CN114579626A - 数据处理方法、数据处理装置、电子设备和介质 - Google Patents

数据处理方法、数据处理装置、电子设备和介质 Download PDF

Info

Publication number
CN114579626A
CN114579626A CN202210226653.6A CN202210226653A CN114579626A CN 114579626 A CN114579626 A CN 114579626A CN 202210226653 A CN202210226653 A CN 202210226653A CN 114579626 A CN114579626 A CN 114579626A
Authority
CN
China
Prior art keywords
candidate
resource
data processing
candidate objects
objects
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.)
Granted
Application number
CN202210226653.6A
Other languages
English (en)
Other versions
CN114579626B (zh
Inventor
胡康
郑宇宏
郑烨翰
徐伟建
彭卫华
吕雅娟
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202210226653.6A priority Critical patent/CN114579626B/zh
Publication of CN114579626A publication Critical patent/CN114579626A/zh
Application granted granted Critical
Publication of CN114579626B publication Critical patent/CN114579626B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/353—Clustering; Classification into predefined classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Epidemiology (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种数据处理方法、数据处理装置、电子设备和介质，涉及知识图谱等人工智能技术领域，可应用于智慧医疗等场景。实现方案为：确定待排序的多个候选对象和用于所述多个候选对象的至少一个资源对象；对于所述多个候选对象中的每个候选对象，确定所述至少一个资源对象中与该候选对象有关的资源集合，基于所确定的资源集合确定用于该候选对象的资源消耗量；以及基于所述多个候选对象的资源消耗量对所述多个候选对象进行排序。

