CN114678137A - 基于数字化医疗的大数据挖掘方法及服务器 - Google Patents

基于数字化医疗的大数据挖掘方法及服务器 Download PDF

Info

Publication number
CN114678137A
CN114678137A CN202210279093.0A CN202210279093A CN114678137A CN 114678137 A CN114678137 A CN 114678137A CN 202210279093 A CN202210279093 A CN 202210279093A CN 114678137 A CN114678137 A CN 114678137A
Authority
CN
China
Prior art keywords
description
medical
thread
intention
interaction record
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.)
Withdrawn
Application number
CN202210279093.0A
Other languages
English (en)
Inventor
刘玉达
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202210279093.0A priority Critical patent/CN114678137A/zh
Publication of CN114678137A publication Critical patent/CN114678137A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70ICT 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367Ontology
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/48Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806Task transfer initiation or dispatching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请的基于数字化医疗的大数据挖掘方法及服务器,对数字化医疗互动记录实施医疗用户意图标识挖掘以获取不少于两个对应数字化医疗互动记录的医疗用户意图标识;依据智能化特征处理线程,基于数字化医疗互动记录和不少于两个医疗用户意图标识确定对应数字化医疗互动记录的不少于两组服务意图需求;相较于传统的确定医疗服务意图需求的技术,本申请实施例可以获得更加丰富完整以及更具时效性的服务意图需求,此外,鉴于医疗用户意图标识的识别指示功能,能够确保服务意图需求与用户的实际医疗交互场景高度相关,这样可以确保医疗服务意图需求的大数据挖掘的精度和可信度。

