医疗信息推荐方法、装置、电子设备及存储介质与流程

1.本发明涉及人工智能领域，尤其涉及一种医疗信息推荐方法、装置、电子设备及存储介质。


背景技术：

2.随着人工智能技术的普及和发展，在越来越多不同的技术领域中，其主要的业务服务上都添加了线上服务的功能，可以使得人们在足不出户的情况下满足基本需求，而在数字医疗领域中，线上就医和网络问诊已经成为了人们日常生活中越来越常见的需求，通过移动终端患者可以方便快捷的得到医疗相关的咨询和建议，节省人力物力资源。但由于目前网络信息纷繁复杂，各种医疗相关的信息数据庞杂冗余，无法做到快速有效的实现问诊解答和信息推荐，因此，亟待提出一种高效的医疗信息推荐方法。


技术实现要素：

3.本发明提供一种医疗信息推荐方法、装置、电子设备及存储介质，其主要目的在于提高医疗信息推荐的效率。
4.为实现上述目的，本发明提供的一种医疗信息推荐方法，包括：
5.当接收到目标用户的用户问诊请求时，根据所述目标用户的用户标识在预设医疗数据平台中搜索得到多条用户相关信息；
6.利用预设的双向编码表征模型对多条所述用户相关信息进行向量转换处理，得到多条用户信息向量；
7.计算多条所述用户信息向量与预设医疗内容库中的医疗内容之间的参考相似度，并将所述参考相似度满足预设筛选条件的医疗内容作为医疗推荐信息；
8.对所述医疗推荐信息进行信息分类，得到医疗分类结果，基于预构建的弹窗组件对所述医疗分类结果进行信息推荐。
9.可选地，所述根据所述目标用户的用户标识在预设医疗数据平台中搜索得到多条用户相关信息，包括：
10.将所述目标用户的用户名称作为用户标识，并在所述预设医疗数据平台中检索与所述用户标识一致的医疗用户；
11.将所述医疗用户的用户基本信息和用户行为信息进行汇总，得到多条用户相关信息。
12.可选地，所述利用预设的双向编码表征模型对多条所述用户相关信息进行向量转换处理，得到多条用户信息向量，包括：
13.对多条所述用户相关信息进行掩码处理，得到掩码信息集；
14.通过预设向量算法将所述掩码信息集转换为对应的向量信息集，并利用所述双向编码表征模型中的编码层对所述向量信息集进行编码处理，得到多条用户信息向量。
15.可选地，所述对多条所述用户相关信息进行掩码处理，得到掩码信息集，包括：
16.根据预设的掩码概率从多条所述用户相关信息中筛选出多个关键词；
17.对所述多个关键词进行掩码处理，得到多个掩码词，利用多个所述掩码词替换对应的所述关键词，得到掩码信息集。
18.可选地，所述计算多条所述用户信息向量与预设医疗内容库中的医疗内容之间的参考相似度，包括：
19.对所述预设医疗内容库中的医疗内容进行向量化处理，得到多条医疗内容向量；
20.根据余弦相似度计算公式分别计算多条所述用户信息向量与多条医疗内容向量之间的余弦相似度值，并将所述余弦相似度值作为所述参考相似度。
21.可选地，所述基于预构建的弹窗组件对所述医疗分类结果进行信息推荐，包括：
22.识别所述医疗推荐信息对应的医疗主题，并将所述医疗主题输入至所述弹窗组件中；
23.当用户查看所述弹窗组件时，将所述医疗分类结果中的多个不同结果推送给用户。
24.可选地，所述对所述医疗推荐信息进行信息分类，得到医疗分类结果，包括：
25.根据训练数据集对预获取的卷积神经网络进行模型训练，得到训练好的信息分类模型；
26.利用训练好的信息分类模型对所述医疗推荐信息进行信息分类处理，得到医疗分类结果。
27.为了解决上述问题，本发明还提供一种医疗信息推荐装置，所述装置包括：
28.信息搜索模块，用于当接收到目标用户的用户问诊请求时，根据所述目标用户的用户标识在预设医疗数据平台中搜索得到多条用户相关信息；
29.向量转换模块，用于利用预设的双向编码表征模型对多条所述用户相关信息进行向量转换处理，得到多条用户信息向量；
30.相似度计算模块，用于计算多条所述用户信息向量与预设医疗内容库中的医疗内容之间的参考相似度，并将所述参考相似度满足预设筛选条件的医疗内容作为医疗推荐信息；
31.信息推荐模块，用于对所述医疗推荐信息进行信息分类，得到医疗分类结果，基于预构建的弹窗组件对所述医疗分类结果进行信息推荐。
32.为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
33.至少一个处理器；以及，
34.与所述至少一个处理器通信连接的存储器；其中，
