CN116881558A - 基于药品的问卷推送方法、装置、设备及存储介质 - Google Patents
基于药品的问卷推送方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116881558A CN116881558A CN202310861569.6A CN202310861569A CN116881558A CN 116881558 A CN116881558 A CN 116881558A CN 202310861569 A CN202310861569 A CN 202310861569A CN 116881558 A CN116881558 A CN 116881558A
- Authority
- CN
- China
- Prior art keywords
- questionnaire
- medicine
- target
- type
- questions
- 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
- 239000003814 drug Substances 0.000 title claims abstract description 311
- 229940079593 drug Drugs 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012216 screening Methods 0.000 claims abstract description 47
- 239000013598 vector Substances 0.000 claims description 71
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 230000036541 health Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 206010012601 diabetes mellitus Diseases 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- 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
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及人工智能技术领域,揭露一种基于药品的问卷推送方法,包括:接收用户的药品购买请求,提取所述药品购买请求中的待够买药品,得到目标药品;获取所述目标药品的药品信息,并将所述药品信息进行药品类型分类,得到目标药品类型;基于所述目标药品类型对预构建的问卷库中问卷题目进行类型匹配筛选,得到初始问卷题目;基于预设的问卷题目数量对所有所述初始问卷题目进行筛选,得到目标问卷题目;将所有所述目标问卷题目组合为目标问卷,并将所述目标问卷推送给所述用户。本发明还提出一种基于药品的问卷推送装置、设备以及介质,可用于医疗健康领域,提高了基于药品的问卷推送的效率。
Description
技术领域
本发明涉及人工智能技术,可用于医疗健康领域,尤其涉及一种基于药品的问卷推送方法、装置、电子设备及存储介质。
背景技术
在医疗科技领域,为了方便用户进行线上购药及用户的用药安全,在用户购买药品时需要向用户推送问卷,以便评估用户是否适合服用想要购买的药物。
但是现有的基于药品的问卷推送方法,直接向不同用户推送相同的通用问卷,但是通用问卷中的包含了何用用户想要购买的药品不相关的无效问题,且问卷题目数量冗余,导致问卷推送的效率较低。
发明内容
本发明提供一种基于药品的问卷推送方法、装置、电子设备及存储介质,其主要目的在于提高基于药品的问卷推送的效率。
接收用户的药品购买请求,提取所述药品购买请求中的待够买药品,得到目标药品;
获取所述目标药品的药品信息,并将所述药品信息进行药品类型分类,得到目标药品类型;
基于所述目标药品类型对预构建的问卷库中问卷题目进行类型匹配筛选,得到初始问卷题目;
基于预设的问卷题目数量对所有所述初始问卷题目进行筛选,得到目标问卷题目;
将所有所述目标问卷题目组合为目标问卷,并将所述目标问卷推送给所述用户。
可选地,所述将所述药品信息进行药品类型分类,得到目标药品类型,包括:
将所述药品信息转换为向量,得到药品信息向量;
对所述药品信息向量进行特征提取,得到药品特征向量;
