医疗网站推送方法、装置、设备及存储介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种医疗网站推送方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.随着互联网技术的快速发展和经济的进步，人们对自己的身体健康也越来越关心，因此通常会在网站上进行医疗相关信息的浏览和查阅，但是网络上的信息混乱复杂，查询出的信息通常无法满足用户需求，因此需要对医疗网站进行整合处理，进而实现更好地网站推送。现有的网站推送方法通常是从经济利益角度或管理员爱好等人为、主观的方式生成的。这种人为控制导航网站内网站排列顺序的方法太消耗人力，导致效率较低。因此亟待提出一种效率更高的医疗网站推送方法。


技术实现要素：

3.本发明提供一种医疗网站推送方法、装置及计算机可读存储介质，其主要目的在于提高医疗网站推送的效率。
4.为实现上述目的，本发明提供的一种医疗网站推送方法，包括：
5.基于获取的网站首页信息和分类标签构建训练样本，利用所述训练样本对卷积神经网络进行训练，得到训练好的医疗网站识别模型；
6.获取多个待推送网站，利用所述医疗网站识别模型对多个所述待推送网站进行识别，得到多个所述待推送网站中的目标医疗网站；
7.对多个所述目标医疗网站进行网站分类，得到多个所述目标医疗网站对应的类别；
8.对不同类别下的所述目标医疗网站进行排序处理，得到多个医疗网站榜单；
9.接收网站查询指令，并对所述网站查询指令进行解析，基于解析后的网站查询指令从多个所述医疗榜单中筛选出预设个数的目标医疗网站进行推送。
10.可选地，所述利用所述训练样本对卷积神经网络进行训练，得到训练好的医疗网站识别模型，包括：
11.利用所述卷积神经网络对所述训练样本进行特征提取，得到特征数据集；
12.将所述特征数据集作为预设的激活函数的输入，得到所述特征数据集中多个特征数据对应的概率值；
13.根据所述概率值和预设的识别区间确定预测识别结果；
14.将所述预测识别结果与真实识别结果进行比对，并根据比对结果对所述卷积神经网络进行迭代优化，得到训练好的医疗网站识别模型。
15.可选地，所述对多个所述目标医疗网站进行网站分类，得到多个所述目标医疗网站对应的类别，包括：
16.获取多个所述目标医疗网站下的医疗页面信息，提取所述医疗页面信息中的医疗
标题；
17.根据所述医疗标题对所述目标医疗网站进行初始分类，得到初始分类结果；
18.对所述医疗页面信息进行关键词提取，得到医疗关键词，并统计所述医疗关键词的数量；
19.当所述医疗关键词的数量大于或者等于预设的参考阈值时，将所述初始分类结果作为多个所述目标医疗网站对应的类别；
20.当所述医疗关键词的数量小于所述参考阈值时，重新执行初始分类操作，并输出多个所述目标医疗网站对应的类别。
21.可选地，所述对所述医疗页面信息进行关键词提取，得到医疗关键词，包括：
22.提取所述医疗页面信息中的医疗文本信息，对所述医疗文本信息进行分词处理，得到医疗分词集；
23.获取预先设置好的与初始分类结果对应的参考关键词表，将所述参考关键词表中与所述医疗分词集中对应的医疗分词作为医疗关键词。
24.可选地，所述对不同类别下的所述目标医疗网站进行排序处理，得到多个医疗网站榜单，包括：
25.获取多个目标医疗网站的预设排序参考元素，基于预设的评分计算公式和所述预设排序参考元素计算所述目标网站对应的评分；
26.筛选出所述目标医疗网站对应的评分中大于或者等于预设的评分阈值的多个标准医疗网站；
27.将筛选出来的多个标准医疗网站按照对应评分从大到小进行排序，生成多个医疗网站榜单。
28.可选地，所述预设的评分计算公式为：
29.s＝1
×
degree 5
×
limit 10
×
type
30.其中，s为所述评分，degree为所述预设排序参考元素中的网站点击比率，limit为所述预设排序参考元素中的网站时效性，type为所述预设排序参考元素中的社会事件匹配度。
31.可选地，所述对所述网站查询指令进行解析，包括：
32.获取预设的解析函数，将所述网站查询指令输入至所述解析函数中，得到初始解析内容；
33.提取所述初始解析内容中的查询类型和查询需求。
34.为了解决上述问题，本发明还提供一种医疗网站推送装置，所述装置包括：
