CN117493681A - 一种基于云计算的智慧医疗信息推送系统及方法 - Google Patents
一种基于云计算的智慧医疗信息推送系统及方法 Download PDFInfo
- Publication number
- CN117493681A CN117493681A CN202311516565.0A CN202311516565A CN117493681A CN 117493681 A CN117493681 A CN 117493681A CN 202311516565 A CN202311516565 A CN 202311516565A CN 117493681 A CN117493681 A CN 117493681A
- Authority
- CN
- China
- Prior art keywords
- medical
- content
- medical data
- user
- target
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000004044 response Effects 0.000 claims abstract description 104
- 230000008859 change Effects 0.000 claims abstract description 65
- 230000005540 biological transmission Effects 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims description 29
- 238000010586 diagram Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 102100037651 AP-2 complex subunit sigma Human genes 0.000 claims description 3
- 101000806914 Homo sapiens AP-2 complex subunit sigma Proteins 0.000 claims description 3
- 238000012098 association analyses Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 70
- 230000002596 correlated effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001960 triggered 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
- 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
- G06F16/906—Clustering; Classification
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
- H04L67/306—User profiles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及信息管理技术领域，具体为一种基于云计算的智慧医疗信息推送系统及方法，包括：采集登录目标医疗软件的所有用户身份信息和相应的浏览大数据，采集目标用户在目标医疗软件中发送的医疗数据内容和相应医疗数据内容的公开度；分析医疗内容相似度和发送时长间隔的变化关联性，根据医疗数据内容的推送状态值和公开度分析推送各医疗数据内容的重要程度；获取接收目标医疗内容时接收用户集中各接收用户的数据响应时长，则根据各接收用户的信息关联值和数据响应时长分析各接收用户对目标医疗内容的数据响应程度；构建各类医疗数据内容的信息滞后模型；自适应调节所述医疗数据内容的推送需求，提高医疗软件的推送效率。
Description
技术领域
本发明涉及信息管理技术领域，具体为一种基于云计算的智慧医疗信息推送系统及方法。
背景技术
随着移动互联网的蓬勃发展，许多医疗软件提供了消息推送功能，推送技术将传统的获取信息的方法转变为信息主动寻觅用户的方法，这更能满足用户个性化信息的需求；
在医疗软件的发展过程中，人们对医疗软件业务的服务质量要求不断提高导致许多缺陷的发生。近年来，由于医患交流的特殊性，用户更加注重消息的送达率和即时性，此时医生问诊线上服务的回复效率成为衡量医生服务质量的关键性指标之一，然而当医疗软件的推送效率低且存在一定的滞后性时，大大影响了双方之间的交流。
同时，医疗软件缺乏对消息推送的管理意识，只管将业务触发的消息统统下发，那么随着时间的推移，势必会导致很多无意义的消息和用户无感的内容频繁推给用户，从而流失许多用户，不利于医疗软件的发展。
发明内容
本发明的目的在于提供一种基于云计算的智慧医疗信息推送系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于云计算的智慧医疗信息推送方法，包括以下步骤：
步骤S100：采集登录目标医疗软件的所有用户身份信息和相应用户在目标医疗软件中的浏览大数据，形成用户身份集；将用户身份集中任意登录用户设为目标用户，则采集历史时间节点下目标用户在目标医疗软件中发送的医疗数据内容和相应医疗数据内容的公开度，形成目标用户的医疗内容集；
上述步骤中的浏览大数据表示各用户比较关注的医疗数据内容集合；
上述步骤中采集的医疗数据内容均属于可推送数据；其中医疗数据内容中还包括目标用户发送医疗数据内容到接收用户读取医疗数据的全过程记录；其中，医疗内容集中各时间节点下发送的医疗数据内容可以相同也可以不同，表明时间节点和医疗数据内容一一对应，不同时间节点对应的医疗数据内容互相独立；
步骤S200：获取医疗内容集中各时间节点下目标用户发送的医疗数据内容和相应医疗数据内容的公开度，依次捕捉各相邻时间节点之间的医疗内容相似度和发送时长间隔，则分析时间节点下医疗内容相似度和发送时长间隔的变化关联性；根据变化关联性对医疗内容相似度和发送时长间隔加权分别得到各医疗数据内容的推送状态值，则根据医疗数据内容的推送状态值和公开度分析推送各医疗数据内容的重要程度；
