应用于智慧医疗的用户大数据分析方法及服务器与流程

1.本技术涉及智慧医疗技术领域，尤其涉及一种应用于智慧医疗的用户大数据分析方法及服务器。


背景技术：

2.智慧医疗（wise information technology of med，witmed），是指通过打造健康档案区域医疗信息平台，并结合大数据、云计算和物联网技术，实现患者与医务人员、医疗机构以及医疗设备之间的数字化互动，以逐渐达到信息化升级的技术。相较于传统医疗模式，智慧医疗能够提高医疗资源的利用率，减少医患纠纷。
3.随着智慧医疗的不断发展，在效率至上的前提下，针对医疗用户的个性化服务受到越来越多的关注。然而，作为个性化服务和需求分析的先决条件，相关的医疗用户大数据挖掘技术还存在一定缺陷。例如，如何提高医疗用户大数据挖掘的精度和针对性是现目前需要改善的一个技术问题。


技术实现要素：

4.本技术实施例提供了一种应用于智慧医疗的用户大数据分析方法及服务器，能够根据主题关联性对不同医疗用户主题数据进行关联分析和处理，从而为后续的用户需求分析提供尽可能完整丰富的决策依据。
5.有鉴于此，本技术一方面提供一种应用于智慧医疗的用户大数据分析方法，应用于用户大数据分析服务器，所述方法至少包括：采集第一医疗用户主题数据和第二医疗用户主题数据，并结合所述第一医疗用户主题数据的互动主题显著表达和所述第二医疗用户主题数据的互动主题显著表达，获得所述第一医疗用户主题数据与所述第二医疗用户主题数据进行显著表达拼接的拼接约束指示；响应于所述拼接约束指示，对所述第一医疗用户主题数据的互动主题显著表达和所述第二医疗用户主题数据的互动主题显著表达进行显著表达拼接，获得所述第一医疗用户主题数据所绑定的第一拼接显著表达以及所述第二医疗用户主题数据所绑定的第二拼接显著表达；结合所述第一拼接显著表达和所述第二拼接显著表达，获得所述第一医疗用户主题数据和所述第二医疗用户主题数据的主题关联性。
6.对于一些可独立实施的设计思路而言，所述拼接约束指示用作基于显著表达之间的相关性系数设置于完成显著表达拼接的拼接显著表达，其中，显著表达之间的相关性系数越小，显著表达拼接指示所绑定的变量值越低。
7.对于一些可独立实施的设计思路而言，所述结合所述第一医疗用户主题数据的互动主题显著表达和所述第二医疗用户主题数据的互动主题显著表达，获得所述第一医疗用户主题数据与所述第二医疗用户主题数据进行显著表达拼接的拼接约束指示，包括：通过所述第一医疗用户主题数据的互动主题显著表达和所述第二医疗用户主题
数据的互动主题显著表达，获得所述第一医疗用户主题数据对于所述第二医疗用户主题数据聚焦的第二针对性显著表达；通过所述第一医疗用户主题数据的互动主题显著表达和所述第二针对性显著表达，获得所述第一医疗用户主题数据所绑定的第一拼接约束指示。
8.对于一些可独立实施的设计思路而言，所述第一医疗用户主题数据包括不少于一个片段化主题内容，所述第二医疗用户主题数据包括不少于一个片段化主题内容；所述获得所述第一医疗用户主题数据对于所述第二医疗用户主题数据聚焦的第二针对性显著表达，包括：确定所述第一医疗用户主题数据的每个片段化主题内容的第一互动主题显著表达，以及确定所述第二医疗用户主题数据的每个片段化主题内容的第二互动主题显著表达；通过所述第一互动主题显著表达和所述第二互动主题显著表达，获得所述第一医疗用户主题数据的每个片段化主题内容与所述第二医疗用户主题数据的每个片段化主题内容之间的局部热点指数，以及通过所述局部热点指数和所述第二互动主题显著表达，获得所述第一医疗用户主题数据的每个片段化主题内容对所述第二医疗用户主题数据聚焦的第二针对性显著表达。
9.对于一些可独立实施的设计思路而言，所述结合所述第一医疗用户主题数据的互动主题显著表达和所述第二医疗用户主题数据的互动主题显著表达，获得所述第一医疗用户主题数据与所述第二医疗用户主题数据进行显著表达拼接的拼接约束指示，包括：通过所述第一医疗用户主题数据的互动主题显著表达和所述第二医疗用户主题数据的互动主题显著表达，获得所述第二医疗用户主题数据对于所述第一医疗用户主题数据聚焦的第一针对性显著表达；通过所述第二医疗用户主题数据的互动主题显著表达和所述第一针对性显著表达，获得所述第二医疗用户主题数据所绑定的第二拼接约束指示。
10.对于一些可独立实施的设计思路而言，所述第一医疗用户主题数据包括不少于一个片段化主题内容，所述第二医疗用户主题数据包括不少于一个片段化主题内容；所述通过所述第一医疗用户主题数据的互动主题显著表达和所述第二医疗用户主题数据的互动主题显著表达，获得所述第二医疗用户主题数据对于所述第一医疗用户主题数据聚焦的第一针对性显著表达，包括：确定所述第一医疗用户主题数据的每个片段化主题内容的第一互动主题显著表达，以及确定所述第二医疗用户主题数据的每个片段化主题内容的第二互动主题显著表达；通过所述第一互动主题显著表达和所述第二互动主题显著表达，获得所述第一医疗用户主题数据的每个片段化主题内容与所述第二医疗用户主题数据的每个片段化主题内容之间的局部热点指数，以及通过所述局部热点指数和所述第一互动主题显著表达，获得所述第二医疗用户主题数据的每个片段化主题内容对所述第一医疗用户主题数据聚焦的第一针对性显著表达。
11.对于一些可独立实施的设计思路而言，所述获得所述第一医疗用户主题数据所绑定的第一拼接显著表达，包括：
通过所述第一医疗用户主题数据的互动主题显著表达和所述第二医疗用户主题数据的互动主题显著表达，获得所述第一医疗用户主题数据对于所述第二医疗用户主题数据聚焦的第二针对性显著表达；借助所述拼接约束指示对所述第一医疗用户主题数据的互动主题显著表达和所述第二针对性显著表达进行显著表达拼接，确定第一医疗用户主题数据所绑定的第一拼接显著表达。
12.对于一些可独立实施的设计思路而言，所述借助所述拼接约束指示对所述第一医疗用户主题数据的互动主题显著表达和所述第二针对性显著表达进行显著表达拼接，确定第一医疗用户主题数据所绑定的第一拼接显著表达，包括：对所述第一医疗用户主题数据的互动主题显著表达和所述第二针对性显著表达进行显著表达拼接，得到第一主题描述拼接信息；根据所述拼接约束指示调整所述第一主题描述拼接信息，得到完成调整的第一主题描述拼接信息；结合完成调整的第一主题描述拼接信息和所述第一互动主题显著表达，获得所述第一医疗用户主题数据所绑定的第一拼接显著表达。
13.对于一些可独立实施的设计思路而言，所述获得所述第二医疗用户主题数据所绑定的第二拼接显著表达，包括：通过所述第一医疗用户主题数据的互动主题显著表达和所述第二医疗用户主题数据的互动主题显著表达，获得所述第二医疗用户主题数据对于所述第一医疗用户主题数据聚焦的第一针对性显著表达；通过所述第二医疗用户主题数据的互动主题显著表达和所述第一针对性显著表达，确定第二医疗用户主题数据所绑定的第二拼接显著表达。
14.对于一些可独立实施的设计思路而言，所述通过所述第二医疗用户主题数据的互动主题显著表达和所述第一针对性显著表达，确定第二医疗用户主题数据所绑定的第二拼接显著表达，包括：对所述第二医疗用户主题数据的互动主题显著表达和所述第一针对性显著表达进行显著表达拼接，得到第二主题描述拼接信息；根据所述拼接约束指示调整所述第二主题描述拼接信息，得到完成调整的第二主题描述拼接信息；结合完成调整的第二主题描述拼接信息和所述第二互动主题显著表达，获得所述第二医疗用户主题数据所绑定的第二拼接显著表达。