35.模型训练模块，用于基于获取的网站首页信息和分类标签构建训练样本，利用所述训练样本对卷积神经网络进行训练，得到训练好的医疗网站识别模型；
36.网站识别模块，用于获取多个待推送网站，利用所述医疗网站识别模型对多个所述待推送网站进行识别，得到多个所述待推送网站中的目标医疗网站；
37.榜单生成模块，用于对多个所述目标医疗网站进行网站分类，得到多个所述目标医疗网站对应的类别，对不同类别下的所述目标医疗网站进行排序处理，得到多个医疗网站榜单；
38.网站推送模块，用于接收网站查询指令，并对所述网站查询指令进行解析，基于解
析后的网站查询指令从多个所述医疗榜单中筛选出预设个数的目标医疗网站进行推送。
39.为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
40.至少一个处理器；以及，
41.与所述至少一个处理器通信连接的存储器；其中，
42.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的医疗网站推送方法。
43.为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的医疗网站推送方法。
44.本发明实施例通过训练好的医疗网站识别模型识别对多个待推送网站进行识别，得到多个所述待推送网站中的目标医疗网站，所述医疗网站识别模型可以提高网站识别的效率，对多个所述目标医疗网站进行网站分类及对不同类别下的所述目标医疗网站进行排序处理，生成的多个医疗榜单直观的体现出各个目标医疗网站的热门程度。对接收到的网站查询指令进行解析，并基于解析后的网站查询指令从多个医疗榜单中筛选出网站进行推送，可以提高网站推送的效率。因此本发明提出的医疗网站推送方法、装置、电子设备及计算机可读存储介质，可以实现解决医疗网站推送的效率不够高的问题。
附图说明
45.图1为本发明一实施例提供的医疗网站推送方法的流程示意图；
46.图2为本发明一实施例提供的医疗网站推送装置的功能模块图；
47.图3为本发明一实施例提供的实现所述医疗网站推送方法的电子设备的结构示意图。
48.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
49.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
50.本技术实施例提供一种医疗网站推送方法。所述医疗网站推送方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述医疗网站推送方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(contentdelivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
51.参照图1所示，为本发明一实施例提供的医疗网站推送方法的流程示意图。在本实施例中，所述医疗网站推送方法包括：
52.s1、基于获取的网站首页信息和分类标签构建训练样本，利用所述训练样本对卷积神经网络进行训练，得到训练好的医疗网站识别模型。
53.本发明实施例中，所述网站首页信息是指已经确定了网站类型的样本网站的首页信息，所述分类标签包括但不限于医疗网站和其他网站这两种类型。基于获取的网站首页信息和分类标签构建训练样本是指利用与所述样本网站的网站类型对应的分类标签对网站首页信息进行标注，得到训练样本。
54.具体地，所述利用所述训练样本对卷积神经网络进行训练，得到训练好的医疗网站识别模型，包括：
55.利用所述卷积神经网络对所述训练样本进行特征提取，得到特征数据集；
56.将所述特征数据集作为预设的激活函数的输入，得到所述特征数据集中多个特征数据对应的概率值；
57.根据所述概率值和预设的识别区间确定预测识别结果；
58.将所述预测识别结果与真实识别结果进行比对，并根据比对结果对所述卷积神经网络进行迭代优化，得到训练好的医疗网站识别模型。
59.详细地，所述卷积神经网络中包括卷积层、池化层和全连接层。所述预设的激活函数可以为softmax函数或者sigmod函数。所述预设的识别区间可以为当概率值为0到0.5则判定为其他网站，当概率值为0.5到1则判定为医疗网站。
60.s2、获取多个待推送网站，利用所述医疗网站识别模型对多个所述待推送网站进行识别，得到多个所述待推送网站中的目标医疗网站。
