[发明专利]一种文章推荐方法、装置、电子设备和计算机存储介质

说明书

本申请实施例提出了一种文章推荐方法、装置、电子设备和计算机存储介质，该方法包括：获取目标患者的历史问诊单数据；根据所述目标患者的历史问诊单数据，得到所述目标患者的疾病类别；获取多种文章，确定所述多种文章中每种文章的疾病类型标签；基于所述目标患者的疾病类别和所述每种文章的疾病类型标签，确定向所述目标患者推荐的文章。

技术领域

本申请涉及互联网技术领域，尤其涉及一种文章推荐方法、装置、电子设备和计算机存储介质。

背景技术

近年来随着计算机科学技术快速发展，信息技术爆炸，越来越多的商业领域由线下扩展到线上；其中，互联网医院的发展在这几年尤为迅速。随着产品的快速迭代，给患者推荐患教文章的内容服务，提升患者端的用户体验也成为了一大新的需求。

相关技术中，对于患教文章的推荐方法，大多采用随机推荐，或者只针对患教文章的质量进行择优推荐。然而，采用随机推荐，或者只针对患教文章的质量进行择优推荐的方式，仅考虑文章维度的信息，损失了大量的患者维度信息；进而，导致文章与患者不适配的问题，降低了向患者推荐文章的准确性。

发明内容

本申请提供一种文章推荐方法、装置、电子设备和计算机存储介质；可以解决在向患者推荐文章时，文章与患者不适配的问题，能够提高向患者推荐文章的准确性。

本申请的技术方案是这样实现的：

本申请实施例提供了一种文章推荐方法，所述方法包括：

获取目标患者的历史问诊单数据；根据所述目标患者的历史问诊单数据，得到所述目标患者的疾病类别；

获取多种文章，确定所述多种文章中每种文章的疾病类型标签；

基于所述目标患者的疾病类别和所述每种文章的疾病类型标签，确定向所述目标患者推荐的文章。

在一些实施例中，所述根据所述目标患者的历史问诊单数据，得到所述目标患者的疾病类别，包括：

根据所述目标患者的历史问诊单数据，对所述目标患者的下单类别频次进行标记，得到所述目标患者的特征向量；所述下单类别频次表示所述目标患者在设定时间段内下载的不同类别的问诊单的频次；

将所述目标患者的特征向量输入至预先训练的分类模型中，得到所述目标患者的疾病类别。

在一些实施例中，所述根据所述目标患者的历史问诊单数据，对所述目标患者的下单类别频次进行标记，得到所述目标患者的特征向量，包括：

根据所述目标患者的历史问诊单数据和预设疾病类别，对所述目标患者的下单类别频次进行标记；

在所述目标患者对第一疾病类别下单的情况下，对所述第一疾病类别的特征值进行累加；所述第一疾病类别为所述预设疾病类别中的任意一种疾病类别；

在所述目标患者对所述第一疾病类别未下单的情况下，所述第一疾病类别的特征值保持不变；

基于所述目标患者对应的每种疾病类别的特征值，得到所述目标患者的特征向量。

在一些实施例中，所述分类模型是通过以下步骤训练得到的：

获取患者的历史问诊单数据集，将所述历史问诊单数据集划分为训练数据集和测试数据集；所述训练数据集包括：多个患者的历史问诊单数据和所述多个患者的疾病类别标签；

根据所述多个患者的历史问诊单数据，对所述多个患者的下单类别频次进行标记，得到所述多个患者的特征向量；

通过所述多个患者的特征向量以及疾病类别标签对分类模型进行训练，得到初始分类模型；

根据所述测试数据集对所述初始分类模型进行调整，得到训练完成的分类模型。