利用预构建的药品类型分类全连接层对所述药品特征向量进行特征分类,得到预设的分类药品类型集中每个分类药品类型的分类特征值,其中,所述药品类型分类全连接层中的每个输出节点与一个分类药品类型一一对应;
对每个所述分类药品类型的分类特征值进行归一化,得到每个所述分类药品类型的分类概率值;
利用所述分类概率值对所有所述分类药品类型进行筛选,得到所述目标药品类型。
可选地,所述基于所述目标药品类型对预构建的问卷库中问卷题目进行类型匹配筛选,得到初始问卷题目,包括:
获取所述问卷库中每个所述问卷题目适合的所有药品类型,得到每个问卷题目的药品类型信息;
将所述药品类型信息中包含所述目标药品类型的问卷题目确定为待选问卷题目;
基于所述待选问卷题目与所述目标药品类型,计算每个所述待选问卷题目的关联系数,以衡量每个所述待选问卷题目与所述目标药品类型的关联程度;
基于所述关联系数对所有所述待选问卷题目进行筛选,得到所述初始问卷题目。
可选地,所述基于所述待选问卷题目与所述目标药品类型,计算每个所述待选问卷题目的关联系数,包括:
将所述待选问卷题目转换为向量,得到所述待选问卷题目对应的待选问卷题目向量;
将所述目标药品类型转换为向量,得到目标药品类型向量;
计算每个所述待选问卷题目对应的待选问卷题目向量与所述目标药品类型向量的向量相似度,得到每个所述待选问卷题目的关联系数。
可选地,所述将所述待选问卷题目转换为向量,得到所述待选问卷题目对应的待选问卷题目向量,包括:
将所述待选问卷题目进行分词,得到分词题目词语;
将每个所述分词题目词语转化为向量,得到分词题目词语向量;
计算所有所述分词题目词语向量的平均值,得到所述待选问卷题目向量。
可选地,基于所述目标药品类型对预构建的问卷库中问卷题目进行类型匹配筛选,得到初始问卷题目,包括:
获取所述问卷库中每个所述问卷题目适合的所有药品类型,得到每个问卷题目的药品类型信息;
将所述药品类型信息中包含所述目标药品类型的问卷题目确定为待选问卷题目;
将所述药品类型信息中只包含所述目标药品类型的待选问卷题目确定为第一待选问卷题目;
将不是所述第一待选问卷题目的待选问卷题目确定为第二待选问卷题目;
将预设的匹配阈值确定为所述第一待选问卷题目的关联系数;
基于所述第二待选问卷题目与所述目标药品类型,计算每个所述第二待选问卷题目的关联系数,以衡量每个所述第二待选问卷题目与所述目标药品类型的关联程度;
基于所述关联系数对所有所述待选问卷题目进行筛选,得到所述初始问卷题目。
可选地,所述基于预设的问卷题目数量对所有所述初始问卷题目进行筛选,得到目标问卷题目,包括:
判断所有所述初始问卷题目的数量是否大于所述问卷题目数量;
当所有所述初始问卷题目的数量不大于所述问卷题目数量,将所述初始问卷题目确定为目标问卷题目;
当所有所述初始问卷题目的数量大于所述问卷题目数量,将所有所述初始问卷题目按照对应的关联系数,从大到小进行排列,得到所述初始问卷题目序列;
筛选所述初始问卷题目序列中预设排名之前的初始问卷题目,得到所述目标问卷题目。
为了解决上述问题,本发明还提供一种基于药品的问卷推送装置,所述装置包括:
药品类型分类模块,用于接收用户的药品购买请求,提取所述药品购买请求中的待够买药品,得到目标药品;获取所述目标药品的药品信息,并将所述药品信息进行药品类型分类,得到目标药品类型;
问卷题目筛选模块,用于基于所述目标药品类型对预构建的问卷库中问卷题目进行类型匹配筛选,得到初始问卷题目;基于预设的问卷题目数量对所有所述初始问卷题目进行筛选,得到目标问卷题目;
问卷推送模块,用于将所有所述目标问卷题目组合为目标问卷,并将所述目标问卷推送给所述用户。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个计算机程序;及
处理器,执行所述存储器中存储的计算机程序以实现上述所述的基于药品的问卷推送方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于药品的问卷推送方法。
本发明实施例基于所述目标药品类型对预构建的问卷库中问卷题目进行类型匹配筛选,得到初始问卷题目;基于预设的问卷题目数量对所有所述初始问卷题目进行筛选,得到目标问卷题目;将所有所述目标问卷题目组合为目标问卷,并将所述目标问卷推送给所述用户。筛选与目标药品的药品类型相关的问卷题目并对筛选的问卷题目进行数量限制,与背景技术相比,筛选的问卷题目更加有效,问卷题目数量更加精简,提高了问卷推送的效率。因此本发明实施例提出的基于药品的问卷推送方法、装置、电子设备及可读存储介质提高了基于药品的问卷推送的效率。
附图说明
图1为本发明一实施例提供的基于药品的问卷推送方法的流程示意图;