步骤S300：将目标用户发送的任意医疗数据内容设为目标医疗内容，则获取接收目标医疗内容的用户信息和相应用户的浏览大数据，分别形成各医疗数据内容的接收用户集；将目标医疗内容分别和相应接收用户集中各接收用户的浏览大数据进行相似度对比，分别得到各接收用户的信息关联值；获取接收目标医疗内容时接收用户集中各接收用户的数据响应时长，则根据各接收用户的信息关联值和数据响应时长分析各接收用户对目标医疗内容的数据响应程度；
步骤S400：根据各医疗数据内容的重要程度对各医疗数据内容进行分类，则根据各类医疗数据内容的重要程度和数据响应程度，分别构建各类医疗数据内容的信息滞后模型；
步骤S500：基于当前时间节点下目标用户发送的医疗数据内容，根据所述医疗数据内容的重要程度得到相应的信息滞后模型；根据信息滞后模型自适应调节所述医疗数据内容的推送需求。
进一步的，步骤S200包括：
步骤S210：获取医疗内容集中各时间节点下目标用户发送的医疗数据内容和相应医疗数据内容的公开度M，则根据相似度算法得到各相邻时间节点之间的医疗内容相似度H＝|a1∩a2|/|a1∪a2|，其中a1、a2分别表示各相邻时间节点中第一、二个时间节点的医疗数据内容；将医疗内容相似度H赋值于各相邻时间节点中的第二个时间节点，则以时间节点的序号为横坐标，各相邻时间节点之间的医疗内容相似度H为纵坐标，构建目标用户发送医疗数据内容的相似度变化图；其中，相似度变化图中第一个时间节点序号对应的相似度值H＝0；
上述步骤中各部分医疗数据内容的公开度是预先设定的，其具体设定的过程是根据在目标医疗软件中对各部分医疗数据内容所设置的等级权限用户的涵盖程度所评估得到的；
在目标医疗软件中，能访问某医疗数据内容Q1包含第一级、第二级、第三级和第四级用户，则定义相应的等级权限用户涵盖程度为4；而能访问某医疗数据内容Q2包含第一级、第二级和第三级用户，则定义相应的等级权限用户涵盖程度为3，则表示某医疗数据内容Q1的公开度高；
步骤S220：获取各相邻时间节点之间目标用户发送医疗数据内容时的发送时长间隔T，将各相邻时间节点之间的发送时长间隔赋值于第二个时间节点，则以时间节点的序号为横坐标，各相邻时间节点之间的发送时长间隔为纵坐标，构建目标用户发送医疗数据内容的间隔变化图；其中间隔变化图中第一个时间节点序号对应的发送时长间隔值T＝0；分别获取目标用户发送医疗数据内容的相似度变化图和间隔变化图，则利用轨迹相似算法得到相似度变化图轨迹和间隔变化图轨迹之间的轨迹变化关联性值A；
步骤S230：根据相似度变化图和间隔变化图分别获取各时间节点序号下的医疗内容相似度和发送时长间隔值，则将医疗内容相似度H、发送时长间隔值T和轨迹变化关联性值A进行加权计算得到各时间节点序号下医疗数据内容的推送状态值G＝α1/T+α2*A*H/T；其中α1和α2分别表示发送时长间隔权重和医疗内容相似权重；
根据上述步骤中的推送状态值可知推送状态值和医疗内容相似度呈正相关，和发送时长间隔值呈负相关；则当医疗内容相似度越高，时长间隔值越短时，对应推送状态值越大，此时表示发送相应医疗数据内容的可用性越高；有利于分析医疗数据内容的有用性和无用性；
步骤S240：获取各时间节点序号下医疗数据内容的推送状态值G，构建时间节点序号下相应各医疗数据内容的推送状态变化图；捕捉推送状态变化图中各相邻三个时间节点序号对应轨迹组成的两条拟合直线K1和K2，则将拟合直线K1和K2之间的夹角弧度n1赋值于各相邻三个时间节点序号中第二个时间节点序号，此时根据各时间节点序号下的推送状态值G、对应时间节点序号的夹角弧度n1和对应时间节点序号下医疗数据内容的公开度M得到各时间节点序号下相应各医疗数据内容的重要程度Z＝n1*G/M；
其中，当推送状态值越高时，相应医疗数据内容的重要程度越高；
通过将医疗内容相似度的相似度变化图轨迹和发送时长间隔的间隔变化图轨迹进行关联比较，确认医疗数据内容的推送状态值，并根据推送状态值和公开度确认各医疗数据内容的重要程度，有利于分析医疗数据内容的有用性和无用性，便于后续比较数据响应程度，建立信息滞后模型。
进一步的，步骤S300包括：
步骤S310：将目标用户发送的任意医疗数据内容设为目标医疗内容，则获取接收目标医疗内容的用户信息和相应用户的浏览大数据，分别形成各医疗数据内容的接收用户集；利用相似度算法将目标医疗内容分别和接收用户集中各接收用户的浏览大数据进行相似度对比，分别得到接收用户集中各接收用户的信息关联值；
上述步骤中当信息关联值大于关联阈值β时，表示接收用户的浏览大数据和目标医疗内容的关联性高，反之，当小于关联阈值β时，表示接收用户的浏览大数据和目标医疗内容的关联性低；
步骤S320：捕捉信息关联值大于关联阈值β的所有接收用户信息，形成关联用户集B1；获取关联用户集B1中各接收用户接收目标医疗内容时的数据响应时长，则筛选出数据响应时长小于时长阈值γ的接收用户数量F1，得到关联响应概率R1＝F1/|B1|；捕捉信息关联值小于关联阈值β的所有接收用户信息，形成非关联用户集B2；获取非关联用户集B2中各接收用户接收目标医疗内容时的数据响应时长，则筛选出数据响应时长小于时长阈值γ的接收用户数量F2，得到非关联响应概率R2＝F2/|B2|；
步骤S330：分别获取关联用户集B1和非关联用户集B2中各接收用户接收目标医疗内容时的数据响应时长均值T1和T2，则基于关联响应概率R1、非关联响应概率R2和数据响应时长均值T1和T2得到目标医疗内容的数据响应程度W＝σ1*R1/T1+σ2*R2/T2；其中σ1和σ2分别表示关联响应权重和非关联响应权重；
通过比较接收用户的浏览大数据和各医疗数据内容的相似性，分析各接收用户的信息关联值，并基于信息关联值分别分析各接收用户的数据响应概率，进一步确认各医疗数据内容的数据响应程度，有利于分析数据推送时接收用户的滞后性。
进一步的，步骤S400包括：
步骤S410：获取各时间节点下相应各医疗数据内容的重要程度Z，则将各医疗数据内容之间的重要程度差值小于差值阈值φ的各医疗数据内容归为一类，得到任意各类医疗数据内容的重要程度均值Z1；