Description

数据处理方法、数据处理装置、电子设备和介质
技术领域
本公开涉及知识图谱等人工智能技术领域，可应用于智慧医疗等场景，具体涉及一种数据处理方法、数据处理装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件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、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种数据处理方法、数据处理装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面，提供了一种数据处理方法，包括：确定待排序的多个候选对象和用于所述多个候选对象的至少一个资源对象；对于所述多个候选对象中的每个候选对象，确定所述至少一个资源对象中与该候选对象有关的资源集合，基于所确定的资源集合确定用于该候选对象的资源消耗量；以及基于所述多个候选对象的资源消耗量对所述多个候选对象进行排序。
根据本公开的另一方面，提供了一种数据处理装置，包括：对象确定单元，被配置成确定待排序的多个候选对象和用于所述多个候选对象的至少一个资源对象；资源消耗确定单元，被配置成：对于所述多个候选对象中的每个候选对象，确定所述至少一个资源对象中与该候选对象有关的资源集合，基于所确定的资源集合确定用于该候选对象的资源消耗量；以及排序单元，被配置成基于所述多个候选对象的资源消耗量对所述多个候选对象进行排序。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如前所述的方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如前所述的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现如前所述的方法。
根据本公开的一个或多个实施例，通过识别待处理的数据中的候选对象与资源对象之间的关联关系，能够准确地确定与每个候选对象有关的资源消耗，从而能够基于资源消耗量来获得候选对象的排序结果。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
图2示出了根据本公开的实施例的数据处理方法的示例性流程图；
图3示出了根据本公开的实施例的用于医学诊断领域的数据处理方法的示例性流程图；
图4示出了根据本公开的实施例的诊断排序的示例性过程；
图5示出了根据本公开的实施例的数据处理装置的示例性的框图；以及
图6示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中，服务器120可以运行使得能够执行本公开的方法的一个或多个服务或软件应用。
在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来获取本公开的方法中要处理的数据。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
在一些数据处理过程中，需要快速地从待处理的信息中识别出待排序的对象以及与待排序的对象有关的资源消耗情况。例如，在临床工作中，一时在填写病案时有时会填入多个不同的诊断结果。医生需要从这样的多个诊断结果中区分主要诊断和次要诊断。由于医生人为的判断受到医生本人医学经验的限制，可能在一些情况下无法对多个诊断结果做出正确区分。进一步地，由于主要诊断的确定结果会影响到医保结算结果，而医生在进行诊断排序时可能难以快速确定不同诊断所需要消耗的资源(包括费用、治疗时长等等)。因此，如何对病案信息中存在的多个诊断进行正确排序是医疗领域中亟待解决的问题。
为此，本公开提供了一种新的数据处理方法。
图2示出了根据本公开的实施例的数据处理方法的示例性流程图。可以利用图1中示出的客户端或服务器实现图2中的方法200。
如图2所示，在步骤S202中，确定待排序的多个候选对象和用于多个候选对象的至少一个资源对象。
在步骤S204中，对于多个候选对象中的每个候选对象，确定至少一个资源对象中与该候选对象有关的资源集合，基于所确定的资源集合确定用于该候选对象的资源消耗量。
在步骤S206中，基于多个候选对象的资源消耗量对多个候选对象进行排序。
在一些实施例中，方法200可以用于医学诊断领域。例如，候选对象可以包括医学诊断结果，资源对象可以是与医学诊断结果有关的资源消耗。利用方法200可以确定与不同的医学诊断结果有关的资源消耗，并基于各个诊断结果的资源消耗的情况对诊断结果进行排序。
在另一些实施例中，方法200还可以用于工业生产领域。例如，上述候选对象可以是工业生产的不同阶段的生产步骤，上述资源对象可以是各个生产步骤有关的资源消耗。利用方法200可以确定与不同的生产步骤有关的资源消耗，并基于各个诊断结果的资源消耗的情况对各个生产步骤进行排序。
