一种基于历史数据确定目标数据的方法及装置与流程

1.本发明涉及数据处理技术领域，尤其涉及一种基于历史数据确定目标数据的方法及装置。


背景技术：

2.随着生活水平的提高，人们对健康的关注更加重视，每年都会做一些体检项目检查身体状况，随之产生大量的体检数据。但是，当前用户体检后产生的特征数据是相对比较分散的，用户只能得知当前的身体状况。在得到体检结果后，仅对用户当前的体征数据进行分析和评估。对于一些慢性健康问题以及长期困扰用户的身体问题，无法做到提示及预测，对于一些潜在的、隐形的病症特征也无法做的准确的预测。


技术实现要素：

3.本发明提供了一种基于历史数据确定目标数据的方法及装置，实现了对用户历年的体征数据进行症状发展预测，提高了健康风险预测的准确性。
4.第一方面，本发明提供了一种基于历史数据确定目标数据的方法，该方法包括：
5.获取与目标用户相对应的用户基础数据和症状描述数据；
6.基于与目标用户相对应的历史检查报告，确定与目标用户相对应的至少一个评估维度的评估数据；
7.根据各评估数据、用户基础数据、症状描述数据以及相应的权重值，确定与目标用户相对应的目标推送数据；
8.将目标推送数据发送至目标用户，以使目标用户基于目标推送数据进行调整。
9.第二方面，本发明提供了一种基于历史数据确定目标数据的装置，该装置包括：
10.用户数据获取模块，用于获取与目标用户相对应的用户基础数据和症状描述数据；
11.评估参数确定模块，用于基于与目标用户相对应的历史检查报告，确定与目标用户相对应的至少一个评估维度的评估数据；
12.推送数据确定模块，用于根据各评估数据、用户基础数据、症状描述数据以及相应的权重值，确定与目标用户相对应的目标推送数据；
13.推送数据发送模块，用于将目标推送数据发送至目标用户，以使目标用户基于目标推送数据进行调整。
14.第三方面，本发明提供了一种数据处理电子设备，包括：
15.至少一个处理器；以及
16.与至少一个处理器通信连接的存储器；其中，
17.存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本发明任一实施例的基于历史数据确定目标数据的方法。
18.第四方面，本发明提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本发明任一实施例的基于历史数据确定目标数据的方法。
19.第五方面，本发明提供了一种计算机程序产品，计算机程序产品包括计算机程序，计算机程序在被处理器执行时实现本发明任一实施例的基于历史数据确定目标数据的方法。
20.本发明实施例提供的技术方案，通过获取与目标用户相对应的用户基础数据和症状描述数据，基于与目标用户相对应的历史检查报告，确定与目标用户相对应的至少一个评估维度的评估数据，进而根据各评估数据、用户基础数据、症状描述数据以及相应的权重值，确定与目标用户相对应的目标推送数据，最后，将目标推送数据发送至目标用户，以使目标用户基于目标推送数据进行调整。本发明解决了无法有效利用用户长期体征数据进行用户症状发展信息预测的问题，实现了对用户历年的体征数据进行症状发展预测，提高了健康风险预测的准确性。
21.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
22.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
23.图1为本发明实施例一提供的一种基于历史数据确定目标数据的方法的流程图；
24.图2为本发明实施例二提供的一种基于历史数据确定目标数据的方法的流程图；
25.图3为本发明实施例三提供的一种基于历史数据确定目标数据的方法的结构示意图；
26.图4为本发明实施例三提供的历史检查报告表格解析方法的流程图；
27.图5为本发明实施例四提供的一种基于历史数据确定目标数据的装置结构示意图；
28.图6为本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
29.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