Description

基于数字化医疗的大数据挖掘方法及服务器
技术领域
本申请涉及大数据处理技术领域,更具体地,涉及一种基于数字化医疗的大数据挖掘方法及服务器。
背景技术
数字医疗(Digital Treatment/medical)基于计算机通信、信息科技和医疗过程形成的新型现代化医疗方式,是公共医疗的发展方向和管理目标。数字医疗技术的兴起,极大丰富了医学信息的内涵和容量,并丰富了医生的诊断技术,使医学进入了一个全新的可视化的信息时代。
相较于传统医疗技术,数字医疗更多注重智能化医疗设备之间的线上医疗交互,也正是基于此,关于数字医疗的大数据分析成为推动数字医疗发展的关键。现目前,关于数字医疗的大数据分析大多服务于医疗客户端,比如为医疗客户端提供针对性服务,为了实现这一目的,需要进行针对性的用户意图分析和挖掘。然而相关技术在进行医疗用户大数据挖掘时,难以保障医疗用户大数据挖掘的丰富性和时效性,也难以确保挖掘结果与交互场景的相关性,这样可能造成医疗用户大数据挖掘的精度和可信度低下。
发明内容
本申请的一个目的是提供一种用于进行大数据挖掘的新技术方案。
根据本申请的第一方面,提供一种基于数字化医疗的大数据挖掘方法,应用于大数据挖掘服务器,所述方法至少包括:对数字化医疗互动记录实施医疗用户意图标识挖掘以获取不少于两个匹配所述数字化医疗互动记录的医疗用户意图标识;其中,各所述医疗用户意图标识旨在通过一个维度对所述数字化医疗互动记录用户意图总结,且所述数字化医疗互动记录包括不少于两个维度的医疗服务事项信息;依据智能化特征处理线程,按照所述数字化医疗互动记录和所述不少于两个医疗用户意图标识确定匹配所述数字化医疗互动记录的不少于两组服务意图需求。
在一些可独立实施的设计思路下,所述对数字化医疗互动记录实施医疗用户意图标识挖掘以获取不少于两个匹配所述数字化医疗互动记录的医疗用户意图标识,包括:依据意图标识挖掘线程,对数字化医疗互动记录进行医疗用户意图标识解析以获取不少于两个匹配所述数字化医疗互动记录的医疗用户意图标识;所述意图标识挖掘线程借助第二示例数字化医疗互动记录调试确定,所述第二示例数字化医疗互动记录携带有第二指示型服务意图需求;
所述意图标识挖掘线程的调试方法,包括:基于第二示例数字化医疗互动记录确定所述第二示例数字化医疗互动记录对应的不少于两个医疗用户意图标识;将所述第二示例数字化医疗互动记录传入所述意图标识挖掘线程,基于医疗用户意图标识序列确定匹配所述第二示例数字化医疗互动记录的不少于两个候选医疗用户意图标识;所述意图标识挖掘线程为多分支差异化分析线程,所述医疗用户意图标识序列包括不少于两个医疗用户意图标识;以所述第二示例数字化医疗互动记录对应的不少于两个医疗用户意图标识为持续性跟踪参考基准,根据所述候选医疗用户意图标识调试所述意图标识挖掘线程。
在一些可独立实施的设计思路下,所述基于第二示例数字化医疗互动记录确定匹配所述第二示例数字化医疗互动记录的不少于两个医疗用户意图标识,包括:依据意图标识挖掘策略,从所述第二示例数字化医疗互动记录对应的第二指示型服务意图需求中确定不少于两个医疗用户意图标识,各所述第二指示型服务意图需求对应不少于一个医疗用户意图标识。
在一些可独立实施的设计思路下,将所述第二示例数字化医疗互动记录传入所述意图标识挖掘线程,基于医疗用户意图标识序列确定匹配所述第二示例数字化医疗互动记录的不少于两个候选医疗用户意图标识,包括:
将所述第二示例数字化医疗互动记录传入所述意图标识挖掘线程以获取置信描述;所述置信描述包括不少于一个量化可能性,各所述量化可能性与所述医疗用户意图标识序列中的一个医疗用户意图标识相匹配;
从所述置信描述中确定不少于一个达到判定值的量化可能性,按照所述量化可能性从所述医疗用户意图标识序列中得到匹配所述第二示例数字化医疗互动记录的不少于两个候选医疗用户意图标识。
在一些可独立实施的设计思路下,所述智能化特征处理线程基于第一示例数字化医疗互动记录调试确定,所述第一示例数字化医疗互动记录携带有第一指示型服务意图需求,所述第一指示型服务意图需求匹配所述第一示例数字化医疗互动记录的医疗用户意图标识。
在一些可独立实施的设计思路下,所述智能化特征处理线程的调试方法,包括:
基于第一特征抽取线程和时间循环智能线程创立原始智能化特征处理线程;
依据迁移变换线程,将第一示例数字化医疗互动记录以及其所指向的医疗用户意图标识迁移变换至特征关系网以获取所述第一示例数字化医疗互动记录对应的医疗互动记录描述和所述医疗用户意图标识对应的意图偏好描述;所述迁移变换线程借助第三示例数字化医疗互动记录调试确定,所述第三示例数字化医疗互动记录携带有第三指示型服务意图需求及第三指示型医疗用户意图标识;
按照所述医疗互动记录描述和所述意图偏好描述确定传入描述,将所述传入描述传入所述时间循环智能线程以获取匹配所述第一示例数字化医疗互动记录的候选服务意图需求;
以所述第一示例数字化医疗互动记录对应的第一指示型服务意图需求为持续性跟踪参考基准,根据所述候选服务意图需求调试所述智能化特征处理线程。
在一些可独立实施的设计思路下,依据迁移变换线程,将第一示例数字化医疗互动记录以及其所指向的医疗用户意图标识迁移变换至特征关系网之前,还包括:依据第二特征抽取线程,对所述第一示例数字化医疗互动记录进行分析,确定所述第一示例数字化医疗互动记录对应的第一医疗互动记录描述;依据知识图谱处理线程,对所述第一示例数字化医疗互动记录对应的医疗用户意图标识进行分析以获取所述医疗用户意图标识对应的第一意图偏好描述;
依据迁移变换线程,将第一示例数字化医疗互动记录以及其所指向的医疗用户意图标识迁移变换至特征关系网,包括:依据迁移变换线程,分别对所述医疗互动记录描述和所述意图偏好描述启用迁移变换操作以获取匹配所述医疗互动记录描述和所述意图偏好描述的迁移变换描述;所述迁移变换描述旨在并行表达数字化医疗互动记录和医疗用户意图标识的显著性内容。
在一些可独立实施的设计思路下,所述迁移变换线程的调试方法,包括:
基于第三示例数字化医疗互动记录以及其所指向的第三指示型服务意图需求及第三指示型医疗用户意图标识,分别确定所述第三示例数字化医疗互动记录对应的第三医疗互动记录描述、所述第三指示型服务意图需求对应的第三视觉关键描述和所述第三指示型医疗用户意图标识对应的第三意图偏好描述;
依据迁移变换线程,按照所述医疗互动记录描述、视觉关键描述和意图偏好描述确定对应的第一迁移变换描述、第二迁移变换描述和第三迁移变换描述;
按照所述第一迁移变换描述、第二迁移变换描述和第三迁移变换描述确定所述迁移变换线程的线程质量检测指数;按照所述线程质量检测指数调试所述迁移变换线程。
在一些可独立实施的设计思路下,所述基于第三示例数字化医疗互动记录以及其所指向的第三指示型服务意图需求及第三指示型医疗用户意图标识,分别确定所述第三示例数字化医疗互动记录对应的第三医疗互动记录描述、所述第三指示型服务意图需求对应的第三视觉关键描述和所述第三指示型医疗用户意图标识对应的第三意图偏好描述,包括:
依据所述第二特征抽取线程,对所述第三示例数字化医疗互动记录进行分析,确定所述第三示例数字化医疗互动记录对应的第三医疗互动记录描述;
依据梯度衰减抑制子线程,对所述第三指示型服务意图需求进行分析以获取所述第三指示型服务意图需求对应的第三视觉关键描述;
依据所述知识图谱处理线程,对所述第三指示型医疗用户意图标识进行分析以获取所述第三指示型医疗用户意图标识对应的第三意图偏好描述。