15.对于一些可独立实施的设计思路而言，所述结合所述第一拼接显著表达和所述第二拼接显著表达，获得所述第一医疗用户主题数据和所述第二医疗用户主题数据的主题关联性，包括：结合所述第一拼接显著表达的第一局部热点信息与所述第二拼接显著表达的第二局部热点信息，获得所述第一医疗用户主题数据和所述第二医疗用户主题数据的主题关联性。
16.对于一些可独立实施的设计思路而言，所述第一医疗用户主题数据为第一医疗用户主题的存在挖掘需求的数据，所述第二医疗用户主题数据为第二医疗用户主题的备选主
题数据；所述方法还包括：在所述主题关联性符合目标要求的基础上，将所述第二医疗用户主题数据确定为所述第一医疗用户主题数据的挖掘记录。
17.对于一些可独立实施的设计思路而言，所述第二医疗用户主题数据为若干；所述在所述主题关联性符合目标要求的基础上，将所述第二医疗用户主题数据确定为所述第一医疗用户主题数据的挖掘记录，包括：通过所述第一医疗用户主题数据与每个第二医疗用户主题数据的主题关联性，对多个第二医疗用户主题数据进行整理，得到主题数据整理结果；通过所述主题数据整理结果，确定主题关联性符合所述目标要求的第二医疗用户主题数据；将主题关联性符合所述目标要求的第二医疗用户主题数据确定为所述第一医疗用户主题数据的挖掘记录。
18.对于一些可独立实施的设计思路而言，所述目标要求包括如下其中一个要求：主题关联性超过设定关联性；主题关联性升序的相对位置超过设定相对位置。
19.对于一些可独立实施的设计思路而言，所述第一医疗用户主题数据包括视觉感官数据或混合感官数据中的一种医疗用户主题数据；所述第二医疗用户主题数据包括视觉感官数据或混合感官数据中的另一种医疗用户主题数据。
20.对于一些可独立实施的设计思路而言，所述第一医疗用户主题数据为第一医疗用户主题的调试范例数据，所述第二医疗用户主题数据为第二医疗用户主题的调试范例数据；每个第一医疗用户主题的调试范例数据与第二医疗用户主题的调试范例数据形成调试范例二元组。
21.对于一些可独立实施的设计思路而言，所述调试范例二元组包括积极性范例二元组和消极性范例二元组；所述方法还包括：确定每一调试范例二元组之间的主题关联性；通过所述积极性范例二元组中医疗用户主题数据相关性系数最大的积极性范例二元组的主题关联性，以及所述消极性范例二元组中相关性系数最小的消极性范例二元组的主题关联性，获得所述第一医疗用户主题数据与所述第二医疗用户主题数据显著表达拼接时的质量检测结果；通过所述质量检测结果对所述第一医疗用户主题数据与所述第二医疗用户主题数据显著表达拼接时借鉴的主题数据处理线程的线程变量进行优化。
22.本技术另一方面提供一种用户大数据分析服务器，包括：存储器，用于存储可执行的指令；处理器，用于根据所述可执行的指令的控制，运行所述用户大数据分析服务器执行上述的方法。
23.从以上技术方案可以看出，本技术实施例具有以下优点：通过对不同医疗用户主题数据进行显著表达拼接的思路，得到不同医疗用户主题数据之间的主题关联性，相较于利用不同医疗用户主题数据的显著表达在相同特征场景下的差异情况确定主题关联性的思路，本技术实施例能够集合不同医疗用户主题数据之间所具有的深层次关系，通过对不同医疗用户主题数据进行显著表达拼接的思路确定不同医疗用户主题数据之间主题关联性，提高针对不同医疗用户主题数据挖掘的精度和针对性。这样可以根据主题关联性对不同医疗用户主题数据进行关联分析和处理，从而为后续的用户需求分析提供尽可能完整丰
富的决策依据。
24.通过以下参照附图对本技术的示例性实施例的详细描述，本技术的其它特征及其优点将会变得清楚。
附图说明
25.被结合在说明书中并构成说明书的一部分的附图示出了本技术的实施例，并且连同其说明一起用于解释本技术的原理。
26.图1是示出可以实现本技术的实施例的用户大数据分析服务器的一种硬件配置的框图。
27.图2是示出可以实现本技术的实施例的用户大数据分析服务器的另一种硬件配置的框图。
28.图3是示出可以实现本技术的实施例的应用于智慧医疗的用户大数据分析方法的流程图。
29.图4是示出可以实现本技术的实施例的应用于智慧医疗的用户大数据分析系统的架构示意图。
具体实施方式
30.现在将参照附图来详细描述本技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本技术的范围。
31.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本技术及其应用或使用的任何限制。
32.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
33.在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
34.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
35.《硬件配置》图1是示出可以实现本技术的实施例的用户大数据分析服务器100的一种硬件配置的框图，用户大数据分析服务器100可以包括处理器110和存储器120，存储器120用于存储可执行的指令，处理器110用于根据可执行的指令的控制，运行用户大数据分析服务器100执行本技术中的应用于智慧医疗的用户大数据分析方法。
36.图2是示出可以实现本技术的实施例的用户大数据分析服务器100的另一种硬件配置的框图，用户大数据分析服务器100可以包括处理器110、存储器120和应用于智慧医疗的用户大数据分析装置400，应用于智慧医疗的用户大数据分析装置400包括至少一个可以软件或固件（firmware）的形式储存于所述存储器120中的软件功能模块，所述处理器110通过运行存储在存储器120内的软件程序以及模块，例如本技术实施例中的应用于智慧医疗的用户大数据分析装置400，从而执行各种功能应用以及数据处理，即实现本技术实施例中
的应用于智慧医疗的用户大数据分析方法。
37.《方法实施例》图3是示出可以实现本技术的实施例的应用于智慧医疗的用户大数据分析方法的流程图，应用于智慧医疗的用户大数据分析方法可以通过图1或图2所示的用户大数据分析服务器100实现，进一步可以包括以下步骤所描述的技术方案。
38.对于步骤11而言，采集第一医疗用户主题数据和第二医疗用户主题数据。
39.在本技术实施例中，用户大数据分析服务器可以获取第一医疗用户主题数据或者第二医疗用户主题数据。比如，用户大数据分析服务器获取智慧医疗客户端上传的第一医疗用户主题数据或第二医疗用户主题数据；再比如，用户大数据分析服务器根据会话互动记录获取第一医疗用户主题数据或者第二医疗用户主题数据。用户大数据分析服务器还可以在云存储空间中获取第一医疗用户主题数据或者第二医疗用户主题数据。这里，第一医疗用户主题数据和第二医疗用户主题数据为不同医疗用户主题的信息，比如，第一医疗用户主题数据可以包括视觉感官数据（词向量数据）或混合感官数据（视频数据）中的一种医疗用户主题数据，第二医疗用户主题数据包括视觉感官数据或混合感官数据中的一种医疗用户主题数据。本技术实施例中的第一医疗用户主题数据和第二医疗用户主题数据不仅限于混合感官数据和视觉感官数据，还可以其他类型的数据等。本技术实施例的医疗用户主题可以理解为医疗用户所接入的医疗服务或者医疗流程等。第一医疗用户主题数据和第二医疗用户主题数据可以为不同医疗用户主题的信息。比如，医疗用户主题可以涉及远程就诊主题、药品配送主题、住院手续办理主题等。