30.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一预设条件”、“第二预设条件”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以
除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
31.实施例一
32.图1为本发明实施例一提供的一种基于历史数据确定目标数据的方法的流程图，本实施例可适用于结合用户的历史基础数据以及症状描述数据确定用户症状发展信息的情形。该方法可以由基于历史数据确定目标数据的装置来执行，该装置可以采用硬件和/或软件的形式实现，该装置可以配置在计算机设备上，该计算机设备可以是笔记本、台式计算机以及智能平板等。如图1所示，该方法包括：
33.s110、获取与目标用户相对应的用户基础数据和症状描述数据。
34.其中，目标用户可以为任意用户。在实际应用中，将可以获取到多次检查数据的用户作为目标用户，检查数据中可以包括体检报告数据。基础数据为用户的基本个人信息，例如，姓名、年龄、性别等。症状描述数据为用户对当前或者历史病症特征的文本描述。例如，症状描述数据可以包括何种症状、该症状首次出现时间、该征状持续的时长以及症状的严重程度等。
35.具体的，目标用户相对应的用户基础数据和症状描述数据可以通过移动终端设备上传到数据处理平台上，当需要对目标用户的数据进行风险预测时，可以直接调取用户上传的数据。
36.可选的，获取与目标用户相对应的用户基础数据和症状描述数据，可以是：当检测到触发目标应用软件时，显示至少一个模板界面；基于在至少一个模板界面上的编辑内容，确定用户基础数据和症状描述数据。
37.其中，目标应用软件可以是预先开发的软件，也可以是预先开发的页面，只要可以进行信息编辑即可。模板界面为在目标应用程序上预先配置的模板输入界面，用户可以根据模板中的信息编辑对应的个人数据。模板界面可以包括一个或者多个，一个目标界面可能无法将所有的用户数据都包含在内，因此可以预先配置多个模板界面，使用户可以尽量完整、详细的填写基础数据和症状描述数据。至少一个模板界面中包括基础信息编辑界面和症状描述界面，基础信息编辑界面上包括至少一个信息编辑项，症状描述界面上包括至少一个症状编辑项。
38.在本实施例中，可以预先开发与健康风险预测相对应的目标应用软件，在移动桩端设备上配置该目标应用软件，通过触发与目标应用软件相关的控件可以进入目标应用软件的显示界面。用户进入目标应用软件的显示界面后，多个模板界面的展示顺序可以预先确定，根据预先确定的展示顺序，依次向用户展示模板界面，用户可以对模板界面中的各编辑项进行编辑。对于任意模板界面，都包括基础信息编辑界面和症状描述界面，用户可以通过编辑控件实现对基础信息编辑界面和症状描述界面中各编辑项的编辑操作。
39.示例性的，用户触发目标应用软件对应的控件，并进行入到第一个模板界面，第一页模板界面可以包括用户的姓名、性别、年龄等编辑项，用户根据个人的实际情况通过各编辑项对应的编辑控件进行编辑操作。第二页模板界面可以包括症状1、症状1首次出现时间、症状1持续时长以及症状1的严重程度等。第三页模板界面可以是包括与症状2相关联的编
辑项。用户根据个人的实际情况分别对第二页模板界面、以及第三页模板界面中各编辑项对应的编辑控件进行编辑操作。
40.s120、基于与目标用户相对应的历史检查报告，确定与目标用户相对应的至少一个评估维度的评估数据。
41.其中，历史检查报告可以理解为按照一定规律，不同时间排布的体检报告。示例性的，近三年来，每年一次的体检报告可以作为历史检查报告。也可以是一年来，每个季度所产生的体检报告作为历史检查报告。
42.其中，评估维度为与历史检查报告相关联的多个不同的评价角度，例如至少一个评估维度可以包括：基本信息维度、异常信息维度、项目维度和结论维度。评估数据为各评估维度对应的具体描述。例如基本信息维度的评估数据可以包括：姓名、年龄、性别对应的实际内容；异常信息维度的评估数据可以是体检报告中关于用户异常信息的数据，例如，用户某一项体检结果存在异常的情况，可以使用特殊的符号进行标识。项目维度的评估数据为体检报告中关于用户所涉及的多个体检项目的内容，例如，血常规、心电图、肝功能检查等内容。结论维度对应的评估数据为体检报告中医生基于多项体检结果给出的最终体检结论的内容。
