[发明专利]医生智能推荐方法、装置、电子设备及存储介质

权利要求书

1.一种医生智能推荐方法，其特征在于，所述方法包括：

从预设的多个数据源中采集患者的历史就诊信息；

提取所述历史就诊信息中的多个原始数据，并将所述多个原始数据输入至评分识别模型中得到每个历史就诊医生的推荐评分，其中，所述多个原始数据包含有多个历史就诊医生的多个关键字段及每个关键字段的推荐评分；

对所述多个历史就诊医生的多个推荐评分和所述多个历史就诊医生的多个关键字段进行回归拟合得到每个关键字段的权重；

根据所述多个历史就诊医生的多个关键字段及每个关键字段的权重创建所述患者的初始推荐医生的第一医生模型，包括：选取出推荐评分最高的就诊医生作为所述患者的第一推荐医生；对所述第一推荐医生的多个关键字段进行标签转换得到所述第一推荐医生的标签集，其中，所述标签集中的每个标签包含有权重；对所述标签集中的标签按照权重进行降序排序得到所述患者的初始推荐医生的第一医生模型；

根据所述患者的历史就诊信息在医生索引表中获取至少一个推荐医生的第二医生模型，包括：从所述患者的历史就诊信息中提取多个疾病信息；对所述多个疾病信息进行分词处理，得到多个疾病特征属性；将所述多个疾病特征属性进行标签转换得到所述患者的标签集；在医生索引表中查找出与所述标签集匹配的至少一个推荐医生，并从所述医生索引表中关联出所述至少一个推荐医生的第二医生模型；

计算所述第一医生模型与所述至少一个推荐医生的第二医生模型之间的相似度，根据计算得到的相似度确定所述患者的目标推荐医生。

2.如权利要求1所述的医生智能推荐方法，其特征在于，所述对所述多个历史就诊医生的多个推荐评分和所述多个历史就诊医生的多个关键字段进行回归拟合得到每个关键字段的权重包括：

对所述多个历史就诊医生的多个推荐评分和所述多个历史就诊医生的多个关键字段进行回归拟合得到多个预设的拟合函数；

根据所述多个预设的拟合函数计算得到每个关键字段的权重。

3.如权利要求1所述的医生智能推荐方法，其特征在于，所述评分识别模型的训练过程包括：

获取多个历史就诊医生的多个关键字段及每个关键字段对应的推荐评分作为样本数据集；

从所述样本数据集中划分出训练集和测试集；

将所述训练集输入预设神经网络中进行训练，得到评分识别模型；

将所述测试集输入至所述评分识别模型中进行测试，并计算测试通过率；

若所述测试通过率大于预设通过率阈值，确定所述评分识别模型训练结束；若所述测试通过率小于预设通过率阈值，增加训练集的数量，重新进行评分识别模型的训练。

4.如权利要求1所述的医生智能推荐方法，其特征在于，所述计算所述第一医生模型与每个推荐医生的第二医生模型之间的相似度包括：

提取所述第一医生模型中的所有第一标签，并计算所述所有第一标签的第一标签总数；

提取每个推荐医生的第二医生模型中的所有第二标签；

从所述所有第二标签中查找与所述所有第一标签匹配的所有目标标签，并计算所述所有目标标签的第二标签总数；

将所述第二标签总数与所述第一标签总数之商作为所述第一医生模型与每个推荐医生的第二医生模型之间的相似度。

5.如权利要求4所述的医生智能推荐方法，其特征在于，所述根据计算得到的相似度确定所述患者的目标推荐医生包括：

对计算得到的第一医生模型与每个推荐医生的第二医生模型之间的相似度进行降序排序；

从降序排序的结果中选取排序在前的多个相似度对应的多个第二推荐医生；

根据所述患者的历史就诊信息确定所述患者的偏好；

根据所述患者的偏好从所述多个第二推荐医生中确定出所述患者的目标推荐医生。