一种基于医生操作热力图的知识库薄弱点自动发现方法及系统与流程
本发明涉及专门用于处置或处理医疗或健康数据的信息和通信技术,尤其是涉及一种基于医生操作热力图的知识库薄弱点自动发现方法及系统。
背景技术:
1、在医疗知识库系统的使用过程中,工作人员通常采用定期巡检、人工审核或基于显性反馈的方式来评估知识库的内容质量,但是这类方法无法捕捉医生在实际查询过程中所表现出的深层需求偏差,特别是当医生的表述方式与知识库内容的语义结构存在细微差异时,运营人员无法准确识别这种隐性缺口所在。
2、常见的知识库优化方法主要依赖简单的统计分析或专家经验执行内容补充,其往往只能处理显性的、高频的表面查询数据,无法从医生持续查询、反复重述及放弃点击等行为序列中挖掘出医生需求与知识库内容之间的深层语义偏差,使得现有技术中的方法无法精准定位知识库的真实薄弱点,导致在知识补充的优先级排序和资源分配上缺乏可靠的数据支撑,知识库内容的迭代优化效率低下。
技术实现思路
1、本发明的目的在于提供一种基于医生操作热力图的知识库薄弱点自动发现方法及系统,解决现有技术中,由于无法精准定位知识库的真实薄弱点,导致在知识补充的优先级排序和资源分配上缺乏可靠的数据支撑,知识库内容的迭代优化效率低下的问题。
2、本发明的技术方案:
3、本发明的一方面,提供一种基于医生操作热力图的知识库薄弱点自动发现方法,至少包括以下步骤:
4、持续记录医生的查询行为数据并存储至预设的行为日志数据库;
5、提取并预处理查询行为数据得到标准化行为数据流;
6、基于标准化行为数据流通过需求热力图构建算法生成医生需求热力图;
7、将医生需求热力图与知识库内容索引比对,识别需求强度高于预设阈值且知识库覆盖程度低于覆盖阈值的查询主题词,标记为知识库薄弱点候选区域;
8、对知识库薄弱点候选区域执行语义聚类分析生成聚类簇;
9、基于聚类簇的知识库薄弱点特征自动生成知识库补充建议报告并推送至知识库运营团队。
10、在一些实施例中,所述持续记录医生的查询行为数据,至少包括:
11、建立与医疗知识库系统对接的行为数据采集接口,实时捕获医生提交的查询词文本;
12、记录医生针对查询结果中各条答案的点击行为及点击时间戳,形成答案点击序列;
13、收集医生对已查看答案的满意度评价信息并与对应查询词关联存储;
14、检测医生在同一查询会话中是否执行查询词的重新表述,若是则将重新表述前的查询词序列与重新表述后的查询词序列关联记录,形成查询重述序列。
15、在一些实施例中,所述持续记录医生查询行为数据的过程中,使用deepevidence智能循证决策系统对查询行为数据执行辅助分析,deepevidence智能循证决策系统提供循证医学证据关联分析、临床实践指南检索及药品说明书知识匹配功能。
16、在一些实施例中,所述预处理至少包括数据清洗、格式统一、时间戳校准和异常数据过滤,所述数据清洗对关键字段为空或缺失的无效记录执行剔除并对查询词文本执行敏感信息脱敏处理,所述时间戳校准对同一查询会话中的记录按时间戳顺序执行排序和逻辑一致性调整。
17、在一些实施例中,所述基于标准化行为数据流通过需求热力图构建算法生成医生需求热力图,至少包括:
18、对标准化行为数据流中的查询词文本执行自然语言处理,提取查询意图特征向量;
19、基于查询意图特征向量计算查询主题词在预设时间窗口内的查询频率权重;
20、结合查询频率权重、答案点击率、反馈满意度分布及查询重述率构建需求强度评估模型;
21、基于需求强度评估模型输出结果生成医生需求热力图。
22、在一些实施例中,所述将医生需求热力图与知识库内容索引比对,至少包括:
23、获取知识库内容索引中主题词对应的答案条目数量、答案完整度评分及答案更新周期;
24、基于答案条目数量计算知识覆盖广度指标;
25、基于答案完整度评分计算知识覆盖深度指标;
26、基于答案更新周期计算知识时效性指标;
27、将主题词的需求强度值与知识覆盖广度指标、知识覆盖深度指标及知识时效性指标执行综合比对。
28、在一些实施例中,所述对知识库薄弱点候选区域执行语义聚类分析生成聚类簇,至少包括:
29、对知识库薄弱点候选区域提取对应的查询文本集合并执行词向量映射,得到候选区域的语义向量表示;
30、基于语义向量表示采用层次聚类算法执行聚类分析,生成若干个语义相近的知识库薄弱点聚类簇;
31、对聚类簇执行主题归纳,确定聚类簇对应的知识缺口类型。
32、在一些实施例中,所述知识缺口类型至少包括临床知识缺口、药品知识缺口、诊疗方案知识缺口、适应症知识缺口及禁忌症知识缺口。
33、在一些实施例中,所述基于聚类簇的知识库薄弱点特征自动生成知识库补充建议报告,至少包括:
34、针对聚类簇分析其查询主题词分布、查询频率分布及查询用户科室分布;
35、基于聚类簇的知识缺口类型检索外部医学知识来源,提取可供补充的候选知识条目;
36、结合聚类簇的查询需求紧迫程度生成知识库补充优先级排序;
37、将聚类簇的补充优先级、候选知识条目列表及推荐的知识入库格式封装为结构化的知识库补充建议报告。
38、本发明的另一方面,提供一种基于医生操作热力图的知识库薄弱点自动发现系统,该系统包括:行为数据采集模块、数据预处理模块、薄弱点识别模块、语义聚类模块以及报告生成模块,其中:
39、所述行为数据采集模块用于持续记录医生产生的查询行为数据,并将所述查询行为数据存储至预设的行为日志数据库中;
40、所述数据预处理模块用于从所述行为日志数据库中提取各医生的查询行为数据,并对所述查询行为数据执行预处理操作,得到标准化行为数据流;
41、所述热力图生成模块用于基于所述标准化行为数据流,通过预设的需求热力图构建算法生成医生需求热力图;
42、所述薄弱点识别模块用于将所述医生需求热力图与知识库内容索引执行比对分析,识别所述医生需求热力图中需求强度高于预设阈值且知识库覆盖程度低于覆盖阈值的查询主题词,将所述查询主题词标记为知识库薄弱点候选区域;
43、所述语义聚类模块用于对各所述知识库薄弱点候选区域执行语义聚类分析,生成若干个知识库薄弱点聚类簇;
44、所述报告生成模块用于基于各所述聚类簇的知识库薄弱点特征,自动生成知识库补充建议报告,并将所述知识库补充建议报告推送至知识库运营团队的管理端系统。
45、根据以上技术特征,本发明的有益效果为:
46、1.通过持续记录医生查询词、答案点击、对答案的反馈以及查询重述等多维度行为数据,构建能够反映医生真实需求的医生需求热力图,将需求热力图与知识库覆盖情况执行比对分析,精准识别出需求高但覆盖不足的知识库薄弱点区域,并通过对薄弱点候选区域执行语义聚类分析,生成结构化的知识库补充建议报告推送给运营团队;
47、2.突破现有技术仅依赖显性反馈和人工经验执行知识库优化的局限,能够从医生持续查询、反复重述及放弃点击等行为序列中挖掘出用户需求与知识库内容之间的深层语义偏差,进而实现知识库薄弱点的自动发现和精准定位,为运营团队提供可靠的数据支撑和明确的优化方向,有效提升医疗知识库内容的迭代优化效率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com