送业务范围与所述目标智慧医疗会话对应的未携带预设会话标签的智慧医疗项目的会话特征数据以及目标推送业务范围对应的推送业务信息统计结果。本实施例中，目标智慧医疗会话可以是用户通过各种可能的会话终端与智慧医疗云服务器建立通信后，所使用的目标智慧医疗云服务器提供的各种服务而产生的会话，例如可以是咨询类会话、在线医疗类会话、在线问诊类会话等等。相应的信息推送可以是通过会话终端注册是设置的各种联系方式实现信息推送，例如短信，也可以是通过相应的会话页面通过可视化推送的方式进行信息推送，针对具体的推送方式，本实施例不具体进行限定。
策略优化模块1102，用于根据所述未携带预设会话标签的智慧医疗项目的会话特征数据，并通过具有项目启用频率的医疗项目会话特征数据样本进行机器学习得到的信息推送策略优化网络得到针对所述目标智慧医疗会话的推送策略优化方案，对所述目标智慧医疗会话的信息推送策略进行优化。
信息推送模块1103，用于根据所述推送业务信息统计结果通过优化后的所述信息推送策略针对所述目标智慧医疗会话进行信息推送。
上述各功能模块可分别对应执行图1所示的方法中的步骤S100-步骤S300，关于该等功能模块的更多详细的实现方式可以参照相应步骤的详细描述，此处不再赘述。
综上所述，本申请实施例提供的基于智慧医疗大数据的信息推送方法及智慧医疗云服务器，根据针对目标智慧医疗会话的信息推送策略的更新优化请求，获取目标推送业务范围与所述目标智慧医疗会话对应的未携带预设会话标签的智慧医疗项目的会话特征数据以及目标推送业务范围对应的推送业务信息统计结果，然后根据所述未携带预设会话标签的智慧医疗项目的会话特征数据，并通过具有项目启用频率的医疗项目会话特征数据样本进行机器学习得到的信息推送策略优化网络得到针对所述目标智慧医疗会话的推送策略优化方案，对所述目标智慧医疗会话的信息推送策略进行优化。最后，根据所述推送业务信息统计结果通过优化后的所述信息推送策略针对所述目标智慧医疗会话进行信息推送。如此，可以实现针对待推送信息的项目启用频率对目标智慧医疗会话针对所述待推送信息的信息推送策略进行推送策略优化，避免了采用既定的信息推送策略进行信息推送。此外，在信息推送的过程中还参考了目标推送业务范围内的推送业务信息统计结果，可进一步提高信息推送的精准性，提升了信息的推送效果以及用户体验。
以上所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。通常在附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，在附图中提供的本申请的实施例的详细描述并非旨在限制本申请的保护范围，而仅仅是表示本申请的选定实施例。因此，本申请的保护范围应以权利要求的保护范围为准。此外，基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下可获得的所有其它实施例，都应属于本申请保护的范围。

Claims (9)