利用本公开提供的数据处理方法，通过识别待处理的数据中的候选对象与资源对象之间的关联关系，能够准确地确定与每个候选对象有关的资源消耗，从而能够基于资源消耗量来获得候选对象的排序结果。
图3示出了根据本公开的实施例的用于医学诊断领域的数据处理方法的示例性流程图。
在步骤S302中，确定待排序的多个候选对象和用于多个候选对象的至少一个资源对象。
在医学诊断领域应用本公开的数据处理方法时，上述候选对象可以是医学诊断结果，上述资源对象可以是在医疗过程中涉及的资源消耗。
步骤S302可以包括获取病案信息，并从病案信息中识别多个候选对象和至少一个资源对象。例如，可以利用自然语言的分词、实体识别等方法，从病案信息中识别候选对象实体和资源对象实体。其中，候选对象可以包括诊断结果，资源对象可以包括收费项目和资源占用时长中的至少一种。例如，诊断结果可以包括病因、部位、临床表现、病理诊断等。收费项目可以包括收费明细、如检查费用、操作费用、药品费用等等。资源占用时长可以包括住院时间等。在一些示例中，可以对从病案信息中识别的资源对象实体进行过滤。例如，可以从识别到的资源对象实体中过滤通用资源对象。这里所说的通用资源对象指的是与大部分候选对象相关联的资源消耗，如医疗过程中的卫生消毒、生理盐水、床位费、注射器材费等等。由于通用资源对象与大部分候选对象有关，因此在确定关联性和计算资源消耗的过程中可以省略针对通用资源对象的计算，从而减少计算量。
在步骤S304中，对于多个候选对象中的每个候选对象，确定至少一个资源对象中与该候选对象有关的资源集合，基于所确定的资源集合确定用于该候选对象的资源消耗量。
可以利用训练好的机器学习模型确定待排序的候选对象和资源对象之间的关联性。对于每个资源对象，可以利用机器学习模型对该候选对象和该资源对象进行处理，并且可以基于机器学习模型的输出确定该资源对象与该候选对象有关，其中机器学习模型的输出指示该候选对象和该资源项目之间的关联性。
在一些实施例中，机器学习模型可以包括自然语言预训练模型和分类模型。
其中，自然语言预训练模型可以用于对候选对象和/或资源对象的文本进行分析，以得到候选对象和/或资源对象的文本中的语义特征。在一些示例中，可以利用词嵌入模型(如Word2Vec、GloVe等)、预训练语言模型(如ELMo、Bert等)等模型实现本公开涉及的自然语言预训练模型，在此不限制本公开使用的自然语言预训练模型的具体形式。可以利用任何适合类型的语料库训练本公开的方法使用的自然语言预训练模型。
分类模型可以用于对候选对象和资源对象的语义特征进行分类，以得到指示候选对象和资源对象之间的关联性的输出结果。在一些示例中，可以利用逻辑回归、决策树分类模型实现本公开涉及的分类模型，在此不限制本公开使用的分类模型的具体形式。通过对数据进行标注可以得到用于训练分类模型的训练数据。分类模型能够学习到不同的候选对象和不同资源对象之间的关联性。可以利用各种能够实现分类效果的机器学习模型实现公开提供的方案，在此不限定分类模型的具体形式。
为了确定候选对象和资源对象之间的关联性，可以将候选对象的文本和资源对象的文本一起输入预训练模型。预训练模型可以输出候选对象和资源对象的语义特征。进一步地，可以将候选对象和资源对象的语义特征输入分类模型，以得到指示候选对象和资源对象之间的关联性的输出结果。在一些示例中，分类模型输出的结果可以是二元的，如0或1。其中0可以用于表示候选对象和资源对象之间不具有关联性，而1可以用于表示候选对象和资源对象之间具有关联性。可以理解的是，0和1仅是分类模型输出的二元结果的一种示例，本领域技术人员可以根据实际情况将分类模型配置成输出其他形式的二元结果。在另一些示例中，分类模型输出的结果可以是一个连续区间上(如0-1的连续区间)。分类模型可以输出一个数值指示候选对象和资源对象之间具有关联性的概率。在此不限定分类模型的输出的具体形式。
基于确定的资源对象和候选对象之间的关联性，可以将与一候选对象具有关联性的所有资源对象确定为该候选对象的资源集合，并可以将该资源集合中所有资源对象的资源消耗的总和确定为该候选对象的资源消耗量。
以医学诊断为例，可以利用训练好的机器学习模型确定待排序的诊断结果和资源对象之间的关联性。对于每个资源对象，可以利用机器学习模型对该诊断结果和该资源对象进行处理，并且可以基于机器学习模型的输出确定该资源对象与该诊断结果有关，其中机器学习模型的输出指示该候选对象和该资源项目之间的关联性。
利用上述方法，可以快速地从待处理的信息中识别出与候选对象有关联的资源对象。例如，以病案信息为例，受到医生难以快速地从病案信息中识别出与每个诊断结果有关的资源消耗项目(如收费项目、住院时间、仪器检查时间等等)。利用机器学习模型能够快速地识别候选对象和资源对象之间的关联关系，从而能够快速地确定候选对象对应的资源消耗情况。