步骤S420：基于目标医疗内容的数据响应程度，获取各类医疗数据内容的数据响应程度均值W1，分别构建得到各类医疗数据内容的信息滞后模型P＝Z1-W1；其中P表示信息滞后值；
上述步骤中，当Z1-W1大于阈值时，表示任意一类医疗数据内容的重要程度高，但响应程度低，此时目标医疗软件推送任意一类医疗数据内容时存在滞后性，表示信息推送异常；
通过构建信息滞后模型便于后续分析各医疗数据内容所属的滞后级数，便于对各医疗数据内容进行智能处理，提高软件推送效率。
进一步的，步骤S500包括：
步骤S510：基于当前时间节点下目标用户发送的医疗数据内容，获取所述医疗数据内容的重要程度，则当所述医疗数据内容的重要程度和各类医疗数据内容的重要程度均值Z1之间差值小于差值阈值φ时，将所述医疗数据内容和相应类别的医疗数据内容归为一类，并基于所属类别匹配相应的信息滞后模型；
步骤S520：获取所述医疗数据内容的信息滞后模型，当信息滞后值在0～D1时提高所述医疗数据内容的推送效率并提醒接收用户接收；当信息滞后值在D1～D2时无需处理所述医疗数据内容的推送效率；当信息滞后值在D2～D3时降低所述医疗数据内容的推送效率；其中，D1、D2和D3均表示信息滞后阈值，D1<D2<D3；
上述步骤中的信息滞后阈值分为3级，存储于目标医疗软件的数据库中，用于比较医疗数据内容的滞后性，分析医疗数据内容的推送需求。
智慧医疗信息推送系统，系统包括：数据采集模块、数据库、节点分析模块、响应处理模块、模型构建模块和智能推送模块；
通过数据采集模块采集登录目标医疗软件的所有用户身份信息和相应用户在目标医疗软件中的浏览大数据，形成用户身份集；将用户身份集中任意登录用户设为目标用户，则采集历史时间节点下目标用户在目标医疗软件中发送的医疗数据内容和相应医疗数据内容的公开度，形成目标用户的医疗内容集；
通过数据库对所有采集的数据进行存储；
通过节点分析模块获取医疗内容集中各时间节点下目标用户发送的医疗数据内容和相应医疗数据内容的公开度，依次捕捉各相邻时间节点之间的医疗内容相似度和发送时长间隔，则分析时间节点下医疗内容相似度和发送时长间隔的变化关联性；根据变化关联性对医疗内容相似度和发送时长间隔加权分别得到各医疗数据内容的推送状态值，则根据医疗数据内容的推送状态值和公开度分析推送各医疗数据内容的重要程度；
通过响应处理模块将目标用户发送的任意医疗数据内容设为目标医疗内容，则获取接收目标医疗内容的用户信息和相应用户的浏览大数据，分别形成各医疗数据内容的接收用户集；将目标医疗内容分别和相应接收用户集中各接收用户的浏览大数据进行相似度对比，分别得到各接收用户的信息关联值；获取接收目标医疗内容时接收用户集中各接收用户的数据响应时长，则根据各接收用户的信息关联值和数据响应时长分析各接收用户对目标医疗内容的数据响应程度；
通过模型构建模块根据各医疗数据内容的重要程度对各医疗数据内容进行分类，则根据各类医疗数据内容的重要程度和数据响应程度，分别构建各类医疗数据内容的信息滞后模型；
通过智能推送模块基于当前时间节点下目标用户发送的医疗数据内容，根据所述医疗数据内容的重要程度得到相应的信息滞后模型；根据信息滞后模型自适应调节所述医疗数据内容的推送需求。
进一步的，数据采集模块包括用户信息采集单元和内容采集单元；
用户信息采集单元用于采集登录目标医疗软件的所有用户身份信息和相应用户在目标医疗软件中的浏览大数据；内容采集单元用于采集历史时间节点下目标用户在目标医疗软件中发送的医疗数据内容和相应医疗数据内容的公开度。
进一步的，节点分析模块包括关联分析单元、状态分析单元和重要程度分析单元；
关联分析单元用于获取医疗内容集中各时间节点下目标用户发送的医疗数据内容和相应医疗数据内容的公开度，依次捕捉各相邻时间节点之间的医疗内容相似度和发送时长间隔，则分析时间节点下医疗内容相似度和发送时长间隔的变化关联性；状态分析单元用于根据变化关联性对医疗内容相似度和发送时长间隔加权分别得到各医疗数据内容的推送状态值；重要程度分析单元用于根据医疗数据内容的推送状态值和公开度分析推送各医疗数据内容的重要程度。
进一步的，响应处理模块包括相似度分析单元和响应处理单元；
相似度分析单元用于将目标医疗内容分别和相应接收用户集中各接收用户的浏览大数据进行相似度对比，分别得到各接收用户的信息关联值；响应处理单元用于获取接收目标医疗内容时接收用户集中各接收用户的数据响应时长，则根据各接收用户的信息关联值和数据响应时长分析各接收用户对目标医疗内容的数据响应程度。
进一步的，智能推送模块包括信息匹配单元和智能推送单元；
信息匹配单元用于根据当前时间节点下医疗数据内容的重要程度得到相应的信息滞后模型；智能推送单元用于根据信息滞后模型自适应调节所述医疗数据内容的推送需求。
与现有技术相比，本发明所达到的有益效果是：
本发明通过将医疗内容相似度的相似度变化图轨迹和发送时长间隔的间隔变化图轨迹进行关联比较，确认医疗数据内容的推送状态值，并根据推送状态值和公开度确认各医疗数据内容的重要程度，有利于分析医疗数据内容的有用性和无用性，便于后续比较数据响应程度，建立信息滞后模型；通过比较接收用户的浏览大数据和各医疗数据内容的相似性，分析各接收用户的信息关联值，并基于信息关联值分别分析各接收用户的数据响应概率，进一步确认各医疗数据内容的数据响应程度，有利于分析数据推送时接收用户的滞后性。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于云计算的智慧医疗信息推送系统的结构图；
图2是本发明一种基于云计算的智慧医疗信息推送方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供技术方案：智慧医疗信息推送系统，系统包括：数据采集模块、数据库、节点分析模块、响应处理模块、模型构建模块和智能推送模块；
通过数据采集模块采集登录目标医疗软件的所有用户身份信息和相应用户在目标医疗软件中的浏览大数据，形成用户身份集；将用户身份集中任意登录用户设为目标用户，则采集历史时间节点下目标用户在目标医疗软件中发送的医疗数据内容和相应医疗数据内容的公开度，形成目标用户的医疗内容集；
数据采集模块包括用户信息采集单元和内容采集单元；
