[發明專利]信息判斷方法和裝置

在審

• 申請號: 202010735811.1
• 申請日: 2020-07-28
• 公開（公告）號: CN112309531A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 趙俊;匡哲祥;劉瀟龍;黃思晉
• 申請（專利權）人: 北京沃東天駿信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G16H20/10
• 分類號: G16H20/10;G16H50/70
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種信息判斷方法，所述方法包括：

獲取處方點評信息，其中所述處方點評信息包括：醫生開具的處方信息和藥師根據所述處方信息給出的點評信息；

對所述處方信息和所述點評信息進行特征提取，生成所述處方點評信息對應的特征數據集；

根據當前的審核規則，對所述特征數據集進行判斷，得到所述處方點評信息對應的點評結果，其中所述審核規則用于表征特征數據集與點評結果之間的對應關系，所述審核規則基于訓練得到的分類決策模型的訓練結果而更新。

2.根據權利要求1所述方法，還包括：

根據預設條件，對所述分類決策模型進行訓練；

所述分類決策模型基于以下步驟訓練得到：

獲取訓練樣本集，其中，所述訓練樣本集中的訓練樣本包括：提取得到的不同醫院的各類特征數據集和與不同醫院的各類特征數據集對應的點評結果；

利用機器學習方法，將所述訓練樣本集中訓練樣本包括的不同醫院的各類特征數據集作為檢測網絡的輸入，將與不同醫院的各類特征數據集對應的點評結果作為所述檢測網絡的期望輸出，訓練得到分類決策模型。

3.根據權利要求1所述方法，其中，所述審核規則基于訓練得到的分類決策模型的訓練結果而更新，包括：

判斷所述分類決策模型是否訓練完成；

響應于所述分類決策模型訓練完成，根據所述分類決策模型的輸入參數和輸出參數，對所述審核規則進行更新。

4.根據權利要求2所述方法，其中，在所述對所述處方信息和所述點評信息進行特征提取，生成所述處方點評信息對應的特征數據集之前以及在所述獲取訓練樣本集之前，還包括：

對所述處方信息和所述點評信息進行清洗，生成清洗后的處方點評信息，其中所述清洗基于對所述處方信息和所述點評信息進行數據結構化處理。

5.根據權利要求4所述方法，其中，所述對所述處方信息和所述點評信息進行清洗，生成清洗后的處方點評信息，包括：

對所述處方信息進行信息提取，得到所述處方信息對應的個人信息、所述處方信息對應的診斷信息和所述處方信息對應的藥品信息；

根據所述個人信息，確定所述處方信息對應的人群標簽；對所述診斷信息進行標準化，得到所述處方信息對應的診斷名稱；對所述藥品信息進行標準化和單位歸一化，得到所述處方信息對應的藥品標準信息；

根據文本分類技術，對所述點評信息進行分類，確定所述點評信息的所屬類別；

根據所述人群標簽、所述診斷名稱、所述藥品標準信息和所述點評信息的所屬類別，生成清洗后的處方點評信息。

6.根據權利要求2所述方法，其中，在所述對所述處方信息和所述點評信息進行特征提取，生成所述處方點評信息對應的特征數據集之后以及在所述獲取訓練樣本集之后，還包括：

對特征數據集進行編碼化處理，得到處理后的特征數據集。

7.根據權利要求2所述方法，其中，在所述對所述處方信息和所述點評信息進行特征提取，生成所述處方點評信息對應的特征數據集之后以及在所述獲取訓練樣本集之后，還包括：

根據預設的藥理知識，對特征數據集進行篩選，生成篩選后的特征數據集。

8.根據權利要求1所述方法，還包括：

基于所述點評結果與產品的相關性，優化產品的結構和/或產品策略。

9.一種信息判斷裝置，所述裝置包括：

獲取單元，被配置成獲取處方點評信息，其中所述處方點評信息包括：醫生開具的處方信息和藥師根據所述處方信息給出的點評信息；

特征提取單元，被配置成對所述處方信息和所述點評信息進行特征提取，生成所述處方點評信息對應的特征數據集；

判斷單元，被配置成根據當前的審核規則，對所述特征數據集進行判斷，得到所述處方點評信息對應的點評結果，其中所述審核規則用于表征特征數據集與點評結果之間的對應關系，所述審核規則基于訓練得到的分類決策模型的訓練結果而更新。