43.具体的，目标用户可以将多份历史检查报告上传目标应用程序，目标应用程序可以对每一份历史检查报告进行处理，提取每一份历史检查报告中的关键信息，并对这些信息进行整合处理。
44.可选的，基于与目标用户相对应的历史检查报告，确定与目标用户相对应的至少一个评估维度的评估数据，包括：获取目标用户在各时间段的历史检查报告；基于图文识别技术对各历史检查报告进行结构化处理，确定各评估维度在相应历史检查报告中的待处理内容；根据各评估维度所对应的数据处理规则，对相应的待处理内容进行归类或合并处理，得到与各评估维度所对应的评估数据。
45.其中，图文识别技术可以将历史检查报告中的各项信息进行文字提取。待处理内容与各评估维度相对应，例如基本信息维度的待处理内容可以包姓名、年龄和性别等。
46.在本实施例中，历史检查报告可以是每隔一段时间进行体检，得到的历史检查报告，首先获取目标用户各不同时间段的多份历史检查报告，随后对多份历史检查报告进行结构化处理，利用图文识别技术分别提取每一份历史检查报告的待处理内容，随后将各项信息按照基本信息维度、异常信息维度、项目维度和结论维度进行整合。对于基本信息维度，由于以为目标用户的多份历史检查报告，其基本信息是不变的，都是一些基本信息，所以可以对基本信息维度的待处理内容进行去重，只保留目标用户一份基本信息内容。对于异常信息维度、项目维度和结论维度，即使是同一目标用户，不同时间断对应的异常信息、项目以及结论是不同的，因此可以根据各份历史检查报告的时间顺序，依次整理对应的异常信息维度的评估数据、项目维度的评估数据以及结论维度的评估数据。
47.示例性的，目标用户每年进行一次体检，获取目标用户近三年的历史检查报告包括：三年的历史检查报告包括历史检查报告1、历史检查报告2和历史检查报告3。利用图文识别技术分别提取每一份历史检查报告的待处理内容，随后将各项信息按照基本信息维度、异常信息维度、项目维度和结论维度进行整理。将3份历史检查报告的基本信息维度的待处理内容进行合并，可以得到目标用户基本信息维度的评估数据；将3份历史检查报告的
异常信息维度、项目维度和结论维度对应的评估数据按照时间先后顺序进行整理，得到对应维度的评估数据。
48.s130、根据各评估数据、用户基础数据、症状描述数据以及相应的权重值，确定与目标用户相对应的目标推送数据。
49.其中，权重值可以表征各评估数据、用户基础数据、症状描述数据在模型预测过程中所起到的作用是有差异的。权重值越大，其重要程度越高；权重值越小，其重要程度越低。目标推送数据是根据各评估数据、用户基础数据、症状描述数据以及相应的权重值，确定的与目标用户自身健康相关的内容，例如，可以是与某个健康问题相关的预防方法，也可以是某种疾病的治疗建议。
50.具体的，可以为各评估数据、用户基础数据、症状描述数据预先确定相应的权重值，并将各评估数据、用户基础数据、症状描述数据以及预先的权重值输入至预先训练好的模型中，模型可以输出目标用户可能存在各种健康风险，以及各种健康风险对应的预防或者治疗的措施，模型输出的这些内容即为目标推送数据。
51.示例性的，各评估数据可以包括基本信息维度、异常信息维度、项目维度和结论维度。各评估数据、用户基础数据、症状描述数据权重值，参见表1。分别将基本信息维度的评估数据、异常信息维度的评估数据、项目维度的评估数据、结论维度的评估数据、用户基础数据、症状描述数据以及表1确定的权重值，输入至预先训练好的模型中，模型可以输出目标推送数据。
52.表1
[0053][0054]
s140、将目标推送数据发送至目标用户，以使目标用户基于目标推送数据进行调整。
[0055]
具体的，将目标推送数据发送至目标用户，目标用户可以得知可能存在的健康风险，以及各健康风险对应的预防或者解决措施，进而通过多种途径进行改变或调整。
[0056]
示例性的，如果目标推送数据中显示目标用户存在疾病a的风险，且可以通过适量运动以及清淡饮食可以预防疾病a，则目标用户可以根据目标推送数据的提示，平时增加运动量，减少吃一些油腻的食物。
[0057]
上述技术方案，通过获取与目标用户相对应的用户基础数据和症状描述数据，基于与目标用户相对应的历史检查报告，确定与目标用户相对应的至少一个评估维度的评估数据，进而根据各评估数据、用户基础数据、症状描述数据以及相应的权重值，确定与目标用户相对应的目标推送数据，最后，将目标推送数据发送至目标用户，以使目标用户基于目标推送数据进行调整。本发明解决了无法有效利用用户长期体征数据进行用户症状发展信息预测的问题，实现了对用户历年的体征数据进行症状发展预测，提高了健康风险预测的准确性。
