【技術實現步驟摘要】
本專利技術涉及數據處理，特別涉及一種基于多任務融合訪問間隔的順序訪問預測方法及相關設備。
技術介紹
1、順序訪問預測是基于用戶歷史訪問的一種預測，跨越了各種醫學專業和場景。隨著技術進步，訪問預測研究不斷發展和迭代。早期的訪問預測模型依賴于啟發式和專家系統，如mycin系統，由于手動規則策劃的高維護成本而受到限制。傳統機器學習方法的進步已經自動化了從電子病歷中訓練分類器的過程，將訪問預測視為多類分類任務。基于注意力的模型，如mmore、musanet和hitanet，專注于捕獲多尺度時間特征。盡管這些模型考慮了用戶訪問的時間信息，但它們未能有效捕捉更深層次的信息，如訪問間隔的不規律性。如何解決上述問題，是本方案所關注的內容。
2、需要說明的是，在上述
技術介紹
部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。
技術實現思路
1、本申請的目的在于提供一種基于多任務融合訪問間隔的順序訪問預測方法及相關設備，至少在一定程度上克服現有技術存在的問題，通過訪問間隔預測子任務及位置編碼和間隔編碼，能充分捕獲訪問間隔和序列信息，彌補以往研究不足，更精準地反映用戶健康狀況波動，提升模型性能，如消融研究顯示移除該任務會使準確率下降。采用多任務學習范式融合兩個子任務，協同增強各子任務性能，使模型能學習到更豐富特征表示，有效避免過擬合，提高在不同任務和數據場景中的泛化能力。引入歷史注意力殘差改進transformer多頭自注意力模塊，更好捕
2、本申請的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本專利技術的實踐而習得。
3、根據本申請的一個方面，提供一種基于多任務融合訪問間隔的順序訪問預測方法，包括：獲取目標用戶在預設時間段內的訪問信息、目標用戶的訪問用途信息、目標用戶的生理特征信息、初始訪問結果預測模型和訓練樣本集；對所述目標用戶在預設時間段內的訪問信息進行處理，生成目標用戶的歷史訪問時間信息、目標用戶的歷史訪問記錄信息和目標用戶的實時訪問時間信息；對所述訓練樣本集進行預處理，生成帶有目標特征信息的訓練樣本集；基于所述帶有目標特征信息的訓練樣本集對所述初始訪問結果預測模型進行處理，生成目標訪問結果預測模型；基于所述目標訪問結果預測模型對所述目標用戶的歷史訪問時間信息、所述目標用戶的歷史訪問記錄信息、所述目標用戶的實時訪問時間信息和所述目標用戶的生理特征信息進行處理，生成間隔預測子任務和順序訪問預測子任務；對所述間隔預測子任務和所述順序訪問預測子任務進行處理，生成初始預測特征向量；基于所述目標用戶的訪問用途信息對所述初始預測特征向量進行處理，生成目標用戶的目標預測信息。
4、本申請的另一個方面，一種基于多任務融合訪問間隔的順序訪問預測裝置，包括：獲取模塊，用于獲取目標用戶在預設時間段內的訪問信息、目標用戶的訪問用途信息、目標用戶的生理特征信息、初始訪問結果預測模型和訓練樣本集；處理模塊，用于對所述目標用戶在預設時間段內的訪問信息進行處理，生成目標用戶的歷史訪問時間信息、目標用戶的歷史訪問記錄信息和目標用戶的實時訪問時間信息；對所述訓練樣本集進行預處理，生成帶有目標特征信息的訓練樣本集；基于所述帶有目標特征信息的訓練樣本集對所述初始訪問結果預測模型進行處理，生成目標訪問結果預測模型；基于所述目標訪問結果預測模型對所述目標用戶的歷史訪問時間信息、所述目標用戶的歷史訪問記錄信息、所述目標用戶的實時訪問時間信息和所述目標用戶的生理特征信息進行處理，生成間隔預測子任務和順序訪問預測子任務；對所述間隔預測子任務和所述順序訪問預測子任務進行處理，生成初始預測特征向量；基于所述目標用戶的訪問用途信息對所述初始預測特征向量進行處理，生成目標用戶的目標預測信息。
