用户画像生成方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113611427A(43)申请公布日2021.11.05(21)申请号202110919504.3(22)申请日2021.08.11(71)申请人平安医疗健康管理股份有限公司地址200001上海市黄浦区北京东路666号H区（东座）12G室(72)发明人刘舒萍(74)专利代理机构北京市京大律师事务所11321代理人姚维(51)Int.Cl.G16H50/70(2018.01)G06N3/04(2006.01)G06N3/08(2006.01)G06K9/62(2006.01)权利要求书2页说明书10页附图4页(54)发明名称用户画像生成方法、装置、设备及存储介质(57)摘要本发明涉及数字医疗领域，公开了一种用户画像生成方法、装置、设备及存储介质，用于提高用户画像生成的准确率。所述用户画像生成方法包括：对目标症状数据中的实体和属性数据进行抽取，得到目标数据，并对目标症状数据进行编码处理，得到目标向量；将目标向量输入预置的数据处理模型中进行特征提取，得到特征数据；将目标数据输入预置的神经网络模型中进行融合映射，得到映射数据；对特征数据和映射数据进行数据融合，得到融合数据；将融合数据输入预置的线性回归层进行逻辑回归运算，得到目标相似度，并根据目标相似度生成目标用户的用户画像。此外，本发明还涉及区块链技术，用户画像可存储于区块链节点中。CN113611427ACN113611427A权利要求书1/2页1.一种用户画像生成方法，其特征在于，所述用户画像生成方法包括：获取目标用户的目标症状数据，所述目标症状数据用于指示所述目标用户对应的多个症状名称；对所述目标症状数据中的实体和属性数据进行抽取，得到目标数据，并对所述目标症状数据进行编码处理，得到目标向量；将所述目标向量输入预置的数据处理模型中进行特征提取，得到特征数据；将所述目标数据输入预置的神经网络模型中进行融合映射，得到映射数据；对所述特征数据和所述映射数据进行数据融合，得到融合数据；将所述融合数据输入预置的线性回归层进行逻辑回归运算，得到目标相似度，并根据所述目标相似度生成所述目标用户的用户画像。2.根据权利要求1所述的用户画像生成方法，其特征在于，在所述获取目标用户的目标症状数据之前，还包括：获取多个样本数据，并对所述多个样本数据进行实体和属性数据抽取，得到多个样本目标数据；将所述多个样本目标数据输入预置的第一训练模型中进行特征提取，得到多个样本映射数据；分别计算所述多个样本映射数据的损失值，得到多个第一损失值；根据所述多个第一损失值对所述第一训练模型进行参数调整，直至所述第一训练模型收敛，得到神经网络模型。3.根据权利要求1所述的用户画像生成方法，其特征在于，在所述获取目标用户的症状数据之前，在所述获取多个样本数据之后，还包括：对所述多个样本数据进行编码处理，得到多个样本目标向量；将所述多个样本目标向量输入预置的第二训练模型中进行语义分析，得到多个样本特征数据；分别计算所述多个样本特征数据的损失值，得到多个第二损失值；根据所述多个第二损失值对所述第二训练模型进行参数调整，直至所述第二训练模型收敛，得到数据处理模型。4.根据权利要求1所述的用户画像生成方法，其特征在于，所述对所述目标症状数据中的实体和属性数据进行抽取，得到目标数据，并对所述目标症状数据进行编码处理，得到目标向量，包括：基于预置的关键词库对所述目标症状数据进行实体和属性数据抽取，得到目标数据；对所述目标症状数据进行词向量转换，得到目标词向量，并对所述目标症状数据进行段向量转换，得到目标段向量，以及对所述目标症状数据进行位置向量转换，得到目标位置向量；对所述目标词向量、所述目标段向量和所述目标位置向量进行拼接，得到目标向量。5.根据权利要求1所述的用户画像生成方法，其特征在于，所述将所述目标向量输入预置的数据处理模型中进行特征提取，得到特征数据，包括：将所述目标向量输入预置的数据处理模型中，所述数据处理模型包括：编码器和解码器；2CN113611427A权利要求书2/2页通过所述编码器对所述目标向量进行编码转换，得到目标输入向量；通过所述解码器对所述目标输入向量进行语义特征提取，得到特征数据。6.根据权利要求1所述的用户画像生成方法，其特征在于，所述将所述目标数据输入预置的神经网络模型中进行融合映射，得到映射数据，包括：将所述目标数据输入预置的神经网络模型中，所述神经网络模型包括：多层聚合层和嵌入层；通过所述多层聚合层对所述目标数据进行特征信息融合，得到目标融合信息；通过所述嵌入层对所述目标融合信息进行数据映射，得到映射数据。7.根据权利要求1‑6中任一项所述的用户画像生成方法，其特征在于，所述将所述融合数据输入预置的线性回归层进行逻辑回归