云端智能信息推送平台工作方法与流程
本发明涉及计算机数据挖掘领域，尤其涉及一种云端智能信息推送平台工作方法。
背景技术：
随着医疗体系的不断建立完善，患者在医院就医过程中需要全方位的信息服务，尤其是行动不便的患者最需要生活物品以及娱乐文化来进行恢复保养，从而尽快的从病痛之中解脱出来，这样也能尽快的腾出床位让新患者进行就医治疗，有效的解决医患矛盾，但是患者在就医卧床过程中所需要的信息服务，现有的医患工具无法满足实现其日益丰富的需求，这就亟需本领域技术人员解决相应的技术问题。
技术实现要素：
本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种云端智能信息推送平台工作方法。
为了实现本发明的上述目的，本发明提供了一种云端智能信息推送平台工作方法，包括如下步骤：
s1，患者进行用户注册，将注册信息发送到云端服务器进行汇总收集，注册完成后的患者登录进入智能信息推送平台；
s2，进入平台之后，患者发送信息搜索请求，对具有相似度的信息进行聚类整合形成聚类算法目标函数，通过患者所在科室进行推荐算法信息筛选；
s2-1，通过如下公式进行优化聚类计算，通过高斯混合模型的优化聚类算法计算聚类因子qs的推荐概率q(qs＝h|i,j,k)，h为检索信息类别，i、j、k为患者检索信息元素，i＞j且i+j＝k，实现条件聚类函数的构建，利用推荐概率公式进行计算优化聚类信息：
其中，上标t分别为(xi-αi)和(yj-αj)的转置，ui为患者检索信息元素i作为样本特征的均值，vj为患者检索信息元素j作为样本特征的均值，xi为患者检索信息元素i的示例，yj为患者检索信息元素j的示例，αi为患者检索信息元素i的隐含变量，αj为患者检索信息元素j的隐含变量；
e(qi(k)||qj(k))为云端服务器构造的关联特征数据集，qi(k)为总体检索信息k中患者检索信息元素i的数据集，qj(k)为总体检索信息k中患者检索信息元素j的数据集，λi,j为患者检索信息元素i和j的后验概率，m、n为正整数；其中马氏距离计算公式
s3，通过推荐信息筛选之后获得筛选后的集成信息，通过患者所处的信息接口进行信息推送。
所述的云端智能信息推送平台工作方法，优选的，所述s2包括：
s2-2，通过如下公式进行监督计算，获得准确的患者推送信息，在患者检索信息元素中形成准确率和召回率，
其推荐算法定义为：
其中，p为推荐信息的总分类数，则先验准确率为h(ar,br)＝z'r/zr，其中ar为第一推荐数据组，br为第二推荐数据组，cr为第三推荐数据组和dr为第四推荐数据组，zr为ar第一推荐数据组和br第二推荐数据组中总的检索信息聚类数，z'r为ar第一推荐数据组和br第二推荐数据组中经过筛选的聚类数，后验准确率为h(cr,dr)＝g'r/gr，其中gr为cr第三推荐数据组和dr第四推荐数据组中总的检索信息聚类数，g'r为cr第三推荐数据组和dr第四推荐数据组中经过筛选的聚类数，先验召回率为i(ar,br)＝f'r/fr，其中fr为ar第一推荐数据组和br第二推荐数据组中总的检索信息召回数，f'r为ar第一推荐数据组和br第二推荐数据组中经过筛选的召回数，后验召回率为h(cr,dr)＝w'r/wr，其中wr为cr第三推荐数据组和dr第四推荐数据组中总的检索信息召回数，w'r为cr第三推荐数据组和dr第二四推荐数据组中经过筛选的召回数；
经过计算之后形成信息推送的评分值，根据形成的检索信息目标函数的权重，设置患者需要获取检索数据的推荐阈值。
所述的云端智能信息推送平台工作方法，优选的，所述s3包括：
s3-1，患者发出检索信息元素通过推荐算法选择操作，根据预设的云端服务器数据库中是否存储有所获取的检索信息，若确定所述数据库中存储有所述检索信息，则从所述数据库中提取与所述检索信息所对应的应用程序或者执行程序；以及从所述应用程序或者执行程序中提取与检索信息相关联的关键词；
对所述检索信息相关联的关键词进行分割，得到多个分割词；从而计算各个分割词与检索信息相关联的关键词的相似度；将与所述检索信息相关联的关键词的相似度大于预设相似度阈值的分割词作为与所述应用程序或者执行程序对应的程序；
s3-2，根据患者发送检索信息元素确定该检索信息元素属于哪种类别，其中，计算针对检索信息元素的类别，若当前类别对应的检索信息元素属于对应的患者推送信息节点，则进行推送处理，如果不属于该患者推送信息节点，则否；