基于确定的资源对象和诊断结果之间的关联性，可以将与一诊断结果具有关联性的所有资源对象确定为该候选对象的资源集合，并可以将该资源集合中所有资源对象的资源消耗的总和确定为该诊断结果的资源消耗量。例如，可以将与诊断结果具有关联性的收费项目的总费用确定为该诊断结果的资源消耗量。又例如，诊断结果的资源消耗量还可以包括对应的住院时长、检查时长等等。
在步骤S306中，基于多个候选对象的资源消耗量对多个候选对象进行排序。
在一些实施例中，可以对多个候选对象进行分类，并对不同类别的候选对象分别进行排序。例如，可以对多个候选对象进行分类以得到第一候选对象集合和第二候选对象集合，其中第一候选对象集合中包括第一类型的候选对象，第二候选对象集合中包括第二类型的候选对象。其中，第一类型的候选对象的优先级高于第二类型的候选对象的优先级。
可以基于步骤S304中确定的候选对象的资源消耗量对候选对象进行排序。在一些示例中，资源消耗量越大的候选对象的排序越靠前。在第一类型的候选对象的优先级高于第二类型的候选对象的优先级的情况下，第一候选对象集合的排序比第二候选对象集合更靠前。例如，在第一候选对象集合中候选对象的排序为C、A，第二候选对象集合中候选对象的排序为D、B的情况下，无需进一步比较候选对象C、A和D、B的资源消耗量，而可以直接将第一候选对象集合排序在第二候选对象集合的前面。
尽管在上述示例中仅描述了两种类型的候选对象，可以理解的是，本领域技术人员可以根据实际情况将候选对象划分成具有不同优先级的三种或三种以上的不同类别。
在一些实施例中，可以对多个诊断结果进行分类，并对不同类别的诊断结果分别进行排序。例如，可以对多个诊断结果进行分类以得到第一诊断结果集合和第二诊断结果集合，其中第一诊断结果集合中包括第一类型的诊断结果，第二诊断结果集合中包括第二类型的诊断结果。其中，第一类型的诊断结果的优先级高于第二类型的诊断结果的优先级。
以病案信息中的诊断结果为例，可以对病案信息中的诊断结果进行分类，其中第一类型的诊断结果是预定类型的特殊病种，如肿瘤类疾病、产科诊断等，第二类型的诊断结果是一般病种，如特殊病种以外的其他病种。在这种情况下，可以认为第一类型的诊断结果的优先级高于第二类型的诊断结果的优先级。
可以基于步骤S304中确定的诊断结果的资源消耗量对诊断结果进行排序。在一些示例中，资源消耗量越大的诊断结果的排序越靠前。在第一类型的诊断结果的优先级高于第二类型的诊断结果的优先级的情况下，第一诊断结果集合的排序比第二诊断结果集合更靠前。
在步骤S308中，可以基于候选对象的排序确定多个候选对象中的目标对象，其中目标对象具有最高的资源消耗量。利用这种方式，用户能够快速地从待处理的信息中识别出具有最高资源消耗量的目标对象以用于进一步的后续处理。
以医学诊断为例，步骤S308可以包括将具有最高资源消耗量的诊断结果确定为目标诊断结果(也可以称作是主诊断结果)。可以输出提示信息指示目标诊断结果的内容。利用这种方式，用户能够快速地从待处理的信息中识别出具有最高资源消耗量的目标对象(如主诊断结果)以用于进一步的后续处理。
利用本公开实施例提供的方法，可以使用知识图谱中收录的实体数据挖掘候选对象实体和资源对象实体之间的关联关系，从而能够快速确定待处理的数据中各个候选对象的资源消耗量，从而能够实现对于候选对象的快速排序并进一步识别具有最高资源消耗量的目标对象。
当在医学诊断领域应用本公开实施例提供的方法时，通过对病案信息应用本公开提供的方法，可以辅助用户将主诊断结果聚焦在花费较大的疾病上，防止在医保结算时造成亏损。进一步地，通过对各个诊断结果的资源消耗进行统计和排序，可以帮助用户进一步对医疗资源进行合理分配，提高工作效率。
类似地，当将本公开提供的数据处理方法应用于工业生产领域时，候选对象可以包括生产步骤(以食品生产为例，生产步骤可以包括原料处理、灌装、排气、密封、杀菌等)，资源对象可以包括能源消耗(如水、电)、物品消耗(如原材料)、机器占用时长中的至少一种。利用与图3中描述的类似的方法，可以利用机器学习模型确定与各个生产步骤有关的资源消耗，并根据不同生产步骤的资源消耗量对各个生产步骤进行排序，从而能够为生产工艺和生产流程的改善提供更准确的参考信息。
图4示出了根据本公开的实施例的诊断排序的示例性过程400。如图4所示，在步骤401中，可以获取病案信息的输入。其中病案信息可以包括各种诊断结果、症状、病史、医生开具的检查项、药品项等等。可以通过映射接口将不同医院填写的病案信息映射成同一的版本，并基于预定的规则对获取的病案信息进行过滤以保证病案信息的质量。
在步骤402中，可以识别病案信息中的诊断结果。例如，可以利用自然语言识别的方式从病案信息的数据中识别诊断结果实体。还可以同时利用自然语言识别的方式从病案信息的数据中识别资源对象实体。
在步骤403中，可以确定所识别的诊断结果是否属于第三类型的诊断结果，其中第三类型的诊断结果包括疾病的临终状态、不明确的体征和症状。如果所识别的诊断结果属于疾病的临终状态、不明确的体征和症状，则可以将诊断结果确定为第三类型。