35.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的医疗信息推荐方法。
36.为了解决上述问题，本发明还提供一种存储介质，所述存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的医疗信息推荐方法。
37.本发明实施例中，通过对目标用户的用户相关信息和医疗内容库中的医疗内容进行参考相似度计算，根据计算得到的参考相似度筛选得到医疗推荐信息，并根据弹窗组件
的形式吸引用户进入页面，并利用弹窗组件对分类后的医疗推荐信息进行信息推荐，使得用户可以快速获得感兴趣的内容，提高了信息推荐的效率。因此本发明提出的医疗信息推荐方法、装置、电子设备及存储介质，可以解决提高医疗信息推荐的效率低的问题。
附图说明
38.图1为本发明一实施例提供的医疗信息推荐方法的流程示意图；
39.图2为图1中其中一个步骤的详细实施流程示意图；
40.图3为本发明一实施例提供的医疗信息推荐装置的功能模块图；
41.图4为本发明一实施例提供的实现所述医疗信息推荐方法的电子设备的结构示意图。
42.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
43.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
44.本技术实施例提供一种医疗信息推荐方法。所述医疗信息推荐方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述医疗信息推荐方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(contentdelivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
45.参照图1所示，为本发明一实施例提供的医疗信息推荐方法的流程示意图。在本实施例中，所述医疗信息推荐方法包括以下步骤s1-s4：
46.s1、当接收到目标用户的用户问诊请求时，根据所述目标用户的用户标识在预设医疗数据平台中搜索得到多条用户相关信息。
47.本发明实施例中，所述目标用户是指进行线上问诊或者提出医疗问题的患者和提问人群，所述用户问诊请求是指目标用户所提出的问诊问题。
48.具体地，所述根据所述目标用户的用户标识在预设医疗数据平台中搜索得到多条用户相关信息，包括：
49.将所述目标用户的用户名称作为用户标识，并在所述预设医疗数据平台中检索与所述用户标识一致的医疗用户；
50.将所述医疗用户的用户基本信息和用户行为信息进行汇总，得到多条用户相关信息。
51.详细地，所述医疗数据平台中存在多个用户标识及所述用户标识下的相关数据，其中，数据包括用户基本信息和用户行为信息，用户基本信息是指用户性别、用户年龄和用户身高等，用户行为信息是指用户浏览记录、药品购买记录和疾病查询记录等。
52.优选地，在所述预设医疗数据平台中存在大量的用户数据，而本方案需要获取目标用户的相关数据，并根据相关数据对目标用户进行分析，其中，用户基本信息可以作为分
析用户画像的数据，用户行为信息可以作为分析用户具体行为动作的数据。
53.s2、利用预设的双向编码表征模型对多条所述用户相关信息进行向量转换处理，得到多条用户信息向量。
54.本发明实施例中，所述预设的双向编码表征模型为bert(bidirectional encoder representations from transformer，双向编码器表征)模型。
55.具体地，参照图2所示，所述利用预设的双向编码表征模型对多条所述用户相关信息进行向量转换处理，得到多条用户信息向量，包括以下步骤s21-s22：
56.s21、对多条所述用户相关信息进行掩码处理，得到掩码信息集；
57.s22、通过预设向量算法将所述掩码信息集转换为对应的向量信息集，并利用所述双向编码表征模型中的编码层对所述向量信息集进行编码处理，得到多条用户信息向量。
58.详细地，所述预设向量算法为word2vec算法，利用word2vec算法将所述掩码信息集转换为对应的向量信息集。所述编码层为transformer层，利用transformer层中的编码器对所述向量信息集进行编码处理，得到多条用户信息向量。