在一些可独立实施的设计思路下,所述迁移变换线程包括第一输入映射单元、第二输入映射单元和第三输入映射单元;依据迁移变换线程,按照所述医疗互动记录描述、视觉关键描述和意图偏好描述确定对应的第一迁移变换描述、第二迁移变换描述和第三迁移变换描述,包括:
根据所述第一输入映射单元对所述医疗互动记录描述进行分析,确定所述医疗互动记录描述对应的第一迁移变换描述;
借助所述第二输入映射单元对所述视觉关键描述进行分析,确定所述视觉关键描述对应的第二迁移变换描述;
调用所述第三输入映射单元对所述意图偏好描述进行分析,确定所述意图偏好描述对应的第三迁移变换描述。
在一些可独立实施的设计思路下,按照所述第一迁移变换描述、第二迁移变换描述和第三迁移变换描述确定所述迁移变换线程的线程质量检测指数,包括:
按照所述第一迁移变换描述和所述第二迁移变换描述确定第一线程质量检测指数;
按照所述第一迁移变换描述和所述第三迁移变换描述确定第二线程质量检测指数;
按照所述第二迁移变换描述和所述第三迁移变换描述确定第三线程质量检测指数;
通过将所述第一线程质量检测指数、所述第二线程质量检测指数和所述第三线程质量检测指数进行融合得到所述线程质量检测指数。
在一些可独立实施的设计思路下,按照所述第一迁移变换描述和所述第二迁移变换描述确定第一线程质量检测指数,包括:确定所述第一迁移变换描述和所述第二迁移变换描述之间的共性描述评价;依据线程质量检测信息,按照所述第一迁移变换描述和所述第二迁移变换描述之间的共性描述评价,确定所述第一线程质量检测指数;
按照所述第一迁移变换描述和所述第三迁移变换描述确定第二线程质量检测指数,包括:确定所述第一迁移变换描述和所述第三迁移变换描述之间的共性描述评价;依据所述线程质量检测信息,按照所述第一迁移变换描述和所述第三迁移变换描述之间的共性描述评价,确定所述第二线程质量检测指数;
按照所述第二迁移变换描述和所述第三迁移变换描述确定第三线程质量检测指数,包括:确定所述第二迁移变换描述和所述第三迁移变换描述之间的共性描述评价;依据所述线程质量检测信息,按照所述第二迁移变换描述和所述第三迁移变换描述之间的共性描述评价,确定所述第三线程质量检测指数。
在一些可独立实施的设计思路下,按照所述线程质量检测指数调试所述迁移变换线程,包括:依据所述线程质量检测指数,通过最优化算法调试所述迁移变换线程中的所述第一输入映射单元、所述第二输入映射单元和所述第三输入映射单元。
在一些可独立实施的设计思路下,依据所述线程质量检测指数,通过最优化算法调试所述迁移变换线程中的所述第一输入映射单元、所述第二输入映射单元和所述第三输入映射单元,包括:
结合所述线程质量检测指数,改进所述迁移变换线程中的所述第一输入映射单元、所述第二输入映射单元和所述第三输入映射单元中的变量,确定优化后的迁移变换线程;
重复执行以下步骤:以优化后的迁移变换线程作为迁移变换线程,依据迁移变换线程,按照所述医疗互动记录描述、视觉关键描述和意图偏好描述确定对应的第一迁移变换描述、第二迁移变换描述和第三迁移变换描述,按照所述第一迁移变换描述、第二迁移变换描述和第三迁移变换描述确定所述迁移变换线程的线程质量检测指数,结合所述线程质量检测指数,改进所述迁移变换线程中的所述第一输入映射单元、所述第二输入映射单元和所述第三输入映射单元中的变量,确定优化后的迁移变换线程,直至符合设定调试要求。
在一些可独立实施的设计思路下,所述符合设定调试要求,包括:所述线程质量检测信息处于设定状态,和/或所述线程质量检测指数低于设定指数。
在一些可独立实施的设计思路下,所述特征关系网中基于迁移变换描述之间的共性描述评价将所述迁移变换描述叠加为不少于一个迁移变换描述簇,各所述迁移变换描述簇中的迁移变换描述对应的数字化医疗互动记录、医疗用户意图标识和服务意图需求之间具有传递联系。
在一些可独立实施的设计思路下,按照所述医疗互动记录描述和所述意图偏好描述确定传入描述,包括:将所述医疗互动记录描述和所述意图偏好描述进行拼接以获取传入描述。
在一些可独立实施的设计思路下,所述调试后的迁移变换线程还用于:响应于获取的待定位医疗互动记录从所述特征关系网中确定对应的定位视觉信息,和/或,响应于获取的待定位视觉信息从所述特征关系网中确定对应的定位医疗互动记录。
根据本申请的第二方面,提供一种大数据挖掘服务器,包括:存储器,用于存储可执行的指令;处理器,用于根据所述可执行的指令的控制,运行所述大数据挖掘服务器执行上述的方法。
根据本申请的第三方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在运行时执行上述的方法。
基于本申请上述实施例提供的一种基于数字化医疗的大数据挖掘方法及服务器,对数字化医疗互动记录实施医疗用户意图标识挖掘以获取不少于两个对应数字化医疗互动记录的医疗用户意图标识;依据智能化特征处理线程,基于数字化医疗互动记录和不少于两个医疗用户意图标识确定对应数字化医疗互动记录的不少于两组服务意图需求;相较于传统的确定医疗服务意图需求的技术,本申请实施例可以获得更加丰富完整以及更具时效性的服务意图需求,此外,鉴于医疗用户意图标识的识别指示功能,能够确保服务意图需求与用户的实际医疗交互场景高度相关,这样可以确保医疗服务意图需求的大数据挖掘的精度和可信度。
通过以下参照附图对本申请的示例性实施例的详细描述,本申请的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本申请的实施例,并且连同其说明一起用于解释本申请的原理。
图1是示出可以实现本申请的实施例的大数据挖掘服务器100的一种硬件配置的框图。
图2是示出可以实现本申请的实施例的大数据挖掘服务器100的另一种硬件配置的框图。
图3是示出可以实现本申请的实施例的基于数字化医疗的大数据挖掘方法的流程图。
图4是示出可以实现本申请的实施例的基于数字化医疗的大数据挖掘系统的架构示意图。
具体实施方式
现在将参照附图来详细描述本申请的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
<硬件配置>
图1是示出可以实现本申请的实施例的大数据挖掘服务器100的一种硬件配置的框图,大数据挖掘服务器100可以包括处理器110和存储器120,存储器120用于存储可执行的指令,处理器110用于根据可执行的指令的控制,运行大数据挖掘服务器100执行本申请中的基于数字化医疗的大数据挖掘方法。
图2是示出可以实现本申请的实施例的大数据挖掘服务器100的另一种硬件配置的框图,大数据挖掘服务器100可以包括处理器110、存储器120和基于数字化医疗的大数据挖掘装置400,基于数字化医疗的大数据挖掘装置400包括至少一个可以软件或固件(firmware)的形式储存于所述存储器120中的软件功能模块,所述处理器110通过运行存储在存储器120内的软件程序以及模块,例如本申请实施例中的基于数字化医疗的大数据挖掘装置400,从而执行各种功能应用以及数据处理,即实现本申请实施例中的基于数字化医疗的大数据挖掘方法。
<方法实施例>
图3是示出可以实现本申请的实施例的基于数字化医疗的大数据挖掘方法的流程图,基于数字化医疗的大数据挖掘方法可以通过图1或图2所示的大数据挖掘服务器100实现,进一步可以包括以下步骤所描述的技术方案。
STEP101,对数字化医疗互动记录实施医疗用户意图标识挖掘以获取不少于两个对应数字化医疗互动记录的医疗用户意图标识。