用户信息采集单元用于采集登录目标医疗软件的所有用户身份信息和相应用户在目标医疗软件中的浏览大数据；内容采集单元用于采集历史时间节点下目标用户在目标医疗软件中发送的医疗数据内容和相应医疗数据内容的公开度。
通过数据库对所有采集的数据进行存储；
通过节点分析模块获取医疗内容集中各时间节点下目标用户发送的医疗数据内容和相应医疗数据内容的公开度，依次捕捉各相邻时间节点之间的医疗内容相似度和发送时长间隔，则分析时间节点下医疗内容相似度和发送时长间隔的变化关联性；根据变化关联性对医疗内容相似度和发送时长间隔加权分别得到各医疗数据内容的推送状态值，则根据医疗数据内容的推送状态值和公开度分析推送各医疗数据内容的重要程度；
节点分析模块包括关联分析单元、状态分析单元和重要程度分析单元；
关联分析单元用于获取医疗内容集中各时间节点下目标用户发送的医疗数据内容和相应医疗数据内容的公开度，依次捕捉各相邻时间节点之间的医疗内容相似度和发送时长间隔，则分析时间节点下医疗内容相似度和发送时长间隔的变化关联性；状态分析单元用于根据变化关联性对医疗内容相似度和发送时长间隔加权分别得到各医疗数据内容的推送状态值；重要程度分析单元用于根据医疗数据内容的推送状态值和公开度分析推送各医疗数据内容的重要程度。
通过响应处理模块将目标用户发送的任意医疗数据内容设为目标医疗内容，则获取接收目标医疗内容的用户信息和相应用户的浏览大数据，分别形成各医疗数据内容的接收用户集；将目标医疗内容分别和相应接收用户集中各接收用户的浏览大数据进行相似度对比，分别得到各接收用户的信息关联值；获取接收目标医疗内容时接收用户集中各接收用户的数据响应时长，则根据各接收用户的信息关联值和数据响应时长分析各接收用户对目标医疗内容的数据响应程度；
响应处理模块包括相似度分析单元和响应处理单元；
相似度分析单元用于将目标医疗内容分别和相应接收用户集中各接收用户的浏览大数据进行相似度对比，分别得到各接收用户的信息关联值；响应处理单元用于获取接收目标医疗内容时接收用户集中各接收用户的数据响应时长，则根据各接收用户的信息关联值和数据响应时长分析各接收用户对目标医疗内容的数据响应程度。
通过模型构建模块根据各医疗数据内容的重要程度对各医疗数据内容进行分类，则根据各类医疗数据内容的重要程度和数据响应程度，分别构建各类医疗数据内容的信息滞后模型；
通过智能推送模块基于当前时间节点下目标用户发送的医疗数据内容，根据所述医疗数据内容的重要程度得到相应的信息滞后模型；根据信息滞后模型自适应调节所述医疗数据内容的推送需求；
智能推送模块包括信息匹配单元和智能推送单元；
信息匹配单元用于根据当前时间节点下医疗数据内容的重要程度得到相应的信息滞后模型；智能推送单元用于根据信息滞后模型自适应调节所述医疗数据内容的推送需求。
请参阅图2，本发明提供技术方案：一种基于云计算的智慧医疗信息推送方法，包括以下步骤：
步骤S100：采集登录目标医疗软件的所有用户身份信息和相应用户在目标医疗软件中的浏览大数据，形成用户身份集；将用户身份集中任意登录用户设为目标用户，则采集历史时间节点下目标用户在目标医疗软件中发送的医疗数据内容和相应医疗数据内容的公开度，形成目标用户的医疗内容集；
上述步骤中的浏览大数据表示各用户比较关注的医疗数据内容集合；
上述步骤中采集的医疗数据内容均属于可推送数据；其中医疗数据内容中还包括目标用户发送医疗数据内容到接收用户读取医疗数据的全过程记录；其中，医疗内容集中各时间节点下发送的医疗数据内容可以相同也可以不同，表明时间节点和医疗数据内容一一对应，不同时间节点对应的医疗数据内容互相独立；
步骤S200：获取医疗内容集中各时间节点下目标用户发送的医疗数据内容和相应医疗数据内容的公开度，依次捕捉各相邻时间节点之间的医疗内容相似度和发送时长间隔，则分析时间节点下医疗内容相似度和发送时长间隔的变化关联性；根据变化关联性对医疗内容相似度和发送时长间隔加权分别得到各医疗数据内容的推送状态值，则根据医疗数据内容的推送状态值和公开度分析推送各医疗数据内容的重要程度；
步骤S200包括：
步骤S210：获取医疗内容集中各时间节点下目标用户发送的医疗数据内容和相应医疗数据内容的公开度M＝5，则根据相似度算法得到各相邻时间节点之间的医疗内容相似度H＝|a1∩a2|/|a1∪a2|，其中a1、a2分别表示各相邻时间节点中第一、二个时间节点的医疗数据内容；将医疗内容相似度H赋值于各相邻时间节点中的第二个时间节点，则以时间节点的序号为横坐标，各相邻时间节点之间的医疗内容相似度H为纵坐标，构建目标用户发送医疗数据内容的相似度变化图；其中相似度变化图中第一个时间节点序号对应的相似度值H＝0；
上述步骤中各部分医疗数据内容的公开度是预先设定的，其具体设定的过程是根据在目标医疗软件中对各部分医疗数据内容所设置的等级权限用户的涵盖程度所评估得到的；
在目标医疗软件中，能访问某医疗数据内容Q1包含第一级、第二级、第三级和第四级用户，则定义相应的等级权限用户涵盖程度为4；而能访问某医疗数据内容Q2包含第一级、第二级和第三级用户，则定义相应的等级权限用户涵盖程度为3，则表示某医疗数据内容Q1的公开度高；
步骤S220：获取各相邻时间节点之间目标用户发送医疗数据内容时的发送时长间隔T，将各相邻时间节点之间的发送时长间隔赋值于第二个时间节点，则以时间节点的序号为横坐标，各相邻时间节点之间的发送时长间隔为纵坐标，构建目标用户发送医疗数据内容的间隔变化图；其中间隔变化图中第一个时间节点序号对应的发送时长间隔值T＝0；分别获取目标用户发送医疗数据内容的相似度变化图和间隔变化图，则基于相似度变化图的轨迹和间隔变化图的轨迹，利用轨迹相似算法得到轨迹变化关联性值A；
步骤S230：根据相似度变化图和间隔变化图分别获取各时间节点序号下的医疗内容相似度和发送时长间隔值，则将医疗内容相似度H、发送时长间隔值T和轨迹变化关联性值A进行加权计算得到各时间节点序号下医疗数据内容的推送状态值G＝0.01/T+A*H/T；
根据上述步骤中的推送状态值可知推送状态值和医疗内容相似度呈正相关，和发送时长间隔值呈负相关；则当医疗内容相似度越高，时长间隔值越短时，对应推送状态值越大，此时表示发送相应医疗数据内容的可用性越高；有利于分析医疗数据内容的有用性和无用性；