图2为本发明一实施例提供的基于药品的问卷推送装置的模块示意图;
图3为本发明一实施例提供的实现基于药品的问卷推送方法的电子设备的内部结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供一种基于药品的问卷推送方法。所述基于药品的问卷推送方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于药品的问卷推送方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等,服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示的本发明一实施例提供的基于药品的问卷推送方法的流程示意图,在本发明实施例中,所述基于药品的问卷推送方法包括以下步骤:
S1、接收用户的药品购买请求,提取所述药品购买请求中的待够买药品,得到目标药品;
本发明实施例中所述药品购买请求为用户想要购买某种药品(即待购买药品)的请求,包含:待购买药品,进一步地,本发明实施例为了判断该药品适不适合用户使用,需要向用户发送药品购买问卷,并根据用户反馈的问卷结果审核判断该药品适不适合用户使用。
S2、获取所述目标药品的药品信息,并将所述药品信息进行药品类型分类,得到目标药品类型;
本发明实施例中为了向用户推送适合目标药品的问卷,需要确定所述目标药品的药品类型,因此,获取所述目标药品的药品信息,并将所述药品信息进行药品类型分类,得到目标药品类型。
本发明实施例中药品信息为包含了不同药品特征的特征数据的药品信息,所述药品特征包括但不限于:药品名、主治症状、药品成分。
详细地,本发明实施例中所述将所述药品信息进行药品类型分类,得到目标药品类型,包括:
将所述药品信息转换为向量,得到药品信息向量;
对所述药品信息向量进行特征提取,得到药品特征向量;
利用预构建的药品类型分类全连接层对所述药品特征向量进行特征分类,得到预设的分类药品类型集中每个分类药品类型的分类特征值,其中,所述药品类型分类全连接层中的每个输出节点与一个分类药品类型一一对应;
对每个所述分类药品类型的分类特征值进行归一化,得到每个所述分类药品类型的分类概率值;
利用所述分类概率值对所有所述分类药品类型进行筛选,得到所述目标药品类型。
详细地,本发明实施例中将所述药品信息中每个药品特征的特征数据转换为向量,得到每个所述药品特征对应的特征向量;将所有特征向量按照预设的药品特征顺序进行组合,得到所述药品特征向量。需要解释的是,本发明实施例可利用深度学习模型或独热算法等将所述药品信息中每个药品特征的特征数据转换为向量,本发明实施例对此不作限制。所述药品特征顺序为基于所述药品信息中所有药品特征进行预先排序设置的顺序,本发明实施例对此不作限制。
可选地,本发明实施例中可利用深度学习网络对所述药品信息向量进行特征提取,如:利用卷积网络对所述药品信息向量进行卷积池化,得到所述药品特征向量。
具体地,本发明实施例中所述药品类型分类全连接层的输出节点数量等所述分类药品类型集中分类药品类型的数量,所述药品类型分类全连接层中的每个输出节点与一个分类药品类型一一对应。
进一步地,本发明实施例中将所述药品特征向量输入所述药品类型分类全连接层,将所述药品类型分类全连接层每一个输出节点的输出值确定为对应的分类药品类型的分类特征值。
可选地,本发明实施例中可利用softmax函数对每个所述分类药品类型的分类特征值进行归一化。
具体地,本发明实施例中所述利用所述分类概率值对所有所述分类药品类型进行筛选,得到所述目标药品类型,包括:
将最大的所述分类概率值确定为目标分类概率值;
将所述目标分类概率值对应的分类药品类型确定为所述目标药品类型。
S3、基于所述目标药品类型对预构建的问卷库中问卷题目进行类型匹配筛选,得到初始问卷题目;
本发明实施例中由于所述问卷库中包含众多的问卷题目,每个问卷题目都有适合药品类型,为了挑选适合所述目标药品类型的问卷题目,基于所述目标药品类型对预构建的问卷库中问卷题目进行类型匹配筛选,得到初始问卷题目。
详细地,本发明实施例中所述基于所述目标药品类型对预构建的问卷库中问卷题目进行类型匹配筛选,得到初始问卷题目,包括:
获取所述问卷库中每个所述问卷题目适合的所有药品类型,得到每个问卷题目的药品类型信息;
将所述药品类型信息中包含所述目标药品类型的问卷题目确定为待选问卷题目;
基于所述待选问卷题目与所述目标药品类型,计算每个所述待选问卷题目的关联系数,以衡量每个所述待选问卷题目与所述目标药品类型的关联程度;
基于所述关联系数对所有所述待选问卷题目进行筛选,得到所述初始问卷题目。