根据患者的历史检索时间轨迹；从所述患者的历史检索时间轨迹中确定相应的停留区域时间，各所述实时停留时间小于预设停留阈值，从而获取患者检索信息时间区间，在该时间区间进行信息加量推送；
s3-3，计算患者发送检索信息元素集中时间点与历史时间点之间的时间差值；判断该时间差值是否大于预设时间阈值，当该时间差值大于预设时间阈值，计算该差值并将患者发送检索信息元素集中时间点调整到历史时间点，否则当该时间差值小于等于预设时间阈值，根据患者的历史运动轨迹中该参考点之后的下一个最近邻轨迹点作为参考点，从患者检索信息元素发出的的历史时间获取患者的所在科室，向该患者的账户发送确认请求信息，请求患者确认是否同意推送兴趣信息，如果患者确认该推送信息执行操作，云端服务器根据推荐算法发送推送信息，否则，如果患者未确认该推送信息执行操作，云端服务器不发送推送信息。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
通过归类整理相应患者的需求，从而提取出具有针对性的特征数据，从而推送给该需求的患者，通过收集模型归类的数据能够准确的获取不同患者的不同信息需求，然后通过推送模块进行定点推送以及准确发表相应患者的需求信息，从而有利于患者及时完成相应需求痛点，帮助患者获取准确信息，经过归类模型筛选之后的数据具有极强的鲁棒性，对于推送平台提供了良好的参考作用。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明方法流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
如图1所示，一种云端智能信息推送平台工作方法，包括如下步骤：
s1，患者进行用户注册，将注册信息发送到云端服务器进行汇总收集，注册完成后的患者登录进入智能信息推送平台；
s2，进入平台之后，患者发送信息搜索请求，对具有相似度的信息进行聚类整合形成聚类算法目标函数，通过患者所在科室进行推荐算法信息筛选；
s3，通过推荐信息筛选之后获得筛选后的集成信息，通过患者所处的信息接口进行信息推送。
优选的，所述s1包括：
s1-1，患者根据自己的症状选择匹配的科室信息后，进行身份验证，通过注册接口进行信息录入，进行视频采集以及密码口令设置，形成该患者的身份认证信息，每个不同的科室的患者以及历史住院患者的数据全部上传到云端服务器；
s1-2，患者注册成功之后，发布医疗诊断服务信息、娱乐服务信息、订餐服务信息、购买日用品服务信息和药物购买服务信息；
在医疗诊断服务信息中患者根据医疗诊断信息导航指引，通过医疗数据进行男科、妇科、内科、外科、五官科、妇产科、皮肤科、儿科、中医、肿瘤科、精神心理科和骨科服务信息选择，患者每次的选择请求都会记录在任务时间戳中，任务时间戳和选取的任务内容同步上传至云端服务器；
在娱乐服务信息中患者根据娱乐信息导航指引，进入新闻、电视、电影、网络视频、音频广播、医学百科知识学习和互动游戏信息中，为患者提供消磨时间，减少住院期间无聊带来的烦躁情绪；
在订餐服务信息中患者根据订餐信息导航指引，进入食堂叫餐、外卖叫餐、菜单信息、菜品图片、菜品名称及菜品价格，点击菜品弹出菜品详细介绍界面，选择相应的份数，点击立即下单按钮，叫餐预约即可成功；
在购买日用品服务信息中患者根据日用品信息导航指引，进入生活归类、洗漱用品、加电五金、内衣服装和休闲舒适服装，点击日用品弹出详细介绍界面，选择相应的份数和种类，点击立即下单按钮，日用品购买即可成功；
在购买药物服务信息中患者根据药物信息导航指引，进入药物种类、口服或者注射、选择剂量和选择疗程，点击药物弹出详细介绍界面，选择相应的份数和种类，点击立即下单按钮，药物购买即可成功；
s1-3，所述患者检索数据值减去预设数据值得到的差值与零进行比较，判断所述检索数据值是否大于或等于预设数据值，其中，所述预设数据值为该科室患者检索频率最高的数据值；当所述检索数据值大于或等于所述预设数据值时，实时发布初级检索信息到该患者；当所述检索数据值小于所述预设数据值时，判断所述预设数据值减去所述检索数据值的差值是否小于或等于预设差值；