步骤S240：获取各时间节点序号下医疗数据内容的推送状态值G，构建时间节点序号下相应各医疗数据内容的推送状态变化图；捕捉推送状态变化图中各相邻三个时间节点序号对应轨迹组成的两条拟合直线K1和K2，则将拟合直线K1和K2之间的夹角弧度n1赋值于各相邻三个时间节点序号中第二个时间节点序号，此时根据各时间节点序号下的推送状态值G、对应时间节点序号的夹角弧度n1和对应时间节点序号下医疗数据内容的公开度得到各时间节点序号下相应各医疗数据内容的重要程度Z＝n1*G/5；
其中，当推送状态值越高时，相应医疗数据内容的重要程度越高。
步骤S300：将目标用户发送的任意医疗数据内容设为目标医疗内容，则获取接收目标医疗内容的用户信息和相应用户的浏览大数据，分别形成各医疗数据内容的接收用户集；将目标医疗内容分别和相应接收用户集中各接收用户的浏览大数据进行相似度对比，分别得到各接收用户的信息关联值；获取接收目标医疗内容时接收用户集中各接收用户的数据响应时长，则根据各接收用户的信息关联值和数据响应时长分析各接收用户对目标医疗内容的数据响应程度；
步骤S300包括：
步骤S310：将目标用户发送的任意医疗数据内容设为目标医疗内容，则获取接收目标医疗内容的用户信息和相应用户的浏览大数据，分别形成各医疗数据内容的接收用户集；利用相似度算法将目标医疗内容分别和接收用户集中各接收用户的浏览大数据进行相似度对比，分别得到接收用户集中各接收用户的信息关联值；
上述步骤中当信息关联值大于关联阈值β＝0.7时，表示接收用户的浏览大数据和目标医疗内容的关联性高，反之，当小于关联阈值β＝0.7时，表示接收用户的浏览大数据和目标医疗内容的关联性低；
步骤S320：捕捉信息关联值大于关联阈值0.7的所有接收用户信息，形成关联用户集B1；获取关联用户集B1中各接收用户接收目标医疗内容时的数据响应时长，则筛选出数据响应时长小于时长阈值γ＝24h的接收用户数量F1＝50，得到关联响应概率
R1＝50/1000＝0.05；捕捉信息关联值小于关联阈值0.7的所有接收用户信息，存在1000名用户；获取非关联用户集B2中各接收用户接收目标医疗内容时的数据响应时长，则筛选出数据响应时长小于时长阈值24h的接收用户数量F2＝20，得到非关联响应概率R2＝20/1000＝0.02；
步骤S330：分别获取关联用户集B1和非关联用户集B2中各接收用户接收目标医疗内容时的数据响应时长均值T1和T2，则基于关联响应概率R1＝0.05、非关联响应概率R2＝0.02和数据响应时长均值T1和T2得到目标医疗内容的数据响应程度W＝σ1*0.05/T1+σ2*0.02/T2；其中σ1和σ2分别表示关联响应权重和非关联响应权重。
步骤S400：根据各医疗数据内容的重要程度对各医疗数据内容进行分类，则根据各类医疗数据内容的重要程度和数据响应程度，分别构建各类医疗数据内容的信息滞后模型；
步骤S400包括：
步骤S410：获取各时间节点下相应各医疗数据内容的重要程度Z，则将各医疗数据内容之间的重要程度差值小于差值阈值φ的各医疗数据内容归为一类，得到任意各类医疗数据内容的重要程度均值Z1；
步骤S420：基于目标医疗内容的数据响应程度，获取各类医疗数据内容的数据响应程度均值W1，分别构建得到各类医疗数据内容的信息滞后模型P＝Z1-W1；其中P表示信息滞后值；
上述步骤中，当Z1-W1大于阈值时，表示任意一类医疗数据内容的重要程度高，但响应程度低，此时目标医疗软件推送任意一类医疗数据内容时存在滞后性，表示信息推送异常。
步骤S500：基于当前时间节点下目标用户发送的医疗数据内容，根据所述医疗数据内容的重要程度得到相应的信息滞后模型；根据信息滞后模型自适应调节所述医疗数据内容的推送需求。
步骤S500包括：
步骤S510：基于当前时间节点下目标用户发送的医疗数据内容，获取所述医疗数据内容的重要程度，则当所述医疗数据内容的重要程度和各类医疗数据内容的重要程度均值Z1之间差值小于差值阈值φ时，将所述医疗数据内容和相应类别的医疗数据内容归为一类，并基于所属类别匹配相应的信息滞后模型；
步骤S520：获取所述医疗数据内容的信息滞后模型，当信息滞后值在0～D1时提高所述医疗数据内容的推送效率并提醒接收用户接收；当信息滞后值在D1～D2时无需处理所述医疗数据内容的推送效率；当信息滞后值在D2～D3时降低所述医疗数据内容的推送效率；其中，D1、D2和D3均表示信息滞后阈值，D1<D2<D3。
上述步骤中的信息滞后阈值分为3级，存储于目标医疗软件的数据库中，用于比较医疗数据内容的滞后性，分析医疗数据内容的推送需求。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于云计算的智慧医疗信息推送方法，其特征在于：包括以下步骤：
步骤S100：采集登录目标医疗软件的所有用户身份信息和相应用户在目标医疗软件中的浏览大数据，形成用户身份集；将用户身份集中任意登录用户设为目标用户，则采集历史时间节点下目标用户在目标医疗软件中发送的医疗数据内容和相应医疗数据内容的公开度，形成目标用户的医疗内容集；
步骤S200：获取医疗内容集中各时间节点下目标用户发送的医疗数据内容和相应医疗数据内容的公开度，依次捕捉各相邻时间节点之间的医疗内容相似度和发送时长间隔，则分析时间节点下医疗内容相似度和发送时长间隔的变化关联性；根据变化关联性对医疗内容相似度和发送时长间隔加权分别得到各医疗数据内容的推送状态值，则根据医疗数据内容的推送状态值和公开度分析推送各医疗数据内容的重要程度；
步骤S300：将目标用户发送的任意医疗数据内容设为目标医疗内容，则获取接收目标医疗内容的用户信息和相应用户的浏览大数据，分别形成各医疗数据内容的接收用户集；将目标医疗内容分别和相应接收用户集中各接收用户的浏览大数据进行相似度对比，分别得到各接收用户的信息关联值；获取接收目标医疗内容时接收用户集中各接收用户的数据响应时长，则根据各接收用户的信息关联值和数据响应时长分析各接收用户对目标医疗内容的数据响应程度；
步骤S400：根据各医疗数据内容的重要程度对各医疗数据内容进行分类，则根据各类医疗数据内容的重要程度和数据响应程度，分别构建各类医疗数据内容的信息滞后模型；