在本申请实施例中,每个医疗用户意图标识旨在通过一个维度对数字化医疗互动记录用户意图总结,数字化医疗互动记录包括不少于两个维度的医疗服务事项信息。
一般而言,数字化医疗互动记录涵盖很多维度的内容,相关技术直接基于数字化医疗互动记录进行粗略的用户意图总结,难以保障用户意图挖掘的精度和可信度,本申请实施例例通过挖掘得到的医疗用户意图标识可以对数字化医疗互动记录进行关键信息指示,在基于医疗用户意图标识获取对应的服务意图需求,使确定的服务意图需求更加丰富完整,且针对性更强。在本申请实施例中,医疗用户意图标识可以理解为意图关键词或者意图标签。
STEP102,依据智能化特征处理线程,基于数字化医疗互动记录和不少于两个医疗用户意图标识确定对应数字化医疗互动记录的不少于两组服务意图需求。
以一些示例性的角度来看待,智能化特征处理线程基于第一示例数字化医疗互动记录调试确定,第一示例数字化医疗互动记录携带有第一指示型服务意图需求,第一指示型服务意图需求对应第一示例数字化医疗互动记录的医疗用户意图标识。在本申请实施例中,智能化特征处理线程可以是基于人工智能的机器学习模型/神经网络。针对线程的调试可以理解为进行模型训练或者网络训练。相关的示例内容可以理解为样本内容,指示性内容可以理解为标注内容或者注释内容。
基于本申请上述实施例提供的一种基于数字化医疗的大数据挖掘方法,对数字化医疗互动记录实施医疗用户意图标识挖掘以获取不少于两个对应数字化医疗互动记录的医疗用户意图标识;依据智能化特征处理线程,基于数字化医疗互动记录和不少于两个医疗用户意图标识确定对应数字化医疗互动记录的不少于两组服务意图需求。相较于传统的确定医疗服务意图需求的技术,本申请实施例可以获得更加丰富完整以及更具时效性的服务意图需求,此外,鉴于医疗用户意图标识的识别指示功能,能够确保服务意图需求与用户的实际医疗交互场景高度相关,这样可以确保医疗服务意图需求的大数据挖掘的精度和可信度。
本申请基于数字化医疗的大数据挖掘方法的另一个可独立实施的设计思路下,STEP101可以包括以下内容:依据意图标识挖掘线程,对数字化医疗互动记录进行医疗用户意图标识解析以获取不少于两个对应数字化医疗互动记录的医疗用户意图标识。
意图标识挖掘线程借助第二示例数字化医疗互动记录调试确定,第二示例数字化医疗互动记录携带有第二指示型服务意图需求。意图标识挖掘线程可以理解为意图挖掘提取网络。
本申请实施例通过调试后的意图标识挖掘线程对数字化医疗互动记录实现医疗用户意图标识挖掘,而对该意图标识挖掘线程的调试过程中,使用的示例样本是携带有第二指示型服务意图需求的第二示例数字化医疗互动记录,通过第二示例数字化医疗互动记录调试得到的意图标识挖掘线程对数字化医疗互动记录挖掘得到的医疗用户意图标识能更精准的总结该数字化医疗互动记录。
对于一些可独立实施的技术方案而言,上述的意图标识挖掘线程的调试过程可以通过以下步骤实现。
根据第二示例数字化医疗互动记录确定第二示例数字化医疗互动记录对应的不少于两个医疗用户意图标识。以一些示例性的角度来看待,依据意图标识挖掘策略,从第二示例数字化医疗互动记录对应的第二指示型服务意图需求中确定不少于两个医疗用户意图标识,每个第二指示型服务意图需求对应不少于一个医疗用户意图标识。
将第二示例数字化医疗互动记录传入意图标识挖掘线程,基于医疗用户意图标识序列确定对应第二示例数字化医疗互动记录的不少于两个候选医疗用户意图标识。以一些示例性的角度来看待,将第二示例数字化医疗互动记录传入意图标识挖掘线程以获取置信描述,置信描述包括不少于一个量化可能性,每个量化可能性与医疗用户意图标识序列中的一个医疗用户意图标识相匹配。
从置信描述中确定不少于一个达到判定值的量化可能性,基于量化可能性从医疗用户意图标识序列中得到对应第二示例数字化医疗互动记录的不少于两个候选医疗用户意图标识。在本申请实施例中,意图标识挖掘线程为多分支差异化分析线程(多分类网络),医疗用户意图标识序列包括不少于两个医疗用户意图标识;多分支差异化分析线程确定的置信描述中量化可能性(概率)的数目与医疗用户意图标识序列中的医疗用户意图标识数目相匹配,当量化可能性数组中存在一个或多个符合要求的量化可能性,便可以确定对应的医疗用户意图标识为该意图标识挖掘线程输出的医疗用户意图标识。
以第二示例数字化医疗互动记录对应的不少于两个医疗用户意图标识为持续性跟踪参考基准,结合候选医疗用户意图标识调试意图标识挖掘线程。可以理解的是,对于该意图标识挖掘线程的调试可根据现有医疗用户意图标识和候选医疗用户意图标识之间的比较结果进行反馈,通过阶段性改进意图标识挖掘线程变量以调试意图标识挖掘线程,直至候选医疗用户意图标识与现有医疗用户意图标识之间的比较结果低于满足要求,比如候选医疗用户意图标识与现有医疗用户意图标识的差异系数低于设定差异系数。
在另一些可独立实施的技术方案中,智能化特征处理线程的调试可以通过以下方式实现:基于第一特征抽取线程和时间循环智能线程创立原始智能化特征处理线程;依据迁移变换线程,将第一示例数字化医疗互动记录以及其所指向的医疗用户意图标识迁移变换至特征关系网以获取第一示例数字化医疗互动记录对应的医疗互动记录描述和医疗用户意图标识对应的意图偏好描述;迁移变换线程借助第三示例数字化医疗互动记录调试确定,第三样数字化医疗互动记录携带有第三指示型服务意图需求及第三指示型医疗用户意图标识;基于医疗互动记录描述和意图偏好描述确定传入描述,将传入描述时间循环智能线程以获取匹配所述第一示例数字化医疗互动记录的候选服务意图需求;以第一示例数字化医疗互动记录对应的第一指示型服务意图需求为持续性跟踪参考基准,结合候选服务意图需求调试智能化特征处理线程。
本申请实施例例中,原始智能化特征处理线程包括第一特征抽取线程(比如卷积神经网络)和时间循环智能线程(比如长短期记忆神经网络),该原始智能化特征处理线程的架构与相关技术中的智能化特征处理线程相似,而为了确定对应数字化医疗互动记录的医疗用户意图标识,依据迁移变换线程将第一示例数字化医疗互动记录及其通过机器学习模型确定的医疗用户意图标识迁移变换至特征关系网(映射空间)中,基于迁移变换得到的传入描述借助时间循环智能线程确定候选服务意图需求,便可以实现结合医疗用户意图标识和数字化医疗互动记录对服务意图需求进行解析,基于该候选服务意图需求和第一示例数字化医疗互动记录对应的第一指示型服务意图需求对智能化特征处理线程进行调试,调试得到的智能化特征处理线程便可实现基于数字化医疗互动记录和医疗用户意图标识输出对应的服务意图需求。
对于一些可独立实施的技术方案而言,依据迁移变换线程,将第一示例数字化医疗互动记录以及其所指向的医疗用户意图标识迁移变换至特征关系网之前,该方法还可以包括以下内容:依据第二特征抽取线程,对第一示例数字化医疗互动记录进行分析,确定第一示例数字化医疗互动记录对应的第一医疗互动记录描述;依据知识图谱处理线程,对第一示例数字化医疗互动记录对应的医疗用户意图标识进行分析以获取医疗用户意图标识对应的第一意图偏好描述;
在本申请实施例中,意图偏好描述可以理解为意图偏好特征,知识图谱处理线程可以理解为借助知识图谱而调试得到的图像型或者文本型处理线程,能够对图像特征或者文本特征进行挖掘分析。