1.一种基于智慧医疗大数据的信息推送方法，其特征在于，所述方法包括：
根据针对目标智慧医疗会话的信息推送策略的更新优化请求，获取目标推送业务范围与所述目标智慧医疗会话对应的未携带预设会话标签的智慧医疗项目的会话特征数据以及所述目标推送业务范围对应的推送业务信息统计结果；
根据所述未携带预设会话标签的智慧医疗项目的会话特征数据，通过预先采用样本进行机器学习得到的信息推送策略优化网络得到针对所述目标智慧医疗会话的推送策略优化方案，对所述目标智慧医疗会话的信息推送策略进行优化；
根据所述推送业务信息统计结果通过优化后的所述信息推送策略针对所述目标智慧医疗会话进行信息推送；
所述根据所述未携带预设会话标签的智慧医疗项目的会话特征数据，通过预先采用样本进行机器学习得到的信息推送策略优化网络得到针对所述目标智慧医疗会话的推送策略优化方案，对所述目标智慧医疗会话的信息推送策略进行优化，包括：
确定与所述目标智慧医疗会话对应的未携带预设会话标签的智慧医疗项目的会话特征数据所分别对应的不同会话项目；
根据所述不同会话项目，确定与所述不同会话项目对应的业务推送指标数据；
根据所述业务推送指标数据，对所述目标智慧医疗会话对应的未携带预设会话标签的智慧医疗项目的会话特征数据进行指标赋值操作，得到与对应的会话项目对应的未携带预设会话标签的会话项目特征数据集；
通过所述信息推送策略优化网络对所述未携带预设会话标签的会话项目特征数据集进行项目启用频率分析，并根据项目启用频率分析数据得到所述目标智慧医疗会话的推送策略优化方案，其中，所述信息推送策略优化网络包括特征提取单元、启用频率识别单元以及优化策略输出单元，所述项目启用频率用于表示所述目标智慧医疗会话针对相应的智慧医疗项目被会话对象使用的频率；
发送所述目标智慧医疗会话的推送策略优化方案至所述目标智慧医疗会话对应的会话设备，以对所述目标智慧医疗会话针对待推送智慧医疗项目对应的待推送信息的信息推送策略进行推送策略优化。
2.根据权利要求1所述的方法，其特征在于，所述推送策略优化方案包括根据项目启用频率分析结果得到的项目启用频率在预设频率区间内的待推送智慧医疗项目对应的待推送信息，以及针对相应的待推送信息的信息推送优化策略，所述发送所述目标智慧医疗会话的推送策略优化方案至所述目标智慧医疗会话对应的会话设备，以对所述目标智慧医疗会话针对待推送智慧医疗项目对应的待推送信息的信息推送策略进行推送策略优化，包括：
当所述目标智慧医疗会话针对所述待推送信息的项目启用频率位于与第一优化方式对应的第一预设频率区间内时，在智慧医疗云服务器中将所述目标智慧医疗会话针对所述待推送信息的信息推送策略按照所述推送策略优化方案进行优化，并将优化结果发送给所述目标智慧医疗会话对应的会话设备，其中，针对所述待推送信息的信息推送优化策略包括减小所述目标智慧医疗会话针对所述待推送信息的推送概率，其中，所述第一预设频率区间的最大值端点小于或等于第一预设阈值；
当所述目标智慧医疗会话针对所述待推送信息的项目启用频率位于与第二优化方式对应的第二预设频率区间内时，触发所述目标智慧医疗会话对应的会话对象进行优化验证的流程，当所述目标智慧医疗会话对应的会话对象通过优化验证后，在所述智慧医疗云服务器中将所述目标智慧医疗会话针对所述待推送信息的信息推送策略按照所述推送策略优化方案进行优化，其中，针对所述待推送信息的信息推送优化策略包括增加所述目标智慧医疗会话针对所述待推送信息的推送概率，所述第二预设频率区间的最小值端点大于或等于第二预设阈值；
在将所述目标智慧医疗会话针对所述待推送信息的信息推送策略按照所述推送策略优化方案进行优化后，将所述目标推送业务范围与所述目标智慧医疗会话针对所述待推送信息的智慧医疗项目的会话特征数据的会话标签修改为所述预设会话标签。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取具有不同用户特征的目标智慧医疗会话集合和不同会话项目对应的携带有会话标签的历史智慧医疗项目数据；
根据所述目标智慧医疗会话集合的用户特征和所述会话项目的历史智慧医疗项目数据，得到与所述信息推送策略优化网络对应的会话项目特征数据集，其中所述会话项目特征数据集中包括不同的医疗项目会话特征数据样本；