进一步地,本发明实施例中所述基于所述待选问卷题目与所述目标药品类型,计算每个所述待选问卷题目的关联系数,包括:
将所述待选问卷题目转换为向量,得到所述待选问卷题目对应的待选问卷题目向量;
将所述目标药品类型转换为向量,得到目标药品类型向量;
计算每个所述待选问卷题目对应的待选问卷题目向量与所述目标药品类型向量的向量相似度,得到每个所述待选问卷题目的关联系数。
本发明实施例中所述将所述待选问卷题目转换为向量,得到所述待选问卷题目对应的待选问卷题目向量,包括:
将所述待选问卷题目进行分词,得到分词题目词语;
将每个所述分词题目词语转化为向量,得到分词题目词语向量;
计算所有所述分词题目词语向量的平均值,得到所述待选问卷题目向量。
例如:待选问卷题目为“是否有糖尿病史”,分词题目词语分别为“是否”、“有”、“糖尿病史”,“是否”对应的分词题目词语向量为“有”对应的分词题目词语向量为/>“糖尿病史”对应的分词题目词语向量为/>计算所有所述分词题目词语向量的平均值,即即待选问卷题目向量为/>
本发明实施例中将所述目标药品类型转换为向量的方式与将所述待选问卷题目转换为向量的方法类似,在此不在赘述,进一步地,本发明实施例对向量相似度的计算方法不作限制。
可选地,本发明实施例可利用深度学习模型或独热算法等方法将每个所述分词题目词语转化为向量,本发明实施例对此不作限制。
本发明另一实施例中所述基于所述目标药品类型对预构建的问卷库中问卷题目进行类型匹配筛选,得到初始问卷题目,包括:
获取所述问卷库中每个所述问卷题目适合的所有药品类型,得到每个问卷题目的药品类型信息;
将所述药品类型信息中包含所述目标药品类型的问卷题目确定为待选问卷题目;
将所述药品类型信息中只包含所述目标药品类型的待选问卷题目确定为第一待选问卷题目;
将不是所述第一待选问卷题目的待选问卷题目确定为第二待选问卷题目;
将预设的匹配阈值确定为所述第一待选问卷题目的关联系数;
基于所述第二待选问卷题目与所述目标药品类型,计算每个所述第二待选问卷题目的关联系数,以衡量每个所述第二待选问卷题目与所述目标药品类型的关联程度;
基于所述关联系数对所有所述待选问卷题目进行筛选,得到所述初始问卷题目。
需要解释的是,当所述药品类型信息中只包含所述目标药品类型时,认为该药品类型信息对应的待选问卷题目与目标药品类型完全匹配,不需要再计算关联系数,将预设的匹配阈值确定为所述第一待选问卷题目的关联系数,可选地,本发明实施例中所述匹配阈值为1。
S4、基于预设的问卷题目数量对所有所述初始问卷题目进行筛选,得到目标问卷题目;
本发明实施例中为了保证用户的问卷的填写体验,问卷中的问题不能设置过多,因此,基于预设的问卷题目数量对所有所述初始问卷题目进行筛选,得到目标问卷题目。
详细地,本发明实施例中所述基于预设的问卷题目数量对所有所述初始问卷题目进行筛选,得到目标问卷题目,包括:
判断所有所述初始问卷题目的数量是否大于所述问卷题目数量;
当所有所述初始问卷题目的数量不大于所述问卷题目数量,将所述初始问卷题目确定为目标问卷题目;
当所有所述初始问卷题目的数量大于所述问卷题目数量,将所有所述初始问卷题目按照对应的关联系数,从大到小进行排列,得到所述初始问卷题目序列;
筛选所述初始问卷题目序列中预设排名之前的初始问卷题目,得到所述目标问卷题目。
具体地,本发明实施例中所述预设排名的值小于或等于所述问卷题目数量,本发明实施例中所述预设排名及所述问卷题目数量均为大于0的整数,本发明实施例对此不作限制,可选地,所述问卷题目数量为30。
S5、将所有所述目标问卷题目组合为目标问卷,并将所述目标问卷推送给所述用户。
本发明实施例中将所有所述目标问卷题目填充至预设的空白问卷模板,得到所述目标问卷,具体地,本发明实施例中所述空白问卷模板为预设格式的空白问卷,进一步地,将所有所述目标问卷题目填充至预设的空白问卷模板,并按照填充的顺序为每个所述目标问卷题目设置对应的顺序编号。本发明实施例中对所述目标问卷题目的填充顺序不做限制。
进一步地,本发明实施例中构建了针对用户的个性化的目标问卷后,还需要将目标问卷发给用户,以收集用户的问卷反馈判断用户是否适合使用目标药品,因此,将所述目标问卷发送至所述用户的预设终端设备,以将所述目标问卷发送给用户。
具体地,本发明实施例中所述预设终端设备为可以接收、查看、填写所述目标问卷的终端设备,包括:手机、电脑、平板等,本发明实施例对所述终端设备不作限制。
如图2所示,是本发明基于药品的问卷推送装置的功能模块图。