对于一些可独立实施的技术方案而言,依据知识图谱处理线程,对第一示例数字化医疗互动记录对应的医疗用户意图标识进行分析以获取医疗用户意图标识对应的第一意图偏好描述,包括:将医疗用户意图标识传入知识图谱处理线程,通过知识图谱处理线程中的输入线程单元将医疗用户意图标识碎片化并调整为数值向量。数值向量通过中间线程单元和输出线程单元得到对应医疗用户意图标识的第一意图偏好描述。可以理解的是,上述的三个单元可以分别对应输入层、中间层(隐含层)以及输出层。
对于一些可独立实施的技术方案而言,依据迁移变换线程,将第一示例数字化医疗互动记录以及其所指向的医疗用户意图标识迁移变换至特征关系网,可以包括以下内容:依据迁移变换线程,分别对医疗互动记录描述和意图偏好描述启用迁移变换操作以获取对应医疗互动记录描述和意图偏好描述的迁移变换描述。
在本申请实施例中,迁移变换描述旨在并行表达数字化医疗互动记录和医疗用户意图标识的显著性内容。示例性的,通过将医疗互动记录描述和意图偏好描述迁移变换至特征关系网中,以特征关系网中的共性描述评价(相似度)来确定对应数字化医疗互动记录和医疗用户意图标识的服务意图需求。
基于上述内容,在一些可独立实施技术方案下,迁移变换线程的调试可以通过以下步骤实现:根据第三示例数字化医疗互动记录以及其所指向的第三指示型服务意图需求及第三指示型医疗用户意图标识,分别确定第三示例数字化医疗互动记录对应的第三医疗互动记录描述、第三指示型服务意图需求对应的第三视觉关键描述和第三指示型医疗用户意图标识对应的第三意图偏好描述;依据迁移变换线程,基于医疗互动记录描述、视觉关键描述和意图偏好描述确定对应的第一迁移变换描述、第二迁移变换描述和第三迁移变换描述;基于第一迁移变换描述、第二迁移变换描述和第三迁移变换描述确定迁移变换线程的线程质量检测指数;基于线程质量检测指数调试迁移变换线程。
可以理解的是,本申请实施例对相关算法进行优化调试:采用输入映射单元取代之前的量化单元(绝对值算法),通过调试可以将医疗互动记录描述、视觉关键描述和意图偏好描述在特征关系网中的迁移变换描述之间共性描述评价更高,基于该迁移变换线程可实现:(1)基于数字化医疗互动记录定位所匹配的医疗用户意图标识+服务意图需求,(2)基于医疗用户意图标识定位所匹配的数字化医疗互动记录+服务意图需求,(3)基于服务意图需求定位所匹配的数字化医疗互动记录+医疗用户意图标识。
对于一些可独立实施的技术方案而言,基于第三示例数字化医疗互动记录以及其所指向的第三指示型服务意图需求及第三指示型医疗用户意图标识,分别确定第三示例数字化医疗互动记录对应的第三医疗互动记录描述、第三指示型服务意图需求对应的第三视觉关键描述和第三指示型医疗用户意图标识对应的第三意图偏好描述,可以包括以下内容包括:依据第二特征抽取线程,对第三示例数字化医疗互动记录进行分析,确定第三示例数字化医疗互动记录对应的第三医疗互动记录描述;依据梯度衰减抑制子线程(比如门控循环节点),对第三指示型服务意图需求进行分析以获取第三指示型服务意图需求对应的第三视觉关键描述;依据知识图谱处理线程,对第三指示型医疗用户意图标识进行分析以获取第三指示型医疗用户意图标识对应的第三意图偏好描述。
在本申请实施例中,迁移变换线程包括第一输入映射单元、第二输入映射单元和第三输入映射单元。相应的,迁移变换线程可以理解为映射线程,输入映射单元可以理解为激活函数。
在另一些可独立实施的技术方案下,依据迁移变换线程,基于医疗互动记录描述、视觉关键描述和意图偏好描述确定对应的第一迁移变换描述、第二迁移变换描述和第三迁移变换描述,可以包括以下内容:通过第一输入映射单元对医疗互动记录描述进行分析,确定医疗互动记录描述对应的第一迁移变换描述;通过第二输入映射单元对视觉关键描述进行分析,确定视觉关键描述对应的第二迁移变换描述;通过第三输入映射单元对意图偏好描述进行分析,确定意图偏好描述对应的第三迁移变换描述。
在本申请实施例中,不同的迁移变换描述的确定方式可以通过不同的公式计算得到,比如利用不同的映射矩阵进行特征值变换实现,相关公式可以根据实际需求进行调整,本申请实施例不作限制。
对于一些可独立实施的技术方案中,基于第一迁移变换描述、第二迁移变换描述和第三迁移变换描述确定迁移变换线程的线程质量检测指数(损失函数值),包括:基于第一迁移变换描述和第二迁移变换描述确定第一线程质量检测指数;比如,确定第一迁移变换描述和第二迁移变换描述之间的共性描述评价;依据线程质量检测信息,基于第一迁移变换描述和第二迁移变换描述之间的共性描述评价,确定第一线程质量检测指数。基于第一迁移变换描述和第三迁移变换描述确定第二线程质量检测指数;比如,确定第一迁移变换描述和第三迁移变换描述之间的共性描述评价;依据线程质量检测信息,基于第一迁移变换描述和所述第三迁移变换描述之间的共性描述评价,确定第二线程质量检测指数。基于第二迁移变换描述和第三迁移变换描述确定第三线程质量检测指数;比如,确定第二迁移变换描述和第三迁移变换描述之间的共性描述评价;依据线程质量检测信息,基于第二迁移变换描述和第三迁移变换描述之间的共性描述评价,确定第三线程质量检测指数。
通过将第一线程质量检测指数、第二线程质量检测指数和第三线程质量检测指数进行融合得到线程质量检测指数。可以理解的是,第一线程质量检测指数、第二线程质量检测指数和第三线程质量检测指数分别对应不同角度的线程质量评价,通过对第一线程质量检测指数、第二线程质量检测指数和第三线程质量检测指数进行加权,能够得到更为完整可信的线程质量检测指数。
比如,线程质量检测指数可以通过以下方式确定:E=q1*E(V1,V2)+q2*E(V3,V2)+q3*E(V3,V1)。
在本申请实施例中,V1、V2和V3分别表示服务意图需求、数字化医疗互动记录和医疗用户意图标识,表示第二迁移变换描述与第一迁移变换描述之间的第一线程质量检测指数,表示第一线程质量检测指数的加权因子;表示第三迁移变换描述与第一迁移变换描述之间的第二线程质量检测指数,表示第二线程质量检测指数的加权因子;表示第三迁移变换描述与第二迁移变换描述之间的第三线程质量检测指数,表示第三线程质量检测指数的加权因子;其中第一线程质量检测指数、第二线程质量检测指数和第三线程质量检测指数相关公式确定,而三个加权因子根据实际需求设定。
对于一些可独立实施的技术方案而言,基于线程质量检测指数调试迁移变换线程,包括:依据线程质量检测指数,通过最优化算法调试迁移变换线程中的第一输入映射单元、第二输入映射单元和第三输入映射单元。
比如,可以根据线程质量检测指数,改进迁移变换线程中的第一输入映射单元、第二输入映射单元和第三输入映射单元中的变量,确定优化后的迁移变换线程;重复执行以下步骤:以优化后的迁移变换线程作为迁移变换线程,依据迁移变换线程,基于医疗互动记录描述、视觉关键描述和意图偏好描述确定对应的第一迁移变换描述、第二迁移变换描述和第三迁移变换描述,基于第一迁移变换描述、第二迁移变换描述和第三迁移变换描述确定迁移变换线程的线程质量检测指数,根据线程质量检测指数,改进迁移变换线程中的第一输入映射单元、第二输入映射单元和第三输入映射单元中的变量,确定优化后的迁移变换线程,直至符合设定调试要求。
例如,对第一输入映射单元、第二输入映射单元和第三输入映射单元中的变量的调试即对上述的调试梯度衰减抑制子线程中的变量和进行调试以获取线程质量检测指数更小的输入映射单元,相关的设定调试要求可以包括但不限于:线程质量检测信息处于设定状态以及线程质量检测指数低于设定指数中的至少一种。
