[发明专利]用于推荐体检项目的方法、计算设备和计算机存储介质

权利要求书

1.一种用于推荐体检项目的方法，包括：

获取用户属性符合预定条件的历史疾病数据，以便在所述历史疾病数据中确定多个目标风险疾病数据；

确定与所述多个目标风险疾病数据相关联的多个体检项数据和多个用户属性，所述用户属性至少包括职业属性、性别、年龄属性和所属地区属性中的多种；

基于多个目标风险疾病数据、多个体检项数据和多个用户属性，生成知识图谱模型的三元组数据，所述知识图谱模型包括目标风险疾病输入特征向量、疾病相关体检项输入特征向量和用户属性特征，所述疾病相关体检项输入特征向量是基于多个体检项数据而生成的，所述目标风险疾病输入特征向量是基于多个目标风险疾病数据而生成的，用户属性特征是经由所述知识图谱模型预测的；

基于所获取当前用户的用户数据和体检报告中的异常体检项数据，生成用于输入神经网络模型的输入特征向量，以便经由经多样本训练的所述神经网络模型来预测关于当前用户的推荐体检项的推荐概率，所述神经网络模型和所述知识图谱模型共享交叉压缩单元，所述交叉压缩单元是基于神经网络模型的异常体检项特征向量和所述知识图谱模型中的疾病相关体检项特征向量而生成的，所述用户数据至少包括用户信息、运动数据、与针对目标对象的历史操作数据中的多种数据；

基于所述推荐概率，确定关于当前用户的多个目标推荐体检项；以及

基于所述目标推荐体检项查询预定数据库，以便确定与所述多个目标推荐体检项相匹配的目标推荐体检项目。

2.根据权利要求1所述的方法，其中经由经多样本训练的所述神经网络模型来预测关于当前用户的推荐体检项的推荐概率包括：

经由所述神经网络模型的第一网络层和所述交叉压缩单元分别提取异常体检项输入特征向量和用户数据输入特征向量的特征；以及

将所提取的特征连接并且输入所述神经网络模型的第二网络层，以便输出关于当前用户的推荐体检项的推荐概率。

3.根据权利要求1所述的方法，其中所述知识图谱模型经由第三网络层和所述交叉压缩单元分别提取疾病相关体检项输入特征向量和目标风险疾病输入特征向量的特征，以便基于所提取的特征预测与目标风险疾病相关联的用户属性。

4.根据权利要求1所述的方法，还包括：

获取所述当前用户针对所述目标推荐体检项目的本次体检报告；

基于所述本次体检报告，生成本次异常体检项输入特征向量，以用于经由所述神经网络模型预测关于所述当前用户的推荐体检项的本次推荐概率；以及

基于所述目标推荐体检项目的推荐概率与本次推荐概率之间的匹配度数据，调整所述神经网络模型的网络参数。

5.根据权利要求1所述的方法，其中基于所述目标推荐体检项查询预定数据库以便确定与所述多个目标推荐体检项相匹配的目标推荐体检项目包括：

基于所述目标推荐体检项查询预定数据库，以便获得包含有所述目标推荐体检项的多个候选体检项目；

针对所述多个候选体检项目中的每一个候选体检项目，计算所述每一个候选体检项目相对于目标推荐体检项的关联度数据和覆盖度数据；

基于所述关联度数据和所述覆盖度数据，计算关于所述每一个候选体检项目的对应权重；以及

基于所述对应权重，排序所述多个候选体检项目，以便基于排序结果确定用于向当前用户推荐的所述目标推荐体检项目。

6.根据权利要求5所述的方法，其中计算所述每一个候选体检项目相对于目标推荐体检项的关联度数据和覆盖度数据包括：

确定每一个候选体检项目关联的所有风险疾病；

计算目标推荐体检项对于所有风险疾病中的每一种风险疾病的重要权重和所述每一种风险疾病的风险权重，以用于计算所述候选体检项目的所有风险疾病的关联度数据；以及

基于所述候选体检项目所关联的所有风险疾病的数量和与所述当前用户有关联的风险疾病的数量，计算与所述候选体检项目相关联的所述覆盖度数据。