[发明专利]基于智慧医疗服务的大数据采集分析方法及系统

权利要求书

1.一种基于智慧医疗服务的大数据采集分析方法，其特征在于，包括：

采集所述目标人物的人物特征信息，其中，所述人物特征信息包括人物身份特征信息及医疗服务数据信息；

对所述人物特征信息进行词语清洗与词语统一处理，其中，所述词语清洗与词语统一处理包括基于预先配置的清洗与统一模型，清洗所述人物特征信息中的无特定含义的过滤词，并在清洗所述过滤词后采用统一的关键词替代相似含义的词，所述预先配置的清洗与统一模型中包括用于过滤无特定含义的过滤词的过滤子模型及用于进行相似含义关键字替换的替换子模型；

根据词语清洗与词语统一处理后的所述人物特征信息和预先配置的人物类型所限定范围之间的重叠范围，确定词语清洗与词语统一处理后的所述人物特征信息和所述人物类型之间的近似参数值，其中，所述人物类型包括人物身份类别及医疗服务数据类别；

根据所述近似参数值，确定所述目标人物中人物特征信息对应的人物身份类别及所述目标人物中医疗服务数据信息所对应的医疗服务数据类别；

将所述目标人物的人物特征信息按照确定的人物身份类别及医疗服务数据类别进行标记；

对标记后的人物特征信息进行大数据分析，以对不同人物身份类别及医疗服务数据类别的目标人物推送智慧医疗服务信息。

2.根据权利要求1所述的基于智慧医疗服务的大数据采集分析方法，其特征在于，所述根据词语清洗与词语统一处理后的所述人物特征信息和预先配置的人物类型所限定范围之间的重叠范围，确定词语清洗与词语统一处理后的所述人物特征信息和所述人物类型之间的近似参数值的步骤，包括：

将词语清洗与词语统一处理后的所述人物身份特征信息和医疗服务数据信息分别与所述人物身份类别所限定范围和医疗服务数据类别所限定范围进行比对，确定各自的重叠范围；

根据所述各自的重叠范围的重叠情况，分别确定所述人物身份特征信息与所述人物身份类别之间的第一近似得分和所述医疗服务数据信息与所述医疗服务数据类别之间的第二近似得分；

根据所述第一近似得分及所述第二近似得分，以加权求和的方式确定词语清洗与词语统一处理后的所述人物特征信息和所述人物类型之间的近似参数值，其中，所述第一近似得分的权重与所述第二近似得分的权重预先配置。

3.根据权利要求1所述的基于智慧医疗服务的大数据采集分析方法，其特征在于，所述方法还包括训练清洗与统一模型的步骤，所述步骤包括：

通过大数据采集，获取过滤词样本集和近似词样本集，其中，所述过滤词样本集包括过滤词和过滤词标签的样本组及非过滤词和非过滤词标签的样本组，所述近似词样本集包括多个近似词词组和对应统一关键词的样本组；

针对起始过滤子模型，对所述过滤词样本集中过滤词和非过滤词进行分类训练，预测得到过滤词的分类预测概率值及非过滤词的分类预测概率值；获取所述过滤词的分类预测概率值与所述过滤词样本集中过滤词标签的第一分类差异参数，及所述非过滤词的分类预测概率值与所述过滤词样本集中过滤词标签的第二分类差异参数；利用所述第一分类差异参数、所述第二分类差异参数和所述过滤词样本集，训练所述起始过滤子模型；直至训练的起始过滤子模型预测出的所述过滤词样本集的分类预测概率值，与所述过滤词样本集中过滤词标签的差异，满足所述起始过滤子模型的训练截止条件，得到所述过滤子模型；所述过滤子模型用于确定词为无特定含义的过滤词的概率值；

基于起始替换子模型，对所述近似词样本集中近似词样本集进行分类训练，预测得到近似词与关键词之间的分类预测概率值；获取所述近似词与关键词之间的分类预测概率值与所述近似词样本集中统一关键词的近似统一参数值；利用所述近似统一参数值和所述近似词样本集，训练所述起始替换子模型；直至训练的起始替换子模型预测出的所述过滤词样本集的近似统一参数值，与所述近似词样本集中统一关键词的差异，满足所述起始替换子模型的训练截止条件时为止，得到所述替换子模型；所述替换子模型用于确定近似词对应的关键词的概率值。