[0058]
实施例二
[0059]
图2为本发明实施例二提供的一种数据处理方法的流程图，本发明实施例在上述实施例的基础上对前述实施例s130-s140对应的内容进行进一步细化，本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图2所示，该方法包括：
[0060]
s210、获取与目标用户相对应的用户基础数据和症状描述数据。
[0061]
s220、基于与目标用户相对应的历史检查报告，确定与目标用户相对应的至少一个评估维度的评估数据。
[0062]
s230、根据各评估数据所属的评估维度的权重值，用户基础数据所对应的权重值以及症状描述数据所对应的权重值，对相应的数据进行处理，得到待输入至目标预测模型中的待输入数据。
[0063]
其中，待输入数据为将各评估维度对应的评估数据以及权重值、用户基础数据以及用户基础数据对应的权重值、症状描述数据以及症状描述数据所对应的权重值进行向量化得到的参数向量。目标预测模型为预先训练好的模型，目标预测模型可以根据输入至模型中的待输入数据，输出表征各健康风险的概率矩阵。
[0064]
在本实施例中，可以将各评估维度对应的评估数据以及权重值、用户基础数据以及用户基础数据对应的权重值、症状描述数据以及症状描述数据所对应的权重值进行向量化，得到用于输入至目标预测模型的待输入数据。
[0065]
s240、将待输入数据输入至目标预测模型中，得到概率矩阵。
[0066]
其中，概率矩阵为不同病症特征所对应健康风险的概率值。示例性的，若概率矩阵为1
×
100为的矩阵，则表明对应100种病症特征。概率矩阵不同的标识位表示不同的疾病特征，例如，第一标识位表示病症特征1，第二标识位表示病症特征2，第三标识位表示病症特征3。该矩阵中的具体元素值为各病症特征所对应健康风险的概率值。
[0067]
在本实施例中，将待输入数据输入至目标预测模型，目标预测模型可以输出目标用户可能存在健康风险相关的概率矩阵。
[0068]
可选的，将待输入数据输入至目标预测模型中，得到概率矩阵，可以是：将待输入数据输入至预先训练好的目标预测模型中，得到待输入数据在各病症特征上所对应的概率值；基于各概率值，确定概率矩阵。
[0069]
在本实施例中，在模型训练阶段可以预先确定多种不同的疾病，目标预测模型的输出可以用向量表征，向量中不同的标识位表征不同的病症特征。将待输入数据输入至预先训练好的目标预测模型中，可以得到待输入数据在各病症特征上所对应的概率值，随后将各概率值，填充到预先配置好的向量中，从而确定概率矩阵。
[0070]
示例性的，在模型训练阶段确定模型的输出为的1
×
4维的概率矩阵，其中，概率矩阵的第一标识位表示病症特征1，第二标识位表示病症特征2，第三标识位表示病症特征3，第四标识位表示病症特征4。将待输入数据输入至目标预测模型，目标预测模型的输出的概率矩阵可以是[10％，20％，30％，50％]。其中概率矩阵的各标识位对应预先设定的不同的病症特征，概率矩阵的第一标识位为的概率值为10％，表示目标用户存在病症特征1的概率值为10％。
[0071]
s250、基于概率矩阵和预先构建的疾病特征知识图谱，确定与目标用户相对应的目标推送数据。
[0072]
其中，疾病特征知识图谱为预先构建的，其中包括某一疾病特征对应的相关信息。
例如，疾病特征对应的相关信息可以包括某一疾病特征预防方法、发病原因、治疗策略等。
[0073]
在本实施例中，根据概率矩阵确定概率值较大对应的病症特征，疾病特征知识图谱是按照不同的疾病特征分类进行构建的。因此只要确定了疾病特征，便可以根据疾病特征知识图谱查询到与目标用户相对应的目标推送数据。
[0074]
可选的，基于概率矩阵和预先构建的疾病特征知识图谱，确定与目标用户相对应的目标推送数据，包括：
[0075]
基于概率矩阵，确定各病症特征所对应的病症等级类型；对于各病症特征，根据当前病症特征所对应的病症等级类型和疾病特征知识图谱，确定第一推送数据；基于各病症特征所对应的第一推送数据，确定目标推送数据。