40.对于步骤12而言，对所述第一医疗用户主题数据的互动主题显著表达和所述第二医疗用户主题数据的互动主题显著表达进行显著表达拼接，获得所述第一医疗用户主题数据所绑定的第一拼接显著表达以及所述第二医疗用户主题数据所绑定的第二拼接显著表达。
41.在本技术实施例中，在采集第一医疗用户主题数据和第二医疗用户主题数据之后，可以分别对第一医疗用户主题数据和第二医疗用户主题数据进行显著表达抽取，确定第一医疗用户主题数据的互动主题显著表达和第二医疗用户主题数据的互动主题显著表达。第一医疗用户主题数据的互动主题显著表达可以形成第一互动主题显著表达数组，第二医疗用户主题数据的互动主题显著表达可以形成第二互动主题显著表达数组。然后可以根据第一互动主题显著表达数组和第二互动主题显著表达数组，对第一医疗用户主题数据和第二医疗用户主题数据进行显著表达拼接。
42.进一步地，在对第一医疗用户主题数据和第二医疗用户主题数据进行显著表达拼接时，可以先将第一互动主题显著表达数组和第二互动主题显著表达数组变换为相同特征场景的显著表达数组，然后对进行变换后得到的两个显著表达数组进行显著表达拼接。这种显著表达拼接的思路虽然效率较高，但是难以准确计算第一医疗用户主题数据和第二医疗用户主题数据之间显著表达的相关性系数。本技术实施例还提供了另一种显著表达拼接的思路，可以准确计算第一医疗用户主题数据和第二医疗用户主题数据之间显著表达的相关性系数。
43.以下为本技术一可独立实施的实施例所提供的确定拼接显著表达的技术方案，具体可以包括如下内容。
44.对于步骤121而言，结合所述第一医疗用户主题数据的互动主题显著表达和所述第二医疗用户主题数据的互动主题显著表达，获得所述第一医疗用户主题数据与所述第二医疗用户主题数据进行显著表达拼接的拼接约束指示。
45.对于步骤122而言，响应于所述拼接约束指示，对所述第一医疗用户主题数据的互动主题显著表达和所述第二医疗用户主题数据的互动主题显著表达进行显著表达拼接，获得所述第一医疗用户主题数据所绑定的第一拼接显著表达以及所述第二医疗用户主题数据所绑定的第二拼接显著表达。
46.在本技术实施例中，所述拼接约束指示用作基于显著表达之间的相关性系数设置于完成显著表达拼接的拼接显著表达，其中，显著表达之间的相关性系数越小，显著表达拼接指示所绑定的变量值越低。
47.在本技术实施例中，在对第一医疗用户主题数据的互动主题显著表达和第二医疗用户主题数据的互动主题显著表达进行显著表达拼接时，可以先根据第一医疗用户主题数据的互动主题显著表达和第二医疗用户主题数据的互动主题显著表达，确定第一医疗用户主题数据的互动主题显著表达与第二医疗用户主题数据的互动主题显著表达进行显著表达拼接的拼接约束指示，再利用拼接约束指示对第一医疗用户主题数据和第二医疗用户主题数据进行显著表达拼接。拼接约束指示可以根据显著表达之前的相关性系数进行配置，显著表达之间的相关性系数越大，显著表达拼接指示所绑定的变量值越高，从而可以在显著表达拼接过程中，尽可能保留相适配的显著表达，清洗不适配的显著表达，确定第一医疗用户主题数据所绑定的第一拼接显著表达以及第二医疗用户主题数据所绑定的第二拼接显著表达。通过在显著表达拼接过程中设置拼接约束指示，可以在医疗用户主题数据的挖掘过程中准确计算第一医疗用户主题数据和第二医疗用户主题数据之间显著表达的相关性系数（可以理解为匹配程度）。
48.考虑到拼接约束指示（特征融合指示）可以使第一医疗用户主题数据和第二医疗用户主题数据更精准地进行拼接，本技术实施例示例性地对确定拼接约束指示的示例性方案进行阐述。
49.对于一些可独立实施的技术方案而言，拼接约束指示可以包括第一拼接约束指示和第二拼接约束指示。第一拼接约束指示可以对应于第一医疗用户主题数据，第二拼接约束指示可以对应与第二医疗用户主题数据。在确定拼接约束指示时，可以分别确定第一拼接约束指示和第二拼接约束指示。在确定第一拼接约束指示时，可以根据第一医疗用户主题数据的互动主题显著表达和第二医疗用户主题数据的互动主题显著表达，确定第一医疗用户主题数据对于第二医疗用户主题数据聚焦的第二针对性显著表达，然后根据第一医疗用户主题数据的互动主题显著表达和第二针对性显著表达，确定第一医疗用户主题数据所绑定的第一拼接约束指示。进一步地，在确定第二拼接约束指示时，可以根据第一医疗用户主题数据的互动主题显著表达和第二医疗用户主题数据的互动主题显著表达，确定第二医疗用户主题数据对于第一医疗用户主题数据聚焦的第一针对性显著表达，然后根据第二医疗用户主题数据的互动主题显著表达和第一针对性显著表达，确定第二医疗用户主题数据所绑定的第二拼接约束指示。
50.在本技术实施例中，第一医疗用户主题数据可以包括不少于一个片段化主题内容（比如局部内容或者阶段性内容），进一步地，第二医疗用户主题数据可以包括不少于一个
片段化主题内容。每个片段化主题内容的内容量可以一致或者不一致，每个片段化主题内容之间可以存在重复。比如，在第一医疗用户主题数据或第二医疗用户主题数据为混合感官数据的基础上，混合感官数据可以包括多个混合感官主题内容，每个混合感官主题内容的内容量可以一致或者不一致，每个混合感官主题内容之间可以存在重复。在本技术实施例中，混合感官主题内容可以理解为图形化的主题信息。
51.对于一些可独立实施的技术方案而言，在确定第一医疗用户主题数据对于第二医疗用户主题数据聚焦的第二针对性显著表达时，用户大数据分析服务器可以获取第一医疗用户主题数据的每个片段化主题内容的第一互动主题显著表达，以及，获取第二医疗用户主题数据的每个片段化主题内容的第二互动主题显著表达。然后根据第一互动主题显著表达和第二互动主题显著表达，确定第一医疗用户主题数据的每个片段化主题内容与第二医疗用户主题数据的每个片段化主题内容之间的局部热点指数（注意力权重），再根据局部热点指数和第二互动主题显著表达，确定第一医疗用户主题数据的每个片段化主题内容对第二医疗用户主题数据聚焦的第二针对性显著表达（注意力描述）。
52.进一步地，在确定第二医疗用户主题数据对于第一医疗用户主题数据聚焦的第一针对性显著表达时，用户大数据分析服务器可以获取第一医疗用户主题数据的每个片段化主题内容的第一互动主题显著表达，以及，获取第二医疗用户主题数据的每个片段化主题内容的第二互动主题显著表达。然后根据第一互动主题显著表达和第二互动主题显著表达，确定第一医疗用户主题数据的每个片段化主题内容与第二医疗用户主题数据的每个片段化主题内容之间的局部热点指数，再根据局部热点指数和第一互动主题显著表达，确定第二医疗用户主题数据的每个片段化主题内容对第一医疗用户主题数据聚焦的第一针对性显著表达。
53.在本技术实施例中，用户大数据分析服务器在确定第一针对性显著表达和第二针对性显著表达之后，可以根据第一医疗用户主题数据的互动主题显著表达和第二针对性显著表达，确定第一医疗用户主题数据所绑定的第一拼接约束指示，以及，根据第二医疗用户主题数据的互动主题显著表达和第一针对性显著表达，确定第二医疗用户主题数据所绑定的第二拼接约束指示。下面对确定第一拼接约束指示和第二拼接约束指示的示例性方案进行阐述。