对于一些可独立实施的技术方案中,调试后的迁移变换线程还用于:响应于获取的待定位医疗互动记录从特征关系网中确定对应的定位视觉信息,和/或,响应于获取的待定位视觉信息从特征关系网中确定对应的定位医疗互动记录。
可以理解的是,特征关系网中基于迁移变换描述之间的共性描述评价将迁移变换描述叠加为不少于一个迁移变换描述簇,每个迁移变换描述簇中的迁移变换描述对应的数字化医疗互动记录、医疗用户意图标识和服务意图需求之间具有传递联系。
在上述内容的基础上,基于迁移变换描述簇可以更快的实现数字化医疗互动记录以及服务需求的定位,只需将数字化医疗互动记录(或需求描述)迁移变换至特征关系网,确定对应的迁移变换描述簇即可确定相应的需求描述(或数字化医疗互动记录)和医疗用户意图标识。
对于一些可独立实施的技术方案而言,基于医疗互动记录描述和意图偏好描述确定传入描述,可以包括以下内容:将医疗互动记录描述和意图偏好描述进行拼接以获取传入描述。
比如,医疗互动记录描述和意图偏好描述对应的加权因子分别根据实际需求调整,这两个加权因子的和值为1,通过进行拼接得到的传入描述能实现表达医疗互动记录描述的同时表达意图偏好描述,使输出的候选服务意图需求是与医疗用户意图标识匹配的。
对于一些可独立实施的技术方案而言,在确定匹配所述数字化医疗互动记录的不少于两组服务意图需求之后,该方法还可以包括以下内容:针对每组服务意图需求,确定该组服务意图需求对应的服务应对策略;基于所述服务应对策略与该组服务意图需求所对应的医疗用户客户端进行业务交互。
在本申请实施例中,基于所述服务应对策略与该组服务意图需求所对应的医疗用户客户端进行业务交互,可以通过两种方式实现,第一种方式是基于服务应对策略进行业务服务推送,比如医疗服务推送或者线上产品推送,第二种方式是基于服务应对策略进行业务服务优化,比如优化医疗可视化交互界面或者优化线上就医流程等。
对于一些可独立实施的技术方案而言,针对每组服务意图需求,确定该组服务意图需求对应的服务应对策略,可以包括以下步骤所描述的技术方案:根据服务意图需求获取待解析业务服务反馈;根据所述待解析业务服务反馈,确定目标互动事件的局部识别信息在所述待解析业务服务反馈对应的业务服务反馈列表中的局部分布信息和所述目标互动事件在所述待解析业务服务反馈对应的线上医疗流程列表中的全局识别信息在所述在所述业务服务反馈列表中的迁移分布信息;根据所述局部分布信息、所述迁移分布信息和所述局部识别信息和所述全局识别信息之间的策略匹配指示,得到所述目标互动事件的关键服务会话在所述线上医疗流程列表中的参考策略描述;根据所述参考策略描述和所述待解析业务服务反馈,得到所述目标互动事件的关键服务会话在所述线上医疗流程列表中的目标策略描述;基于所述策略描述确定所述服务意图需求对应的服务应对策略。
如此设计,能够根据所述局部分布信息、所述迁移分布信息和所述局部识别信息和所述全局识别信息之间的策略匹配指示,准确得到所述目标互动事件的关键服务会话在所述线上医疗流程列表中的参考策略描述,从而结合参考策略描述以及待解析业务服务反馈保障目标策略描述的针对性和可信度,这样可以通过具有代表性的策略描述精准定位服务意图需求对应的服务应对策略。
对于一些可独立实施的技术方案而言,所述根据所述待解析业务服务反馈,确定目标互动事件的局部识别信息在所述待解析业务服务反馈对应的业务服务反馈列表中的局部分布信息,包括:对所述待解析业务服务反馈进行描述挖掘,获取待解析业务服务反馈的视觉描述;根据所述视觉描述,得到所述视觉描述中的各个描述事项属于目标互动事件的关键服务会话的量化可能性、与各个描述事项对应的第一分布误差、和以各描述事项为关键服务会话的池化局部识别信息的池化状态信息;根据所述量化可能性、所述第一分布误差以及所述池化状态信息,得到所述局部分布信息;其中,池化局部识别信息,为对待解析业务服务反馈进行池化后,所述目标互动事件局部识别信息被压缩得到识别信息。如此设计,可以确保局部分布信息的准确性,避免局部分布信息出现偏差。
对于一些可独立实施的技术方案而言,根据所述待解析业务服务反馈,所述目标互动事件在所述待解析业务服务反馈对应的线上医疗流程列表中的全局识别信息在所述在所述业务服务反馈列表中的迁移分布信息,包括:根据所述待解析业务服务反馈的视觉描述,得到与所述视觉描述中的每个描述事项对应的第二分布误差;根据所述视觉描述中的每个描述事项属于目标互动事件的关键服务会话的量化可能性、所述第二分布误差和池化指标,得到所述全局识别信息在所述在所述业务服务反馈列表中的迁移分布信息。如此设计,可以确保迁移分布信息的准确性,避免迁移分布信息出现偏差
对于一些可独立实施的技术方案而言,所述根据所述局部分布信息、所述迁移分布信息和所述局部识别信息和所述全局识别信息之间的策略匹配指示,得到所述目标互动事件在所述线上医疗流程列表中的参考策略描述,包括:根据所述局部分布信息、所述迁移分布信息、所述目标互动事件的真实状态信息、所述目标互动事件的关注度信息和所述局部识别信息和所述全局识别信息之间的策略匹配指示,得到所述目标互动事件在所述线上医疗流程列表中的参考策略描述。如此设计,能够基于不同维度的考虑以确保参考策略描述的准确性。
对于一些可独立实施的技术方案而言,所述根据所述参考策略描述,得到所述目标互动事件的关键服务会话在所述线上医疗流程列表中的目标策略描述,包括:对所述目标互动事件的关键服务会话在所述线上医疗流程列表中的参考策略描述构成的多模态业务服务反馈进行特征调整,得到多模态视觉描述;根据所述多模态视觉描述和所述待解析业务服务反馈的视觉描述,得到所述目标互动事件的关键服务会话在所述线上医疗流程列表中的目标策略描述。如此设计,能够基于多模态描述确保目标策略描述的完整性和丰富性。
<系统实施例>
在上述的方法实施例的基础上,本申请实施例还提出了一种系统实施例,也即基于数字化医疗的大数据挖掘系统,请结合参阅图4,基于数字化医疗的大数据挖掘系统30可以包括互相通信的大数据挖掘服务器100和数字化医疗用户端200。进一步地,基于数字化医疗的大数据挖掘系统30在运行时实现或者部分实现上述方法实施例所描述的技术方案。
本领域技术人员公知的是,随着诸如大规模集成电路技术的电子信息技术的发展和软件硬件化的趋势,要明确划分计算机系统软、硬件界限已经显得比较困难了。因为,任何操作可以软件来实现,也可以由硬件来实现。任何指令的执行可以由硬件完成,同样也可以由软件来完成。对于某一机器功能采用硬件实现方案还是软件实现方案,取决于价格、速度、可靠性、存储容量、变更周期等非技术性因素。因此,对于电子信息技术领域的普通技术人员来说,更为直接和清楚地描述一个技术方案的方式是描述该方案中的各个操作。在知道所要执行的操作的情况下,本领域技术人员可以基于对所述非技术性因素的考虑直接设计出期望的产品。
本申请可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本申请的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本申请操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本申请的各个方面。
这里参照根据本申请实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本申请的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本申请的范围由所附权利要求来限定。

