CN111477310B 分诊数据处理方法、装置、计算机设备及存储介质 （深圳平安智慧医健科技有限公司）

区南山街道兴海大道3048号前海自贸US2019355471A1,201本发明公开了一种分诊数据处理方法、装出的含有第一症状结果和第一状态结果的第一一分诊结果中的第一症状结果确定为最终症状实现了通过概率模型和深度神经网络模型进行2将所述症状信息输入组合预测模型，通过所述组合预测模型对所述将所述症状信息输入强化学习分诊模型，获取所述强化学习分诊模在所述第一状态结果为第一状态时，将所述第一分诊结果中所述将所述症状信息输入组合预测模型，通过所述组合预测模型对将所述症状信息输入训练完成的症状预测概率模型，通过所述症状测概率分布结果表征了在症状集合中与所述症状信息相关的症状的匹配概将所述症状信息输入训练完成的科室深度卷积神经网络模型，将所述预测概率分布结果与所述科室预测分布结果进行拼接以及归在所述第一状态结果为第二状态时，将所述第一分诊结果中的将所述下一个症状信息输入所述组合预测模型，通过所述组合将所述下一个症状信息以及与所述下一个症状信息关联的所述第一奖励结果输入所述强化学习分诊模型，获取所述强化学习分诊模型执行第二动作后输出的第二分诊结果；在所述第二状态结果为第一状态时，将所述第二分诊结果中3将所述患者输入信息输入预设的预处理模型，所述预处理模型对所将所述患者输入信息输入所述转换模型，所述转换模型将所述获取所述单文本的开始位置和结束位置，将所述开始位置的前获取所述单文本、所述前置文本、所述后置文本和所述全置文本将所述患者信息中的各所述单文本对应的所有所述最大词组进行将所述第一症状样本输入包含第一初始参数的贝叶通过所述贝叶斯概率模型对所述第一症状样本进行先验分获取所述贝叶斯概率模型输出的分布结果，并根据所述分布结在所述第一损失值达到预设的第一收敛条件时，将收敛将所述第二症状样本输入包含第二初始参数的深度神通过所述深度神经网络模型提取所述症状样本中获取所述深度神经网络模型根据所述文字特征输出的识别结果，在所述第二损失值达到预设的第二收敛条件时，将收敛之后的4预测模块，用于将所述症状信息输入组合预测模型，通过所述组激活模块，用于将所述症状信息输入强化学习分诊模型，获取所输出模块，用于在所述第一状态结果为第一状态时，将所述第一模型单元，用于将所述症状信息输入训练完成的症状第二模型单元，用于将所述症状信息输入训练完成的科室拼接单元，用于将所述预测概率分布结果与所述科室预测分布结果进8.一种计算机设备，包括存储器、处理器以及9.一种计算机可读存储介质，所述计算机可读存储介质存56述第一动作后输出的所述第一分诊结果，若所述分诊结果中的第一状态结果为第一状态7确认需要进行分诊的所述患者信息之后触发的请求，所述触发方式可以根据需求进行设8symcat公开数据中筛选出常见症状的症9[0058]S205，将所述患者信息中的各所述单文本对应的所有所述最大词组进行清零处预测概率分布结果与所述科室深度卷积神经网络模型输出的科室预测分布结果进行拼接以及归一化处理后获得，所述预测概率分布结果所有所述症状词对应的概率值的分布图，率模型对所述症状信息进行预测，获取所述症状预测概率模型输出的预测概率分布结果；状信息输入所述症状预测概率模型进行先验分布处理，可以获得所述预测概率分布结果，所述预测概率分布结果为在所述症状集合中与所述症状信息相关的症状的匹配概率分布，[0070]可理解地，所述贝叶斯概率模型为基于贝叶斯算法构成[0075]其中，所述预设的第一收敛条件可以为所述损失值经过了500次计算后值为很小后的所述贝叶斯概率模型记录为训练完成的症状预述深度神经网络模型的网络结构可以根据需求进行设定，比如神经网络结构可以选择为述识别结果和所述科室标签的匹配程度确定第之后的所述深度神经网络模型记录为训练完成的科室深度卷积神经述预测概率分布结果对应的数组与所述科室预测分布结果对应的数组进行拼接将得到与组中的大于或等于预设的百分比阈值的百分比值归一化为1，将所述拼接数组中的小于所述预设的百分比阈值的百分比值归一化为0，将归一化后的所述拼接数组确定为所述第一述强化学习分诊模型设置为DQN学习方法，将所述症状信息作为所述强化学习分诊模型的科室集合的数值的值为0，则与所述症状科室集合的数值对应的所述动作空间总集中的数息输入所述组合预测模型(由训练完成的症状预测概率模型和训练完成的科室深度卷积神降维处理后作为所述强化学习分诊模型中的所述第一动作空间集合(可以提升所述强化学输入所述强化学习分诊模型，获取执行所述第一动作(对症状信息分析处理后从所述第一动作空间集合中选取)后输出的所述第一分诊结果，若所述分诊结果中的第一状态结果为第一状态(终止状态)时，将所述分诊结果中的第一症状结果确定为最终症状结果(患者就[0112]S80，将所述下一个症状信息以及与所述下一个症状信息关联的所述第一奖励结所述第二动作空间集合中选取出第二动作，所述第二动作为将对所述症状信息执行的动[0115]如此，通过强化学习分诊模型从交互对话中学习并指导最优策略的方向进行靠[0142]第二模型单元，用于将所述症状信息输入训练完成的科室深度卷积神经网络模在科室集合中与所述症状信息相关的科室的匹配布结果和所述症状类别标签的匹配程度确定后的所述深度神经网络模型记录为训练完成的科室[0156]关于分诊数据处理装置的具体限定可以参见上文中对于分诊数据处理方法的限机程序被处理器执行时实现上述实施例中分诊数包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM