[发明专利]电子信息分析方法、装置、设备及可读存储介质

说明书

本申请公开了一种电子信息分析方法、装置、设备及可读存储介质，涉及机器学习领域。该方法包括：获取目标帐号的异常描述内容；获取异质图结构，其中，所述电子病历中包括生命体帐号、状态描述内容以及状态类型之间的关联关系；根据所述异质图结构对所述异常描述内容进行分析，得到所述目标帐号对应的状态类型分析结果。通过电子病历构建异质图模型，并通过异质图模型的异质图结构对异常描述内容进行分析，得到状态类型分析结果，由于异质图模型的结构具有较强的解释性，且异质图模型中能够包括多种类型的节点和多种类型的边，能够容纳较多语义信息，从而，通过异质图模型分析得到的状态类型分析结果，准确率较高。

技术领域

本申请实施例涉及机器学习领域，特别涉及一种电子信息分析方法、装置、设备及可读存储介质。

背景技术

随着人工智能(Artificial Intelligence，AI)的快速发展，机器学习模型能够应用于多种不同的领域中，如：语音识别、医疗诊断、应用程序的测试等，其中，在如应用程序测试领域或者医疗诊断领域等领域中，通常是通过异常描述信息进行结果的预测。

相关技术中，基于传统的机器学习方法，使用决策树、支持向量机(SupportVector Machine,SVM)等机器学习模型进行辅助获取预测结果，示意性的，通过构建异常类型与异常描述信息的特征，对出现的异常情况进行分析，预测得到的异常类型。

然而，通过上述方式进行异常描述信息的分析时，机器学习模型仅能对单一模式的信息进行处理，而异常描述信息涉及到异常主体、异常情况、异常类型等多种主体之间的关联关系，通过上述方式得到预测结果时，数据处理能力较差，预测结果的准确率较低。

发明内容

本申请实施例提供了一种电子信息分析方法、装置、设备及可读存储介质，能够提高状态类型分析结果的准确率。所述技术方案如下：

一方面，提供了一种电子信息分析方法，所述方法包括：

获取目标帐号的异常描述内容，所述异常描述内容为所述目标帐号对应生命体的异常生命状态的电子化描述信息；

获取异质图结构，所述异质图结构中包括第一节点、第二节点和第三节点，所述第一节点对应电子病历中的生命体帐号，所述第二节点对应所述电子病历中所述异常生命状态的状态描述信息，所述第三节点对应所述电子病历中所述异常生命状态的状态类型，所述异质图结构中节点之间的边对应所述生命体帐号、所述状态描述信息以及所述状态类型之间的关联关系；

将所述异常描述信息映射至所述异质图结构中的所述第二节点，根据所述第一节点、所述第二节点和所述第三节点之间的所述关联关系，得到所述目标帐号对应的电子化的状态类型分析结果。

另一方面，提供了一种电子信息分析装置，所述装置包括：

获取模块，用于获取目标帐号的异常描述内容，所述异常描述内容为所述目标帐号对应生命体的异常生命状态的电子化描述信息；

所述获取模块，还用于获取异质图结构，所述异质图结构中包括第一节点、第二节点和第三节点，所述第一节点对应电子病历中的生命体帐号，所述第二节点对应所述电子病历中所述异常生命状态的状态描述信息，所述第三节点对应所述电子病历中所述异常生命状态的状态类型，所述异质图结构中节点之间的边对应所述生命体帐号、所述状态描述信息以及所述状态类型之间的关联关系；

分析模块，用于将所述异常描述信息映射至所述异质图结构中的所述第二节点，根据所述第一节点、所述第二节点和所述第三节点之间的所述关联关系，得到所述目标帐号对应的电子化的状态类型分析结果。

另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述本申请实施例中任一所述电子信息分析方法。