步骤S500：基于当前时间节点下目标用户发送的医疗数据内容，根据所述医疗数据内容的重要程度得到相应的信息滞后模型；根据信息滞后模型自适应调节所述医疗数据内容的推送需求。
2.根据权利要求1所述的一种基于云计算的智慧医疗信息推送方法，其特征在于：所述步骤S200包括：
步骤S210：获取医疗内容集中各时间节点下目标用户发送的医疗数据内容和相应医疗数据内容的公开度M，则根据相似度算法得到各相邻时间节点之间的医疗内容相似度H＝|a1∩a2|/|a1∪a2|，其中a1、a2分别表示各相邻时间节点中第一、二个时间节点的医疗数据内容；将医疗内容相似度H赋值于各相邻时间节点中的第二个时间节点，则以时间节点的序号为横坐标，各相邻时间节点之间的医疗内容相似度H为纵坐标，构建目标用户发送医疗数据内容的相似度变化图；其中，相似度变化图中第一个时间节点序号对应的相似度值H＝0；
步骤S220：获取各相邻时间节点之间目标用户发送医疗数据内容时的发送时长间隔T，将各相邻时间节点之间的发送时长间隔赋值于第二个时间节点，则以时间节点的序号为横坐标，各相邻时间节点之间的发送时长间隔为纵坐标，构建目标用户发送医疗数据内容的间隔变化图；其中间隔变化图中第一个时间节点序号对应的发送时长间隔值T＝0；分别获取目标用户发送医疗数据内容的相似度变化图和间隔变化图，则利用轨迹相似算法得到相似度变化图轨迹和间隔变化图轨迹之间的轨迹变化关联性值A；
步骤S230：根据相似度变化图和间隔变化图分别获取各时间节点序号下的医疗内容相似度和发送时长间隔值，则将医疗内容相似度H、发送时长间隔值T和轨迹变化关联性值A进行加权计算得到各时间节点序号下医疗数据内容的推送状态值G＝α1/T+α
2*A*H/T；其中α1和α2分别表示发送时长间隔权重和医疗内容相似权重；
步骤S240：获取各时间节点序号下医疗数据内容的推送状态值G，构建时间节点序号下相应各医疗数据内容的推送状态变化图；捕捉推送状态变化图中各相邻三个时间节点序号对应轨迹组成的两条拟合直线K1和K2，则将拟合直线K1和K2之间的夹角弧度n1赋值于各相邻三个时间节点序号中第二个时间节点序号，此时根据各时间节点序号下的推送状态值G、对应时间节点序号的夹角弧度n1和对应时间节点序号下医疗数据内容的公开度M得到各时间节点序号下相应各医疗数据内容的重要程度Z＝n1*G/M。
3.根据权利要求2所述的一种基于云计算的智慧医疗信息推送方法，其特征在于：所述步骤S300包括：
步骤S310：将目标用户发送的任意医疗数据内容设为目标医疗内容，则获取接收目标医疗内容的用户信息和相应用户的浏览大数据，分别形成各医疗数据内容的接收用户集；利用相似度算法将目标医疗内容分别和接收用户集中各接收用户的浏览大数据进行相似度对比，分别得到接收用户集中各接收用户的信息关联值；
步骤S320：捕捉信息关联值大于关联阈值β的所有接收用户信息，形成关联用户集B1；获取关联用户集B1中各接收用户接收目标医疗内容时的数据响应时长，则筛选出数据响应时长小于时长阈值γ的接收用户数量F1，得到关联响应概率R1＝F1/|B1|；捕捉信息关联值小于关联阈值β的所有接收用户信息，形成非关联用户集B2；获取非关联用户集B2中各接收用户接收目标医疗内容时的数据响应时长，则筛选出数据响应时长小于时长阈值γ的接收用户数量F2，得到非关联响应概率R2＝F2/|B2|；
步骤S330：分别获取关联用户集B1和非关联用户集B2中各接收用户接收目标医疗内容时的数据响应时长均值T1和T2，则基于关联响应概率R1、非关联响应概率R2和数据响应时长均值T1和T2得到目标医疗内容的数据响应程度W＝σ1*R1/T1+σ2*R2/T2；其中σ1和σ2分别表示关联响应权重和非关联响应权重。
4.根据权利要求3所述的一种基于云计算的智慧医疗信息推送方法，其特征在于：所述步骤S400包括：
步骤S410：获取各时间节点下相应各医疗数据内容的重要程度Z，则将各医疗数据内容之间的重要程度差值小于差值阈值φ的各医疗数据内容归为一类，得到任意各类医疗数据内容的重要程度均值Z1；
步骤S420：基于目标医疗内容的数据响应程度，获取各类医疗数据内容的数据响应程度均值W1，分别构建得到各类医疗数据内容的信息滞后模型P＝Z1-W1；其中P表示信息滞后值。
5.根据权利要求4所述的一种基于云计算的智慧医疗信息推送方法，其特征在于：所述步骤S500包括：
步骤S510：基于当前时间节点下目标用户发送的医疗数据内容，获取所述医疗数据内容的重要程度，则当所述医疗数据内容的重要程度和各类医疗数据内容的重要程度均值Z1之间差值小于差值阈值φ时，将所述医疗数据内容和相应类别的医疗数据内容归为一类，并基于所属类别匹配相应的信息滞后模型；
步骤S520：获取所述医疗数据内容的信息滞后模型，当信息滞后值在0～D1时提高所述医疗数据内容的推送效率并提醒接收用户接收；当信息滞后值在D1～D2时无需处理所述医疗数据内容的推送效率；当信息滞后值在D2～D3时降低所述医疗数据内容的推送效率；其中，D1、D2和D3均表示信息滞后阈值，D1<D2<D3。
6.用于实现权利要求1-5中任一项所述的一种基于云计算的智慧医疗信息推送方法的智慧医疗信息推送系统，其特征在于：所述系统包括：数据采集模块、数据库、节点分析模块、响应处理模块、模型构建模块和智能推送模块；
通过所述数据采集模块采集登录目标医疗软件的所有用户身份信息和相应用户在目标医疗软件中的浏览大数据，形成用户身份集；将用户身份集中任意登录用户设为目标用户，则采集历史时间节点下目标用户在目标医疗软件中发送的医疗数据内容和相应医疗数据内容的公开度，形成目标用户的医疗内容集；
通过所述数据库对所有采集的数据进行存储；
通过所述节点分析模块获取医疗内容集中各时间节点下目标用户发送的医疗数据内容和相应医疗数据内容的公开度，依次捕捉各相邻时间节点之间的医疗内容相似度和发送时长间隔，则分析时间节点下医疗内容相似度和发送时长间隔的变化关联性；根据变化关联性对医疗内容相似度和发送时长间隔加权分别得到各医疗数据内容的推送状态值，则根据医疗数据内容的推送状态值和公开度分析推送各医疗数据内容的重要程度；