本发明所述基于药品的问卷推送装置100可以安装于电子设备中。根据实现的功能,所述基于药品的问卷推送装置可以包括药品类型分类模块101、问卷题目筛选模块102、问卷推送模块103,本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述药品类型分类模块101用于接收用户的药品购买请求,提取所述药品购买请求中的待够买药品,得到目标药品;获取所述目标药品的药品信息,并将所述药品信息进行药品类型分类,得到目标药品类型;
所述问卷题目筛选模块102用于基于所述目标药品类型对预构建的问卷库中问卷题目进行类型匹配筛选,得到初始问卷题目;基于预设的问卷题目数量对所有所述初始问卷题目进行筛选,得到目标问卷题目;
所述问卷推送模块103用于将所有所述目标问卷题目组合为目标问卷,并将所述目标问卷推送给所述用户。
详细地,本发明实施例中所述基于药品的问卷推送装置100中所述的各模块在使用时采用与上述图1中所述的基于药品的问卷推送方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图3所示,是本发明实现基于药品的问卷推送方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12和通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于药品的问卷推送程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如基于药品的问卷推送程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing Unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如基于药品的问卷推送程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述通信总线12可以是外设部件互连标准(PerIPheralComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述通信总线12总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障分类电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
可选地,所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地,所述通信接口13还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的基于药品的问卷推送程序是多个计算机程序的组合,在所述处理器10中运行时,可以实现:
接收用户的药品购买请求,提取所述药品购买请求中的待够买药品,得到目标药品;
获取所述目标药品的药品信息,并将所述药品信息进行药品类型分类,得到目标药品类型;
基于所述目标药品类型对预构建的问卷库中问卷题目进行类型匹配筛选,得到初始问卷题目;
基于预设的问卷题目数量对所有所述初始问卷题目进行筛选,得到目标问卷题目;
将所有所述目标问卷题目组合为目标问卷,并将所述目标问卷推送给所述用户。
具体地,所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以是非易失性的,也可以是易失性的。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明实施例还可以提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
接收用户的药品购买请求,提取所述药品购买请求中的待够买药品,得到目标药品;
获取所述目标药品的药品信息,并将所述药品信息进行药品类型分类,得到目标药品类型;
基于所述目标药品类型对预构建的问卷库中问卷题目进行类型匹配筛选,得到初始问卷题目;
基于预设的问卷题目数量对所有所述初始问卷题目进行筛选,得到目标问卷题目;
将所有所述目标问卷题目组合为目标问卷,并将所述目标问卷推送给所述用户。
进一步地,所述计算机可用存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于药品的问卷推送方法,其特征在于,所述方法包括:
接收用户的药品购买请求,提取所述药品购买请求中的待够买药品,得到目标药品;
获取所述目标药品的药品信息,并将所述药品信息进行药品类型分类,得到目标药品类型;
基于所述目标药品类型对预构建的问卷库中问卷题目进行类型匹配筛选,得到初始问卷题目;
