[发明专利]问诊模型训练的方法、医疗信息推荐的方法以及装置

权利要求书

1.一种问诊模型训练的方法，其特征在于，包括：

获取第一训练样本以及第二训练样本，所述第一训练样本和所述第二训练样本中包含有用户问诊时提供的各症状信息，针对每个症状信息，该症状信息用于表示所述用户是否患有该症状信息对应的症状，所述第一训练样本对应用户实际患有的疾病与所述第二训练样本对应用户实际患有的疾病不同；

将所述第一训练样本和所述第二训练样本输入到待训练的预测模型中，以使所述预测模型中的预测层根据所述用户在所述第一训练样本包含的各症状信息对应症状中所患有的症状，和/或所述用户在所述第一训练样本包含的各症状信息对应症状中未患有的症状，预测所述用户患有的其他症状，以及，通过所述预测模型中的比对层，确定所述第一训练样本中包含的症状信息与所述第二训练样本中包含的症状信息之间的关联度，作为第一关联度；

以最小化预测出的所述用户患有的其他症状与所述用户实际患有的其他症状之间的偏差，以及最小化所述第一关联度为优化目标，对预测模型进行训练，所述预测模型用于根据所述用户提供的症状信息，预测所述用户患有的其他症状，并根据预测出的其他症状的症状信息，向所述用户进行医疗信息推荐。

2.如权利要求1所述的方法，其特征在于，通过所述预测模型中的比对层，确定所述第一训练样本中包含的症状信息与所述第二训练样本中包含的症状信息之间的关联度，作为第一关联度，具体包括：

通过所述预测模型中的比对层，确定所述第一训练样本中包含的各症状信息对应的症状特征，并将所述第一训练样本中包含的各症状信息对应的症状特征进行拼接，得到第一拼接特征，以及，确定所述第二训练样本中包含的各症状信息对应的症状特征，并将所述第二训练样本中包含的各症状信息对应的症状特征进行拼接，得到第二拼接特征；

根据所述第一拼接特征以及所述第二拼接特征，确定所述第一训练样本中包含的症状信息与所述第二训练样本中包含的症状信息之间的关联度，作为第一关联度。

3.如权利要求1所述的方法，其特征在于，在以最小化预测出的所述用户患有的其他症状与所述用户实际患有的其他症状之间的偏差，以及最小化所述第一关联度为优化目标，对预测模型进行训练之前，所述方法还包括：

获取第三训练样本，所述第三训练样本中包含有用户问诊时提供的各症状信息，所述第一训练样本对应用户实际患有的疾病与所述第三训练样本对应用户实际患有的疾病相同；

将所述第三训练样本输入到待训练的预测模型中，以使所述预测模型中的比对层确定所述第一训练样本中包含的症状信息与所述第三训练样本中包含的症状信息之间的关联度，作为第二关联度；

以最小化预测出的所述用户患有的其他症状与所述用户实际患有的其他症状之间的偏差，以及最小化所述第一关联度为优化目标，对预测模型进行训练，具体包括：

以最小化预测出的所述用户患有的其他症状与所述用户实际患有的其他症状之间的偏差、最小化所述第一关联度，以及最大化所述第二关联度为优化目标，对预测模型进行训练。

4.一种医疗信息推荐的方法，其特征在于，包括：

获取用户在线问诊时提供的症状信息，作为基础症状信息，所述基础症状信息用于表示所述用户是否患有所述基础症状信息对应的症状；

将所述基础症状信息输入到预先训练的预测模型中，以使所述预测模型中的预测层根据所述用户在所述基础症状信息对应症状中所患有的症状和/或所述用户在所述基础症状信息对应症状中未患有的症状，预测所述用户患有的其他症状，作为待询问症状，所述预测模型是通过上述权利要求1～3任一项所述的方法得到的；

将所述待询问症状的症状信息发送给所述用户所使用的终端设备，以展示给所述用户；

接收所述终端设备返回的第一答复信息，所述第一答复信息是所述终端设备响应于所述用户执行的第一答复操作生成的，所述第一答复操作是所述用户查看到所述待询问症状的症状信息后执行的；

根据所述基础症状信息以及所述第一答复信息，向所述用户进行医疗信息推荐。