54.在本技术实施例中，用户大数据分析服务器在确定拼接约束指示之后，可以拼接约束指示对第一医疗用户主题数据和第二医疗用户主题数据进行显著表达拼接。下面对第一医疗用户主题数据和第二医疗用户主题数据的显著表达拼接示例性方案进行阐述。
55.对于一些可独立实施的技术方案而言，可以根据第一医疗用户主题数据的互动主题显著表达和第二医疗用户主题数据的互动主题显著表达，确定第一医疗用户主题数据对于第二医疗用户主题数据聚焦的第二针对性显著表达，并借助拼接约束指示对第一医疗用户主题数据的互动主题显著表达和第二针对性显著表达进行显著表达拼接，确定第一医疗用户主题数据所绑定的第一拼接显著表达。
56.在本技术实施例中，在进行显著表达拼接时，可以将第一医疗用户主题数据的互动主题显著表达和第二针对性显著表达进行显著表达拼接，结合了第一医疗用户主题数据和第二医疗用户主题数据之间的局部热点信息，结合了第一医疗用户主题数据和第二医疗用户主题数据之间的深层次联系，使第一医疗用户主题数据和第二医疗用户主题数据更精
准地进行显著表达拼接。
57.对于一些可独立实施的技术方案而言，在利用拼接约束指示对第一医疗用户主题数据的互动主题显著表达和第二针对性显著表达进行显著表达拼接，确定第一医疗用户主题数据所绑定的第一拼接显著表达时，可以先对第一医疗用户主题数据的互动主题显著表达和第二针对性显著表达进行显著表达拼接，得到第一主题描述拼接信息。然后将拼接约束指示应用于所述第一主题描述拼接信息，得到完成调整的第一主题描述拼接信息，再结合完成调整的第一主题描述拼接信息和第一互动主题显著表达，确定第一医疗用户主题数据所绑定的第一拼接显著表达。
58.在本技术实施例中，拼接约束指示可以包括第一拼接约束指示和第二拼接约束指示，在对第一医疗用户主题数据的互动主题显著表达和第二针对性显著表达进行显著表达拼接时，可以利用第一拼接约束指示。换言之，可以将第一拼接约束指示应用于第一主题描述拼接信息，进而确定第一拼接显著表达。
59.以第一医疗用户主题数据为混合感官数据、第二医疗用户主题数据为视觉感官数据为例，混合感官数据每个混合感官主题内容的视觉显著表达数组（第一互动主题显著表达的示例）为description_1，混合感官数据第一针对性显著表达形成的第一针对性显著表达数组可以为视觉感官数据每个词向量单元的词向量显著表达数组（第二互动主题显著表达的示例）为description_2，混合感官数据第二针对性显著表达形成的第二针对性显著表达数组可以为用户大数据分析服务器可以对视觉显著表达数组description_1和第二针对性显著表达数组进行显著表达拼接，得到第一主题描述拼接信息然后将第一拼接指示description_31应用于得到完成调整的第一主题描述拼接信息然后根据完成调整的第一主题描述拼接信息和视觉显著表达数组description_1得到第一拼接显著表达。
60.进一步地，对于一些可独立实施的技术方案而言，可以根据第一医疗用户主题数据的互动主题显著表达和第二医疗用户主题数据的互动主题显著表达，确定第二医疗用户主题数据对于第一医疗用户主题数据聚焦的第一针对性显著表达，并借助拼接约束指示对第二医疗用户主题数据的互动主题显著表达和第一针对性显著表达进行显著表达拼接，确定第二医疗用户主题数据所绑定的第二拼接显著表达。
61.可以理解的是，在进行显著表达拼接时，可以将第二医疗用户主题数据的互动主题显著表达和第一针对性显著表达进行显著表达拼接，结合了第一医疗用户主题数据和第二医疗用户主题数据之间的局部热点信息，结合了第一医疗用户主题数据和第二医疗用户主题数据之间的内在关联，使第一医疗用户主题数据和第二医疗用户主题数据更精准地进行显著表达拼接。
62.在本技术实施例中，在利用拼接约束指示对第二医疗用户主题数据的互动主题显著表达和第一针对性显著表达进行显著表达拼接，确定第二医疗用户主题数据所绑定的第二拼接显著表达时，可以先对第二医疗用户主题数据的互动主题显著表达和第一针对性显著表达进行显著表达拼接，得到第二主题描述拼接信息。然后将拼接约束指示应用于所述第二主题描述拼接信息，得到完成调整的第二主题描述拼接信息，再结合完成调整的第二主题描述拼接信息和第二互动主题显著表达，确定第二医疗用户主题数据所绑定的第二拼接显著表达。
63.在本技术实施例中，在对第一医疗用户主题数据的互动主题显著表达和第二针对
性显著表达进行显著表达拼接时，可以利用第二拼接约束指示。换言之，可以将第二拼接约束指示应用于第二主题描述拼接信息，进而确定第二拼接显著表达。
64.对于步骤13而言，结合所述第一拼接显著表达和所述第二拼接显著表达，获得所述第一医疗用户主题数据和所述第二医疗用户主题数据的主题关联性。
65.在本技术实施方式中，用户大数据分析服务器可以根据第一拼接显著表达形成的第一拼接显著表达数组以及第二拼接显著表达形成的第二拼接显著表达数组，获得所述第一医疗用户主题数据和所述第二医疗用户主题数据的主题关联性。比如，可以对第一拼接显著表达数组和第二拼接显著表达数组再次进行显著表达拼接操作，或者，对第一拼接显著表达数组和第二拼接显著表达数组进行匹配处理等，确定第一医疗用户主题数据和第二医疗用户主题数据的主题关联性。
66.在上述内容的基础上，为了确保主题关联性（主题相似度）更加精准可靠，本技术实施例还提供了一种确定第一医疗用户主题数据和所述第二医疗用户主题数据的主题关联性的思路，下面本技术实施例提供确定主题关联性的示例性方案进行阐述。
67.对于一些可独立实施的技术方案而言，在确定第一医疗用户主题数据和第二医疗用户主题数据的主题关联性时，可以获取第一拼接显著表达的第一局部热点信息，以及，获取第二拼接显著表达的第二局部热点信息。然后可以基于第一拼接显著表达的第一局部热点信息与第二拼接显著表达的第二局部热点信息，确定第一医疗用户主题数据和第二医疗用户主题数据的主题关联性。
68.可以理解的是，如果第一医疗用户主题数据为混合感官数据的基础上，混合感官数据的第一拼接显著表达数组对应num1个混合感官主题内容。在根据第一拼接显著表达数组确定第一局部热点信息时，可以利用多个局部聚焦子网络提取不同混合感官主题内容的局部热点信息。进一步地，可以将来自num2个局部聚焦子网络的局部热点信息进行整理，并将整理后的局部热点信息进行平均化处理，确定为最后第一拼接显著表达的第一局部热点信息（可以理解为注意力特征）。
69.如此设计，通过上述医疗用户主题数据挖掘的思路，考虑不同医疗用户主题数据之间所具有的深层次关系，通过对不同医疗用户主题数据进行显著表达拼接的思路确定不同医疗用户主题数据之间主题关联性，提高针对不同医疗用户主题数据挖掘的精度和针对性。
70.以下为根据本技术一可独立实施的实施例的医疗用户主题数据挖掘的技术方案。第一医疗用户主题数据可以为第一医疗用户主题的存在挖掘需求的数据，第二医疗用户主题数据可以为第二医疗用户主题的备选主题数据，该应用于智慧医疗的用户大数据分析方法可以包括以下内容。
71.对于步骤61而言，采集第一医疗用户主题数据和第二医疗用户主题数据。