Claims (10)

1.一种基于数字化医疗的大数据挖掘方法,其特征在于,应用于大数据挖掘服务器,所述方法至少包括:
对数字化医疗互动记录实施医疗用户意图标识挖掘以获取不少于两个匹配所述数字化医疗互动记录的医疗用户意图标识;其中,各所述医疗用户意图标识旨在通过一个维度对所述数字化医疗互动记录用户意图总结,且所述数字化医疗互动记录包括不少于两个维度的医疗服务事项信息;
依据智能化特征处理线程,按照所述数字化医疗互动记录和所述不少于两个医疗用户意图标识确定匹配所述数字化医疗互动记录的不少于两组服务意图需求。
2.如权利要求1所述的方法,其特征在于,所述对数字化医疗互动记录实施医疗用户意图标识挖掘以获取不少于两个匹配所述数字化医疗互动记录的医疗用户意图标识,包括:依据意图标识挖掘线程,对数字化医疗互动记录进行医疗用户意图标识解析以获取不少于两个匹配所述数字化医疗互动记录的医疗用户意图标识;所述意图标识挖掘线程借助第二示例数字化医疗互动记录调试确定,所述第二示例数字化医疗互动记录携带有第二指示型服务意图需求;
所述意图标识挖掘线程的调试方法,包括:基于第二示例数字化医疗互动记录确定所述第二示例数字化医疗互动记录对应的不少于两个医疗用户意图标识;将所述第二示例数字化医疗互动记录传入所述意图标识挖掘线程,基于医疗用户意图标识序列确定匹配所述第二示例数字化医疗互动记录的不少于两个候选医疗用户意图标识;所述意图标识挖掘线程为多分支差异化分析线程,所述医疗用户意图标识序列包括不少于两个医疗用户意图标识;以所述第二示例数字化医疗互动记录对应的不少于两个医疗用户意图标识为持续性跟踪参考基准,根据所述候选医疗用户意图标识调试所述意图标识挖掘线程。
3.如权利要求2所述的方法,其特征在于,所述基于第二示例数字化医疗互动记录确定匹配所述第二示例数字化医疗互动记录的不少于两个医疗用户意图标识,包括:依据意图标识挖掘策略,从所述第二示例数字化医疗互动记录对应的第二指示型服务意图需求中确定不少于两个医疗用户意图标识,各所述第二指示型服务意图需求对应不少于一个医疗用户意图标识。
4.如权利要求2所述的方法,其特征在于,将所述第二示例数字化医疗互动记录传入所述意图标识挖掘线程,基于医疗用户意图标识序列确定匹配所述第二示例数字化医疗互动记录的不少于两个候选医疗用户意图标识,包括:
将所述第二示例数字化医疗互动记录传入所述意图标识挖掘线程以获取置信描述;所述置信描述包括不少于一个量化可能性,各所述量化可能性与所述医疗用户意图标识序列中的一个医疗用户意图标识相匹配;
从所述置信描述中确定不少于一个达到判定值的量化可能性,按照所述量化可能性从所述医疗用户意图标识序列中得到匹配所述第二示例数字化医疗互动记录的不少于两个候选医疗用户意图标识。
5.如权利要求2-4任一项所述的方法,其特征在于,所述智能化特征处理线程基于第一示例数字化医疗互动记录调试确定,所述第一示例数字化医疗互动记录携带有第一指示型服务意图需求,所述第一指示型服务意图需求匹配所述第一示例数字化医疗互动记录的医疗用户意图标识。
6.如权利要求5所述的方法,其特征在于,所述智能化特征处理线程的调试方法,包括:
基于第一特征抽取线程和时间循环智能线程创立原始智能化特征处理线程;
依据迁移变换线程,将第一示例数字化医疗互动记录以及其所指向的医疗用户意图标识迁移变换至特征关系网以获取所述第一示例数字化医疗互动记录对应的医疗互动记录描述和所述医疗用户意图标识对应的意图偏好描述;所述迁移变换线程借助第三示例数字化医疗互动记录调试确定,所述第三示例数字化医疗互动记录携带有第三指示型服务意图需求及第三指示型医疗用户意图标识;
按照所述医疗互动记录描述和所述意图偏好描述确定传入描述,将所述传入描述传入所述时间循环智能线程以获取匹配所述第一示例数字化医疗互动记录的候选服务意图需求;
以所述第一示例数字化医疗互动记录对应的第一指示型服务意图需求为持续性跟踪参考基准,根据所述候选服务意图需求调试所述智能化特征处理线程;
其中,依据迁移变换线程,将第一示例数字化医疗互动记录以及其所指向的医疗用户意图标识迁移变换至特征关系网之前,还包括:依据第二特征抽取线程,对所述第一示例数字化医疗互动记录进行分析,确定所述第一示例数字化医疗互动记录对应的第一医疗互动记录描述;依据知识图谱处理线程,对所述第一示例数字化医疗互动记录对应的医疗用户意图标识进行分析以获取所述医疗用户意图标识对应的第一意图偏好描述;依据迁移变换线程,将第一示例数字化医疗互动记录以及其所指向的医疗用户意图标识迁移变换至特征关系网,包括:依据迁移变换线程,分别对所述医疗互动记录描述和所述意图偏好描述启用迁移变换操作以获取匹配所述医疗互动记录描述和所述意图偏好描述的迁移变换描述;所述迁移变换描述旨在并行表达数字化医疗互动记录和医疗用户意图标识的显著性内容。
7.如权利要求6所述的方法,其特征在于,所述迁移变换线程的调试方法,包括:
基于第三示例数字化医疗互动记录以及其所指向的第三指示型服务意图需求及第三指示型医疗用户意图标识,分别确定所述第三示例数字化医疗互动记录对应的第三医疗互动记录描述、所述第三指示型服务意图需求对应的第三视觉关键描述和所述第三指示型医疗用户意图标识对应的第三意图偏好描述;
依据迁移变换线程,按照所述医疗互动记录描述、视觉关键描述和意图偏好描述确定对应的第一迁移变换描述、第二迁移变换描述和第三迁移变换描述;
按照所述第一迁移变换描述、第二迁移变换描述和第三迁移变换描述确定所述迁移变换线程的线程质量检测指数;按照所述线程质量检测指数调试所述迁移变换线程;
其中,所述基于第三示例数字化医疗互动记录以及其所指向的第三指示型服务意图需求及第三指示型医疗用户意图标识,分别确定所述第三示例数字化医疗互动记录对应的第三医疗互动记录描述、所述第三指示型服务意图需求对应的第三视觉关键描述和所述第三指示型医疗用户意图标识对应的第三意图偏好描述,包括:依据所述第二特征抽取线程,对所述第三示例数字化医疗互动记录进行分析,确定所述第三示例数字化医疗互动记录对应的第三医疗互动记录描述;依据梯度衰减抑制子线程,对所述第三指示型服务意图需求进行分析以获取所述第三指示型服务意图需求对应的第三视觉关键描述;依据所述知识图谱处理线程,对所述第三指示型医疗用户意图标识进行分析以获取所述第三指示型医疗用户意图标识对应的第三意图偏好描述;
其中,所述迁移变换线程包括第一输入映射单元、第二输入映射单元和第三输入映射单元;依据迁移变换线程,按照所述医疗互动记录描述、视觉关键描述和意图偏好描述确定对应的第一迁移变换描述、第二迁移变换描述和第三迁移变换描述,包括:根据所述第一输入映射单元对所述医疗互动记录描述进行分析,确定所述医疗互动记录描述对应的第一迁移变换描述;借助所述第二输入映射单元对所述视觉关键描述进行分析,确定所述视觉关键描述对应的第二迁移变换描述;调用所述第三输入映射单元对所述意图偏好描述进行分析,确定所述意图偏好描述对应的第三迁移变换描述。
8.如权利要求7所述的方法,其特征在于,按照所述第一迁移变换描述、第二迁移变换描述和第三迁移变换描述确定所述迁移变换线程的线程质量检测指数,包括:
按照所述第一迁移变换描述和所述第二迁移变换描述确定第一线程质量检测指数;
按照所述第一迁移变换描述和所述第三迁移变换描述确定第二线程质量检测指数;
按照所述第二迁移变换描述和所述第三迁移变换描述确定第三线程质量检测指数;
通过将所述第一线程质量检测指数、所述第二线程质量检测指数和所述第三线程质量检测指数进行融合得到所述线程质量检测指数。
9.如权利要求8所述的方法,其特征在于,按照所述第一迁移变换描述和所述第二迁移变换描述确定第一线程质量检测指数,包括:确定所述第一迁移变换描述和所述第二迁移变换描述之间的共性描述评价;依据线程质量检测信息,按照所述第一迁移变换描述和所述第二迁移变换描述之间的共性描述评价,确定所述第一线程质量检测指数;
按照所述第一迁移变换描述和所述第三迁移变换描述确定第二线程质量检测指数,包括:确定所述第一迁移变换描述和所述第三迁移变换描述之间的共性描述评价;依据所述线程质量检测信息,按照所述第一迁移变换描述和所述第三迁移变换描述之间的共性描述评价,确定所述第二线程质量检测指数;
按照所述第二迁移变换描述和所述第三迁移变换描述确定第三线程质量检测指数,包括:确定所述第二迁移变换描述和所述第三迁移变换描述之间的共性描述评价;依据所述线程质量检测信息,按照所述第二迁移变换描述和所述第三迁移变换描述之间的共性描述评价,确定所述第三线程质量检测指数;
其中,按照所述线程质量检测指数调试所述迁移变换线程,包括:依据所述线程质量检测指数,通过最优化算法调试所述迁移变换线程中的所述第一输入映射单元、所述第二输入映射单元和所述第三输入映射单元;
其中,依据所述线程质量检测指数,通过最优化算法调试所述迁移变换线程中的所述第一输入映射单元、所述第二输入映射单元和所述第三输入映射单元,包括:结合所述线程质量检测指数,改进所述迁移变换线程中的所述第一输入映射单元、所述第二输入映射单元和所述第三输入映射单元中的变量,确定优化后的迁移变换线程;重复执行以下步骤:以优化后的迁移变换线程作为迁移变换线程,依据迁移变换线程,按照所述医疗互动记录描述、视觉关键描述和意图偏好描述确定对应的第一迁移变换描述、第二迁移变换描述和第三迁移变换描述,按照所述第一迁移变换描述、第二迁移变换描述和第三迁移变换描述确定所述迁移变换线程的线程质量检测指数,结合所述线程质量检测指数,改进所述迁移变换线程中的所述第一输入映射单元、所述第二输入映射单元和所述第三输入映射单元中的变量,确定优化后的迁移变换线程,直至符合设定调试要求。
10.一种大数据挖掘服务器,其特征在于,包括:
存储器,用于存储可执行的指令;
处理器,用于根据所述可执行的指令的控制,运行所述大数据挖掘服务器执行如权利要求1-9任一项所述的方法。
CN202210279093.0A 2022-03-21 2022-03-21 基于数字化医疗的大数据挖掘方法及服务器 Withdrawn CN114678137A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210279093.0A CN114678137A (zh) 2022-03-21 2022-03-21 基于数字化医疗的大数据挖掘方法及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210279093.0A CN114678137A (zh) 2022-03-21 2022-03-21 基于数字化医疗的大数据挖掘方法及服务器