59.进一步地，所述对多条所述用户相关信息进行掩码处理，得到掩码信息集，包括：
60.根据预设的掩码概率从多条所述用户相关信息中筛选出多个关键词；
61.对所述多个关键词进行掩码处理，得到多个掩码词，利用多个所述掩码词替换对应的所述关键词，得到掩码信息集。
62.详细地，所述掩码概率是指在所述用户相关信息中随机挑选的关键词的字数占用所述用户相关信息中总字数的比例，例如，假设所述掩码概率为20％，当所述用户相关信息中包含100个字，则按照20％％的掩码概率筛选出多个关键词即随机对所述用户相关信息中的20个关键词进行掩码。
63.其中，所述掩码处理的方式包括mask掩码、随机掩码，mask掩码指用mask符号对关键词进行遮掩、所述随机掩码指用其他词语对关键词进行遮掩。
64.s3、计算多条所述用户信息向量与预设医疗内容库中的医疗内容之间的参考相似度，并将所述参考相似度满足预设筛选条件的医疗内容作为医疗推荐信息。
65.本发明实施例中，所述计算多条所述用户信息向量与预设医疗内容库中的医疗内容之间的参考相似度，包括：
66.对所述预设医疗内容库中的医疗内容进行向量化处理，得到多条医疗内容向量；
67.根据余弦相似度计算公式分别计算多条所述用户信息向量与多条医疗内容向量之间的余弦相似度值，并将所述余弦相似度值作为所述参考相似度。
68.详细地，可以通过余弦相似度计算公式计算所述用户信息向量和所述医疗内容向量之间的余弦相似度值，由于存在多条所述用户信息向量和多条医疗内容向量，因此需要分别计算多条所述用户信息向量中任意选定的一条用户信息向量与多条医疗内容向量中任意选定的一条医疗内容向量之间的余弦相似度值，并将所述余弦相似度值作为所述参考相似度。
69.具体地，所述余弦相似度计算公式为：
[0070][0071]
其中，cos(a,b)为余弦相似度值，a为所述用户信息向量，b为所述医疗内容向量，|
a|、||分别为所述用户信息向量对应的模和所述医疗内容向量对应的模。
[0072]
进一步地，将所述参考相似度满足预设筛选条件的医疗内容作为医疗推荐信息，其中，所述预设筛选条件是指令所述参考相似度值大于预设筛选阈值，即将所述参考相似度值大于预设筛选阈值的医疗内容作为医疗推荐信息。
[0073]
s4、对所述医疗推荐信息进行信息分类，得到医疗分类结果，基于预构建的弹窗组件对所述医疗分类结果进行信息推荐。
[0074]
本发明实施例中，所述对所述医疗推荐信息进行信息分类，得到医疗分类结果，包括：
[0075]
根据训练数据集对预获取的卷积神经网络进行模型训练，得到训练好的信息分类模型；
[0076]
利用训练好的信息分类模型对所述医疗推荐信息进行信息分类处理，得到医疗分类结果。
[0077]
详细地，所述训练数据集为多条未分类的信息数据。
[0078]
具体地，所述基于预构建的弹窗组件对所述医疗分类结果进行信息推荐，包括：
[0079]
识别所述医疗推荐信息对应的医疗主题，并将所述医疗主题输入至所述弹窗组件中；
[0080]
当用户查看所述弹窗组件时，将所述医疗分类结果中的多个不同结果推送给用户。
[0081]
详细地，所述不同的结果可以为常见问题解答、健康科普小知识、今日推荐食材百科和疾病百科等四种类型的结果。当用户查看到说说弹窗组件时，会进入到所述医疗分类结果中的多个不同结果中。
[0082]
例如，用户会进入推荐内容的详情页，在详情页中会推荐用户感兴趣的食材，以及一些用户感兴趣的常见问答知识、疾病百科内容等。点击推送的食材，会跳到饮食日历页面，饮食日历页面中，会展示食物的基本特征信息，如热量、食物类型等。点击食品图片，则会跳到食材百科页面，食材百科详情中，会展示食材的详细说明、影响分析以及适宜人群等信息，帮助用户了解相关知识。当用户点击的猜你喜欢相关内容，也同样会推荐相关知识详情。以疾病百科为例，对于展示了“糖尿病”相关的疾病知识详情，疾病百科详情页展示了疾病的简介、症状、病因、诊断以及治疗方案的信息，方便用户对疾病有全面的了解。
[0083]
本发明实施例中，通过对目标用户的用户相关信息和医疗内容库中的医疗内容进行参考相似度计算，根据计算得到的参考相似度筛选得到医疗推荐信息，并根据弹窗组件的形式吸引用户进入页面，并利用弹窗组件对分类后的医疗推荐信息进行信息推荐，使得用户可以快速获得感兴趣的内容，提高了信息推荐的效率。因此本发明提出的医疗信息推荐方法可以解决提高医疗信息推荐的效率低的问题。