61.本发明实施例中，多个所述待推送网站包括但不限于医疗网站、金融网站、建筑网站、教育网站等多个不同类型的网站。利用所述医疗网站识别模型对多个所述待推送网站进行识别，可以识别出多个待推送网站中的一个或者多个目标医疗网站。
62.详细地，利用训练好的医疗网站识别模型对多个所述待推送网站进行识别，相比现有的通过技术人员查看目标网站的网站首页信息，根据自身技术经验确定出该目标网站是否为医疗网站的方法来说准确度和效率都得到了提升。
63.s3、对多个所述目标医疗网站进行网站分类，得到多个所述目标医疗网站对应的类别。
64.本发明实施例中，所述对多个所述目标医疗网站进行网站分类，得到多个所述目标医疗网站对应的类别，包括：
65.获取多个所述目标医疗网站下的医疗页面信息，提取所述医疗页面信息中的医疗标题；
66.根据所述医疗标题对所述目标医疗网站进行初始分类，得到初始分类结果；
67.对所述医疗页面信息进行关键词提取，得到医疗关键词，并统计所述医疗关键词的数量；
68.当所述医疗关键词的数量大于或者等于预设的参考阈值时，将所述初始分类结果作为多个所述目标医疗网站对应的类别；
69.当所述医疗关键词的数量小于所述参考阈值时，重新执行初始分类操作，并输出多个所述目标医疗网站对应的类别。
70.详细地，所述医疗页面信息是指在浏览器输入所述目标医疗网站后出现的页面，提取所述医疗页面信息中的医疗标题是指医疗页面信息《title》《/title》之间的内容，根据所述医疗标题可以对所述目标医疗网站进行初始分类，初步将所述目标医疗网站进行划
分。例如，若所述医疗标题为“xx国家以及研发出xx疫苗”，则属于医疗新闻的类别。
71.具体地，所述对所述医疗页面信息进行关键词提取，得到医疗关键词，包括：
72.提取所述医疗页面信息中的医疗文本信息，对所述医疗文本信息进行分词处理，得到医疗分词集；
73.获取预先设置好的与初始分类结果对应的参考关键词表，将所述参考关键词表中与所述医疗分词集中对应的医疗分词作为医疗关键词。
74.详细地，可以利用分词模型或者基准分词器对所述医疗文本信息进行分词处理，得到医疗分词集。其中，与初始分类结果对应的参考关键词表中包括但不限于医院、医疗卫生、门诊、疾病控制、疾病、疾控、急救等关键词。
75.s4、对不同类别下的所述目标医疗网站进行排序处理，得到多个医疗网站榜单。
76.本发明实施例中，所述对不同类别下的所述目标医疗网站进行排序处理，得到多个医疗网站榜单，包括：
77.获取多个目标医疗网站的预设排序参考元素，基于预设的评分计算公式和所述预设排序参考元素计算所述目标网站对应的评分；
78.筛选出所述目标医疗网站对应的评分中大于或者等于预设的评分阈值的多个标准医疗网站；
79.将筛选出来的多个标准医疗网站按照对应评分从大到小进行排序，生成多个医疗网站榜单。
80.详细地，所述多个目标医疗网站的预设的排序参考元素可以为网站点击比率、网站时效性和社会事件匹配度。其中，所述网站点击比率是指网站的被点击数与被搜索数的比值。
81.具体地，所述预设的评分计算公式为：
82.s＝1
×
degree 5
×
limit 10
×
type
83.其中，s为所述评分，degree为所述预设排序参考元素中的网站点击比率，limit为所述预设排序参考元素中的网站时效性，type为所述预设排序参考元素中的社会事件匹配度。
84.详细地，生成的医疗网站榜单可以更加直观的体现出各个医疗网站的受欢迎程度和热门程度，便于用户进行筛选和点击。
85.s5、接收网站查询指令，并对所述网站查询指令进行解析，基于解析后的网站查询指令从多个所述医疗榜单中筛选出预设个数的目标医疗网站进行推送。
86.本发明实施例中，所述网站查询指令为用户发送的想要进行查询网站的请求，对所述网站查询指令进行解析，可以精准定位用户的需求。
87.具体地，所述对所述网站查询指令进行解析，包括：
88.获取预设的解析函数，将所述网站查询指令输入至所述解析函数中，得到初始解析内容；
89.提取所述初始解析内容中的查询类型和查询需求。
90.详细地，所述查询类型是指需要查询何种类型的医疗网站，可以为医疗新闻类型或者医疗研究类型，查询需求是指需要查询排名靠前或者排名靠后的医疗网站。若所述查询需求为查询热门的五个医疗网站，则根据解析后的所述网站查询指令从多个所述医疗榜
单中筛选出预设个数的目标医疗网站进行推送。其中，所述预设个数为五个。