[0076]
其中，第一推送数据可以理解为可以将当前疾病特征作为检索条件，从疾病特征知识图谱中获取到的与当前疾病特征相关联的数据。
[0077]
在本实施例中，对于同一病症特征，在不同的发展阶段对应的病症等级是不同的，因此可以根据概率矩阵中的概率值，确定各病症特征所对应的病症等级类型。概率矩阵中概率值的大小可以表征病症特征所对应的病症等级类型。疾病特征知识图谱在构建的过程中，可以对同一疾病特征的多个等级类型进行细化，确定更加详细的疾病特征知识图谱，因此在确定当前病症特征所对应的病症等级类型，便可以根据疾病特征知识图谱查询到与目标用户相对应的第一推送数据，将各病症特征所对应的第一推送数据进行整体打包，可以作为目标推送数据中的一部分内容。
[0078]
可选的，基于概率矩阵和预先构建的疾病特征知识图谱，确定与目标用户相对应的目标推送数据，还可以是：基于概率矩阵，确定高于预设概率阈值的目标病症特征以及相应的病症等级类型；确定各目标病症特征以及相应病症等级类型在疾病特征知识图谱中所对应的第一推送数据；基于各目标病症特征的第一推送数据，确定目标推送数据。
[0079]
其中，预设概率阈值为预先设定的阈值，当某一疾病特征对应的概率值大于预设概率阈值，则可以将当前疾病特征确定为目标病症特征。
[0080]
在本实施例中，通过预设概率阈值，可以将小于预设概率阈值的概率值所对应的疾病特征筛选掉，在根据疾病特征以及疾病特征知识图谱确定第一推送数据时，这些小于预设概率阈值的概率值所对应的疾病特征，将不会作为检索条件，确定第一推送数据。小于预设概率阈值的概率值所对应的疾病特征的参考意义是不大的，这样的处理方式可以减少模型系统的数据处理量，提高该方法的精度和针对性。
[0081]
s260、将目标推送数据推送至目标用户，并按照预设规则进行展示。
[0082]
其中，预设规则包括病症特征、概率值、病症等级类型以及相应的第一推送数据。
[0083]
在本实施例中，目标推送数据中可以包括各病症特征、各病症特征对应概率值、确定的病症等级类型以及与病症等级类型相对应的第一推送数据。在向用户展示目标推送数据时，目标推送数据包含的大量信息可以进行有序的推送。
[0084]
示例性的，目标推送数据可以包括多个展示页面，第一页展示界面中的内容为各疾病特征以及各疾病特征对应的概率值，第二页展示界面中的内容为各疾病特征对应的病症等级类型，第三页展示界面中的内容为各病症等级类型对应的第一推送数据，这样一来用户可以由浅至深的了解身体状况信息。
[0085]
可选的，目标推送数据中包括对各病症特征所对应的指导数据。
[0086]
在本实施例中，目标推送数据中可以包括各种疾病特征对应的指导数据，目标用户可以根据指导数据，进一步的了解各种疾病特征，适应性的调整饮食起居，使目标用户的身体可以保持健康。
[0087]
上述技术方案，通过获取与目标用户相对应的用户基础数据和症状描述数据，并基于与目标用户相对应的历史检查报告，确定与目标用户相对应的至少一个评估维度的评估数据。根据各评估数据所属的评估维度的权重值，用户基础数据所对应的权重值以及症状描述数据所对应的权重值，对相应的数据进行处理，得到待输入至目标预测模型中的待输入数据，随后，将待输入数据输入至目标预测模型中，得到概率矩阵，概率矩阵可以表征目标用户存在某种疾病特征的风险值。进而，基于概率矩阵和预先构建的疾病特征知识图谱，确定与目标用户相对应的目标推送数据。最后，将目标推送数据推送至目标用户，并按照预设规则进行展示。本发明解决了无法有效利用用户长期体征数据进行用户症状发展信息预测的问题，实现了对用户历年的体征数据进行症状发展预测，提高了健康风险预测的准确性，以达到提前预防、及时发现病症特征以及正确处理疾病特征的有益效果。
[0088]
实施例三
[0089]
在本发明实施例中，以一个具体的实施方式介绍种基于历史数据确定目标数据的方法，图3为本发明实施例三提供的一种基于历史数据确定目标数据的方法的结构示意图，该方法可以由一下流程模块实现，包括：
[0090]
1、收集个人健康档案：收集目标用户相对应的用户基础数据、症状描述数据以及历史检查报告。
[0091]