72.对于步骤62而言，对所述第一医疗用户主题数据的互动主题显著表达和所述第二医疗用户主题数据的互动主题显著表达进行显著表达拼接，获得所述第一医疗用户主题数据所绑定的第一拼接显著表达以及所述第二医疗用户主题数据所绑定的第二拼接显著表达。
73.对于步骤63而言，结合所述第一拼接显著表达和所述第二拼接显著表达，获得所述第一医疗用户主题数据和所述第二医疗用户主题数据的主题关联性。
74.对于步骤64而言，在所述主题关联性符合目标要求的基础上，将所述第二医疗用户主题数据确定为所述第一医疗用户主题数据的挖掘记录。
75.在本技术实施例中，用户大数据分析服务器可以获取医疗客户端传入的第一医疗用户主题数据，然后可以在云存储空间中获取第二医疗用户主题数据。在通过上述步骤确定第一医疗用户主题数据与第二医疗用户主题数据的主题关联性符合目标要求的基础上，可以将第二医疗用户主题数据确定为第一医疗用户主题数据的挖掘记录。
76.对于一些可独立实施的技术方案而言，第二医疗用户主题数据为多个，在将第二医疗用户主题数据确定为第一医疗用户主题数据的挖掘记录时，可以根据第一医疗用户主题数据与每个第二医疗用户主题数据的主题关联性，对多个第二医疗用户主题数据进行整理，得到主题数据整理结果。然后根据第二医疗用户主题数据的主题数据整理结果，可以确定主题关联性符合目标要求的第二医疗用户主题数据。然后将主题关联性符合目标要求的第二医疗用户主题数据确定为第一医疗用户主题数据的挖掘记录（可以理解为衍生主题数据定位结果或挖掘结果）。
77.在本技术实施例中，目标要求包括如下其中一个要求：主题关联性超过设定关联性；主题关联性升序的相对位置超过设定相对位置。
78.可以理解的是，在将第二医疗用户主题数据确定为第一医疗用户主题数据的挖掘记录时，可以在第一挖掘信息与第二挖掘信息的主题关联性超过设定关联性时，将第二医疗用户主题数据确定为第一医疗用户主题数据的挖掘记录。或者，在将第二医疗用户主题数据确定为第一医疗用户主题数据的挖掘记录时，可以根据第一医疗用户主题数据与每个第二医疗用户主题数据的主题关联性，按照主题关联性升序的规则为多个第二医疗用户主题数据进行整理，主题数据整理结果，然后根据主题数据整理结果，将相对位置超过设定相对位置的第二医疗用户主题数据确定为第一医疗用户主题数据的挖掘记录。比如，将相对位置最大的第二医疗用户主题数据确定为第一医疗用户主题数据的挖掘记录，便可将主题关联性最大的第二医疗用户主题数据确定为第一医疗用户主题数据的挖掘记录。在本技术实施例中，挖掘记录可以为一个或多个。
79.进一步地，在将第二医疗用户主题数据确定为第一医疗用户主题数据的挖掘记录之后，还可以向医疗客户端输出挖掘记录。
80.对于一些可独立实施的技术方案而言，以下相关内容为主题数据处理线程的调试过程的说明。其中，第一医疗用户主题数据可以为第一医疗用户主题的调试范例数据，第二医疗用户主题数据为第二医疗用户主题的调试范例数据；每个第一医疗用户主题的调试范例数据与第二医疗用户主题的调试范例数据形成调试范例二元组。
81.在调试过程中，可以将每对调试范例二元组输入主题数据处理线程。以调试范例二元组为[视觉 词向量]二元组为例，可以分别将[视觉 词向量]二元组中的视觉范例和词向量范例输入主题数据处理线程，利用主题数据处理线程对视觉范例和词向量范例的互动主题显著表达进行提取。或者，将视觉范例的视觉显著表达和词向量范例的词向量显著表达输入主题数据处理线程。然后可以利用主题数据处理线程的跨医疗用户主题局部聚焦单元确定第一医疗用户主题数据与第二医疗用户主题数据相互聚焦的第一针对性显著表达和第二局部热点信息然后再利用约束显著表达拼接单元对第一医疗用户主题数据和第二医疗用户主题数据进行显著表达拼接，得到第一医疗用户主题数据所绑定的第一拼接显著
表达以及第二医疗用户主题数据所绑定的第二拼接显著表达，并借助主动型局部聚焦单元确定第一拼接显著表达主动聚焦的第一局部热点信息和第二拼接显著表达主动聚焦的第二局部热点信息，并借助相关模型算法，输出第一医疗用户主题数据和第二医疗用户主题数据之间的主题关联性r。
[0082]
在本技术实施例中，调试范例二元组可以包括积极性范例二元组和消极性范例二元组。在对主题数据处理线程的调试过程中，可以利用质量检测结果算法得到主题数据处理线程的质量检测结果，从而根据得到的质量检测结果对主题数据处理线程的线程变量进行优化。
[0083]
对于一些可独立实施的技术方案而言，可以确定每一调试范例二元组之间的主题关联性，然后根据积极性范例二元组中医疗用户主题数据相关性系数最大的积极性范例二元组的主题关联性，以及消极性范例二元组中相关性系数最小的消极性范例二元组的主题关联性，确定第一医疗用户主题数据与第二医疗用户主题数据显著表达拼接时的质量检测结果。然后根据质量检测结果对第一医疗用户主题数据与第二医疗用户主题数据显著表达拼接时借鉴的主题数据处理线程的线程变量进行优化。在本技术实施例中，利用相关性系数最大的积极性范例二元组的主题关联性以及相关性系数最小的消极性范例二元组的主题关联性确定调试时的质量检测结果，从而可以提高主题数据处理线程挖掘医疗用户主题数据准确性。
[0084]
如此设计，通过上述主题数据处理线程调试过程，利用相关性系数最大的积极性范例二元组的主题关联性以及相关性系数最小的消极性范例二元组的主题关联性确定调试时的质量检测结果，从而可以提高主题数据处理线程挖掘医疗用户主题数据准确性。
[0085]
对于一些可独立实施的技术方案而言，在获得所述第一医疗用户主题数据和所述第二医疗用户主题数据的主题关联性之后，该方法还包括：在所述主题关联性大于预设判定值的前提下，根据所述第一医疗用户主题数据和所述第二医疗用户主题数据确定数字化医疗互动记录；基于所述数字化医疗互动记录进行服务意图需求挖掘；针对服务意图需求挖掘所得到的每组服务意图需求，确定该组服务意图需求对应的服务应对策略；基于所述服务应对策略与该组服务意图需求所对应的医疗用户客户端进行业务交互。
[0086]
在本技术实施例中，基于所述服务应对策略与该组服务意图需求所对应的医疗用户客户端进行业务交互，可以通过两种方式实现，第一种方式是基于服务应对策略进行业务服务推送，比如医疗服务推送或者线上产品推送，第二种方式是基于服务应对策略进行业务服务优化，比如优化医疗可视化交互界面或者优化线上就医流程等。
[0087]
对于一些可独立实施的技术方案而言，针对每组服务意图需求，确定该组服务意图需求对应的服务应对策略，可以包括以下步骤所描述的技术方案：根据服务意图需求获取待解析业务服务反馈；根据所述待解析业务服务反馈，确定目标互动事件的局部识别信息在所述待解析业务服务反馈对应的业务服务反馈列表中的局部分布信息和所述目标互动事件在所述待解析业务服务反馈对应的线上医疗流程列表中的全局识别信息在所述在所述业务服务反馈列表中的迁移分布信息；根据所述局部分布信息、所述迁移分布信息和所述局部识别信息和所述全局识别信息之间的策略匹配指示，得到所述目标互动事件的关键服务会话在所述线上医疗流程列表中的参考策略描述；根据所述参考策略描述和所述待解析业务服务反馈，得到所述目标互动事件的关键服务会话在所述线上医疗流程列表中的
目标策略描述；基于所述策略描述确定所述服务意图需求对应的服务应对策略。
[0088]