当该预设数据值减去所述检索数据值的差小于或等于所述预设差值时，实时发布高级检索信息到该患者；高级检索信息用于所述预设数据值与所述检索数据值之间的差到该患者推荐检索的信息栏中进行收集；向该患者推荐高级检索信息与该预设数据值和该检索数据值之间的差相匹配的检索信息。
优选的，所述s2包括：
s2-1，通过如下公式进行优化聚类计算，通过高斯混合模型的优化聚类算法计算聚类因子qs的推荐概率q(qs＝h|i,j,k)，h代表检索信息类别，i、j、k为患者检索信息元素，i＞j且i+j＝k，实现条件聚类函数的构建，利用推荐概率公式进行计算优化聚类信息：
其中，上标t为(xi-αi)和(yj-αj)的转置，ui为患者检索信息元素i作为样本特征的均值，vj为患者检索信息元素j作为样本特征的均值，xi为患者检索信息元素i的示例，yj为患者检索信息元素j的示例，αi为患者检索信息元素i的隐含变量，αj为患者检索信息元素j的隐含变量；
e(qi(k)||qj(k))为云端服务器构造的关联特征数据集，qi(k)为总体检索信息k中患者检索信息元素i的数据集，qj(k)为总体检索信息k中患者检索信息元素j的数据集，λi,j为患者检索信息元素i和j的后验概率，m、n为正整数；其中马氏距离计算公式
s2-2，通过如下公式进行监督计算，获得准确的患者推送信息，在患者检索信息元素中形成准确率和召回率，
其推荐算法定义为：
其中，p为推荐信息的总分类数，则先验准确率为h(ar,br)＝z'r/zr，其中ar为第一推荐数据组，br为第二推荐数据组，cr为第三推荐数据组和dr为第四推荐数据组，zr为ar第一推荐数据组和br第二推荐数据组中总的检索信息聚类数，z'r为ar第一推荐数据组和br第二推荐数据组中经过筛选的聚类数，后验准确率为h(cr,dr)＝g'r/gr，其中gr为cr第三推荐数据组和dr第四推荐数据组中总的检索信息聚类数，g'r为cr第三推荐数据组和dr第四推荐数据组中经过筛选的聚类数，先验召回率为i(ar,br)＝f'r/fr，其中fr为ar第一推荐数据组和br第二推荐数据组中总的检索信息召回数，f'r为ar第一推荐数据组和br第二推荐数据组中经过筛选的召回数，后验召回率为h(cr,dr)＝w'r/wr，其中wr为cr第三推荐数据组和dr第四推荐数据组中总的检索信息召回数，w'r为cr第三推荐数据组和dr第二四推荐数据组中经过筛选的召回数；
经过计算之后形成信息推送的评分值，根据形成的检索信息目标函数的权重，设置患者需要获取检索数据的推荐阈值。
优选的，所述s3包括：
s3-1，患者发出检索信息元素通过推荐算法选择操作，根据预设的云端服务器数据库中是否存储有所获取的检索信息，若确定所述数据库中存储有所述检索信息，则从所述数据库中提取与所述检索信息所对应的应用程序或者执行程序；以及从所述应用程序或者执行程序中提取与检索信息相关联的关键词；
对所述检索信息相关联的关键词进行分割，得到多个分割词；从而计算各个分割词与检索信息相关联的关键词的相似度；将与所述检索信息相关联的关键词的相似度大于预设相似度阈值的分割词作为与所述应用程序或者执行程序对应的程序。
s3-2，根据患者发送检索信息元素确定该检索信息元素属于哪种类别，其中，计算针对检索信息元素的类别，若当前类别对应的检索信息元素属于对应的患者推送信息节点，则进行推送处理，如果不属于该患者推送信息节点，则否；
根据患者的历史检索时间轨迹；从所述患者的历史检索时间轨迹中确定相应的停留区域时间，各所述实时停留时间小于预设停留阈值，从而获取患者检索信息时间区间，在该时间区间进行信息加量推送；
s3-3，计算患者发送检索信息元素集中时间点与历史时间点之间的时间差值；判断该时间差值是否大于预设时间阈值，当该时间差值大于预设时间阈值，计算该差值并将患者发送检索信息元素集中时间点调整到历史时间点，否则当该时间差值小于等于预设时间阈值，根据患者的历史运动轨迹中该参考点之后的下一个最近邻轨迹点作为参考点，从患者检索信息元素发出的的历史时间获取患者的所在科室，向该患者的账户发送确认请求信息，请求患者确认是否同意推送兴趣信息，如果患者确认该推送信息执行操作，云端服务器根据推荐算法发送推送信息，否则，如果患者未确认该推送信息执行操作，云端服务器不发送推送信息。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
- 还没有人留言评论。精彩留言会获得点赞！