基于區塊鏈和智慧醫療的大數據提取方法及大數據系統技術方案

本公開實施例提供一種基于區塊鏈和智慧醫療的大數據提取方法及大數據系統，目標用戶畫像特征是基于智慧醫療分布式設備的智慧醫療用戶的多個用戶畫像維度的畫像分量特征生成的，可以表示反饋行為大數據的行為畫像特征，在處理反饋行為大數據時綜合考慮反饋行為大數據的行為持續特征以及行為畫像特征，最終可以得到準確的行為傾向屬性，從而提高反饋行為大數據的分類準確性，進而更新后續智慧醫療大數據的大數據提取策略，以更有針對性地對特定的智慧醫療大數據進行挖掘，提高大數據挖掘效率和精度。效率和精度。效率和精度。

【技術實現步驟摘要】
基于區塊鏈和智慧醫療的大數據提取方法及大數據系統


[0001]本公開涉及智慧醫療
，具體而言，涉及一種基于區塊鏈和智慧醫療的大數據提取方法及大數據系統。

技術介紹

[0002]智慧醫療是醫療信息化的升級發展，通過與大數據、云計算技術的深度融合，以醫療云數據中心為載體，為各方提供醫療大數據服務，實現醫生與病人、醫生與護士、大型醫院與社區醫院、醫療與保險、醫療機構與衛生管理部門、醫療機構與藥品管理之間的六個協同，逐步構建智慧化醫療服務體系。其中，健康大數據平臺的搭建為智慧醫療奠定了基礎。
[0003]針對大數據在智慧醫療應用中擔當的角色，大數據技術和手段的融合，會大大完善和加速對健康醫療信息推送和管理和處理的步伐。例如，基于對大數據進行挖掘處理以分析出用戶的意圖信息，進而便于進行信息推送優化和業務迭代更新，然而當前的大數據分析策略，通常是針對全量級別的大數據進行處理，在用戶行為傾向不斷變化的過程中，沒有考慮到針對性地對特定的關鍵智慧醫療大數據進行挖掘，導致挖掘的準確性和挖掘效率仍舊有待提高。