[0084]
如图3所示，是本发明一实施例提供的医疗信息推荐装置的功能模块图。
[0085]
本发明所述医疗信息推荐装置100可以安装于电子设备中。根据实现的功能，所述医疗信息推荐装置100可以包括信息搜索模块101、向量转换模块102、相似度计算模块103及信息推荐模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0086]
在本实施例中，关于各模块/单元的功能如下：
[0087]
所述信息搜索模块101，用于当接收到目标用户的用户问诊请求时，根据所述目标用户的用户标识在预设医疗数据平台中搜索得到多条用户相关信息；
[0088]
所述向量转换模块102，用于利用预设的双向编码表征模型对多条所述用户相关信息进行向量转换处理，得到多条用户信息向量；
[0089]
所述相似度计算模块103，用于计算多条所述用户信息向量与预设医疗内容库中的医疗内容之间的参考相似度，并将所述参考相似度满足预设筛选条件的医疗内容作为医疗推荐信息；
[0090]
所述信息推荐模块104，用于对所述医疗推荐信息进行信息分类，得到医疗分类结果，基于预构建的弹窗组件对所述医疗分类结果进行信息推荐。
[0091]
详细地，所述医疗信息推荐装置100各模块的具体实施方式如下：
[0092]
步骤一、当接收到目标用户的用户问诊请求时，根据所述目标用户的用户标识在预设医疗数据平台中搜索得到多条用户相关信息。
[0093]
本发明实施例中，所述目标用户是指进行线上问诊或者提出医疗问题的患者和提问人群，所述用户问诊请求是指目标用户所提出的问诊问题。
[0094]
具体地，所述根据所述目标用户的用户标识在预设医疗数据平台中搜索得到多条用户相关信息，包括：
[0095]
将所述目标用户的用户名称作为用户标识，并在所述预设医疗数据平台中检索与所述用户标识一致的医疗用户；
[0096]
将所述医疗用户的用户基本信息和用户行为信息进行汇总，得到多条用户相关信息。
[0097]
详细地，所述医疗数据平台中存在多个用户标识及所述用户标识下的相关数据，其中，数据包括用户基本信息和用户行为信息，用户基本信息是指用户性别、用户年龄和用户身高等，用户行为信息是指用户浏览记录、药品购买记录和疾病查询记录等。
[0098]
优选地，在所述预设医疗数据平台中存在大量的用户数据，而本方案需要获取目标用户的相关数据，并根据相关数据对目标用户进行分析，其中，用户基本信息可以作为分析用户画像的数据，用户行为信息可以作为分析用户具体行为动作的数据。
[0099]
步骤二、利用预设的双向编码表征模型对多条所述用户相关信息进行向量转换处理，得到多条用户信息向量。
[0100]
本发明实施例中，所述预设的双向编码表征模型为bert(bidirectional encoder representations from transformer，双向编码器表征)模型。
[0101]
具体地，所述利用预设的双向编码表征模型对多条所述用户相关信息进行向量转换处理，得到多条用户信息向量，包括：
[0102]
对多条所述用户相关信息进行掩码处理，得到掩码信息集；
[0103]
通过预设向量算法将所述掩码信息集转换为对应的向量信息集，并利用所述双向编码表征模型中的编码层对所述向量信息集进行编码处理，得到多条用户信息向量。
[0104]
详细地，所述预设向量算法为word2vec算法，利用word2vec算法将所述掩码信息集转换为对应的向量信息集。所述编码层为transformer层，利用transformer层中的编码器对所述向量信息集进行编码处理，得到多条用户信息向量。
[0105]
进一步地，所述对多条所述用户相关信息进行掩码处理，得到掩码信息集，包括：
[0106]
根据预设的掩码概率从多条所述用户相关信息中筛选出多个关键词；
[0107]
对所述多个关键词进行掩码处理，得到多个掩码词，利用多个所述掩码词替换对应的所述关键词，得到掩码信息集。
[0108]
详细地，所述掩码概率是指在所述用户相关信息中随机挑选的关键词的字数占用所述用户相关信息中总字数的比例，例如，假设所述掩码概率为20％，当所述用户相关信息中包含100个字，则按照20％％的掩码概率筛选出多个关键词即随机对所述用户相关信息中的20个关键词进行掩码。
[0109]