如此设计，能够根据所述局部分布信息、所述迁移分布信息和所述局部识别信息和所述全局识别信息之间的策略匹配指示，准确得到所述目标互动事件的关键服务会话在所述线上医疗流程列表中的参考策略描述，从而结合参考策略描述以及待解析业务服务反馈保障目标策略描述的针对性和可信度，这样可以通过具有代表性的策略描述精准定位服务意图需求对应的服务应对策略。
[0089]
对于一些可独立实施的技术方案而言，所述根据所述待解析业务服务反馈，确定目标互动事件的局部识别信息在所述待解析业务服务反馈对应的业务服务反馈列表中的局部分布信息，包括：对所述待解析业务服务反馈进行描述挖掘，获取待解析业务服务反馈的视觉描述；根据所述视觉描述，得到所述视觉描述中的各个描述事项属于目标互动事件的关键服务会话的量化可能性、与各个描述事项对应的第一分布误差、和以各描述事项为关键服务会话的池化局部识别信息的池化状态信息；根据所述量化可能性、所述第一分布误差以及所述池化状态信息，得到所述局部分布信息；其中，池化局部识别信息，为对待解析业务服务反馈进行池化后，所述目标互动事件局部识别信息被压缩得到识别信息。如此设计，可以确保局部分布信息的准确性，避免局部分布信息出现偏差。
[0090]
对于一些可独立实施的技术方案而言，根据所述待解析业务服务反馈，所述目标互动事件在所述待解析业务服务反馈对应的线上医疗流程列表中的全局识别信息在所述在所述业务服务反馈列表中的迁移分布信息，包括：根据所述待解析业务服务反馈的视觉描述，得到与所述视觉描述中的每个描述事项对应的第二分布误差；根据所述视觉描述中的每个描述事项属于目标互动事件的关键服务会话的量化可能性、所述第二分布误差和池化指标，得到所述全局识别信息在所述在所述业务服务反馈列表中的迁移分布信息。如此设计，可以确保迁移分布信息的准确性，避免迁移分布信息出现偏差对于一些可独立实施的技术方案而言，所述根据所述局部分布信息、所述迁移分布信息和所述局部识别信息和所述全局识别信息之间的策略匹配指示，得到所述目标互动事件在所述线上医疗流程列表中的参考策略描述，包括：根据所述局部分布信息、所述迁移分布信息、所述目标互动事件的真实状态信息、所述目标互动事件的关注度信息和所述局部识别信息和所述全局识别信息之间的策略匹配指示，得到所述目标互动事件在所述线上医疗流程列表中的参考策略描述。如此设计，能够基于不同维度的考虑以确保参考策略描述的准确性。
[0091]
对于一些可独立实施的技术方案而言，所述根据所述参考策略描述，得到所述目标互动事件的关键服务会话在所述线上医疗流程列表中的目标策略描述，包括：对所述目标互动事件的关键服务会话在所述线上医疗流程列表中的参考策略描述构成的多模态业务服务反馈进行特征调整，得到多模态视觉描述；根据所述多模态视觉描述和所述待解析业务服务反馈的视觉描述，得到所述目标互动事件的关键服务会话在所述线上医疗流程列表中的目标策略描述。如此设计，能够基于多模态描述确保目标策略描述的完整性和丰富性。
[0092]
对于一些可独立实施的技术方案而言，基于所述数字化医疗互动记录进行服务意图需求挖掘，可以通过以下实施方式实现。
[0093]
step101，对数字化医疗互动记录实施医疗用户意图标识挖掘以获取不少于两个
对应数字化医疗互动记录的医疗用户意图标识。
[0094]
在本技术实施例中，每个医疗用户意图标识旨在通过一个维度对数字化医疗互动记录用户意图总结，数字化医疗互动记录包括不少于两个维度的医疗服务事项信息。
[0095]
一般而言，数字化医疗互动记录涵盖很多维度的内容，相关技术直接基于数字化医疗互动记录进行粗略的用户意图总结，难以保障用户意图挖掘的精度和可信度，本技术实施例例通过挖掘得到的医疗用户意图标识可以对数字化医疗互动记录进行关键信息指示，在基于医疗用户意图标识获取对应的服务意图需求，使确定的服务意图需求更加丰富完整，且针对性更强。在本技术实施例中，医疗用户意图标识可以理解为意图关键词或者意图标签。
[0096]
step102，依据智能化特征处理线程，基于数字化医疗互动记录和不少于两个医疗用户意图标识确定对应数字化医疗互动记录的不少于两组服务意图需求。
[0097]
以一些示例性的角度来看待，智能化特征处理线程基于第一示例数字化医疗互动记录调试确定，第一示例数字化医疗互动记录携带有第一指示型服务意图需求，第一指示型服务意图需求对应第一示例数字化医疗互动记录的医疗用户意图标识。在本技术实施例中，智能化特征处理线程可以是基于人工智能的机器学习模型/神经网络。针对线程的调试可以理解为进行模型训练或者网络训练。相关的示例内容可以理解为样本内容，指示性内容可以理解为标注内容或者注释内容。
[0098]
基于本技术上述实施例提供的一种应用于数字化医疗的大数据挖掘方法，对数字化医疗互动记录实施医疗用户意图标识挖掘以获取不少于两个对应数字化医疗互动记录的医疗用户意图标识；依据智能化特征处理线程，基于数字化医疗互动记录和不少于两个医疗用户意图标识确定对应数字化医疗互动记录的不少于两组服务意图需求。相较于传统的确定医疗服务意图需求的技术，本技术实施例可以获得更加丰富完整以及更具时效性的服务意图需求，此外，鉴于医疗用户意图标识的识别指示功能，能够确保服务意图需求与用户的实际医疗交互场景高度相关，这样可以确保医疗服务意图需求的大数据挖掘的精度和可信度。
[0099]
本技术应用于数字化医疗的大数据挖掘方法的另一个可独立实施的设计思路下，step101可以包括以下内容：依据意图标识挖掘线程，对数字化医疗互动记录进行医疗用户意图标识解析以获取不少于两个对应数字化医疗互动记录的医疗用户意图标识。
[0100]
意图标识挖掘线程借助第二示例数字化医疗互动记录调试确定，第二示例数字化医疗互动记录携带有第二指示型服务意图需求。意图标识挖掘线程可以理解为意图挖掘提取网络。
[0101]
本技术实施例通过调试后的意图标识挖掘线程对数字化医疗互动记录实现医疗用户意图标识挖掘，而对该意图标识挖掘线程的调试过程中，使用的示例样本是携带有第二指示型服务意图需求的第二示例数字化医疗互动记录，通过第二示例数字化医疗互动记录调试得到的意图标识挖掘线程对数字化医疗互动记录挖掘得到的医疗用户意图标识能更精准的总结该数字化医疗互动记录。
[0102]
对于一些可独立实施的技术方案而言，上述的意图标识挖掘线程的调试过程可以通过以下步骤实现。
[0103]
根据第二示例数字化医疗互动记录确定第二示例数字化医疗互动记录对应的不
少于两个医疗用户意图标识。以一些示例性的角度来看待，依据意图标识挖掘策略，从第二示例数字化医疗互动记录对应的第二指示型服务意图需求中确定不少于两个医疗用户意图标识，每个第二指示型服务意图需求对应不少于一个医疗用户意图标识。
[0104]
将第二示例数字化医疗互动记录传入意图标识挖掘线程，基于医疗用户意图标识序列确定对应第二示例数字化医疗互动记录的不少于两个候选医疗用户意图标识。以一些示例性的角度来看待，将第二示例数字化医疗互动记录传入意图标识挖掘线程以获取置信描述，置信描述包括不少于一个量化可能性，每个量化可能性与医疗用户意图标识序列中的一个医疗用户意图标识相匹配。
[0105]