在步骤404中，可以对除在步骤403中被确定为第三类型的诊断结果以外的其他诊断结果进行进一步分类，以确定其他诊断结果中是否存在第一类型的诊断结果，其中第一类型的诊断结果包括预定的特殊病种，如肿瘤类疾病、产科诊断等。步骤404可以将其他诊断结果中属于第一类型的诊断结果确定为第三类型，并将剩余的诊断结果确定为第二类型。
在步骤405中，可以分别对第一类型的诊断结果、第二类型的诊断结果和第三类型的诊断结果进行排序。其中，第一类型的诊断结果的优先级最高，第二类型的诊断结果的优先级次之，第三类型的诊断结果的优先级最低。例如，可以利用结合图3描述的机器学习模型分别确定各个诊断结果和资源对象的关联性，从而确定各个诊断结果的资源消耗量，并基于资源消耗量对诊断结果进行排序。
在步骤S406中，可以确定所有诊断结果的排序结果，并将其中排序最高的对象作为主诊断结果。其中，所有诊断结果的排序结果是通过依次排列排序后的第一类型诊断结果、排序后的第二类型诊断结果和排序后的第三类型诊断结果得到的。因此，主诊断结果为第一类型诊断结果中具有最高资源消耗量的诊断结果。如果第一类型的诊断结果是空集，那么主诊断结果将被确定为第二类型诊断结果中具有最高资源消耗量的诊断结果。
图5示出了根据本公开的实施例的数据处理装置的示例性的框图。
如图5所示，数据处理装置500可以包括对象确定单元510、资源消耗确定单元520以及排序单元530。
其中，对象确定单元510被配置成确定待排序的多个候选对象和用于多个候选对象的至少一个资源对象。资源消耗确定单元520被配置成：对于多个候选对象中的每个候选对象，确定至少一个资源对象中与该候选对象有关的资源集合，基于所确定的资源集合确定用于该候选对象的资源消耗量。排序单元530被配置成基于多个候选对象的资源消耗量对多个候选对象进行排序。
在一些实施例中，资源消耗确定单元520可以被配置成：对于每个资源对象，利用机器学习模型对该候选对象和该资源对象进行处理，并且基于机器学习模型的输出确定该资源对象与该候选对象有关，其中机器学习模型的输出指示该候选对象和该资源项目之间的关联性。
在一些实施例中，机器学习模型包括自然语言预训练模型和分类模型。
在一些实施例中，对象确定单元510可以被配置成获取病案信息，并且从病案信息中识别多个候选对象和至少一个资源对象。
在一些实施例中，候选对象可以包括诊断结果。资源对象可以包括收费项目和资源占用时长中的至少一种。
在一些实施例中，数据处理装置500还可以包括目标诊断结果确定单元(未示出)，其可以被配置成基于排序确定多个候选对象中的目标诊断结果，其中目标诊断结果具有最高的资源消耗量。
在一些实施例中，排序单元530可以被配置成对多个候选对象进行分类，以得到第一候选对象集合和第二候选对象集合，其中第一候选对象集合包括第一类型的诊断结果，第二候选对象集合包括第二类型的诊断结果，并且第一类型的诊断结果的优先级高于第二类型的诊断结果的优先级；对第一候选对象集合中的候选对象进行排序；对第二候选对象集合中的候选对象进行排序；以及将第一候选对象集合中具有最高资源消耗量的诊断结果确定为目标诊断结果。
可以利用图5中示出的单元510～530执行图2中示出的步骤S202～S206，在此不再加以赘述。
根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图6，现将描述可以作为本公开的服务器或客户端的电子设备600的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示，电子设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储电子设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605，包括：输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向电子设备600输入信息的任何类型的设备，输入单元606可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元607可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如方法200、300、400。例如，在一些实施例中，方法200、300、400可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的方法200、300、400的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200、300、400。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (19)