91.本发明实施例通过训练好的医疗网站识别模型识别对多个待推送网站进行识别，得到多个所述待推送网站中的目标医疗网站，所述医疗网站识别模型可以提高网站识别的效率，对多个所述目标医疗网站进行网站分类及对不同类别下的所述目标医疗网站进行排序处理，生成的多个医疗榜单直观的体现出各个目标医疗网站的热门程度。对接收到的网站查询指令进行解析，并基于解析后的网站查询指令从多个医疗榜单中筛选出网站进行推送，可以提高网站推送的效率。因此本发明提出的医疗网站推送方法可以实现解决医疗网站推送的效率不够高的问题。
92.如图2所示，是本发明一实施例提供的医疗网站推送装置的功能模块图。
93.本发明所述医疗网站推送装置100可以安装于电子设备中。根据实现的功能，所述医疗网站推送装置100可以包括模型训练模块101、网站识别模块模块102、榜单生成模块103及网站推送模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
94.在本实施例中，关于各模块/单元的功能如下：
95.所述模型训练模块101，用于基于获取的网站首页信息和分类标签构建训练样本，利用所述训练样本对卷积神经网络进行训练，得到训练好的医疗网站识别模型；
96.所述网站识别模块102，用于获取多个待推送网站，利用所述医疗网站识别模型对多个所述待推送网站进行识别，得到多个所述待推送网站中的目标医疗网站；
97.所述榜单生成模块103，用于对多个所述目标医疗网站进行网站分类，得到多个所述目标医疗网站对应的类别，对不同类别下的所述目标医疗网站进行排序处理，得到多个医疗网站榜单；
98.所述网站推送模块104，用于接收网站查询指令，并对所述网站查询指令进行解析，基于解析后的网站查询指令从多个所述医疗榜单中筛选出预设个数的目标医疗网站进行推送。
99.详细地，所述医疗网站推送装置100各模块的具体实施方式如下：
100.步骤一、基于获取的网站首页信息和分类标签构建训练样本，利用所述训练样本对卷积神经网络进行训练，得到训练好的医疗网站识别模型。
101.本发明实施例中，所述网站首页信息是指已经确定了网站类型的样本网站的首页信息，所述分类标签包括但不限于医疗网站和其他网站这两种类型。基于获取的网站首页信息和分类标签构建训练样本是指利用与所述样本网站的网站类型对应的分类标签对网站首页信息进行标注，得到训练样本。
102.具体地，所述利用所述训练样本对卷积神经网络进行训练，得到训练好的医疗网站识别模型，包括：
103.利用所述卷积神经网络对所述训练样本进行特征提取，得到特征数据集；
104.将所述特征数据集作为预设的激活函数的输入，得到所述特征数据集中多个特征数据对应的概率值；
105.根据所述概率值和预设的识别区间确定预测识别结果；
106.将所述预测识别结果与真实识别结果进行比对，并根据比对结果对所述卷积神经
网络进行迭代优化，得到训练好的医疗网站识别模型。
107.详细地，所述卷积神经网络中包括卷积层、池化层和全连接层。所述预设的激活函数可以为softmax函数或者sigmod函数。所述预设的识别区间可以为当概率值为0到0.5则判定为其他网站，当概率值为0.5到1则判定为医疗网站。
108.步骤二、获取多个待推送网站，利用所述医疗网站识别模型对多个所述待推送网站进行识别，得到多个所述待推送网站中的目标医疗网站。
109.本发明实施例中，多个所述待推送网站包括但不限于医疗网站、金融网站、建筑网站、教育网站等多个不同类型的网站。利用所述医疗网站识别模型对多个所述待推送网站进行识别，可以识别出多个待推送网站中的一个或者多个目标医疗网站。
110.详细地，利用训练好的医疗网站识别模型对多个所述待推送网站进行识别，相比现有的通过技术人员查看目标网站的网站首页信息，根据自身技术经验确定出该目标网站是否为医疗网站的方法来说准确度和效率都得到了提升。
111.步骤三、对多个所述目标医疗网站进行网站分类，得到多个所述目标医疗网站对应的类别。
112.本发明实施例中，所述对多个所述目标医疗网站进行网站分类，得到多个所述目标医疗网站对应的类别，包括：
113.获取多个所述目标医疗网站下的医疗页面信息，提取所述医疗页面信息中的医疗标题；
114.根据所述医疗标题对所述目标医疗网站进行初始分类，得到初始分类结果；
115.对所述医疗页面信息进行关键词提取，得到医疗关键词，并统计所述医疗关键词的数量；