从置信描述中确定不少于一个达到判定值的量化可能性，基于量化可能性从医疗用户意图标识序列中得到对应第二示例数字化医疗互动记录的不少于两个候选医疗用户意图标识。在本技术实施例中，意图标识挖掘线程为多分支差异化分析线程（多分类网络），医疗用户意图标识序列包括不少于两个医疗用户意图标识；多分支差异化分析线程确定的置信描述中量化可能性（概率）的数目与医疗用户意图标识序列中的医疗用户意图标识数目相匹配，当量化可能性数组中存在一个或多个符合要求的量化可能性，便可以确定对应的医疗用户意图标识为该意图标识挖掘线程输出的医疗用户意图标识。
[0106]
以第二示例数字化医疗互动记录对应的不少于两个医疗用户意图标识为持续性跟踪参考基准，结合候选医疗用户意图标识调试意图标识挖掘线程。可以理解的是，对于该意图标识挖掘线程的调试可根据现有医疗用户意图标识和候选医疗用户意图标识之间的比较结果进行反馈，通过阶段性改进意图标识挖掘线程变量以调试意图标识挖掘线程，直至候选医疗用户意图标识与现有医疗用户意图标识之间的比较结果低于满足要求，比如候选医疗用户意图标识与现有医疗用户意图标识的差异系数低于设定差异系数。
[0107]
在另一些可独立实施的技术方案中，智能化特征处理线程的调试可以通过以下方式实现：基于第一特征抽取线程和时间循环智能线程创立原始智能化特征处理线程；依据迁移变换线程，将第一示例数字化医疗互动记录以及其所指向的医疗用户意图标识迁移变换至特征关系网以获取第一示例数字化医疗互动记录对应的医疗互动记录描述和医疗用户意图标识对应的意图偏好描述；迁移变换线程借助第三示例数字化医疗互动记录调试确定，第三样数字化医疗互动记录携带有第三指示型服务意图需求及第三指示型医疗用户意图标识；基于医疗互动记录描述和意图偏好描述确定传入描述，将传入描述时间循环智能线程以获取匹配所述第一示例数字化医疗互动记录的候选服务意图需求；以第一示例数字化医疗互动记录对应的第一指示型服务意图需求为持续性跟踪参考基准，结合候选服务意图需求调试智能化特征处理线程。
[0108]
本技术实施例例中，原始智能化特征处理线程包括第一特征抽取线程（比如卷积神经网络）和时间循环智能线程（比如长短期记忆神经网络），该原始智能化特征处理线程的架构与相关技术中的智能化特征处理线程相似，而为了确定对应数字化医疗互动记录的医疗用户意图标识，依据迁移变换线程将第一示例数字化医疗互动记录及其通过机器学习模型确定的医疗用户意图标识迁移变换至特征关系网（映射空间）中，基于迁移变换得到的传入描述借助时间循环智能线程确定候选服务意图需求，便可以实现结合医疗用户意图标识和数字化医疗互动记录对服务意图需求进行解析，基于该候选服务意图需求和第一示例数字化医疗互动记录对应的第一指示型服务意图需求对智能化特征处理线程进行调试，调
试得到的智能化特征处理线程便可实现基于数字化医疗互动记录和医疗用户意图标识输出对应的服务意图需求。
[0109]
对于一些可独立实施的技术方案而言，依据迁移变换线程，将第一示例数字化医疗互动记录以及其所指向的医疗用户意图标识迁移变换至特征关系网之前，该方法还可以包括以下内容：依据第二特征抽取线程，对第一示例数字化医疗互动记录进行分析，确定第一示例数字化医疗互动记录对应的第一医疗互动记录描述；依据知识图谱处理线程，对第一示例数字化医疗互动记录对应的医疗用户意图标识进行分析以获取医疗用户意图标识对应的第一意图偏好描述；在本技术实施例中，意图偏好描述可以理解为意图偏好特征，知识图谱处理线程可以理解为借助知识图谱而调试得到的图像型或者文本型处理线程，能够对图像特征或者文本特征进行挖掘分析。
[0110]
对于一些可独立实施的技术方案而言，依据知识图谱处理线程，对第一示例数字化医疗互动记录对应的医疗用户意图标识进行分析以获取医疗用户意图标识对应的第一意图偏好描述，包括：将医疗用户意图标识传入知识图谱处理线程，通过知识图谱处理线程中的输入线程单元将医疗用户意图标识碎片化并调整为数值向量。数值向量通过中间线程单元和输出线程单元得到对应医疗用户意图标识的第一意图偏好描述。可以理解的是，上述的三个单元可以分别对应输入层、中间层（隐含层）以及输出层。
[0111]
对于一些可独立实施的技术方案而言，依据迁移变换线程，将第一示例数字化医疗互动记录以及其所指向的医疗用户意图标识迁移变换至特征关系网，可以包括以下内容：依据迁移变换线程，分别对医疗互动记录描述和意图偏好描述启用迁移变换操作以获取对应医疗互动记录描述和意图偏好描述的迁移变换描述。
[0112]
在本技术实施例中，迁移变换描述旨在并行表达数字化医疗互动记录和医疗用户意图标识的显著性内容。示例性的，通过将医疗互动记录描述和意图偏好描述迁移变换至特征关系网中，以特征关系网中的共性描述评价（相似度）来确定对应数字化医疗互动记录和医疗用户意图标识的服务意图需求。
[0113]
基于上述内容，在一些可独立实施技术方案下，迁移变换线程的调试可以通过以下步骤实现：根据第三示例数字化医疗互动记录以及其所指向的第三指示型服务意图需求及第三指示型医疗用户意图标识，分别确定第三示例数字化医疗互动记录对应的第三医疗互动记录描述、第三指示型服务意图需求对应的第三视觉关键描述和第三指示型医疗用户意图标识对应的第三意图偏好描述；依据迁移变换线程，基于医疗互动记录描述、视觉关键描述和意图偏好描述确定对应的第一迁移变换描述、第二迁移变换描述和第三迁移变换描述；基于第一迁移变换描述、第二迁移变换描述和第三迁移变换描述确定迁移变换线程的线程质量检测指数；基于线程质量检测指数调试迁移变换线程。
[0114]
可以理解的是，本技术实施例对相关算法进行优化调试：采用输入映射单元取代之前的量化单元（绝对值算法），通过调试可以将医疗互动记录描述、视觉关键描述和意图偏好描述在特征关系网中的迁移变换描述之间共性描述评价更高，基于该迁移变换线程可实现：（1）基于数字化医疗互动记录定位所匹配的医疗用户意图标识 服务意图需求，（2）基于医疗用户意图标识定位所匹配的数字化医疗互动记录 服务意图需求，（3）基于服务意图需求定位所匹配的数字化医疗互动记录 医疗用户意图标识。
[0115]
对于一些可独立实施的技术方案而言，基于第三示例数字化医疗互动记录以及其所指向的第三指示型服务意图需求及第三指示型医疗用户意图标识，分别确定第三示例数字化医疗互动记录对应的第三医疗互动记录描述、第三指示型服务意图需求对应的第三视觉关键描述和第三指示型医疗用户意图标识对应的第三意图偏好描述，可以包括以下内容包括：依据第二特征抽取线程，对第三示例数字化医疗互动记录进行分析，确定第三示例数字化医疗互动记录对应的第三医疗互动记录描述；依据梯度衰减抑制子线程（比如门控循环节点），对第三指示型服务意图需求进行分析以获取第三指示型服务意图需求对应的第三视觉关键描述；依据知识图谱处理线程，对第三指示型医疗用户意图标识进行分析以获取第三指示型医疗用户意图标识对应的第三意图偏好描述。
[0116]
在本技术实施例中，迁移变换线程包括第一输入映射单元、第二输入映射单元和第三输入映射单元。相应的，迁移变换线程可以理解为映射线程，输入映射单元可以理解为激活函数。
[0117]
在另一些可独立实施的技术方案下，依据迁移变换线程，基于医疗互动记录描述、视觉关键描述和意图偏好描述确定对应的第一迁移变换描述、第二迁移变换描述和第三迁移变换描述，可以包括以下内容：通过第一输入映射单元对医疗互动记录描述进行分析，确定医疗互动记录描述对应的第一迁移变换描述；通过第二输入映射单元对视觉关键描述进行分析，确定视觉关键描述对应的第二迁移变换描述；通过第三输入映射单元对意图偏好描述进行分析，确定意图偏好描述对应的第三迁移变换描述。
