[发明专利]决策信息推荐、药物信息推荐方法、装置、设备及介质

说明书

本发明涉及人工智能技术领域，应用于智慧医疗领域中，以便推动智慧城市的建设，揭露了一种决策信息推荐、药物信息推荐方法、装置、设备及介质。该方法通过获取目标推送对象的目标特征信息；将目标特征信息输入至预设决策特征相似度模型中，得到与目标特征信息对应的决策分类标签；自基于历史决策数据构建的预设决策数据库中，获取具有与决策分类标签相同的样本分类标签的样本决策信息；在样本决策信息不符合预设推荐要求时，获取预设决策信息转换表，在自预设决策信息转换表中查询到目标决策信息时，将目标决策信息推送至目标推送对象。本发明结合了历史决策数据以及决策信息转换表，提高了决策信息推送准确率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种决策信息推荐、药物信息推荐方法、装置、设备及介质。

背景技术

随着人工智能技术的发展，机器学习也越来越多地被应用到各个行业中，如应用程序开发行业、医疗行业等，目前，通常以数据驱动的方式运用机器学习方法进行建模，以辅助相关人员作出相应的决策。

对于机器学习建模来说，需要质量较好的数据作为支撑，以在做数据分析决策时，得出准确率较高的决策结果。但是现有技术中采用的机器学习建模常常会存在数据不充足，亦或者是历史数据保存、处理不当导致的数据残缺等问题，该问题会导致机器学习建模得到的模型准确率较低。例如在医疗行业中，对于一个患者进行门诊治疗，一般是通过医生的经验，并根据患者当前的症状给出药物信息推荐；然而，每一个不同的医生的经验是不同的，并且在同一病情的不同时期患者的症状也是不一样的。门诊医生仅能根据当前的患者症状以及自身经验进行诊断和确定用药，因此，在医生的经验不足的情况下，可能导致用药并不规范，即便医生经验充分，但是针对患者病情发展的不同时期的症状，若其病情发展前期的信息记录残缺，亦会导致用药信息的不准确，在该门诊用药的信息基础上进而导致机器学习，训练得到的模型没有较好的数据作为支撑，在使用上述门诊数据进行训练得到决策模型时，该决策模型给医生提供的决策结果准确率较低。

发明内容

本发明实施例提供一种决策信息推荐、药物信息推荐方法、装置、设备及介质，以解决当前机器学习建模得到的模型准确率较低问题。

一种决策信息推荐方法，包括：

获取目标推送对象的目标特征信息；所述目标特征信息为所述目标推送对象的个人特征信息；

将所述目标特征信息输入至预设决策特征相似度模型中，得到与所述目标特征信息对应的决策分类标签；

自基于历史决策数据构建的预设决策数据库中，获取具有与所述决策分类标签相同的样本分类标签的样本决策信息；

在所述样本决策信息不符合预设推荐要求时，获取预设决策信息转换表，在自所述预设决策信息转换表中查询到目标决策信息时，将所述目标决策信息推送至所述目标推送对象；所述目标决策信息是指所述预设决策信息转换表中与所述样本决策信息具有相同样本分类标签的决策信息。

一种药物信息推荐方法，包括：

接收患者的药物信息推荐请求，将所述药物信息推荐中的患者症状信息记录为目标特征信息，通过上述决策信息推荐方法确定与所述目标特征信息对应的目标决策信息；

将所述目标决策信息推送至所述患者。

一种决策信息推荐装置，包括：

特征信息获取模块，用于获取目标推送对象的目标特征信息；所述目标特征信息为所述目标推送对象的个人特征信息；

分类标签获取模块，用于将所述目标特征信息输入至预设决策特征相似度模型中，得到与所述目标特征信息对应的决策分类标签；

决策信息获取模块，用于自基于历史决策数据构建的预设决策数据库中，获取具有与所述决策分类标签相同的样本分类标签的样本决策信息；