其中，所述掩码处理的方式包括mask掩码、随机掩码，mask掩码指用mask符号对关键词进行遮掩、所述随机掩码指用其他词语对关键词进行遮掩。
[0110]
步骤三、计算多条所述用户信息向量与预设医疗内容库中的医疗内容之间的参考相似度，并将所述参考相似度满足预设筛选条件的医疗内容作为医疗推荐信息。
[0111]
本发明实施例中，所述计算多条所述用户信息向量与预设医疗内容库中的医疗内容之间的参考相似度，包括：
[0112]
对所述预设医疗内容库中的医疗内容进行向量化处理，得到多条医疗内容向量；
[0113]
根据余弦相似度计算公式分别计算多条所述用户信息向量与多条医疗内容向量之间的余弦相似度值，并将所述余弦相似度值作为所述参考相似度。
[0114]
详细地，可以通过余弦相似度计算公式计算所述用户信息向量和所述医疗内容向量之间的余弦相似度值，由于存在多条所述用户信息向量和多条医疗内容向量，因此需要分别计算多条所述用户信息向量中任意选定的一条用户信息向量与多条医疗内容向量中任意选定的一条医疗内容向量之间的余弦相似度值，并将所述余弦相似度值作为所述参考相似度。
[0115]
具体地，所述余弦相似度计算公式为：
[0116][0117]
其中，cos(a,b)为余弦相似度值，a为所述用户信息向量，b为所述医疗内容向量，|a|、||分别为所述用户信息向量对应的模和所述医疗内容向量对应的模。
[0118]
进一步地，将所述参考相似度满足预设筛选条件的医疗内容作为医疗推荐信息，其中，所述预设筛选条件是指令所述参考相似度值大于预设筛选阈值，即将所述参考相似度值大于预设筛选阈值的医疗内容作为医疗推荐信息。
[0119]
步骤四、对所述医疗推荐信息进行信息分类，得到医疗分类结果，基于预构建的弹窗组件对所述医疗分类结果进行信息推荐。
[0120]
本发明实施例中，所述对所述医疗推荐信息进行信息分类，得到医疗分类结果，包括：
[0121]
根据训练数据集对预获取的卷积神经网络进行模型训练，得到训练好的信息分类模型；
[0122]
利用训练好的信息分类模型对所述医疗推荐信息进行信息分类处理，得到医疗分类结果。
[0123]
详细地，所述训练数据集为多条未分类的信息数据。
[0124]
具体地，所述基于预构建的弹窗组件对所述医疗分类结果进行信息推荐，包括：
[0125]
识别所述医疗推荐信息对应的医疗主题，并将所述医疗主题输入至所述弹窗组件中；
[0126]
当用户查看所述弹窗组件时，将所述医疗分类结果中的多个不同结果推送给用户。
[0127]
详细地，所述不同的结果可以为常见问题解答、健康科普小知识、今日推荐食材百科和疾病百科等四种类型的结果。当用户查看到说说弹窗组件时，会进入到所述医疗分类结果中的多个不同结果中。
[0128]
例如，用户会进入推荐内容的详情页，在详情页中会推荐用户感兴趣的食材，以及一些用户感兴趣的常见问答知识、疾病百科内容等。点击推送的食材，会跳到饮食日历页面，饮食日历页面中，会展示食物的基本特征信息，如热量、食物类型等。点击食品图片，则会跳到食材百科页面，食材百科详情中，会展示食材的详细说明、影响分析以及适宜人群等信息，帮助用户了解相关知识。当用户点击的猜你喜欢相关内容，也同样会推荐相关知识详情。以疾病百科为例，对于展示了“糖尿病”相关的疾病知识详情，疾病百科详情页展示了疾病的简介、症状、病因、诊断以及治疗方案的信息，方便用户对疾病有全面的了解。
[0129]
本发明实施例中，通过对目标用户的用户相关信息和医疗内容库中的医疗内容进行参考相似度计算，根据计算得到的参考相似度筛选得到医疗推荐信息，并根据弹窗组件的形式吸引用户进入页面，并利用弹窗组件对分类后的医疗推荐信息进行信息推荐，使得用户可以快速获得感兴趣的内容，提高了信息推荐的效率。因此本发明提出的医疗信息推荐装置可以解决提高医疗信息推荐的效率低的问题。
[0130]
如图4所示，是本发明一实施例提供的实现医疗信息推荐方法的电子设备的结构示意图。
[0131]
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如医疗信息推荐程序。
[0132]
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行医疗信息推荐程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
[0133]
