[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

说明书

本公开涉及一种用于推荐体检项目的方法、计算设备和计算机存储介质。该方法包括：在用户属性符合预定条件的历史疾病数据中确定多个目标风险疾病数据；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；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，经由经神经网络模型预测当前用户的推荐体检项的推荐概率，神经网络模型和知识图谱模型共享交互压缩单元；基于推荐概率，确定当前用户的多个目标推荐体检项；基于目标推荐体检项查询预定数据库，确定匹配的目标推荐体检项目。本公开能够避免消耗大量的计算和存储资源，并且能够快速并精准地向用户推荐匹配的体检项目。

技术领域

本公开总体上涉及机器学习，并且具体地，涉及用于推荐体检项目的方法、计算设备和计算机存储介质。

背景技术

健康管理平台，通常包括健康类产品(体检、保险、健康咨询)的搜索、购买、预约、报告管理等功能。用户在选择体检项目时，通常因此健康管理平台的体检项目种类繁多、专业程度高，非医学专业的用户很难凭借自身的医学知识来选择匹配的体检项目。传统的推荐体检项目方案，例如包括协同过滤的推荐系统、基于内容的推荐系统。协同过滤的推荐系统所基于的协同过滤算法是从相似度度量出发，考虑体检项目或者用户之间的相似度进行推荐，该算法一般需要基于大数据分析，需要强大的历史数据作为支撑，和大量的相似度计算，以便统计出某种特征的用户喜欢某种类型的体检项目，因此，容易遇到冷启动或者数据系数的问题。基于内容的推荐系统则需要建模用户偏好和体检项目的特征，而且需要采用专家经验数据来构建推荐模型。

综上，传统的推荐体检项目方案需要强大的历史数据作为支撑以及大量的计算、或者需要采用专家经验数据来构建推荐模型，因此，需要消耗大量的计算和存储资源，并且难以在真实推荐场景中快速并精准地匹配用户需求。

发明内容

本公开提供一种用于推荐体检项目方法、计算设备和计算机存储介质，能够避免消耗大量的计算和存储资源，并且能够快速并精准地向用户推荐匹配的体检项目。

根据本公开的第一方面，提供了一种用于推荐体检项目的方法。该方法包括：获取用户属性符合预定条件的历史疾病数据，以便在历史疾病数据中确定多个目标风险疾病数据；确定与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，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；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，神经网络模型和知识图谱模型共享交叉压缩单元，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知识图谱模型中的疾病相关体检项特征向量而生成的，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；以及基于目标推荐体检项查询预定数据库，以便确定与多个目标推荐体检项相匹配的目标推荐体检项目。

根据本发明的第二方面，还提供了一种计算设备，该设备包括：至少一个处理单元；至少一个存储器，至少一个存储器被耦合到至少一个处理单元并且存储用于由至少一个处理单元执行的指令，指令当由至少一个处理单元执行时，使得计算设备执行本公开的第一方面的方法。

根据本公开的第三方面，还提供了一种计算机可读存储介质。该计算机可读存储介质上存储有计算机程序，计算机程序被机器执行时执行本公开的第一方面的方法。

提供发明内容部分是为了以简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或主要特征，也无意限制本公开的范围。

附图说明

图1示出了根据本公开的实施例的用于实施用于推荐体检项目的方法的系统的示意图。

图2示出了根据本公开的实施例的用于推荐体检项目的方法的流程图。