116.当所述医疗关键词的数量大于或者等于预设的参考阈值时，将所述初始分类结果作为多个所述目标医疗网站对应的类别；
117.当所述医疗关键词的数量小于所述参考阈值时，重新执行初始分类操作，并输出多个所述目标医疗网站对应的类别。
118.详细地，所述医疗页面信息是指在浏览器输入所述目标医疗网站后出现的页面，提取所述医疗页面信息中的医疗标题是指医疗页面信息《title》《/title》之间的内容，根据所述医疗标题可以对所述目标医疗网站进行初始分类，初步将所述目标医疗网站进行划分。例如，若所述医疗标题为“xx国家以及研发出xx疫苗”，则属于医疗新闻的类别。
119.具体地，所述对所述医疗页面信息进行关键词提取，得到医疗关键词，包括：
120.提取所述医疗页面信息中的医疗文本信息，对所述医疗文本信息进行分词处理，得到医疗分词集；
121.获取预先设置好的与初始分类结果对应的参考关键词表，将所述参考关键词表中与所述医疗分词集中对应的医疗分词作为医疗关键词。
122.详细地，可以利用分词模型或者基准分词器对所述医疗文本信息进行分词处理，得到医疗分词集。其中，与初始分类结果对应的参考关键词表中包括但不限于医院、医疗卫生、门诊、疾病控制、疾病、疾控、急救等关键词。
123.步骤四、对不同类别下的所述目标医疗网站进行排序处理，得到多个医疗网站榜单。
124.本发明实施例中，所述对不同类别下的所述目标医疗网站进行排序处理，得到多个医疗网站榜单，包括：
125.获取多个目标医疗网站的预设排序参考元素，基于预设的评分计算公式和所述预设排序参考元素计算所述目标网站对应的评分；
126.筛选出所述目标医疗网站对应的评分中大于或者等于预设的评分阈值的多个标准医疗网站；
127.将筛选出来的多个标准医疗网站按照对应评分从大到小进行排序，生成多个医疗网站榜单。
128.详细地，所述多个目标医疗网站的预设的排序参考元素可以为网站点击比率、网站时效性和社会事件匹配度。其中，所述网站点击比率是指网站的被点击数与被搜索数的比值。
129.具体地，所述预设的评分计算公式为：
130.s＝1
×
degree 5
×
limit 10
×
type
131.其中，s为所述评分，degree为所述预设排序参考元素中的网站点击比率，limit为所述预设排序参考元素中的网站时效性，type为所述预设排序参考元素中的社会事件匹配度。
132.详细地，生成的医疗网站榜单可以更加直观的体现出各个医疗网站的受欢迎程度和热门程度，便于用户进行筛选和点击。
133.步骤五、接收网站查询指令，并对所述网站查询指令进行解析，基于解析后的网站查询指令从多个所述医疗榜单中筛选出预设个数的目标医疗网站进行推送。
134.本发明实施例中，所述网站查询指令为用户发送的想要进行查询网站的请求，对所述网站查询指令进行解析，可以精准定位用户的需求。
135.具体地，所述对所述网站查询指令进行解析，包括：
136.获取预设的解析函数，将所述网站查询指令输入至所述解析函数中，得到初始解析内容；
137.提取所述初始解析内容中的查询类型和查询需求。
138.详细地，所述查询类型是指需要查询何种类型的医疗网站，可以为医疗新闻类型或者医疗研究类型，查询需求是指需要查询排名靠前或者排名靠后的医疗网站。若所述查询需求为查询热门的五个医疗网站，则根据解析后的所述网站查询指令从多个所述医疗榜单中筛选出预设个数的目标医疗网站进行推送。其中，所述预设个数为五个。
139.本发明实施例通过训练好的医疗网站识别模型识别对多个待推送网站进行识别，得到多个所述待推送网站中的目标医疗网站，所述医疗网站识别模型可以提高网站识别的效率，对多个所述目标医疗网站进行网站分类及对不同类别下的所述目标医疗网站进行排序处理，生成的多个医疗榜单直观的体现出各个目标医疗网站的热门程度。对接收到的网站查询指令进行解析，并基于解析后的网站查询指令从多个医疗榜单中筛选出网站进行推送，可以提高网站推送的效率。因此本发明提出的医疗网站推送装置可以实现解决医疗网站推送的效率不够高的问题。
140.如图3所示，是本发明一实施例提供的实现医疗网站推送方法的电子设备的结构示意图。
141.所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如医疗网站推送程序。