确定不同的项目启用频率区间，并根据相应的项目启用频率区间对所述会话项目特征数据集中包括的各医疗项目会话特征数据样本进行区间划分，得到与所述信息推送策略优化网络对应的不同项目启用频率的机器学习样本序列，其中，所述机器学习样本序列包括多个医疗项目会话特征数据样本；
根据所述不同项目启用频率的机器学习样本序列对所述信息推送策略优化网络进行机器学习，得到机器学习后的信息推送策略优化网络，以用于对所述会话项目中的目标智慧医疗会话的信息推送策略进行推送策略优化。
4.根据权利要求3所述的方法，其特征在于，所述确定不同的项目启用频率区间，并根据相应的项目启用频率区间对所述会话项目特征数据集中包括的各医疗项目会话特征数据样本进行区间划分，得到与所述信息推送策略优化网络对应的不同项目启用频率的机器学习样本序列，包括：
确定与所述信息推送策略优化网络关联的智慧医疗会话业务类型，并根据所述信息推送策略优化网络的智慧医疗会话业务类型确定不同频率区间的项目启用频率；
确定所述会话项目特征数据集中的各医疗项目会话特征数据样本所对应的项目启用频率数据；
根据与所述信息推送策略优化网络对应的深度策略优化梯度算法以及不同频率区间的项目启用频率对所述会话项目特征数据集中的各医疗项目会话特征数据样本所对应的项目启用频率数据进行处理，得到用于训练所述信息推送策略优化网络对应的不同项目启用频率的机器学习样本序列；
所述根据所述不同项目启用频率的机器学习样本序列对所述信息推送策略优化网络进行机器学习，得到机器学习后的信息推送策略优化网络，包括：
通过所述信息推送策略优化网络中特征提取单元，对所述机器学习样本序列中的各医疗项目会话特征数据样本进行处理，确定所述特征提取单元的初始网络参数；根据所述特征提取单元的初始网络参数，通过所述特征提取单元对所述机器学习样本序列中的各所述医疗项目会话特征数据样本进行处理，确定所述特征提取单元的网络迭代评价指标；根据所述特征提取单元的网络迭代评价指标，通过所述机器学习样本序列中的各医疗项目会话特征数据样本对所述特征提取单元的网络参数进行循环优化，直到达到预设收敛条件，以得到训练后的特征提取单元用于对所述机器学习样本序列中每个医疗项目会话特征数据样本的医疗项目特征数据进行特征数据提取；
根据所述启用频率识别单元的初始网络参数，通过所述启用频率识别单元对所述机器学习样本序列中的各医疗项目会话特征数据样本进行处理，确定所述启用频率识别单元的网络迭代评价指标； 根据所述启用频率识别单元的网络迭代评价指标，通过所述机器学习样本序列中的各医疗项目会话特征数据样本对所述启用频率识别单元的网络参数进行循环优化，直到达到预设收敛条件，得到训练后的启用频率识别单元；
通过所述信息推送策略优化网络中的优化策略输出单元，对所述机器学习样本序列中每个医疗项目会话特征数据样本进行处理，以确定所述优化策略输出单元的初始网络参数；根据所述优化策略输出单元的初始网络参数，通过所述优化策略输出单元对所述机器学习样本序列中每个医疗项目会话特征数据样本的医疗项目特征数据进行处理，得到所述优化策略输出单元的网络迭代评价指标；通过所述机器学习样本序列对所述优化策略输出单元的网络迭代评价指标进行循环优化，直到达到预设收敛条件，得到训练后的所述优化策略输出单元。
5.根据权利要求1-4任意一项所述的方法，其特征在于，所述通过所述信息推送策略优化网络对所述未携带预设会话标签的会话项目特征数据集进行项目启用频率分析，并根据项目启用频率分析数据得到所述目标智慧医疗会话的推送策略优化方案，包括：
将所述未携带预设会话标签的会话项目特征数据集中的各医疗项目会话特征数据通过所述特征提取单元进行特征提取操作，得到各医疗项目会话特征数据的医疗项目特征数据以及各医疗项目会话特征数据对应的会话项目的业务推送指标数据；
将各所述医疗项目会话特征数据的医疗项目特征数据输入所述启用频率识别单元进行项目启用频率识别，得到各所述医疗项目会话特征数据分别对应的项目启用频率，并根据各医疗项目会话特征数据分别对应的项目启用频率与各所述医疗项目会话特征数据对应的会话项目，得到一项目启用频率数组；