1.一种数据处理方法，包括：
确定待排序的多个候选对象和用于所述多个候选对象的至少一个资源对象；
对于所述多个候选对象中的每个候选对象，
确定所述至少一个资源对象中与该候选对象有关的资源集合，
基于所确定的资源集合确定用于该候选对象的资源消耗量；以及
基于所述多个候选对象的资源消耗量对所述多个候选对象进行排序。
2.如权利要求1所述的数据处理方法，其中，确定所述至少一个资源对象中与该候选对象有关的资源集合包括：
对于每个资源对象，利用机器学习模型对该候选对象和该资源对象进行处理；以及
基于所述机器学习模型的输出确定该资源对象与该候选对象有关，其中所述机器学习模型的输出指示该候选对象和该资源项目之间的关联性。
3.如权利要求2所述的数据处理方法，其中，所述机器学习模型包括自然语言预训练模型和分类模型。
4.如权利要求1-3中任一项所述的数据处理方法，其中，确定待排序的多个候选对象和用于所述多个候选对象的至少一个资源对象包括：
获取病案信息；以及
从所述病案信息中识别所述多个候选对象和所述至少一个资源对象。
5.如权利要求4所述的数据处理方法，其中，所述候选对象包括诊断结果。
6.如权利要求4所述的数据处理方法，其中，所述资源对象包括收费项目和资源占用时长中的至少一种。
7.如权利要求5所述的数据处理方法，还包括：
基于所述排序确定所述多个候选对象中的目标诊断结果，其中所述目标诊断结果具有最高的资源消耗量。
8.如权利要求7所述的数据处理方法，其中，基于所述多个候选对象的资源消耗量对所述多个候选对象进行排序包括：
对所述多个候选对象进行分类，以得到第一候选对象集合和第二候选对象集合，其中所述第一候选对象集合包括第一类型的诊断结果，第二候选对象集合包括第二类型的诊断结果，并且所述第一类型的诊断结果的优先级高于所述第二类型的诊断结果的优先级；
对所述第一候选对象集合中的候选对象进行排序；
对所述第二候选对象集合中的候选对象进行排序；以及
将所述第一候选对象集合中具有最高资源消耗量的诊断结果确定为目标诊断结果。
9.一种数据处理装置，包括：
对象确定单元，被配置成确定待排序的多个候选对象和用于所述多个候选对象的至少一个资源对象；
资源消耗确定单元，被配置成：
对于所述多个候选对象中的每个候选对象，
确定所述至少一个资源对象中与该候选对象有关的资源集合，
基于所确定的资源集合确定用于该候选对象的资源消耗量；以及
排序单元，被配置成基于所述多个候选对象的资源消耗量对所述多个候选对象进行排序。
10.如权利要求9所述的数据处理装置，其中，所述资源消耗确定单元被配置成：
对于每个资源对象，利用机器学习模型对该候选对象和该资源对象进行处理；以及
基于所述机器学习模型的输出确定该资源对象与该候选对象有关，其中所述机器学习模型的输出指示该候选对象和该资源项目之间的关联性。
11.如权利要求10所述的数据处理装置，其中，所述机器学习模型包括自然语言预训练模型和分类模型。
12.如权利要求9-11中任一项所述的数据处理装置，其中，所述对象确定单元被配置成：
获取病案信息；以及
从所述病案信息中识别所述多个候选对象和所述至少一个资源对象。
13.如权利要求12所述的数据处理装置，其中，所述候选对象包括诊断结果。
14.如权利要求12所述的数据处理装置，其中，所述资源对象包括收费项目和资源占用时长中的至少一种。
15.如权利要求13所述的数据处理装置，还包括：
目标诊断结果确定单元，被配置成基于所述排序确定所述多个候选对象中的目标诊断结果，其中所述目标诊断结果具有最高的资源消耗量。
16.如权利要求15所述的数据处理方法，其中，所述排序单元被配置成：
对所述多个候选对象进行分类，以得到第一候选对象集合和第二候选对象集合，其中所述第一候选对象集合包括第一类型的诊断结果，第二候选对象集合包括第二类型的诊断结果，并且所述第一类型的诊断结果的优先级高于所述第二类型的诊断结果的优先级；
对所述第一候选对象集合中的候选对象进行排序；
对所述第二候选对象集合中的候选对象进行排序；以及
将所述第一候选对象集合中具有最高资源消耗量的诊断结果确定为目标诊断结果。
17.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。
19.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-8中任一项所述的方法。
CN202210226653.6A 2022-03-09 2022-03-09 数据处理方法、数据处理装置、电子设备和介质 Active CN114579626B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210226653.6A CN114579626B (zh) 2022-03-09 2022-03-09 数据处理方法、数据处理装置、电子设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210226653.6A CN114579626B (zh) 2022-03-09 2022-03-09 数据处理方法、数据处理装置、电子设备和介质