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如医疗信息推荐程序的代码等，还可以用于暂时地存储已经输出或者将要输出
的数据。
[0134]
所述通信总线12可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
[0135]
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0136]
图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0137]
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0138]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0139]
所述电子设备1中的所述存储器11存储的医疗信息推荐程序是多个指令的组合，在所述处理器10中运行时，可以实现：
[0140]
当接收到目标用户的用户问诊请求时，根据所述目标用户的用户标识在预设医疗数据平台中搜索得到多条用户相关信息；
[0141]
利用预设的双向编码表征模型对多条所述用户相关信息进行向量转换处理，得到多条用户信息向量；
[0142]
计算多条所述用户信息向量与预设医疗内容库中的医疗内容之间的参考相似度，并将所述参考相似度满足预设筛选条件的医疗内容作为医疗推荐信息；
[0143]
对所述医疗推荐信息进行信息分类，得到医疗分类结果，基于预构建的弹窗组件对所述医疗分类结果进行信息推荐。
[0144]
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
[0145]
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。所述存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，
read-only memory)。
[0146]
本发明还提供一种存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0147]
当接收到目标用户的用户问诊请求时，根据所述目标用户的用户标识在预设医疗数据平台中搜索得到多条用户相关信息；
[0148]
利用预设的双向编码表征模型对多条所述用户相关信息进行向量转换处理，得到多条用户信息向量；
[0149]
计算多条所述用户信息向量与预设医疗内容库中的医疗内容之间的参考相似度，并将所述参考相似度满足预设筛选条件的医疗内容作为医疗推荐信息；
[0150]
对所述医疗推荐信息进行信息分类，得到医疗分类结果，基于预构建的弹窗组件对所述医疗分类结果进行信息推荐。
[0151]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0152]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0153]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0154]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0155]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0156]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0157]
本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0158]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
[0159]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

技术特征：
