[发明专利]在线问诊科室分配方法、装置、计算机设备和存储介质有效
申请号: | 201810547514.7 | 申请日: | 2018-05-31 |
公开(公告)号: | CN108766545B | 公开(公告)日: | 2023-10-03 |
发明(设计)人: | 高羽;赵建双;葛培明 | 申请(专利权)人: | 平安医疗科技有限公司;平安健康互联网股份有限公司 |
主分类号: | G16H40/20 | 分类号: | G16H40/20;G16H50/20 |
代理公司: | 华进联合专利商标代理有限公司 44224 | 代理人: | 王宁 |
地址: | 518051 广东省深圳市南山区前海深港合作区*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 在线 问诊 科室 分配 方法 装置 计算机 设备 存储 介质 | ||
1.一种在线问诊科室分配方法,所述方法包括:
获取问诊请求,所述问诊请求携带了用户标识;
根据所述用户标识获取多种用户信息;
对所述用户信息进行向量化处理,得到多维向量矩阵;
通过深层神经网络模型基于所述多维向量矩阵进行预测运算,得到与所述用户标识对应的科室;
将所述科室标记为向所述用户标识分配的待就诊科室。
2.根据权利要求1所述的方法,其特征在于,所述对所述用户信息进行向量化处理,得到多维向量矩阵包括:
对所述用户信息进行预处理,在预处理后的多种用户信息中进行特征选择;
将选择出的每个特征转换为对应的一维向量;
通过词向量模型对多个特征对应的一维向量进行转换,得到与用户标识对应的多维向量矩阵。
3.根据权利要求2所述的方法,其特征在于,所述词向量模型包括输入层和投影层;所述通过词向量模型对多个特征对应的一维向量进行转换的步骤包括:
通过所述词向量模型的输入层加载多个特征对应的一维向量;
通过所述词向量模型的投影层对多个特征对应的一维向量进行转换,输出相应的多维向量矩阵,其中,所述投影层未配置激活函数。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述用户信息包括主诉信息;所述方法还包括:
对所述主诉信息进行转换,生成主诉文本;
调用多个诊疗规则,将所述诊疗规则转换为诊疗规则字符串;
将所述诊疗规则字符串与所述主诉文本进行匹配,得到相应的匹配结果;
当匹配结果中只包含一个科室时,则将所述科室确定为向所述用户标识分配的待就诊科室;
当匹配结果包含多个科室时,则执行对所述用户信息进行向量化处理的步骤,直至得到向所述用户标识分配的待就诊科室。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
当通过诊疗规则匹配得到的匹配结果中包含多个科室时,对所述科室对应的诊疗规则进行标记;
将标记后的诊疗规则发送至医生终端,所述医生终端用于对标记后的诊疗规则进行更新。
6.一种在线问诊科室分配装置,其特征在于,所述装置包括:
通信模块,用于获取问诊请求,所述问诊请求携带了用户标识;
向量化模块,用于根据所述用户标识获取多种用户信息;对所述用户信息进行向量化处理,得到多维向量矩阵;
预测模块,用于通过深层神经网络模型基于所述多维向量矩阵进行预测运算,得到与所述用户标识对应的科室;
分配模块,用于将所述科室标记为向所述用户标识分配的待就诊科室。
7.根据权利要求6所述的装置,其特征在于,所述向量化模块还用于对所述用户信息进行预处理,在预处理后的多种用户信息中进行特征选择;将选择出的每个特征转换为对应的一维向量;通过词向量模型对多个特征对应的一维向量进行转换,得到与用户标识对应的多维向量矩阵。
8.根据权利要求6或7所述的装置,其特征在于,所述用户信息包括主诉信息;所述装置还包括:
规则匹配模块,用于对所述主诉信息进行转换,生成主诉文本;调用多个诊疗规则,将所述诊疗规则转换为诊疗规则字符串;将所述诊疗规则字符串与所述主诉文本进行匹配,得到相应的匹配结果;当匹配结果中只包含一个科室时,则将所述科室确定为向所述用户标识分配的待就诊科室;当匹配结果包含多个科室时,则执行对所述用户信息进行向量化处理的步骤,直至得到向所述用户标识分配的待就诊科室。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安医疗科技有限公司;平安健康互联网股份有限公司,未经平安医疗科技有限公司;平安健康互联网股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810547514.7/1.html,转载请声明来源钻瓜专利网。