[发明专利]医患匹配方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了一种医患匹配方法、装置、设备及存储介质，用于提高医患匹配的准确率。所述医患匹配方法包括：对症状数据进行结构化处理，得到结构化数据，并基于结构化数据构建患者对应的目标知识图谱；调用预置的可信度模型对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目标空间关系进行可信度计算，得到目标知识图谱对应的目标可信度；根据目标可信度对预置的医生列表进行排序，得到目标序列，以及根据目标序列生成患者对应的目标医生。此外，本发明还涉及区块链技术，目标医生可存储于区块链节点中。

技术领域

本发明涉及人工智能领域，尤其涉及一种医患匹配方法、装置、设备及存储介质。

背景技术

随着计算机技术的高速发展，通过互联网与用户进行沟通并处理用户需求的效率十分高而且能节省较大的时间成本。随着医疗信息化的进程加快，电子病例和健康档案的建立，正在实现通过人工智能技术对碎片化医学信息进行整理和分析，从而提高医疗服务质量。

目前，医患匹配通常是患者在使用互联网医院时，匹配到适合自己的医生，现有方案是通过列表分类游览，将医生的专业、特长呈现给患者，根据患者偏好进行医生匹配，但是目前医患匹配的准确率低。

发明内容

本发明提供了一种医患匹配方法、装置、设备及存储介质，用于提高医患匹配的准确率。

本发明第一方面提供了一种医患匹配方法，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。

可选的，在本发明第一方面的第一种实现方式中，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。

可选的，在本发明第一方面的第二种实现方式中，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。

可选的，在本发明第一方面的第三种实现方式中，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。

可选的，在本发明第一方面的第四种实现方式中，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。

可选的，在本发明第一方面的第五种实现方式中，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。