Publications (2)

Publication Number Publication Date
CN114579626A true CN114579626A (zh) 2022-06-03
CN114579626B CN114579626B (zh) 2023-08-11

Family

ID=81778073

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210226653.6A Active CN114579626B (zh) 2022-03-09 2022-03-09 数据处理方法、数据处理装置、电子设备和介质

Country Status (1)

Country Link
CN (1) CN114579626B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114722977A (zh) * 2022-06-10 2022-07-08 四川大学 一种医疗对象分类方法、装置、电子设备及存储介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130339060A1 (en) * 2011-02-17 2013-12-19 University Hospitals Of Cleveland Method and system for extraction and analysis of inpatient and outpatient encounters from one or more healthcare related information systems
US20190147988A1 (en) * 2016-04-19 2019-05-16 Koninklijke Philips N.V. Hospital matching of de-identified healthcare databases without obvious quasi-identifiers
US20190348178A1 (en) * 2018-05-09 2019-11-14 International Business Machines Corporation Medical diagnosis system with continuous learning and reasoning
CN111339126A (zh) * 2020-02-27 2020-06-26 平安医疗健康管理股份有限公司 医疗数据筛选方法、装置、计算机设备和存储介质
CN111382275A (zh) * 2018-12-28 2020-07-07 医渡云（北京）技术有限公司 医疗知识图谱的构建方法、装置、介质及电子设备
CN111681726A (zh) * 2020-05-29 2020-09-18 北京百度网讯科技有限公司 电子病历数据的处理方法、装置、设备和介质
CN112148882A (zh) * 2020-11-27 2020-12-29 北京惠及智医科技有限公司 病历文本处理方法、装置、电子设备及存储介质
CN112560400A (zh) * 2020-12-30 2021-03-26 杭州依图医疗技术有限公司 医学数据的处理方法、装置及存储介质
CN113345577A (zh) * 2021-06-18 2021-09-03 北京百度网讯科技有限公司 诊疗辅助信息的生成方法、模型训练方法、装置、设备以及存储介质
CN113657100A (zh) * 2021-07-20 2021-11-16 北京百度网讯科技有限公司 实体识别方法、装置、电子设备及存储介质
CN113779179A (zh) * 2021-09-29 2021-12-10 北京雅丁信息技术有限公司 一种基于深度学习和知识图谱的icd智能编码的方法
CN113792115A (zh) * 2021-08-17 2021-12-14 北京百度网讯科技有限公司 实体相关性确定方法、装置、电子设备及存储介质
CN113793662A (zh) * 2021-08-16 2021-12-14 北京百度网讯科技有限公司 相关性识别方法、装置、电子设备和计算机可读存储介质
CN114064818A (zh) * 2021-11-23 2022-02-18 北京百度网讯科技有限公司 医疗实体关系的确定方法、训练方法、装置、设备及介质
CN114121199A (zh) * 2021-12-01 2022-03-01 云知声智能科技股份有限公司 一种引导式的肿瘤相关主要诊断选择方法和系统

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130339060A1 (en) * 2011-02-17 2013-12-19 University Hospitals Of Cleveland Method and system for extraction and analysis of inpatient and outpatient encounters from one or more healthcare related information systems
US20190147988A1 (en) * 2016-04-19 2019-05-16 Koninklijke Philips N.V. Hospital matching of de-identified healthcare databases without obvious quasi-identifiers
US20190348178A1 (en) * 2018-05-09 2019-11-14 International Business Machines Corporation Medical diagnosis system with continuous learning and reasoning
CN111382275A (zh) * 2018-12-28 2020-07-07 医渡云（北京）技术有限公司 医疗知识图谱的构建方法、装置、介质及电子设备
CN111339126A (zh) * 2020-02-27 2020-06-26 平安医疗健康管理股份有限公司 医疗数据筛选方法、装置、计算机设备和存储介质
CN111681726A (zh) * 2020-05-29 2020-09-18 北京百度网讯科技有限公司 电子病历数据的处理方法、装置、设备和介质
CN112148882A (zh) * 2020-11-27 2020-12-29 北京惠及智医科技有限公司 病历文本处理方法、装置、电子设备及存储介质
CN112560400A (zh) * 2020-12-30 2021-03-26 杭州依图医疗技术有限公司 医学数据的处理方法、装置及存储介质
CN113345577A (zh) * 2021-06-18 2021-09-03 北京百度网讯科技有限公司 诊疗辅助信息的生成方法、模型训练方法、装置、设备以及存储介质
CN113657100A (zh) * 2021-07-20 2021-11-16 北京百度网讯科技有限公司 实体识别方法、装置、电子设备及存储介质
CN113793662A (zh) * 2021-08-16 2021-12-14 北京百度网讯科技有限公司 相关性识别方法、装置、电子设备和计算机可读存储介质
CN113792115A (zh) * 2021-08-17 2021-12-14 北京百度网讯科技有限公司 实体相关性确定方法、装置、电子设备及存储介质
CN113779179A (zh) * 2021-09-29 2021-12-10 北京雅丁信息技术有限公司 一种基于深度学习和知识图谱的icd智能编码的方法
CN114064818A (zh) * 2021-11-23 2022-02-18 北京百度网讯科技有限公司 医疗实体关系的确定方法、训练方法、装置、设备及介质
CN114121199A (zh) * 2021-12-01 2022-03-01 云知声智能科技股份有限公司 一种引导式的肿瘤相关主要诊断选择方法和系统