5、根據本申請的再一個方面，一種電子設備，包括：第一處理器；以及存儲器，用于存儲所述第一處理器的可執行指令；其中，所述第一處理器配置為經由執行所述可執行指令來執行實現上述的基于多任務融合訪問間隔的順序訪問預測方法。
6、根據本申請的又一個方面，提供一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被第二處理器執行時實現上述的基于多任務融合訪問間隔的順序訪問預測方法。
7、本申請所提供的一種基于多任務融合訪問間隔的順序訪問預測方法及相關設備，由服務器通過訪問間隔預測子任務及位置編碼和間隔編碼，能充分捕獲訪問間隔和序列信息，彌補以往研究不足，更精準地反映用戶健康狀況波動，提升模型性能，如消融研究顯示移除該任務會使準確率下降。采用多任務學習范式融合兩個子任務，協同增強各子任務性能，使模型能學習到更豐富特征表示，有效避免過擬合，提高在不同任務和數據場景中的泛化能力。引入歷史注意力殘差改進transformer多頭自注意力模塊，更好捕捉長期依賴關系，有助于從歷史訪問中提取關鍵信息，提高預測精度。
8、應當理解的是，以上的一般描述和后文的細節描述僅是示例性和解釋性的，并不能限制本公開。
本文檔來自技高網...【技術保護點】
1.一種基于多任務融合訪問間隔的順序訪問預測方法，其特征在于，包括：
2.如權利要求1所述的方法，其特征在于，對所述訓練樣本集進行預處理，生成帶有目標特征信息的訓練樣本集，包括：
3.如權利要求1所述的方法，其特征在于，基于所述目標訪問結果預測模型對所述目標用戶的歷史訪問時間信息、所述目標用戶的歷史訪問記錄信息、所述目標用戶的實時訪問時間信息和所述目標用戶的生理特征信息進行處理，生成間隔預測子任務和順序訪問預測子任務，包括：
4.如權利要求3所述的方法，其特征在于，基于所述歷史訪問間隔信息和所述歷史訪問咨詢信息對所述目標用戶的實時訪問時間信息和所述目標用戶的生理特征信息進行處理，生成目標用戶的訪問預測信息，包括：
5.如權利要求4所述的方法，其特征在于，基于所述歷史訪問間隔信息和所述歷史訪問咨詢信息對所述目標用戶的實時訪問時間信息和所述目標用戶的生理特征信息進行處理，生成目標用戶的訪問預測信息，還包括：
6.如權利要求3所述的方法，其特征在于，對所述間隔預測子任務和所述順序訪問預測子任務進行處理，生成初始預測特征向量，包
7.如權利要求6所述的方法，其特征在于，基于所述目標用戶的訪問用途信息對所述初始預測特征向量進行處理，生成目標用戶的目標預測信息，包括：
8.一種基于多任務融合訪問間隔的順序訪問預測裝置，其特征在于，所述裝置包括：
9.一種電子設備，其特征在于，包括：
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被第二處理器執行時實現權利要求1～7中任意一項所述的基于多任務融合訪問間隔的順序訪問預測方法。
...【技術特征摘要】
1.一種基于多任務融合訪問間隔的順序訪問預測方法，其特征在于，包括：
2.如權利要求1所述的方法，其特征在于，對所述訓練樣本集進行預處理，生成帶有目標特征信息的訓練樣本集，包括：
3.如權利要求1所述的方法，其特征在于，基于所述目標訪問結果預測模型對所述目標用戶的歷史訪問時間信息、所述目標用戶的歷史訪問記錄信息、所述目標用戶的實時訪問時間信息和所述目標用戶的生理特征信息進行處理，生成間隔預測子任務和順序訪問預測子任務，包括：
4.如權利要求3所述的方法，其特征在于，基于所述歷史訪問間隔信息和所述歷史訪問咨詢信息對所述目標用戶的實時訪問時間信息和所述目標用戶的生理特征信息進行處理，生成目標用戶的訪問預測信息，包括：
5.如權利要求4所述的方法，其特征在于，基于所述歷史訪問間隔信息和所...
【專利技術屬性】
技術研發人員：朱聲榮，計虹，李維，張晨，
申請(專利權)人：北京大學第三醫院北京大學第三臨床醫學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。