2、获取目标用户的评估数据：基于图文识别技术对各历史检查报告进行结构化处理。结构化处理过程为：历史检查报告进行结构化处理使用深度学习模型，深度学习模型包括版面分析模型、表格解析模型、图文识别相关模型。其中版面分析采用神经网络模型进行训练得到，预测的版面信息主要包含“基本信息维度、异常信息维度、项目维度和结论维度”。版面分析模型输出的体检项目表使用表格解析模型进行结构化解析，解析流程参见图4。如图4所示，表格结构解析模型可以获得历史检查报告中每个单元格的4点坐标和表格结构信息、文本框坐标，文本框的文本。将单元格与文本框进行聚合，获取以单元格为单位的文本框，再将文本填充到文本框中，实现表格结构和内容的融合，完成表格解析。
[0092]
3、健康风险预测：将各评估数据、用户基础数据、症状描述数据以及预先的权重值输入至预先训练好的模型中，得到目标推送数据。
[0093]
4、预测结果质检：将目标推送数据中概率值按照高低进行展示，并将高于阈值的结果高亮，提醒医生完成复核确认。
[0094]
5、发送目标推送数据：针对医生复核后的风险结果，使用预先建设好的疾病知识图谱推荐该疾病特征相关注意事项等信息。
[0095]
本发明实施例提供的技术方案，充分利用个人长期的健康档案数据进行健康风险预测，解决了无法有效利用用户长期体征数据进行用户症状发展信息预测的问题，实现了对用户历年的体征数据进行症状发展预测，提高了健康风险预测的准确性，以使用户可以提前规避潜在的健康风险。
[0096]
实施例四
[0097]
图5为本发明实施例四提供的一种基于历史数据确定目标数据的装置的结构示意
图，该装置可以执行本发明实施例所提供的基于历史数据确定目标数据的方法。该装置包括：用户数据获取模块410、评估参数确定模块420、推送数据确定模块430、推送数据发送模块440。
[0098]
用户数据获取模块410，用于获取与目标用户相对应的用户基础数据和症状描述数据；
[0099]
评估参数确定模块420，用于基于与目标用户相对应的历史检查报告，确定与目标用户相对应的至少一个评估维度的评估数据；
[0100]
推送数据确定模块430，用于根据各评估数据、用户基础数据、症状描述数据以及相应的权重值，确定与目标用户相对应的目标推送数据；
[0101]
推送数据发送模块440，用于将目标推送数据发送至目标用户，以使目标用户基于目标推送数据进行调整。
[0102]
在上述各技术方案的基础上，用户数据获取模块410包括：模板界面显示单元和数据确定单元。
[0103]
模板界面显示单元，用于当检测到触发目标应用软件时，显示至少一个模板界面；
[0104]
数据确定单元，用于基于在至少一个模板界面上的编辑内容，确定用户基础数据和症状描述数据；
[0105]
其中，至少一个模板界面中包括基础信息编辑界面和症状描述界面，基础信息编辑界面上包括至少一个信息编辑项，症状描述界面上包括至少一个症状编辑项。
[0106]
在上述各技术方案的基础上，评估参数确定模块420包括：历史报告获取单元、待处理内容确定单元和评估数据生成单元。
[0107]
历史报告获取单元，用于获取目标用户在各时间段的历史检查报告；
[0108]
待处理内容确定单元，用于基于图文识别技术对各历史检查报告进行结构化处理，确定各评估维度在相应历史检查报告中的待处理内容；
[0109]
评估数据生成单元，用于根据各评估维度所对应的数据处理规则，对相应的待处理内容进行归类或合并处理，得到与各评估维度所对应的评估数据。
[0110]
在上述各技术方案的基础上，推送数据确定模块430包括：待输入数据确定单元、概率矩阵获取单元和推送数据确定单元。
[0111]
待输入数据确定单元，用于根据各评估数据所属的评估维度的权重值，用户基础数据所对应的权重值以及症状描述数据所对应的权重值，对相应的数据进行处理，得到待输入至目标预测模型中的待输入数据；
[0112]
概率矩阵获取单元，用于将待输入数据输入至目标预测模型中，得到概率矩阵；
[0113]
推送数据确定单元，用于基于概率矩阵和预先构建的疾病特征知识图谱，确定与目标用户相对应的目标推送数据。
[0114]
在上述各技术方案的基础上，概率矩阵获取单元包括：概率值确定子单元和概率矩阵确子定单元。
[0115]
概率值确定子单元，用于将待输入数据输入至预先训练好的目标预测模型中，得到待输入数据在各病症特征上所对应的概率值；
[0116]
概率矩阵确子定单元，用于基于各概率值，确定概率矩阵。