通过所述响应处理模块将目标用户发送的任意医疗数据内容设为目标医疗内容，则获取接收目标医疗内容的用户信息和相应用户的浏览大数据，分别形成各医疗数据内容的接收用户集；将目标医疗内容分别和相应接收用户集中各接收用户的浏览大数据进行相似度对比，分别得到各接收用户的信息关联值；获取接收目标医疗内容时接收用户集中各接收用户的数据响应时长，则根据各接收用户的信息关联值和数据响应时长分析各接收用户对目标医疗内容的数据响应程度；
通过所述模型构建模块根据各医疗数据内容的重要程度对各医疗数据内容进行分类，则根据各类医疗数据内容的重要程度和数据响应程度，分别构建各类医疗数据内容的信息滞后模型；
基于当前时间节点下目标用户发送的医疗数据内容，根据所述医疗数据内容的重要程度得到相应的信息滞后模型；根据信息滞后模型自适应调节所述医疗数据内容的推送需求。
7.根据权利要求6所述的智慧医疗信息推送系统，其特征在于：所述数据采集模块包括用户信息采集单元和内容采集单元；
所述用户信息采集单元用于采集登录目标医疗软件的所有用户身份信息和相应用户在目标医疗软件中的浏览大数据；所述内容采集单元用于采集历史时间节点下目标用户在目标医疗软件中发送的医疗数据内容和相应医疗数据内容的公开度。
8.根据权利要求6所述的智慧医疗信息推送系统，其特征在于：所述节点分析模块包括关联分析单元、状态分析单元和重要程度分析单元；
所述关联分析单元用于获取医疗内容集中各时间节点下目标用户发送的医疗数据内容和相应医疗数据内容的公开度，依次捕捉各相邻时间节点之间的医疗内容相似度和发送时长间隔，则分析时间节点下医疗内容相似度和发送时长间隔的变化关联性；所述状态分析单元用于根据变化关联性对医疗内容相似度和发送时长间隔加权分别得到各医疗数据内容的推送状态值；所述重要程度分析单元用于根据医疗数据内容的推送状态值和公开度分析推送各医疗数据内容的重要程度。
9.根据权利要求6所述的智慧医疗信息推送系统，其特征在于：所述响应处理模块包括相似度分析单元和响应处理单元；
所述相似度分析单元用于将目标医疗内容分别和相应接收用户集中各接收用户的浏览大数据进行相似度对比，分别得到各接收用户的信息关联值；所述响应处理单元用于获取接收目标医疗内容时接收用户集中各接收用户的数据响应时长，则根据各接收用户的信息关联值和数据响应时长分析各接收用户对目标医疗内容的数据响应程度。
10.根据权利要求6所述的智慧医疗信息推送系统，其特征在于：所述智能推送模块包括信息匹配单元和智能推送单元；
所述信息匹配单元用于根据所述医疗数据内容的重要程度得到相应的信息滞后模型；所述智能推送单元用于根据信息滞后模型自适应调节所述医疗数据内容的推送需求。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311516565.0A CN117493681B (zh) | 2023-11-15 | 2023-11-15 | 一种基于云计算的智慧医疗信息推送系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311516565.0A CN117493681B (zh) | 2023-11-15 | 2023-11-15 | 一种基于云计算的智慧医疗信息推送系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117493681A true CN117493681A (zh) | 2024-02-02 |
| CN117493681B CN117493681B (zh) | 2024-05-14 |
Family
ID=89668758
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311516565.0A Active CN117493681B (zh) | 2023-11-15 | 2023-11-15 | 一种基于云计算的智慧医疗信息推送系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117493681B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106446575A (zh) * | 2016-10-12 | 2017-02-22 | 上海览海在线健康管理有限公司 | 智能推送医疗资源的方法及系统 |
| CN112382386A (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及系统 |
| CN112699303A (zh) * | 2021-01-08 | 2021-04-23 | 广州启生信息技术有限公司 | 一种基于5g消息的医疗信息智能推送系统和方法 |
| KR20210056598A (ko) * | 2019-11-11 | 2021-05-20 | 주식회사 테서 | 머신러닝에 기반한 의료데이터 수집 및 분석 서비스 제공 방법 및 시스템 |
| CN113495962A (zh) * | 2021-07-28 | 2021-10-12 | 东莞市慧学慧玩教育科技有限公司 | 基于智慧医疗大数据的内容优化方法及云计算服务系统 |
| CN113626688A (zh) * | 2021-07-21 | 2021-11-09 | 上海齐网网络科技有限公司 | 基于软件定义的智能化医疗数据采集方法及系统 |
| CN113724815A (zh) * | 2021-08-30 | 2021-11-30 | 平安国际智慧城市科技股份有限公司 | 基于决策分群模型的信息推送方法及装置 |
| CN113988995A (zh) * | 2021-11-27 | 2022-01-28 | 上海迪塔班克数据科技有限公司 | 一种适用于化塑行业的产品营销系统 |
| WO2022041727A1 (zh) * | 2020-08-28 | 2022-03-03 | 康键信息技术（深圳）有限公司 | 医疗问诊系统的问答管理方法、装置、设备及存储介质 |
| CN114461895A (zh) * | 2021-11-19 | 2022-05-10 | 中国建设银行股份有限公司 | 医疗资讯推送方法、装置、计算机设备和存储介质 |
