[发明专利]基于神经网络的拟诊推荐处理方法、装置和计算机设备

说明书

本申请涉及一种基于神经网络的拟诊推荐处理方法、装置、计算机设备和存储介质。所述方法包括：接收用户终端上传的问诊请求；所述问诊请求携带了用户标识；采集与所述用户标识对应的用户信息；对采集到的用户信息进行文本向量处理，得到多维向量矩阵；通过循环神经网络基于所述多维向量矩阵进行预测运算，得到对应的拟诊建议；将所述拟诊建议推送至医生终端。采用本方法能够有效提高拟诊建议的准确性。

技术领域

本申请涉及计算机技术领域，特别是涉及一种基于神经网络的拟诊推荐处理方法、装置、计算机设备和存储介质。

背景技术

随着移动互联网的发展和互联网医院模式的逐步成熟，在线问诊已经成为一种为用户提供便捷的医疗服务的新方式。用户和患者在网上对话，通过图文的形式交流，医生通过对话收集必要的信息给出相应的拟诊结果。随着用户的不断增多，医生的工作压力也逐步增加。为了有效缓解医生的工作压力，可以通过软件系统向医生推荐拟诊建议。

在传统的软件系统中，通过对用户的主诉信息和病例信息进行关键词匹配，得到相应的拟诊建议。但是这种关键词匹配得到的拟诊建议有时候与实际情况并不相符。还需要医生手动输入拟诊内容。因此，如何有效提高拟诊建议的准确性成为目前需要解决的一个技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够有效提高拟诊建议的准确性的基于神经网络的拟诊推荐处理方法、装置、计算机设备和存储介质。

一种基于神经网络的拟诊推荐处理方法，所述方法包括：

接收用户终端上传的问诊请求；所述问诊请求携带了用户标识；

采集与所述用户标识对应的用户信息；

对采集到的所述用户信息进行文本向量处理，得到多维向量矩阵；

通过循环神经网络基于所述多维向量矩阵进行预测运算，得到对应的拟诊建议；

将所述拟诊建议推送至医生终端。

在其中一个实施例中，所述采集与所述用户标识对应的用户信息包括：

在接收到所述问诊请求之后，根据所述用户标识采集基本信息和历史信息；

在对所述用户标识分配科室之前，采集与所述用户标识对应的主诉信息；

在所述用户标识被分配科室后等待医生排队时，通过与所述科室对应的问题模板采集相应的症状信息；

在所述用户终端与所述医生终端建立通信之后，通过所述医生终端补充采集相应的症状信息。

在其中一个实施例中，在通过循环神经网络基于所述多维向量矩阵进行预测运算之后，还包括：

获取所述循环神经网络输出的多个拟诊分类概率；

对所述多个拟诊分类概率进行筛选，得到预设数量的拟诊分类概率；

计算筛选出的拟诊分类概率对应的拟诊分类概率总和；

当所述拟诊分类概率总和超过阈值时，根据所述筛选出的拟诊分类概率生成相应的拟诊建议。

在其中一个实施例中，所述对采集到的所述用户信息进行文本向量处理包括：

对所述用户信息进行预处理，在预处理后的多种用户信息中进行特征选择；

将选择出的每个特征转换为对应的一维向量；

通过词向量模型对多个特征对应的一维向量进行转换，得到与所述用户标识对应的所述多维向量矩阵。

在其中一个实施例中，所述方法还包括：

在所述拟诊建议被推送至所述医生终端之后，对所述拟诊建议的推荐次数进行统计；