基于预设的问卷题目数量对所有所述初始问卷题目进行筛选,得到目标问卷题目;
将所有所述目标问卷题目组合为目标问卷,并将所述目标问卷推送给所述用户。
2.如权利要求1所述的基于药品的问卷推送方法,其特征在于,所述将所述药品信息进行药品类型分类,得到目标药品类型,包括:
将所述药品信息转换为向量,得到药品信息向量;
对所述药品信息向量进行特征提取,得到药品特征向量;
利用预构建的药品类型分类全连接层对所述药品特征向量进行特征分类,得到预设的分类药品类型集中每个分类药品类型的分类特征值,其中,所述药品类型分类全连接层中的每个输出节点与一个分类药品类型一一对应;
对每个所述分类药品类型的分类特征值进行归一化,得到每个所述分类药品类型的分类概率值;
利用所述分类概率值对所有所述分类药品类型进行筛选,得到所述目标药品类型。
3.如权利要求1中所述的基于药品的问卷推送方法,其特征在于,所述基于所述目标药品类型对预构建的问卷库中问卷题目进行类型匹配筛选,得到初始问卷题目,包括:
获取所述问卷库中每个所述问卷题目适合的所有药品类型,得到每个问卷题目的药品类型信息;
将所述药品类型信息中包含所述目标药品类型的问卷题目确定为待选问卷题目;
基于所述待选问卷题目与所述目标药品类型,计算每个所述待选问卷题目的关联系数,以衡量每个所述待选问卷题目与所述目标药品类型的关联程度;
基于所述关联系数对所有所述待选问卷题目进行筛选,得到所述初始问卷题目。
4.如权利要求3所述的基于药品的问卷推送方法,其特征在于,所述基于所述待选问卷题目与所述目标药品类型,计算每个所述待选问卷题目的关联系数,包括:
将所述待选问卷题目转换为向量,得到所述待选问卷题目对应的待选问卷题目向量;
将所述目标药品类型转换为向量,得到目标药品类型向量;
计算每个所述待选问卷题目对应的待选问卷题目向量与所述目标药品类型向量的向量相似度,得到每个所述待选问卷题目的关联系数。
5.如权利要求4所述的基于药品的问卷推送方法,其特征在于,所述将所述待选问卷题目转换为向量,得到所述待选问卷题目对应的待选问卷题目向量,包括:
将所述待选问卷题目进行分词,得到分词题目词语;
将每个所述分词题目词语转化为向量,得到分词题目词语向量;
计算所有所述分词题目词语向量的平均值,得到所述待选问卷题目向量。
6.如权利要求1至5中任意一项所述的基于药品的问卷推送方法,其特征在于,基于所述目标药品类型对预构建的问卷库中问卷题目进行类型匹配筛选,得到初始问卷题目,包括:
获取所述问卷库中每个所述问卷题目适合的所有药品类型,得到每个问卷题目的药品类型信息;
将所述药品类型信息中包含所述目标药品类型的问卷题目确定为待选问卷题目;
将所述药品类型信息中只包含所述目标药品类型的待选问卷题目确定为第一待选问卷题目;
将不是所述第一待选问卷题目的待选问卷题目确定为第二待选问卷题目;
将预设的匹配阈值确定为所述第一待选问卷题目的关联系数;
基于所述第二待选问卷题目与所述目标药品类型,计算每个所述第二待选问卷题目的关联系数,以衡量每个所述第二待选问卷题目与所述目标药品类型的关联程度;
基于所述关联系数对所有所述待选问卷题目进行筛选,得到所述初始问卷题目。
7.如权利要求6所述的基于药品的问卷推送方法,其特征在于,所述基于预设的问卷题目数量对所有所述初始问卷题目进行筛选,得到目标问卷题目,包括:
判断所有所述初始问卷题目的数量是否大于所述问卷题目数量;
当所有所述初始问卷题目的数量不大于所述问卷题目数量,将所述初始问卷题目确定为目标问卷题目;
当所有所述初始问卷题目的数量大于所述问卷题目数量,将所有所述初始问卷题目按照对应的关联系数,从大到小进行排列,得到所述初始问卷题目序列;
筛选所述初始问卷题目序列中预设排名之前的初始问卷题目,得到所述目标问卷题目。
8.一种基于药品的问卷推送装置,其特征在于,包括:
药品类型分类模块,用于接收用户的药品购买请求,提取所述药品购买请求中的待够买药品,得到目标药品;获取所述目标药品的药品信息,并将所述药品信息进行药品类型分类,得到目标药品类型;
问卷题目筛选模块,用于基于所述目标药品类型对预构建的问卷库中问卷题目进行类型匹配筛选,得到初始问卷题目;基于预设的问卷题目数量对所有所述初始问卷题目进行筛选,得到目标问卷题目;
