[发明专利]一种基于神经网络的医疗科室推荐方法及装置

权利要求书

1.一种基于神经网络的医疗科室推荐方法，其特征在于，所述方法包括：

接收用户输入的问诊数据，对所述问诊数据进行特征提取，得到特征问诊数据；

利用疾病实体检测模型中的标签分类网络识别所述特征问诊数据的疾病标签，并利用所述疾病实体检测模型中的实体回归网络识别所述疾病标签的疾病实体，得到第一疾病实体；

从问诊数据库中查找与所述特征问诊数据匹配的第二疾病实体；

从所述第一疾病实体和所述第二疾病实体中选取具有相同疾病类型的疾病实体，得到目标疾病实体；

将所述目标疾病实体与医疗科室库中的医疗科室进行匹配，并将匹配成功的医疗科室推荐给所述用户。

2.如权利要求1所述的基于神经网络的医疗科室推荐方法，其特征在于，所述对所述问诊数据进行特征提取，得到特征问诊数据包括：

对所述问诊数据进行分词，得到问诊词语集；

计算问诊词语集中每个问诊词语在所述问诊数据中的信息增益值，选取所述信息增益值大于预设增益值的问诊词语；

根据选取的问诊词语，生成特征问诊数据。

3.如权利要求1所述的基于神经网络的医疗科室推荐方法，其特征在于，所述利用疾病实体检测模型中的标签分类网络识别所述特征问诊数据的疾病标签，包括：

利用所述标签分类网络模型中的编码层对所述特征问诊数据进行位置向量编码，生成编码问诊向量；

利用所述标签分类网络中的注意力机制对所述编码问诊向量进行标签序列提取，得到标签序列问诊向量；

利用所述标签分类网络中的全连接层检测所述标签序列问诊向量的标签信息，得到疾病标签。

4.如权利要求3所述的基于神经网络的医疗科室推荐方法，其特征在于，所述利用所述标签分类网络中的注意力机制对所述编码问诊向量进行标签序列提取，得到标签序列问诊向量，包括：

利用所述注意力机制中的卷积模块对所述问诊编码向量进行卷积，得到卷积问诊向量；

利用所述注意力机制中的编码器对所述卷积问诊向量进行标签信息编码，得到标签问诊向量；

利用所述注意力机制中的解码器对所述标签问诊向量进行标签序列解码，得到标签序列问诊向量。

5.如权利要求1所述的基于神经网络的医疗科室推荐方法，其特征在于，所述利用所述疾病实体检测模型中的实体回归网络识别所述疾病标签的疾病实体，得到第一疾病实体，包括：

利用所述实体回归网络中的输入门计算所述疾病标签的状态值，并利用所述实体回归网络中的遗忘门计算所述疾病标签的激活值；

根据所述状态值和激活值，计算所述疾病标签的状态更新值；

利用所述实体回归网络中的输出门计算所述状态更新值的疾病实体序列，得到所述疾病标签的第一疾病实体。

6.如权利要求1所述的基于神经网络的医疗科室推荐方法，其特征在于，所述从问诊数据库中查找与所述特征问诊数据匹配的第二疾病实体，包括：

获取所述特征问诊数据的问诊症状字段及所述问诊数据库中的疾病症状字段，并对所述问诊症状字段与所述疾病症状字段进行匹配；

将匹配成功的疾病症状字段对应的疾病实体作为所述问诊症状字段的疾病实体，得到所述特征问诊数据的第二疾病实体。

7.如权利要求1至6中任意一项所述的基于神经网络的医疗科室推荐方法，其特征在于，所述将所述目标疾病实体与医疗科室库中的医疗科室进行匹配，包括：

计算所述目标疾病实体与医疗科室库中的医疗科室的科室匹配度；

若所述科室匹配度不满足预设条件，则所述标疾病实体与医疗科室库中的医疗科室匹配失败；

若所述科室匹配度满足所述预设条件，则所述标疾病实体与医疗科室库中的医疗科室匹配成功。