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
孔鸣;何前锋;李兰娟;: "人工智能辅助诊疗发展现状与战略研究", 中国工程科学, no. 02 *
孙郑煜;鄂海红;宋美娜;王宁;: "基于大数据技术的医学知识图谱构建方法", 软件, no. 01 *
常艳群等: "《山东省病历书写与管理基本规范》", 山东科学技术出版社 *
徐向东;梁艺琼;李辰;胡建平;: "190例医疗健康人工智能应用案例分析", 中国卫生信息管理杂志, no. 03 *
陈海云;陈皇宇;戚苗苗;陈琳;: "全面质量管理在提高医保病案编码准确率中的应用", 东南国防医药, no. 01, pages 184 - 185 *
马骋宇;: "新型农村合作医疗智能审核系统实施现状研究", 中国初级卫生保健, no. 07 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114722977A (zh) * 2022-06-10 2022-07-08 四川大学 一种医疗对象分类方法、装置、电子设备及存储介质
CN114722977B (zh) * 2022-06-10 2022-09-02 四川大学 一种医疗对象分类方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN114579626B (zh) 2023-08-11

Similar Documents

Publication Publication Date Title
CN111753543A (zh) 药物推荐方法、装置、电子设备及存储介质
JP6916310B2 (ja) 人間参加型対話式モデル訓練
CN112857268B (zh) 对象面积测量方法、装置、电子设备和存储介质
US20230112576A1 (en) Techniques for data processing predictions
US20220237376A1 (en) Method, apparatus, electronic device and storage medium for text classification
CN114791982B (zh) 对象推荐方法和装置
CN114443989B (zh) 排序方法、排序模型的训练方法、装置、电子设备及介质
CN115168545A (zh) 群组搜索方法、装置、电子设备及介质
CN114579626B (zh) 数据处理方法、数据处理装置、电子设备和介质
US11763944B2 (en) System and method for clinical decision support system with inquiry based on reinforcement learning
CN113312511B (zh) 用于推荐内容的方法、装置、设备和计算机可读存储介质
CN114724693A (zh) 异常诊疗行为的检测方法及装置、电子设备和存储介质
CN114048383A (zh) 信息推荐方法及装置、电子设备和介质
CN114429678A (zh) 模型训练方法及装置、电子设备和介质
CN114118067A (zh) 术语名词纠错方法及装置、电子设备和介质
CN112579587A (zh) 数据清洗方法及装置、设备和存储介质
CN112906387A (zh) 风险内容识别方法、装置、设备、介质和计算机程序产品
CN113609370B (zh) 数据处理方法、装置、电子设备及存储介质
US20230044508A1 (en) Data labeling processing
CN116883181B (zh) 基于用户画像的金融服务推送方法、存储介质及服务器
CN113836939B (zh) 基于文本的数据分析方法和装置
CN113918760A (zh) 视觉搜索方法和装置
CN114596947A (zh) 诊疗科室推荐方法、装置、电子设备及存储介质
CN115795013A (zh) 文本处理方法、装置、电子设备以及存储介质
CN114117074A (zh) 数据处理方法、装置、电子设备和介质

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
GR01 Patent grant
GR01 Patent grant