将所述项目启用频率数组输入所述优化策略输出单元，通过所述优化策略输出单元对所述项目启用频率数组进行处理，得到针对所述目标智慧医疗会话的推送策略优化方案；其中：
所述将各所述医疗项目会话特征数据的医疗项目特征数据输入所述启用频率识别单元进行项目启用频率识别，得到各所述医疗项目会话特征数据分别对应的项目启用频率，并根据各医疗项目会话特征数据分别对应的项目启用频率与各所述医疗项目会话特征数据对应的会话项目，得到一项目启用频率数组，包括：
对各所述医疗项目会话特征数据的医疗项目特征数据进行医疗项目分类处理，得到与所述医疗项目会话特征数据对应的多种会话项目；
计算每种会话项目在所述医疗项目会话特征数据中的医疗项目数量，并获得每种会话项目分别对应的优先级参数；
根据每种会话项目对应的医疗项目数量以及每种医疗项目分别对应的优先级参数，得到每种会话项目对应的项目启用频率，根据每种医疗项目对应的项目启用频率创建所述项目启用频率数组。
6.根据权利要求5所述的方法，其特征在于，所述将所述项目启用频率数组输入所述优化策略输出单元，通过所述优化策略输出单元对所述项目启用频率数组进行处理，得到针对所述目标智慧医疗会话的推送策略优化方案，包括：
根据所述项目启用频率数组中各种会话项目对应的项目启用频率将各会话项目按照频率值进行排列，根据排列结果确定N个高启用频率会话项目以及M个低启用频率会话项目作为待推送智慧医疗项目，根据所述待推送智慧医疗项目对应的业务推送指标数据，得到所述目标智慧医疗会话针对每个所述待推送智慧医疗项目分别对应的待推送信息的推送策略优化方案，其中N为第一预设数量，M为第二预设数量；或者
根据所述项目启用频率数组中各种会话项目对应的项目启用频率，将各会话项目划分至预设的不同频率区间中，将预设的目标高启用频率区间内的会话项目以及预设的目标低启用频率区间中的会话项目作为待推送智慧医疗项目，根据所述待推送智慧医疗项目对应的业务推送指标数据，得到所述目标智慧医疗会话针对各所述待推送智慧医疗项目分别对应的待推送信息的推送策略优化方案。
7.根据权利要求6所述的方法，其特征在于，所述推送策略优化方案包括所述目标智慧医疗会话针对每个待推送智慧医疗项目对应的待推送信息的当前信息推送策略和待优化的信息推送策略，以及针对每个待优化的信息推送策略对应的策略优化方式。
8.根据权利要求1-4任意一项所述的方法，其特征在于，所述方法还包括：
获取第一推送业务执行模块反馈的第一推送业务统计信息；所述第一推送业务执行模块为目标推送业务范围对应的多个推送业务执行模块中的其中一个推送业务执行模块，所述目标推送业务范围对应的多个推送业务执行模块用于对目标推送业务范围进行业务推送信息分析；
当所述第一推送业务执行模块业务更新完成，且当前存在没有进行业务更新的第二推送业务执行模块时，将所述第一推送业务统计信息拷贝到预设统计信息备份空间；
根据所述预设统计信息备份空间中备份的推送业务统计信息，与记录推送业务统计信息对应的信息统计数据库中记录的推送业务统计信息，确定所述目标推送业务范围对应的推送业务信息统计结果。
9.一种智慧医疗云服务器，其特征在于，包括处理器、机器可读存储介质，所述机器可读存储介质和所述处理器连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以实现权利要求1-8任意一项所述的基于智慧医疗大数据的信息推送方法。
CN202111349320.4A 2021-11-15 2021-11-15 基于智慧医疗大数据的信息推送方法及智慧医疗云服务器 Active CN114203304B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111349320.4A CN114203304B (zh) 2021-11-15 2021-11-15 基于智慧医疗大数据的信息推送方法及智慧医疗云服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111349320.4A CN114203304B (zh) 2021-11-15 2021-11-15 基于智慧医疗大数据的信息推送方法及智慧医疗云服务器