1.一种医疗信息推荐方法，其特征在于，所述方法包括：当接收到目标用户的用户问诊请求时，根据所述目标用户的用户标识在预设医疗数据平台中搜索得到多条用户相关信息；利用预设的双向编码表征模型对多条所述用户相关信息进行向量转换处理，得到多条用户信息向量；计算多条所述用户信息向量与预设医疗内容库中的医疗内容之间的参考相似度，并将所述参考相似度满足预设筛选条件的医疗内容作为医疗推荐信息；对所述医疗推荐信息进行信息分类，得到医疗分类结果，基于预构建的弹窗组件对所述医疗分类结果进行信息推荐。2.如权利要求1所述的医疗信息推荐方法，其特征在于，所述根据所述目标用户的用户标识在预设医疗数据平台中搜索得到多条用户相关信息，包括：将所述目标用户的用户名称作为用户标识，并在所述预设医疗数据平台中检索与所述用户标识一致的医疗用户；将所述医疗用户的用户基本信息和用户行为信息进行汇总，得到多条用户相关信息。3.如权利要求1所述的医疗信息推荐方法，其特征在于，所述利用预设的双向编码表征模型对多条所述用户相关信息进行向量转换处理，得到多条用户信息向量，包括：对多条所述用户相关信息进行掩码处理，得到掩码信息集；通过预设向量算法将所述掩码信息集转换为对应的向量信息集，并利用所述双向编码表征模型中的编码层对所述向量信息集进行编码处理，得到多条用户信息向量。4.如权利要求3所述的医疗信息推荐方法，其特征在于，所述对多条所述用户相关信息进行掩码处理，得到掩码信息集，包括：根据预设的掩码概率从多条所述用户相关信息中筛选出多个关键词；对所述多个关键词进行掩码处理，得到多个掩码词，利用多个所述掩码词替换对应的所述关键词，得到掩码信息集。5.如权利要求1所述的医疗信息推荐方法，其特征在于，所述计算多条所述用户信息向量与预设医疗内容库中的医疗内容之间的参考相似度，包括：对所述预设医疗内容库中的医疗内容进行向量化处理，得到多条医疗内容向量；根据余弦相似度计算公式分别计算多条所述用户信息向量与多条医疗内容向量之间的余弦相似度值，并将所述余弦相似度值作为所述参考相似度。6.如权利要求1所述的医疗信息推荐方法，其特征在于，所述基于预构建的弹窗组件对所述医疗分类结果进行信息推荐，包括：识别所述医疗推荐信息对应的医疗主题，并将所述医疗主题输入至所述弹窗组件中；当用户查看所述弹窗组件时，将所述医疗分类结果中的多个不同结果推送给用户。7.如权利要求1所述的医疗信息推荐方法，其特征在于，所述对所述医疗推荐信息进行信息分类，得到医疗分类结果，包括：根据训练数据集对预获取的卷积神经网络进行模型训练，得到训练好的信息分类模型；利用训练好的信息分类模型对所述医疗推荐信息进行信息分类处理，得到医疗分类结果。
8.一种医疗信息推荐装置，其特征在于，所述装置包括：信息搜索模块，用于当接收到目标用户的用户问诊请求时，根据所述目标用户的用户标识在预设医疗数据平台中搜索得到多条用户相关信息；向量转换模块，用于利用预设的双向编码表征模型对多条所述用户相关信息进行向量转换处理，得到多条用户信息向量；相似度计算模块，用于计算多条所述用户信息向量与预设医疗内容库中的医疗内容之间的参考相似度，并将所述参考相似度满足预设筛选条件的医疗内容作为医疗推荐信息；信息推荐模块，用于对所述医疗推荐信息进行信息分类，得到医疗分类结果，基于预构建的弹窗组件对所述医疗分类结果进行信息推荐。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的医疗信息推荐方法。10.一种存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的医疗信息推荐方法。

技术总结
本发明涉及数字医疗领域中的人工智能，揭露一种医疗信息推荐方法，包括：当接收到目标用户的用户问诊请求时，根据目标用户的用户标识在医疗数据平台中搜索得到多条用户相关信息；对多条用户相关信息进行向量转换处理，得到多条用户信息向量；计算多条用户信息向量与医疗内容库中的医疗内容之间的参考相似度，将参考相似度满足预设筛选条件的医疗内容作为医疗推荐信息；对医疗推荐信息进行信息分类，得到医疗分类结果，基于弹窗组件对医疗分类结果进行信息推荐。此外，本发明还涉及区块链技术，用户信息向量可存储于区块链的节点。本发明还提出一种医疗信息推荐装置、电子设备以及存储介质。本发明可以提高数字医疗领域中医疗信息推荐的效率。信息推荐的效率。信息推荐的效率。


技术研发人员：李松岭 倪渊 王科强
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2023.04.18
技术公布日：2023/7/20