[發明專利]數據推送方法、裝置、電子設備及計算機可讀存儲介質

有效

• 申請號: 201810593464.6
• 申請日: 2018-06-11
• 公開（公告）號: CN108804718B
• 公開（公告）日: 2021-12-14
• 發明（設計）人: 施其明
• 申請（專利權）人: 線粒體（北京）科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G16H50/70;G06K9/62
• 代理公司: 北京市立方律師事務所 11330
• 代理人: 張筱寧

1.一種數據推送方法，其特征在于，包括：

獲取待處理醫療數據對應的第一多標簽分類向量以及待處理患者數據對應的第二多標簽分類向量；

基于第一多標簽分類向量和第二多標簽分類向量，確定待處理醫療數據與待處理患者數據的相似度評分；

基于所述相似度評分推送所述待處理醫療數據；

所述獲取待處理醫療數據對應的第一多標簽分類向量以及待處理患者數據對應的第二多標簽分類向量，包括：

基于第一BI-GRU神經網絡對待處理醫療數據進行處理，得到待處理醫療數據對應的第一多標簽分類向量；

基于第二BI-GRU神經網絡對待處理患者數據進行處理，得到待處理患者數據對應的第二多標簽分類向量；

針對待處理患者數據的第二BI-GRU神經網絡的訓練過程，包括：

對各原始患者數據進行病歷特征提取，得到對應各原始患者數據的病歷特征信息；

基于Word2vec方式對各原始患者數據的病歷特征信息進行處理，得到各病歷特征信息對應的病歷特征向量；

基于各病歷特征向量對第二BI-GRU神經網絡進行訓練，得到訓練后的針對待處理患者數據的第二BI-GRU神經網絡；

其中，在進行病例特征提取時，對各病例特征信息進行評分，得到各病例特征信息對應的評分值；并針對屬于特定區域的病例特征信息對應的評分值進行加權處理，得到經加權處理后的評分值；

根據關鍵詞特征信息的術語性和單元性進行綜合評分排序；

計算患者信息特征信息的詞嵌入，將特征信息轉化為特征向量。

2.如權利要求1所述的方法，其特征在于，針對待處理醫療數據的第一BI-GRU神經網絡的訓練過程，包括：

對各原始醫療數據進行分句，得到對應各原始醫療數據的醫療數據分句；

基于Sent2vec方式對各原始醫療數據的醫療數據分句進行處理，得到各醫療數據分句對應的句子向量；

基于各句子向量對第一BI-GRU神經網絡進行訓練，得到訓練后的針對待處理醫療數據的第一BI-GRU神經網絡。

3.如權利要求2所述的方法，其特征在于，基于Sent2vec方式對各原始醫療數據的醫療數據分句進行處理時，還包括：

確定各原始醫療數據對應的醫療數據分句的數量是否大于第一預設閾值；

若大于，則基于各醫療數據分句所對應的分句名稱長度對醫療數據分句的數量進行調整，直至滿足所述第一預設閾值；

若小于，則在所述醫療數據分句對應的句子向量中補充全零向量，直至滿足所述第一預設閾值。

4.如權利要求1所述的方法，其特征在于，基于Word2vec方式對各原始患者數據的病歷特征信息進行處理時，還包括：

確定各原始患者數據對應的病歷特征信息的數量是否大于第二預設閾值；

若大于，則基于各病歷特征信息對應的評分值對病歷特征信息的數量進行調整，直至滿足所述第二預設閾值；

若小于，則在所述病歷特征向量矩陣中補充全零向量，直至滿足所述第二預設閾值。

5.如權利要求4所述的方法，其特征在于，各病歷特征信息對應的評分值的獲取方式，包括：

對各病歷特征信息進行評分，得到各病歷特征信息對應的評分值；

并針對屬于特定區域的病例特征信息對應的評分值進行加權處理，得到經加權處理后的評分值。

6.如權利要求1-5中任一項所述的方法，其特征在于，待處理醫療數據與待處理患者數據的相似度評分根據如下公式確定：

其中，score為待處理醫療數據與待處理患者數據的相似度評分，H為階躍函數，且p_medicine為第一多標簽分類向量，p_patinet為第二多標簽分類向量，keepthrehold為預設的保留閾值，dim()為計算向量的維度值函數。

7.如權利要求1所述的方法，其特征在于，基于所述相似度評分推送所述待處理醫療數據，包括：

確定所述相似度評分與預設相似度閾值的大小關系；

并在所述相似度評分不小于預設相似度閾值時，推送所述待處理醫療數據。