Publications (2)

Publication Number Publication Date
CN114203304A CN114203304A (zh) 2022-03-18
CN114203304B true CN114203304B (zh) 2023-04-07

Family

ID=80647557

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111349320.4A Active CN114203304B (zh) 2021-11-15 2021-11-15 基于智慧医疗大数据的信息推送方法及智慧医疗云服务器

Country Status (1)

Country Link
CN (1) CN114203304B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116595224A (zh) * 2023-04-07 2023-08-15 西安伟雄电子科技有限公司 针对在线业务会话的大数据存储优化方法及服务器

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111540466A (zh) * 2020-04-19 2020-08-14 周玉娟 基于大数据的智慧医疗信息推送方法及大数据医疗云平台

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113961802A (zh) * 2020-08-28 2022-01-21 广州云莫凡信息科技有限公司 基于区块链的信息推送更新方法、系统及云服务平台
CN113449011A (zh) * 2021-06-20 2021-09-28 卢洪亮 基于大数据预测的信息推送更新方法及大数据预测系统
CN113343092A (zh) * 2021-06-20 2021-09-03 曾新士 基于大数据挖掘的内容源推荐更新方法及云计算服务系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111540466A (zh) * 2020-04-19 2020-08-14 周玉娟 基于大数据的智慧医疗信息推送方法及大数据医疗云平台
CN112382387A (zh) * 2020-04-19 2021-02-19 周玉娟 基于大数据的智慧医疗信息推送方法、装置及医疗云平台

Also Published As

Publication number Publication date
CN114203304A (zh) 2022-03-18

Similar Documents

Publication Publication Date Title
CN107766580A (zh) 消息的推送方法及装置
US9390142B2 (en) Guided predictive analysis with the use of templates
CN1946037A (zh) 管理网格计算环境的方法和系统
CN111859384A (zh) 异常事件监控方法、装置、计算机设备及存储介质
CN111259952A (zh) 异常用户识别方法、装置、计算机设备及存储介质
CN114203304B (zh) 基于智慧医疗大数据的信息推送方法及智慧医疗云服务器
CN113313464A (zh) 结合人工智能的云办公大数据处理方法及云办公服务器
CN113254250B (zh) 数据库服务器异常成因检测方法、装置、设备和存储介质
CN112818399B (zh) 大数据访问权限动态调整方法及大数据访问控制设备
CN114091684A (zh) 增强业务结果可解释性的方法及装置
CN116909751B (zh) 一种云计算系统中的资源分配方法
CN111949720B (zh) 基于大数据和人工智能的数据分析方法及云端数据服务器
CN112596723A (zh) 数据库脚本生成方法、装置、设备及介质
CN115712843B (zh) 基于人工智能的数据匹配检测处理方法及系统
CN109902196B (zh) 一种商标类别推荐方法、装置、计算机设备及存储介质
CN115168509A (zh) 风控数据的处理方法及装置、存储介质、计算机设备
CN112817816B (zh) 埋点处理方法、装置、计算机设备和存储介质
CN111400608B (zh) 数据处理方法及装置、存储介质及电子设备
CN114282940A (zh) 用于意图识别的方法及装置、存储介质及电子设备
CN114708487A (zh) 应用大数据的物流配送业务信息分析方法及服务器
CN114356712A (zh) 数据处理方法、装置、设备、可读存储介质及程序产品
CN114203305B (zh) 基于智慧医疗大数据的数据处理方法及系统
CN112069031A (zh) 异常查询方法、装置、设备及计算机可读存储介质
CN111158654A (zh) 算法调用方法、装置、服务器及存储介质
CN113487344B (zh) 通信业务预测方法、集中服务器、边缘业务终端和介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230221

Address after: No. 911, 9th floor, building 9, Xishan Wanda Plaza, QIANXING Road, Xishan District, Kunming, Yunnan 650000

Applicant after: Langheng Technology Group Co.,Ltd.

Address before: 650031 room 1608, building 13, phase 2, Longding Financial Intelligence Center, Wuhua District, Kunming, Yunnan Province

Applicant before: Chen Likun

GR01 Patent grant
GR01 Patent grant