[发明专利]基于知识图谱的数据处理方法、装置及计算机设备在审
申请号: | 202010927440.7 | 申请日: | 2020-09-07 |
公开(公告)号: | CN112015917A | 公开(公告)日: | 2020-12-01 |
发明(设计)人: | 林桂 | 申请(专利权)人: | 平安科技(深圳)有限公司 |
主分类号: | G06F16/36 | 分类号: | G06F16/36;G06F40/279;G16H50/20;G16H50/70;G06N20/00 |
代理公司: | 北京中强智尚知识产权代理有限公司 11448 | 代理人: | 黄耀威 |
地址: | 518000 广东省深圳市福田街*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 知识 图谱 数据处理 方法 装置 计算机 设备 | ||
1.一种基于知识图谱的数据处理方法,其特征在于,包括:
接收用户上传的症状描述信息;
利用符合第一预设训练标准的症状识别模型识别所述症状描述信息,确定与医疗知识图谱中标准症状匹配的目标症状,利用符合第二预设训练标准的主诉分诊模型识别所述症状描述信息,确定待问诊的目标分诊科室;
根据所述医疗知识图谱提取所述目标症状以及所述目标分诊科室的关联信息,并基于所述关联信息确定对应的问诊项;
向所述用户推荐所述问诊项,以便基于所述目标症状以及用户对所述问诊项的选填内容生成预问诊信息。
2.根据权利要求1所述的方法,其特征在于,在利用符合第一预设训练标准的症状识别模型识别所述症状描述信息,确定与医疗知识图谱中标准症状匹配的目标症状,利用符合第二预设训练标准的主诉分诊模型识别所述症状描述信息,确定目标分诊科室之前,具体包括:
基于Bert的症状识别算法训练症状识别模型,以使所述症状识别模型符合第一预设训练标准;
利用TF-IDF算法提取所述症状描述信息的特征向量,并基于机器学习算法和所述特征向量训练主诉分诊模型,以使所述主诉分诊模型符合第二预设训练标准。
3.根据权利要求2所述的方法,其特征在于,所述利用符合第一预设训练标准的症状识别模型识别所述症状描述信息,确定与医疗知识图谱中标准症状匹配的目标症状,具体包括:
将所述症状描述信息上传至所述症状识别模型,获取所述症状描述信息对应的症状实体;
基于实体链接技术确定所述症状实体对应医疗知识图谱中的标准症状,并将确定出的所述标准症状定义为目标症状;
所述利用符合第二预设训练标准的主诉分诊模型识别所述症状描述信息,确定待问诊的目标分诊科室,具体包括:
将所述症状描述信息上传至所述主诉分诊模型,识别所述症状描述信息对应的目标特征向量;
根据所述主诉分诊模型确定所述目标特征向量对应各个预设科室的评定分值;
将对应所述评定分值最大的预设科室确定为待问诊的目标分诊科室。
4.根据权利要求3所述的方法,其特征在于,所述根据所述医疗知识图谱提取所述目标症状以及所述目标分诊科室的关联信息,并基于所述关联信息确定对应的问诊项,具体包括:
确定所述目标症状对应的症状属性,并在所述医疗知识图谱中筛选出与所述症状属性匹配的第一关联数据;
根据所述第一关联数据确定第一问诊项。
5.根据权利要求4所述的方法,其特征在于,所述根据所述医疗知识图谱提取所述目标症状以及所述目标分诊科室的关联信息,并基于所述关联信息确定对应的问诊项,具体包括:
根据所述医疗知识图谱中药品与疾病的第一对应关系和/或药品与适应症的第二对应关系,确定所述目标症状对应的第二关联数据;
依据所述第二关联数据确定第二问诊项。
6.根据权利要求5所述的方法,其特征在于,所述根据所述医疗知识图谱提取所述目标症状以及所述目标分诊科室的关联信息,并基于所述关联信息确定对应的问诊项,具体包括:
根据所述医疗知识图谱中疾病与处理方案间的第三对应关系,确定与所述目标症状匹配的第三关联数据;
根据所述第三关联数据确定第三问诊项。
7.根据权利要求6所述的方法,其特征在于,所述向所述用户推荐所述问诊项,以便基于所述标准症状以及用户对所述问诊项的选填内容生成预问诊信息,具体包括:
输出所述第一问诊项、所述第二问诊项、以及所述第三问诊项,并确定用户填入内容的目标问诊项;
基于所述用户对各个所述目标问诊项的录入内容,以及所述目标症状生成关于所述用户的预问诊信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010927440.7/1.html,转载请声明来源钻瓜专利网。