[0117]
在上述各技术方案的基础上，推送数据确定单元包括：等级类型确定子单元、第一
推送数据确定子单元和目标推送数据确定子单元。
[0118]
等级类型确定子单元，用于基于概率矩阵，确定各病症特征所对应的病症等级类型；
[0119]
第一推送数据确定子单元，用于对于各病症特征，根据当前病症特征所对应的病症等级类型和疾病特征知识图谱，确定第一推送数据；
[0120]
目标推送数据确定子单元，用于基于各病症特征所对应的第一推送数据，确定目标推送数据。
[0121]
在上述各技术方案的基础上，推送数据确定单元还包括：等级类型确定子单元、第一推送数据确定子单元和目标推送数据确定子单元。
[0122]
等级类型确定子单元，用于基于概率矩阵，确定高于预设概率阈值的目标病症特征以及相应的病症等级类型；
[0123]
第一推送数据确定子单元，用于确定各目标病症特征以及相应病症等级类型在疾病特征知识图谱中所对应的第一推送数据；
[0124]
目标推送数据确定子单元，用于基于各目标病症特征的第一推送数据，确定目标推送数据。
[0125]
在上述各技术方案的基础上，推送数据发送模块440还用于将目标推送数据推送至目标用户，并按照预设规则进行展示。
[0126]
其中，预设规则包括病症特征、概率值、病症等级类型以及相应的第一推送数据。
[0127]
在上述各技术方案的基础上，目标推送数据中包括对各病症特征所对应的指导数据。
[0128]
本发明实施例提供的技术方案，通过获取与目标用户相对应的用户基础数据和症状描述数据；基于与目标用户相对应的历史检查报告，确定与目标用户相对应的至少一个评估维度的评估数据；根据各评估数据、用户基础数据、症状描述数据以及相应的权重值，确定与目标用户相对应的目标推送数据；将目标推送数据发送至目标用户，以使目标用户基于目标推送数据进行调整。本发明解决了无法有效利用用户长期体征数据进行用户症状发展信息预测的问题，实现了对用户历年的体征数据进行症状发展预测，提高了健康风险预测的准确性。
[0129]
本公开实施例所提供的数据处理装置可执行本公开任意实施例所提供的视频确定方法，具备执行方法相应的功能模块和有益效果。
[0130]
值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开实施例的保护范围。
[0131]
实施例五
[0132]
图6为本发明实施例五提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
[0133]
如图6所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
[0134]
电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0135]
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如路面识别方法。
[0136]
在一些实施例中，路面识别方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的路面识别方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行路面识别方法。
[0137]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0138]
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0139]
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电
气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0140]
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0141]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
[0142]
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。