[发明专利]就医行为识别方法、装置、终端设备及存储介质

权利要求书

1.一种就医行为识别方法，其特征在于，包括：

获取至少一个患者的时序就医数据，每个时序就医数据包括一个患者在所有就医时间下的诊断结果、花费类别和花费项；

对所有时序就医数据中同一类诊断结果和同一类花费类别的花费项进行频繁项集挖掘、聚类和映射，以将每个时序就医数据中每个花费类别的花费项简化为一个频繁项集；

对每个时序就医数据中同一就医时间下的同一类诊断结果的所有类花费类别进行频繁模式挖掘、聚类和映射，以将每个时序就医数据中每个就医时间下的同一类诊断结果的所有类花费类别简化为一个频繁模式；

将每个时序就医数据中所有就医时间下的每一类诊断结果的频繁模式，作为一个目标时序就医数据；

对每个目标时序就医数据进行时序关联规则挖掘，获得每个目标时序就医数据中所有类诊断结果的频繁模式之间的时序关联规则；

根据每个时序关联规则，识别相应患者的就医行为是否异常。

2.根据权利要求1所述的就医行为识别方法，其特征在于，所述对所有时序就医数据中同一类诊断结果和同一类花费类别的花费项进行频繁项集挖掘、聚类和映射，包括：

对所有时序就医数据中同一类诊断结果和同一类花费类别的花费项进行频繁项集挖掘，获得所述同一类诊断结果和同一类花费类别的所有频繁项集；

对所述所有频繁项集进行聚类，获得所述所有频繁项集对应的所有聚类簇；

获取所述所有频繁项集对应的每个聚类簇中支持度最高的核心频繁项集，得到所述同一类诊断结果和同一类花费类别的所有核心频繁项集；

将所述同一类诊断结果和同一类花费类别的每个花费类别的花费项简化为与之匹配度最高的核心频繁项集。

3.根据权利要求2所述的就医行为识别方法，其特征在于，所述对所述所有频繁项集进行聚类，获得对应的所有聚类簇，包括：

对所述所有频繁项集进行编码；

根据编码后的所述所有频繁项集，获取所述所有频繁项集中每两个频繁项集之间的相似度；

根据所述所有频繁项集中每两个频繁项集之间的相似度，对所述所有频繁项集进行聚类，获得所述所有频繁项集对应的多个聚类簇。

4.根据权利要求3所述的就医行为识别方法，其特征在于，所述对所述所有频繁项集进行编码，包括：

对所述所有频繁项集进行独热编码，1表示相应频繁项集中有对应的花费项，0表示相应频繁项集中无对应的花费项；

所述根据编码后的所述所有频繁项集，获取所述所有频繁项集中每两个频繁项集之间的相似度，包括：

根据独热编码之后的所述所有频繁项集，获取所述所有频繁项集中每两个频繁项集之间的杰卡德系数；

所述根据所述所有频繁项集中每两个频繁项集之间的相似度，对所述所有频繁项集进行聚类，获得所述所有频繁项集对应的多个聚类簇，包括：

根据所述所有频繁项集中每两个频繁项集之间的杰卡德系数，采用Kmeans算法对所述所有频繁项集进行聚类，获得所述所有频繁项集对应的多个聚类簇。

5.根据权利要求2所述的就医行为识别方法，其特征在于，所述将所述同一类诊断结果和同一类花费类别的每个花费类别的花费项简化为与之匹配度最高的核心频繁项集，包括：

按照支持度的大小对所述同一类诊断结果和同一类花费类别的所有核心频繁项集进行排序；

将所述同一类诊断结果和同一类花费类别的每个花费类别的花费项依次与排序后的所有核心频繁项集进行排序进行匹配；

若任一花费类别的花费项包含任一核心频繁项集中的所有元素，则将所述任一花费类别的花费项简化为所述任一核心频繁项集；

若任一花费类别的花费项未包含任一核心频繁项集，则不简化所述任一花费类别的花费项。

6.根据权利要求1所述的就医行为识别方法，其特征在于，所述对所有时序就医数据中同一类诊断结果和同一类花费类别的花费项进行频繁项集挖掘、聚类和映射，包括：

根据Apriori算法，对所有时序就医数据中同一类诊断结果和同一类花费类别的花费项进行频繁项集挖掘；

所述对所述目标时序就医数据进行时序关联规则挖掘，包括：

通过prefixspan算法，对患者的目标时序就医数据进行时序关联规则挖掘。