[发明专利]一种基于分组和注意力改进Bi-GRU的就医迁移行为预测方法及系统

摘要

本公开公开了一种基于分组和注意力改进Bi‑GRU的就医迁移行为预测方法及系统，该方法包括：接收医保数据，提取与就医迁移行为关联度大于预设关联度阈值的特征；根据就医迁移行为特征及其相应权重构建人群分类树，进行人群分组；根据历史就医数据计算各类人群历史患病概率趋势，采用自回归和灰色算法并结合标准差权重组合法构建疾病预测模型；构建Bi‑GRU模型；接收各医院就医数据，基于Bi‑GRU获取的就医迁移状态预测数据，采用注意力机制生成各就医迁移序列的匹配权重，更新权重值；进行Bi‑GRU模型的训练；将输出的预测结果与实际就医迁移行为进行对比，反馈更新底层数据信息，进一步更新权重值，进行就医迁移行为预测。

主权项

1.一种基于分组和注意力改进Bi‑GRU的就医迁移行为预测方法，其特征在于，该方法包括：接收医保数据，提取与就医迁移行为关联度大于预设关联度阈值的特征，得到就医迁移行为特征；根据就医迁移行为特征及其相应权重采用C4.5算法构建人群分类树，根据人群分类树进行人群分组；根据医保数据的历史就医数据计算各类人群历史患病概率趋势，采用自回归和灰色算法并结合标准差权重组合法构建疾病预测模型，进行不同人群分组的疾病预测；在疾病预测已经完成的前提下，利用就医迁移行为特征及其对应权重构建Bi‑GRU模型；接收各医院就医数据，基于Bi‑GRU获取的就医迁移状态预测数据，采用注意力机制生成各就医迁移序列的匹配权重，更新Bi‑GRU模型的权重值；利用就医迁移状态预测向量，构建softmax预测函数；计算softmax预测函数输出值的损失函数，采用反向传播算法训练Bi‑GRU的学习参数，完成Bi‑GRU模型的训练；将Bi‑GRU模型训练输出的预测结果与实际就医迁移行为进行对比，反馈更新底层数据信息，进一步更新Bi‑GRU模型的权重值，进行就医迁移行为预测。