142.其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行医疗网站推送程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
143.所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如医疗网站推送程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
144.所述通信总线12可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
145.所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
146.图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
147.例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘
述。
148.应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
149.所述电子设备1中的所述存储器11存储的医疗网站推送程序是多个指令的组合，在所述处理器10中运行时，可以实现：
150.基于获取的网站首页信息和分类标签构建训练样本，利用所述训练样本对卷积神经网络进行训练，得到训练好的医疗网站识别模型；
151.获取多个待推送网站，利用所述医疗网站识别模型对多个所述待推送网站进行识别，得到多个所述待推送网站中的目标医疗网站；
152.对多个所述目标医疗网站进行网站分类，得到多个所述目标医疗网站对应的类别；
153.对不同类别下的所述目标医疗网站进行排序处理，得到多个医疗网站榜单；
154.接收网站查询指令，并对所述网站查询指令进行解析，基于解析后的网站查询指令从多个所述医疗榜单中筛选出预设个数的目标医疗网站进行推送。
155.具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
156.进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
157.本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
158.基于获取的网站首页信息和分类标签构建训练样本，利用所述训练样本对卷积神经网络进行训练，得到训练好的医疗网站识别模型；
159.获取多个待推送网站，利用所述医疗网站识别模型对多个所述待推送网站进行识别，得到多个所述待推送网站中的目标医疗网站；
160.对多个所述目标医疗网站进行网站分类，得到多个所述目标医疗网站对应的类别；
161.对不同类别下的所述目标医疗网站进行排序处理，得到多个医疗网站榜单；
162.接收网站查询指令，并对所述网站查询指令进行解析，基于解析后的网站查询指令从多个所述医疗榜单中筛选出预设个数的目标医疗网站进行推送。
163.在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
164.所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
165.另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以
是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
166.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
167.因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
168.本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
169.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
170.此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
171.最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。