就医行为识别方法、装置、终端设备及存储介质与流程

技术特征：
1.一种就医行为识别方法，其特征在于，包括：获取至少一个患者的时序就医数据，每个时序就医数据包括一个患者在所有就医时间下的诊断结果、花费类别和花费项；对所有时序就医数据中同一类诊断结果和同一类花费类别的花费项进行频繁项集挖掘、聚类和映射，以将每个时序就医数据中每个花费类别的花费项简化为一个频繁项集；对每个时序就医数据中同一就医时间下的同一类诊断结果的所有类花费类别进行频繁模式挖掘、聚类和映射，以将每个时序就医数据中每个就医时间下的同一类诊断结果的所有类花费类别简化为一个频繁模式；将每个时序就医数据中所有就医时间下的每一类诊断结果的频繁模式，作为一个目标时序就医数据；对每个目标时序就医数据进行时序关联规则挖掘，获得每个目标时序就医数据中所有类诊断结果的频繁模式之间的时序关联规则；根据每个时序关联规则，识别相应患者的就医行为是否异常。2.根据权利要求1所述的就医行为识别方法，其特征在于，所述对所有时序就医数据中同一类诊断结果和同一类花费类别的花费项进行频繁项集挖掘、聚类和映射，包括：对所有时序就医数据中同一类诊断结果和同一类花费类别的花费项进行频繁项集挖掘，获得所述同一类诊断结果和同一类花费类别的所有频繁项集；对所述所有频繁项集进行聚类，获得所述所有频繁项集对应的所有聚类簇；获取所述所有频繁项集对应的每个聚类簇中支持度最高的核心频繁项集，得到所述同一类诊断结果和同一类花费类别的所有核心频繁项集；将所述同一类诊断结果和同一类花费类别的每个花费类别的花费项简化为与之匹配度最高的核心频繁项集。3.根据权利要求2所述的就医行为识别方法，其特征在于，所述对所述所有频繁项集进行聚类，获得对应的所有聚类簇，包括：对所述所有频繁项集进行编码；根据编码后的所述所有频繁项集，获取所述所有频繁项集中每两个频繁项集之间的相似度；根据所述所有频繁项集中每两个频繁项集之间的相似度，对所述所有频繁项集进行聚类，获得所述所有频繁项集对应的多个聚类簇。4.根据权利要求3所述的就医行为识别方法，其特征在于，所述对所述所有频繁项集进行编码，包括：对所述所有频繁项集进行独热编码，1表示相应频繁项集中有对应的花费项，0表示相应频繁项集中无对应的花费项；所述根据编码后的所述所有频繁项集，获取所述所有频繁项集中每两个频繁项集之间的相似度，包括：根据独热编码之后的所述所有频繁项集，获取所述所有频繁项集中每两个频繁项集之间的杰卡德系数；所述根据所述所有频繁项集中每两个频繁项集之间的相似度，对所述所有频繁项集进行聚类，获得所述所有频繁项集对应的多个聚类簇，包括：
根据所述所有频繁项集中每两个频繁项集之间的杰卡德系数，采用kmeans算法对所述所有频繁项集进行聚类，获得所述所有频繁项集对应的多个聚类簇。5.根据权利要求2所述的就医行为识别方法，其特征在于，所述将所述同一类诊断结果和同一类花费类别的每个花费类别的花费项简化为与之匹配度最高的核心频繁项集，包括：按照支持度的大小对所述同一类诊断结果和同一类花费类别的所有核心频繁项集进行排序；将所述同一类诊断结果和同一类花费类别的每个花费类别的花费项依次与排序后的所有核心频繁项集进行排序进行匹配；若任一花费类别的花费项包含任一核心频繁项集中的所有元素，则将所述任一花费类别的花费项简化为所述任一核心频繁项集；若任一花费类别的花费项未包含任一核心频繁项集，则不简化所述任一花费类别的花费项。6.根据权利要求1所述的就医行为识别方法，其特征在于，所述对所有时序就医数据中同一类诊断结果和同一类花费类别的花费项进行频繁项集挖掘、聚类和映射，包括：根据apriori算法，对所有时序就医数据中同一类诊断结果和同一类花费类别的花费项进行频繁项集挖掘；所述对所述目标时序就医数据进行时序关联规则挖掘，包括：通过prefixspan算法，对患者的目标时序就医数据进行时序关联规则挖掘。7.根据权利要求1至6任一项所述的就医行为识别方法，其特征在于，所述对每个目标时序就医数据进行时序关联规则挖掘，获得每个目标时序就医数据中所有类诊断结果的频繁模式之间的时序关联规则之后，包括：将所有时序就医数据、所有频繁项集、所有目标时序就医数据和所有时序关联规则上传至区块链。8.一种就医行为识别装置，其特征在于，包括：数据获取单元，用于获取至少一个患者的时序就医数据，每个时序就医数据包括一个患者在所有就医时间下的诊断结果、花费类别和花费项；频繁项集挖掘单元，用于对所有时序就医数据中同一类诊断结果和同一类花费类别的花费项进行频繁项集挖掘、聚类和映射，以将每个时序就医数据中每个花费类别的花费项简化为一个频繁项集；频繁模式挖掘单元，用于对每个时序就医数据中同一就医时间下的同一类诊断结果的所有类花费类别进行频繁模式挖掘、聚类和映射，以将每个时序就医数据中每个就医时间下的同一类诊断结果的所有类花费类别简化为一个频繁模式；数据生成单元，用于将每个时序就医数据中所有就医时间下的每一类诊断结果的频繁模式，作为一个目标时序就医数据；时序关联规则挖掘单元，用于对每个目标时序就医数据进行时序关联规则挖掘，获得每个目标时序就医数据中所有类诊断结果的频繁模式之间的时序关联规则；就医行为识别单元，用于根据每个时序关联规则，识别相应患者的就医行为是否异常。9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上
运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述就医行为识别方法的步骤。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述就医行为识别方法的步骤。

技术总结
本申请适用于人工智能技术领域，提供了一种就医行为识别方法、装置、终端设备及存储介质，通过对患者的时序就医数据分层级进行频繁模式挖掘，用挖掘得到的频繁模式表示患者的单次就医行为，实现对患者的单次就医行为的简化；同时，为了减少潜在的相似频繁模式，对频繁模式进行聚类，用聚类后的代表模式表示患者的单次就医行为，以实现对患者的单次就医行为的进一步简化，降低了患者的就医行为模式的复杂度，从而在对患者的多次就医行为进行时序关联规则挖掘时，可以有效降低计算量、提高挖掘效率，有效缩短完成时序关联规则挖掘所需的时间，进而可以基于时序关联规则快速、准确的识别患者的就医行为是否异常。别患者的就医行为是否异常。别患者的就医行为是否异常。


技术研发人员：宋威 耿万里 张雯 杨志专
受保护的技术使用者：平安国际智慧城市科技股份有限公司
技术研发日：2022.01.21
技术公布日：2022/4/29