| WO2022095892A1 (zh) * | 2020-11-09 | 2022-05-12 | 北京京东拓先科技有限公司 | 推送信息的生成方法、装置 |
-
2023
- 2023-11-15 CN CN202311516565.0A patent/CN117493681B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106446575A (zh) * | 2016-10-12 | 2017-02-22 | 上海览海在线健康管理有限公司 | 智能推送医疗资源的方法及系统 |
| KR20210056598A (ko) * | 2019-11-11 | 2021-05-20 | 주식회사 테서 | 머신러닝에 기반한 의료데이터 수집 및 분석 서비스 제공 방법 및 시스템 |
| CN112382386A (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及系统 |
| 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 |
| WO2022041727A1 (zh) * | 2020-08-28 | 2022-03-03 | 康键信息技术（深圳）有限公司 | 医疗问诊系统的问答管理方法、装置、设备及存储介质 |
| WO2022095892A1 (zh) * | 2020-11-09 | 2022-05-12 | 北京京东拓先科技有限公司 | 推送信息的生成方法、装置 |
| CN112699303A (zh) * | 2021-01-08 | 2021-04-23 | 广州启生信息技术有限公司 | 一种基于5g消息的医疗信息智能推送系统和方法 |
| CN113626688A (zh) * | 2021-07-21 | 2021-11-09 | 上海齐网网络科技有限公司 | 基于软件定义的智能化医疗数据采集方法及系统 |
| CN113495962A (zh) * | 2021-07-28 | 2021-10-12 | 东莞市慧学慧玩教育科技有限公司 | 基于智慧医疗大数据的内容优化方法及云计算服务系统 |
| CN113724815A (zh) * | 2021-08-30 | 2021-11-30 | 平安国际智慧城市科技股份有限公司 | 基于决策分群模型的信息推送方法及装置 |
| CN114461895A (zh) * | 2021-11-19 | 2022-05-10 | 中国建设银行股份有限公司 | 医疗资讯推送方法、装置、计算机设备和存储介质 |
| CN113988995A (zh) * | 2021-11-27 | 2022-01-28 | 上海迪塔班克数据科技有限公司 | 一种适用于化塑行业的产品营销系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117493681B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107767153B (zh) | 一种数据处理方法及装置 | |
| CN108733791B (zh) | 网络事件检测方法 | |
| CN110990718B (zh) | 一种公司形象提升系统的社会网络模型构建模块 | |
| CN104040963A (zh) | 用于使用字符串的频谱进行垃圾邮件检测的系统和方法 | |
| CN111552813A (zh) | 一种基于电网全业务数据的电力知识图谱构建方法 | |
| CN106951446A (zh) | 金融信息推送方法和装置 | |
| CN117078048B (zh) | 基于数字孪生的智慧城市资源管理方法及系统 | |
| Gu et al. | [Retracted] Application of Fuzzy Decision Tree Algorithm Based on Mobile Computing in Sports Fitness Member Management | |
| CN112905905A (zh) | 一种位置社交网络中兴趣点-区域联合推荐方法 | |
| CN112131004A (zh) | 基于物联网通信的数据处理方法及云计算服务器 | |
| CN116127190B (zh) | 一种数字地球资源推荐系统及方法 | |
| CN114138968A (zh) | 一种网络热点的挖掘方法、装置、设备及存储介质 | |
| CN116226103A (zh) | 一种基于FPGrowth算法进行政务数据质量检测的方法 | |
| CN113159326B (zh) | 基于人工智能的智能业务决策方法 | |
| CN114528405A (zh) | 一种基于网络突发热点的舆情监测方法 | |
| CN113610170A (zh) | 一种基于时序网络社团检测的影响力最大化方法 | |
| CN117493681B (zh) | 一种基于云计算的智慧医疗信息推送系统及方法 | |
| CN113674846A (zh) | 基于lstm网络的医院智慧服务舆情监控平台 | |
| CN115328870B (zh) | 一种面向云制造的数据共享方法及系统 | |
| CN115329078B (zh) | 文本数据处理方法、装置、设备以及存储介质 | |
| CN110990384A (zh) | 一种大数据平台bi分析方法 | |
| CN115883392A (zh) | 算力网络的数据感知方法、装置、电子设备及存储介质 | |
| CN114741515A (zh) | 基于图生成的社交网络用户属性预测方法及系统 | |
| CN108038790B (zh) | 一种内外数据融合的态势分析系统 | |
| CN115907770B (zh) | 一种基于时序特征融合的以太坊钓鱼欺诈识别与预警方法 |
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 |