[发明专利]医患匹配方法、装置、设备及存储介质

权利要求书

1.一种医患匹配方法，其特征在于，所述医患匹配方法包括：

获取患者的症状数据，所述症状数据包括疾病词汇和症状词汇；

对所述症状数据进行结构化处理，得到结构化数据，并基于所述结构化数据构建所述患者对应的目标知识图谱；

调用预置的可信度模型对所述目标知识图谱进行空间转换，得到目标空间关系，并根据预置的评分函数对所述目标空间关系进行可信度计算，得到所述目标知识图谱对应的目标可信度；

根据所述目标可信度对预置的医生列表进行排序，得到目标序列，以及根据所述目标序列生成所述患者对应的目标医生。

2.根据权利要求1所述的医患匹配方法，其特征在于，所述获取患者的症状数据，所述症状数据包括疾病词汇和症状词汇，包括：

采集患者的电子病历数据，并对所述电子病历数据进行文本提取，得到文本数据；

对所述文本数据进行疾病关键词和症状关键词识别，得到疾病词汇和症状词汇；

将所述疾病词汇和所述症状词汇作为症状数据。

3.根据权利要求1所述的医患匹配方法，其特征在于，所述对所述症状数据进行结构化处理，得到结构化数据，并基于所述结构化数据构建所述患者对应的目标知识图谱，包括：

对所述症状数据进行数据结构化处理，得到结构化数据；

将所述结构化数据和预置的三元组进行匹配，得到所述结构化数据对应的目标三元组；

将所述目标三元组写入所述患者对应的知识图谱中，得到目标知识图谱。

4.根据权利要求1所述的医患匹配方法，其特征在于，所述调用预置的可信度模型对所述目标知识图谱进行空间转换，得到目标空间关系，并根据预置的评分函数对所述目标空间关系进行可信度计算，得到所述目标知识图谱对应的目标可信度，包括：

通过预置的可信度模型对所述目标知识图谱进行空间转换，得到目标空间关系；

基于预置的评分函数和所述目标空间关系对所述目标知识图谱进行可信度计算，得到目标可信度。

5.根据权利要求4所述的医患匹配方法，其特征在于，所述通过预置的可信度模型对所述目标知识图谱进行空间转换，得到目标空间关系，包括：

通过预置的可信度模型对所述目标知识图谱进行建模实体和关系，得到初始实体和初始关系；

分别对所述初始实体和所述初始关系进行关系转换，得到转换实体和转换关系；

将所述转换实体和所述转换关系进行空间关系合成，得到目标空间关系。

6.根据权利要求4所述的医患匹配方法，其特征在于，所述基于预置的评分函数和所述目标空间关系对所述目标知识图谱进行可信度计算，得到目标可信度，包括：

获取所述目标空间关系中的实体空间，并基于所述实体空间确定目标实体；

将所述目标实体通过矩阵投影到所述关系空间中；

在所述关系空间中通过预置的评分函数对所述目标知识图谱进行可信度计算，得到所述目标三元组对应的目标可信度。

7.根据权利要求1-6中任一项所述的医患匹配方法，其特征在于，所述根据所述目标可信度对预置的医生列表进行排序，得到目标序列，以及根据所述目标序列生成所述患者对应的目标医生，包括：

基于所述目标可信度对预置的医生列表进行排序，得到目标序列；

获取所述患者的偏好指数，并根据所述偏好指数从所述目标序列中匹配与所述患者对应的目标医生。

8.一种医患匹配装置，其特征在于，所述医患匹配装置包括：

获取模块，用于获取患者的症状数据，所述症状数据包括疾病词汇和症状词汇；

处理模块，用于对所述症状数据进行结构化处理，得到结构化数据，并基于所述结构化数据构建所述患者对应的目标知识图谱；

计算模块，用于调用预置的可信度模型对所述目标知识图谱进行空间转换，得到目标空间关系，并根据预置的评分函数对所述目标空间关系进行可信度计算，得到所述目标知识图谱对应的目标可信度；

生成模块，用于根据所述目标可信度对预置的医生列表进行排序，得到目标序列，以及根据所述目标序列生成所述患者对应的目标医生。