技術實現思路

[0004]為了至少克服現有技術中的上述不足，本公開的目的在于提供一種基于區塊鏈和智慧醫療的大數據提取方法及大數據系統。
[0005]第一方面，本公開提供一種基于區塊鏈和智慧醫療的大數據提取方法，應用于大數據系統，所述大數據系統與多個智慧醫療分布式設備通信連接，所述方法包括：根據基于所述智慧醫療分布式設備的智慧醫療大數據獲得的每個醫療意圖熱點的信息推送策略，生成向所述智慧醫療分布式設備推送的醫療熱點推送信息，并獲取所述智慧醫療分布式設備針對所述醫療熱點推送信息在指定業務挖掘周期內反饋的目標反饋行為大數據，其中，所述目標智慧醫療服務大數據基于所述智慧醫療分布式設備所在區塊鏈網絡的多個區塊鏈節點進行搜集獲得；獲取所述智慧醫療分布式設備的智慧醫療用戶對應的目標用戶畫像特征，所述目標用戶畫像特征是基于所述智慧醫療分布式設備的智慧醫療用戶的多個用戶畫像維度的畫像分量特征生成的；提取所述目標反饋行為大數據對應的目標行為持續特征，將所述目標用戶畫像特征融合至所述目標行為持續特征得到目標融合特征；提取所述目標融合特征對應的目標行為傾向特征，基于所述目標行為傾向特征得到所述目標反饋行為大數據對應的行為傾向屬性，并根據所述的行為傾向屬性更新所述智慧醫療大數據的大數據提取策略，其中，所述大數據提取策略用于上傳到當前所述智慧醫療分布式設備對應的區塊鏈網絡的多個區塊鏈節點中。
[0006]第二方面，本公開實施例還提供一種基于區塊鏈和智慧醫療的大數據提取系統，
所述基于區塊鏈和智慧醫療的大數據提取系統包括大數據系統以及與所述大數據系統通信連接的多個智慧醫療分布式設備；所述大數據系統，用于：根據基于所述智慧醫療分布式設備的智慧醫療大數據獲得的每個醫療意圖熱點的信息推送策略，生成向所述智慧醫療分布式設備推送的醫療熱點推送信息，并獲取所述智慧醫療分布式設備針對所述醫療熱點推送信息在指定業務挖掘周期內反饋的目標反饋行為大數據，其中，所述目標智慧醫療服務大數據基于所述智慧醫療分布式設備所在區塊鏈網絡的多個區塊鏈節點進行搜集獲得；獲取所述智慧醫療分布式設備的智慧醫療用戶對應的目標用戶畫像特征，所述目標用戶畫像特征是基于所述智慧醫療分布式設備的智慧醫療用戶的多個用戶畫像維度的畫像分量特征生成的；提取所述目標反饋行為大數據對應的目標行為持續特征，將所述目標用戶畫像特征融合至所述目標行為持續特征得到目標融合特征；提取所述目標融合特征對應的目標行為傾向特征，基于所述目標行為傾向特征得到所述目標反饋行為大數據對應的行為傾向屬性，并根據所述的行為傾向屬性更新所述智慧醫療大數據的大數據提取策略，其中，所述大數據提取策略用于上傳到當前所述智慧醫療分布式設備對應的區塊鏈網絡的多個區塊鏈節點中。
[0007]根據上述任意一個方面，本公開提供的實施方式中，目標用戶畫像特征是基于智慧醫療分布式設備的智慧醫療用戶的多個用戶畫像維度的畫像分量特征生成的，可以表示反饋行為大數據的行為畫像特征，在處理反饋行為大數據時綜合考慮反饋行為大數據的行為持續特征以及行為畫像特征，最終可以得到準確的行為傾向屬性，從而提高反饋行為大數據的分類準確性，進而更新后續智慧醫療大數據的大數據提取策略，以更有針對性地對特定的智慧醫療大數據進行挖掘，提高大數據挖掘效率和精度。
附圖說明
[0008]圖1為本公開實施例提供的基于區塊鏈和智慧醫療的大數據提取系統的應用場景示意圖；圖2為本公開實施例提供的基于區塊鏈和智慧醫療的大數據提取方法的流程示意圖；圖3為本公開實施例提供的基于區塊鏈和智慧醫療的大數據提取裝置的功能模塊示意圖；圖4為本公開實施例提供的用于實現上述的基于區塊鏈和智慧醫療的大數據提取方法的大數據系統的結構示意框圖。
具體實施方式
[0009]下面結合說明書附圖，對本公開實施例的方案進行詳細說明。以下描述中，為了說明而不是為了限定，提出了諸如特定系統結構、接口、技術之類的具體細節，以便透徹理解本公開具體實施例。
[0010]圖1是本公開一種實施例提供的基于區塊鏈和智慧醫療的大數據提取系統10的場
景示意圖。基于區塊鏈和智慧醫療的大數據提取系統10可以包括大數據系統100以及與大數據系統100通信連接的智慧醫療分布式設備200。圖1所示的基于區塊鏈和智慧醫療的大數據提取系統10僅為一種可行的示例，在其它可行的實施例中，該基于區塊鏈和智慧醫療的大數據提取系統10也可以僅包括圖1所示組成部分的其中的至少部分或者還可以包括其它的組成部分。
[0011]本實施例中，基于區塊鏈和智慧醫療的大數據提取系統10中的大數據系統100和智慧醫療分布式設備200可以通過配合執行以下方法實施例所描述的基于區塊鏈和智慧醫療的大數據提取方法，具體大數據系統100和智慧醫療分布式設備200的執行步驟部分可以參照以下方法實施例的詳細描述。
[0012]為了解決前述
技術介紹
中的技術問題，圖2為本公開實施例提供的基于區塊鏈和智慧醫療的大數據提取方法的流程示意圖，本實施例提供的基于區塊鏈和智慧醫療的大數據提取方法可以由圖1中所示的大數據系統100執行，下面對該基于區塊鏈和智慧醫療的大數據提取方法進行詳細介紹。
[0013]步驟S110，根據基于所述智慧醫療分布式設備的智慧醫療大數據獲得的每個醫療意圖熱點的信息推送策略，生成向所述智慧醫療分布式設備推送的醫療熱點推送信息，并獲取所述智慧醫療分布式設備針對所述醫療熱點推送信息在指定業務挖掘周期內反饋的目標反饋行為大數據。