[0118]
在本技术实施例中，不同的迁移变换描述的确定方式可以通过不同的公式计算得到，比如利用不同的映射矩阵进行特征值变换实现，相关公式可以根据实际需求进行调整，本技术实施例不作限制。
[0119]
对于一些可独立实施的技术方案中，基于第一迁移变换描述、第二迁移变换描述和第三迁移变换描述确定迁移变换线程的线程质量检测指数（损失函数值），包括：基于第一迁移变换描述和第二迁移变换描述确定第一线程质量检测指数；比如，确定第一迁移变换描述和第二迁移变换描述之间的共性描述评价；依据线程质量检测信息，基于第一迁移变换描述和第二迁移变换描述之间的共性描述评价，确定第一线程质量检测指数。基于第一迁移变换描述和第三迁移变换描述确定第二线程质量检测指数；比如，确定第一迁移变换描述和第三迁移变换描述之间的共性描述评价；依据线程质量检测信息，基于第一迁移变换描述和所述第三迁移变换描述之间的共性描述评价，确定第二线程质量检测指数。基于第二迁移变换描述和第三迁移变换描述确定第三线程质量检测指数；比如，确定第二迁移变换描述和第三迁移变换描述之间的共性描述评价；依据线程质量检测信息，基于第二迁移变换描述和第三迁移变换描述之间的共性描述评价，确定第三线程质量检测指数。
[0120]
通过将第一线程质量检测指数、第二线程质量检测指数和第三线程质量检测指数进行融合得到线程质量检测指数。可以理解的是，第一线程质量检测指数、第二线程质量检测指数和第三线程质量检测指数分别对应不同角度的线程质量评价，通过对第一线程质量检测指数、第二线程质量检测指数和第三线程质量检测指数进行加权，能够得到更为完整可信的线程质量检测指数。
[0121]
比如，线程质量检测指数可以通过以下方式确定：e=q1*e（v1，v2） q2*e（v3，v2） q3*e（v3，v1）。
[0122]
在本技术实施例中，v1、v2和v3分别表示服务意图需求、数字化医疗互动记录和医疗用户意图标识，表示第二迁移变换描述与第一迁移变换描述之间的第一线程质量检测指数，表示第一线程质量检测指数的加权因子；表示第三迁移变换描述与第一迁移变换描述之间的第二线程质量检测指数，表示第二线程质量检测指数的加权因子；表示第三迁移变换描述与第二迁移变换描述之间的第三线程质量检测指数，表示第三线程质量检测指数的加权因子；其中第一线程质量检测指数、第二线程质量检测指数和第三线程质量检测指数相关公式确定，而三个加权因子根据实际需求设定。
[0123]
对于一些可独立实施的技术方案而言，基于线程质量检测指数调试迁移变换线程，包括：依据线程质量检测指数，通过最优化算法调试迁移变换线程中的第一输入映射单元、第二输入映射单元和第三输入映射单元。
[0124]
比如，可以根据线程质量检测指数，改进迁移变换线程中的第一输入映射单元、第二输入映射单元和第三输入映射单元中的变量，确定优化后的迁移变换线程；重复执行以下步骤：以优化后的迁移变换线程作为迁移变换线程，依据迁移变换线程，基于医疗互动记录描述、视觉关键描述和意图偏好描述确定对应的第一迁移变换描述、第二迁移变换描述和第三迁移变换描述，基于第一迁移变换描述、第二迁移变换描述和第三迁移变换描述确定迁移变换线程的线程质量检测指数，根据线程质量检测指数，改进迁移变换线程中的第一输入映射单元、第二输入映射单元和第三输入映射单元中的变量，确定优化后的迁移变换线程，直至符合设定调试要求。
[0125]
例如，对第一输入映射单元、第二输入映射单元和第三输入映射单元中的变量的调试即对上述的调试梯度衰减抑制子线程中的变量和进行调试以获取线程质量检测指数更小的输入映射单元，相关的设定调试要求可以包括但不限于：线程质量检测信息处于设定状态以及线程质量检测指数低于设定指数中的至少一种。
[0126]
对于一些可独立实施的技术方案中，调试后的迁移变换线程还用于：响应于获取的待定位医疗互动记录从特征关系网中确定对应的定位视觉信息，和/或，响应于获取的待定位视觉信息从特征关系网中确定对应的定位医疗互动记录。
[0127]
可以理解的是，特征关系网中基于迁移变换描述之间的共性描述评价将迁移变换描述叠加为不少于一个迁移变换描述簇，每个迁移变换描述簇中的迁移变换描述对应的数字化医疗互动记录、医疗用户意图标识和服务意图需求之间具有传递联系。
[0128]
在上述内容的基础上，基于迁移变换描述簇可以更快的实现数字化医疗互动记录以及服务需求的定位，只需将数字化医疗互动记录（或需求描述）迁移变换至特征关系网，确定对应的迁移变换描述簇即可确定相应的需求描述（或数字化医疗互动记录）和医疗用户意图标识。
[0129]
对于一些可独立实施的技术方案而言，基于医疗互动记录描述和意图偏好描述确定传入描述，可以包括以下内容：将医疗互动记录描述和意图偏好描述进行拼接以获取传入描述。
[0130]
比如，医疗互动记录描述和意图偏好描述对应的加权因子分别根据实际需求调整，这两个加权因子的和值为1，通过进行拼接得到的传入描述能实现表达医疗互动记录描述的同时表达意图偏好描述，使输出的候选服务意图需求是与医疗用户意图标识匹配的。
[0131]
《系统实施例》
在上述的方法实施例的基础上，本技术实施例还提出了一种系统实施例，也即应用于智慧医疗的用户大数据分析系统，请结合参阅图4，应用于智慧医疗的用户大数据分析系统30可以包括互相通信的用户大数据分析服务器100和医疗用户端200。进一步地，应用于智慧医疗的用户大数据分析系统30在运行时实现或者部分实现上述方法实施例所描述的技术方案。
[0132]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0133]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统，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，所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0134]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元来实现本实施例方案的目的。
[0135]
另外，在本技术各个实施例中的各功能单元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，也可以采用软件功能单元的形式实现。
[0136]
所述集成的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取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（read-only memory，rom）、随机存取存储器（random access memory，ram）、磁碟或者光盘等各种可以存储程序代码的介质。
[0137]
以上所述，以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。