Publications (1)

Publication Number Publication Date
CN114678137A true CN114678137A (zh) 2022-06-28

Family

ID=82074683

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210279093.0A Withdrawn CN114678137A (zh) 2022-03-21 2022-03-21 基于数字化医疗的大数据挖掘方法及服务器

Country Status (1)

Country Link
CN (1) CN114678137A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115641176A (zh) * 2022-09-27 2023-01-24 韩大鹏 一种数据分析方法及ai系统
CN117238527A (zh) * 2023-11-14 2023-12-15 四川天府智链健康科技有限公司 基于大数据的医疗信息管理方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115641176A (zh) * 2022-09-27 2023-01-24 韩大鹏 一种数据分析方法及ai系统
CN115641176B (zh) * 2022-09-27 2023-10-20 北京国联视讯信息技术股份有限公司 一种数据分析方法及ai系统
CN117238527A (zh) * 2023-11-14 2023-12-15 四川天府智链健康科技有限公司 基于大数据的医疗信息管理方法及系统
CN117238527B (zh) * 2023-11-14 2024-02-13 四川天府智链健康科技有限公司 基于大数据的医疗信息管理方法及系统

Similar Documents

Publication Publication Date Title
US11455981B2 (en) Method, apparatus, and system for conflict detection and resolution for competing intent classifiers in modular conversation system
US11915123B2 (en) Fusing multimodal data using recurrent neural networks
US11263208B2 (en) Context-sensitive cross-lingual searches
US11194963B1 (en) Auditing citations in a textual document
WO2022148038A1 (zh) 信息推荐方法及装置
CN114678137A (zh) 基于数字化医疗的大数据挖掘方法及服务器
CN111552799A (zh) 信息处理方法、装置、电子设备及存储介质
CN111611990B (zh) 用于识别图像中表格的方法和装置
US11093774B2 (en) Optical character recognition error correction model
US11226832B2 (en) Dynamic generation of user interfaces based on dialogue
CN114860913B (zh) 智能问答系统构建方法、问答处理方法及装置
CN110019849B (zh) 一种基于注意力机制的视频关注时刻检索方法及装置
CN112507090A (zh) 用于输出信息的方法、装置、设备和存储介质
CN115803734A (zh) 使用动作解释的自然语言丰富
CN114661572A (zh) 应对数字化云办公的用户习惯大数据分析方法及系统
CN116303962A (zh) 对话生成方法、深度学习模型的训练方法、装置和设备
CN113468344A (zh) 实体关系抽取方法、装置、电子设备和计算机可读介质
US12111881B2 (en) Item recommendation with application to automated artificial intelligence
CN117556048A (zh) 基于人工智能的意图识别方法、装置、设备及介质
CN112989066A (zh) 数据处理方法和装置、电子设备、计算机可读介质
US10878291B2 (en) Visually guided query processing
CN112614479B (zh) 训练数据的处理方法、装置及电子设备
CN114625961A (zh) 应用于大数据的智能化在线服务推送方法及大数据服务器
CN113591908A (zh) 事件指称匹配方法、模型训练方法、装置和电子设备
WO2023061293A1 (en) Knowledge graph driven content generation

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20220628

WW01 Invention patent application withdrawn after publication