[0014]例如，大數據系統可以在本地、或從其它智慧醫療分布式設備、服務器獲取智慧醫療分布式設備反饋的目標反饋行為大數據。目標反饋行為大數據可以是實時采集的反饋行為大數據，可以包括智慧醫療用戶以及智慧醫療用戶的關聯用戶（例如患者用戶的親屬用戶）針對該醫療熱點推送信息的反饋行為數據，如訂閱行為數據、分享行為數據、收藏行為數據、建議行為數據等，但不限于此。大數據系統可以實時對最本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種基于區塊鏈和智慧醫療的大數據提取方法，其特征在于，應用于大數據系統，所述大數據系統與多個智慧醫療分布式設備通信連接，所述方法包括：根據基于所述智慧醫療分布式設備的智慧醫療大數據獲得的每個醫療意圖熱點的信息推送策略，生成向所述智慧醫療分布式設備推送的醫療熱點推送信息，并獲取所述智慧醫療分布式設備針對所述醫療熱點推送信息在指定業務挖掘周期內反饋的目標反饋行為大數據，其中，所述目標智慧醫療服務大數據基于所述智慧醫療分布式設備所在區塊鏈網絡的多個區塊鏈節點進行搜集獲得；獲取所述智慧醫療分布式設備的智慧醫療用戶對應的目標用戶畫像特征，所述目標用戶畫像特征是基于所述智慧醫療分布式設備的智慧醫療用戶的多個用戶畫像維度的畫像分量特征生成的；提取所述目標反饋行為大數據對應的目標行為持續特征，將所述目標用戶畫像特征融合至所述目標行為持續特征得到目標融合特征；提取所述目標融合特征對應的目標行為傾向特征，基于所述目標行為傾向特征得到所述目標反饋行為大數據對應的行為傾向屬性，并根據所述的行為傾向屬性更新所述智慧醫療大數據的大數據提取策略，其中，所述大數據提取策略用于上傳到當前所述智慧醫療分布式設備對應的區塊鏈網絡的多個區塊鏈節點中。2.根據權利要求1所述的基于區塊鏈和智慧醫療的大數據提取方法，其特征在于，所述獲取所述智慧醫療分布式設備的智慧醫療用戶對應的目標用戶畫像特征，包括：獲取所述智慧醫療分布式設備對應的目標行為傾向預測網絡；其中，所述目標行為傾向預測網絡配置有所述智慧醫療用戶對應的目標用戶畫像特征，所述目標行為傾向預測網絡用于提取所述目標反饋行為大數據對應的目標行為持續特征，將所述目標用戶畫像特征融合至所述目標行為持續特征得到目標融合特征，提取所述目標融合特征對應的目標行為傾向特征，基于所述目標行為傾向特征得到所述目標反饋行為大數據對應的行為傾向屬性。3.根據權利要求1所述的基于區塊鏈和智慧醫療的大數據提取方法，其特征在于，所述目標用戶畫像特征的生成包括以下步驟：將各個用戶畫像維度的畫像分量特征映射到用戶畫像知識圖譜上，得到各個用戶畫像維度的知識圖譜實體；從各個用戶畫像維度中獲取目標數量個用戶畫像維度分別作為目標用戶畫像維度，得到目標數量個目標用戶畫像維度；基于各個目標用戶畫像維度的知識圖譜實體生成目標用戶畫像實體；當所述目標用戶畫像實體對應的實體展現特征為預設展現特征、且所述目標用戶畫像實體內沒有其它用戶畫像維度時，將各個目標用戶畫像維度建立關聯關系；基于存在關聯關系的各個用戶畫像維度生成所述目標用戶畫像特征。4.根據權利要求3所述的基于區塊鏈和智慧醫療的大數據提取方法，其特征在于，所述實體展現特征包括目標用戶畫像實體的各個實體關聯節點對應的實體屬性，所述當所述目標用戶畫像實體對應的實體展現特征為預設展現特征、且所述目標用戶畫像實體內沒有其它用戶畫像維度時，將各個目標用戶畫像維度建立關聯關系，包括：當各個實體屬性均在預設正常實體屬性區間內時，確定所述目標用戶畫像實體對應的
實體展現特征為預設展現特征；當實體展現特征為預設展現特征的目標用戶畫像實體內沒有其它用戶畫像維度時，基于各個實體關聯節點之間的連接關系建立各個目標用戶畫像維度之間的關聯關系；其中，所述基于存在關聯關系的各個用戶畫像維度生成所述目標用戶畫像特征，包括：基于存在關聯關系的各個用戶畫像維度生成初始用戶畫像特征；基于所述初始用戶畫像特征生成初始用戶畫像分布；獲取基礎用戶畫像分布，融合所述基礎用戶畫像分布和所述初始用戶畫像分布得到中間用戶畫像分布；獲取所述初始用戶畫像分布對應的擴展用戶畫像分布，融合所述擴展用戶畫像分布和所述中間用戶畫像分布得到目標用戶畫像分布；基于所述目標用戶畫像分布得到所述目標用戶畫像特征；其中，所述基于所述初始用戶畫像特征生成初始用戶畫像分布包括以下方式中的任意一種：基于所述智慧醫療用戶的用戶畫像維度的畫像維度數量確定所述初始用戶畫像分布的畫像分布維度，將存在關聯關系的各個用戶畫像維度對應的畫像維度置信度確定為第一目標值，將其它用戶畫像維度對應的畫像維度置信度確定為第二目標值，得到所述初始用戶畫像分布；基于所述智慧醫療用戶的用戶畫像維度的畫像維度數量確定所述初始用戶畫像分布的畫像分布維度，基于存在關聯關系的各個用戶畫像維度之間的畫像分量特征關聯度，確定存在關聯關系的各個用戶畫像維度對應的畫像維度置信度，將其它用戶畫像維度對應的畫像維度置信度確定為第二目標值，得到所述初始用戶畫像分布。5.根據權利要求1所述的基于區塊鏈和智慧醫療的大數據提取方法，其特征在于，所述目標反饋行為大數據包括各個用戶畫像維度分別對...

【專利技術屬性】
技術研發人員：劉鋼，
申請(專利權)人：劉鋼，
類型：發明
國別省市：