问卷推送模块,用于将所有所述目标问卷题目组合为目标问卷,并将所述目标问卷推送给所述用户。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序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权利要求1至7中任一项所述的基于药品的问卷推送方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于药品的问卷推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310861569.6A CN116881558A (zh) | 2023-07-12 | 2023-07-12 | 基于药品的问卷推送方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310861569.6A CN116881558A (zh) | 2023-07-12 | 2023-07-12 | 基于药品的问卷推送方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116881558A true CN116881558A (zh) | 2023-10-13 |
Family
ID=88267568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310861569.6A Pending CN116881558A (zh) | 2023-07-12 | 2023-07-12 | 基于药品的问卷推送方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116881558A (zh) |
-
2023
- 2023-07-12 CN CN202310861569.6A patent/CN116881558A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112380859A (zh) | 舆情信息的推荐方法、装置、电子设备及计算机存储介质 | |
CN114979120B (zh) | 数据上传方法、装置、设备及存储介质 | |
WO2023178978A1 (zh) | 基于人工智能的处方审核方法、装置、设备及介质 | |
CN114491047A (zh) | 多标签文本分类方法、装置、电子设备及存储介质 | |
CN116705304A (zh) | 基于图像文本的多模态任务处理方法、装置、设备及介质 | |
CN115982454A (zh) | 基于用户画像的问卷推送方法、装置、设备及存储介质 | |
CN116403693A (zh) | 问诊单派单方法、装置、设备及存储介质 | |
CN116702776A (zh) | 基于跨中西医的多任务语义划分方法、装置、设备及介质 | |
CN114841165B (zh) | 用户数据分析及展示方法、装置、电子设备及存储介质 | |
CN116483976A (zh) | 挂号科室推荐方法、装置、设备及存储介质 | |
CN116383766A (zh) | 基于多模态数据的辅诊方法、装置、设备及存储介质 | |
CN113656690B (zh) | 产品推荐方法、装置、电子设备及可读存储介质 | |
CN113706249B (zh) | 数据推荐方法、装置、电子设备及存储介质 | |
CN116881558A (zh) | 基于药品的问卷推送方法、装置、设备及存储介质 | |
CN113343102A (zh) | 基于特征筛选的数据推荐方法、装置、电子设备及介质 | |
CN113887621B (zh) | 问答资源调整方法、装置、设备及存储介质 | |
CN113051475B (zh) | 内容推荐方法、装置、电子设备及可读存储介质 | |
CN114723488B (zh) | 课程推荐方法、装置、电子设备及存储介质 | |
CN114864032B (zh) | 基于his系统的临床数据采集方法及装置 | |
CN116521867A (zh) | 文本聚类方法、装置、电子设备及存储介质 | |
CN116595258A (zh) | 内容推荐方法、装置、电子设备及存储介质 | |
CN116974538A (zh) | 基于table组件的表格渲染方法、装置、设备及存储介质 | |
CN116741358A (zh) | 问诊挂号推荐方法、装置、设备及存储介质 | |
CN116860944A (zh) | 对话生成方法、装置、电子设备及介质 | |
CN116629966A (zh) | 产品推荐方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |