[发明专利]一种基于神经网络的医疗科室推荐方法及装置

说明书

本申请涉及智能决策领域，揭露了一种基于神经网络的医疗科室推荐方法，包括：接收用户输入的问诊数据，对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的标签分类网络识别特征问诊数据的疾病标签，利用疾病实体检测模型的实体回归网络识别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特征问诊数据匹配的第二疾病实体；从第一疾病实体和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；将目标疾病实体与医疗科室库中的医疗科室进行匹配，将匹配成功的医疗科室推荐给用户。另外，本申请还提供一种基于神经网络的医疗科室推荐装置、电子设备及存储介质。本申请可以提高医疗科室的推荐准确性。

技术领域

本申请涉及智能决策领域，尤其涉及一种基于神经网络的医疗科室推荐方法、装置、电子设备以及计算机可读存储介质。

背景技术

随着人工智能技术的不断发展和完善，极大的丰富和便利了人们日常生活，目前在医疗领域中，许多医院配置了包含智能导诊服务的机器，目的在于通过互联网技术平台和机器学习、统计学习方法，以数据驱动的方法实现线上智能导诊功能，给患者推荐科室，从而最大发挥就诊人员的主观能动性，使其有效而精准地找到自己需要的医疗服务。

目前，科室推荐通常是基于规则构建的推荐方式实现，即通过智能导诊机器或程序去一步步引导就诊用户的问诊信息，从而输出相应的就诊科室，但是这样的推荐方式很容易受到智能导诊机器或程序设定的规则影响，即用户根据智能导诊机器或程序设定的步骤去描述自身身体状况，很容易忽略智能导诊机器或程序未涉及到的身体数据，从而会影响科室推荐的准确性。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种基于神经网络的医疗科室推荐方法、装置、电子设备以及计算机可读存储介质，可以提高医疗科室的推荐准确性。

第一方面，本申请提供了一种基于神经网络的医疗科室推荐方法，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。

可以看出，本申请实施例首先通过对所述问诊数据进行特征提取，可以筛选出所述问诊数据中的关键信息，提高后续问诊数据的处理速度；其次，本申请实施例通过包含标签分类网络和实体回归网络的疾病实体检测模型可以实现第一疾病实体的端到端识别，保障了疾病实体识别的模型鲁棒性，从而可以提高疾病识别的准确性，进而可以提高后续医疗科室推荐的准确性，并通过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，可以保障与所述第一疾病实体进行疾病实体比对的前提；进一步地，本申请实施例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，以将所述第一疾病实体和所述第二疾病实体中的相同疾病实体作为目标疾病实体，进一步保障医疗科室推荐准确性。

在第一方面的一种可能实现方式中，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。

在第一方面的一种可能实现方式中，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；