医疗商品信息的推送方法及装置、存储介质、计算机设备与流程

1.本发明涉及一种数字医疗技术领域，特别是涉及一种医疗商品信息的推送方法及装置、存储介质、计算机设备。

背景技术：

2.随着数字医疗技术的快速发展，以及智能医疗系统的功能不断完善，用户可以基于智能医疗系统获取到推送的医疗商品信息，以满足不同的医疗需求。
3.目前，现有在基于智能医疗系统进行医疗商品信息的推送时通常直接按照指定推送特征进行推送，例如，按照发布时间推送新产品，按照用户病情推送产品等。但是，在进行特征匹配过程中，无法准确基于用户与医疗商品信息之间的相关关系到待推送的对象，即无法满足不同用户针对医疗商品信息的灵活性使用需求，大大降低了医疗商品信息的推送准确性。

技术实现要素：

4.有鉴于此，本发明提供一种医疗商品信息的推送方法及装置、存储介质、计算机设备，主要目的在于解决现有医疗商品信息的推送准确性差的问题。
5.依据本发明一个方面，提供了一种医疗商品信息的推送方法，包括：
6.获取待推送的用户信息以及医疗商品信息；
7.基于知识图谱构建包含所述用户信息、所述医疗商品信息的融合图，所述融合图中包含所述用户信息与不同医疗商品信息之间的映射关系；
8.基于注意力机制对所述融合图中的所述用户信息、所述医疗商品信息以及所述映射关系进行预测评价，得到用户预测评价结果，并根据所述用户预测评价结果确定目标医疗商品信息；
9.基于历史点击行为预测所述目标医疗商品信息的点击结果，并根据所述点击结果推送所述目标医疗商品信息。
10.进一步地，所述基于知识图谱构建包含所述用户信息、所述医疗商品信息的融合图包括：
11.获取所述用户信息与医疗商品信息之间的交互二部图；
12.基于知识图谱的三元组结构将所述交互二部图中的医疗商品信息、所述用户信息作为实体，确定各所述实体之间的映射关系，建立融合图。
13.进一步地，所述基于注意力机制对所述融合图中的所述用户信息、所述医疗商品信息以及所述映射关系进行预测评价，得到用户预测评价结果包括：
14.确定与用户中心实体关联对应的多个商品实体，所述商品实体包括一个医疗商品头实体以及至少一个医疗商品尾实体；
15.根据注意力机制分别对所述用户中心实体相对于所述医疗商品头实体、所述医疗商品尾实体、所述映射关系进行注意力评价；
16.对得到的注意力评价结果进行权重计算，确定的预测评价结果。
17.进一步地，所述根据注意力机制分别对所述用户中心实体相对于所述医疗商品头实体、所述医疗商品尾实体、所述映射关系进行注意力评价之前，所述方法还包括：
18.基于固定窗口方式从所述实体中确定目标采样实体；
19.基于预设采样策略从所述目标采样实体中抽取待进行注意力评价的实体，所述预设采样策略用于表征在各阶实体中进行抽样采集的实体个数。
20.进一步地，所述对得到的注意力评价结果进行权重计算，确定的预测评价结果包括：
21.获取抽取后的所述医疗商品头实体、所述医疗商品尾实体的加权系数，并基于所述加权系数对所述医疗商品头实体、所述医疗商品尾实体的所述注意力评价结果进行权重计算，得到初始预测评价结果；
22.基于所述映射关系的注意力评价结果，与所述初始预测评价结果进行聚合拼接，得到预测评价结果。
23.进一步地，所述基于历史点击行为预测所述目标医疗商品信息的点击结果，并根据所述点击结果推送所述目标医疗商品信息包括：
24.基于已完成训练的神经网络预测模型对所述目标医疗商品信息进行预测，得到点击结果，所述神经网络预测模型为基于所述历史点击行为所对应的训练样本集进行训练得到的，所述点击结果包括点击时间、点击次数；
25.当所述点击结果匹配预设推送点击条件时，按照所述点击结果向所述用户信息对应的客户端推送所述目标医疗商品信息。
26.进一步地，所述方法还包括：
27.获取对推送后的所述目标医疗商品信息的点击行为，并对所述点击行为进行统计；
28.当统计后的所述点击行为不匹配预设推送条件，则执行获取待推送的用户信息以及医疗商品信息的步骤，以重新进行目标医疗商品信息的确定及推送。
29.依据本发明另一个方面，提供了一种医疗商品信息的推送装置，包括：
30.获取模块，用于获取待推送的用户信息以及医疗商品信息；
31.构建模块，用于基于知识图谱构建包含所述用户信息、所述医疗商品信息的融合图，所述融合图中包含所述用户信息与不同医疗商品信息之间的映射关系；
32.预测模块，用于基于注意力机制对所述融合图中的所述用户信息、所述医疗商品信息以及所述映射关系进行预测评价，得到用户预测评价结果，并根据所述用户预测评价结果确定目标医疗商品信息；
33.推送模块，用于基于历史点击行为预测所述目标医疗商品信息的点击结果，并根据所述点击结果推送所述目标医疗商品信息。
34.进一步地，所述构建模块包括：
35.构建单元，用于获取所述用户信息与医疗商品信息之间的交互二部图；
36.确定单元，用于基于知识图谱的三元组结构将所述交互二部图中的医疗商品信息、所述用户信息作为实体，确定各所述实体之间的映射关系，建立融合图。
37.进一步地，所述预测模块包括：
38.第一确定单元，用于确定与用户中心实体关联对应的多个商品实体，所述商品实体包括一个医疗商品头实体以及至少一个医疗商品尾实体；
39.评价单元，用于根据注意力机制分别对所述用户中心实体相对于所述医疗商品头实体、所述医疗商品尾实体、所述映射关系进行注意力评价；
40.计算单元，用于对得到的注意力评价结果进行权重计算，确定的预测评价结果。
41.进一步地，所述预测模块还包括：
42.第二确定单元，用于基于固定窗口方式从所述实体中确定目标采样实体；
43.抽取单元，用于基于预设采样策略从所述目标采样实体中抽取待进行注意力评价的实体，所述预设采样策略用于表征在各阶实体中进行抽样采集的实体个数。
44.进一步地，所述计算单元，具体用于获取抽取后的所述医疗商品头实体、所述医疗商品尾实体的加权系数，并基于所述加权系数对所述医疗商品头实体、所述医疗商品尾实体的所述注意力评价结果进行权重计算，得到初始预测评价结果；基于所述映射关系的注意力评价结果，与所述初始预测评价结果进行聚合拼接，得到预测评价结果。
45.进一步地，所述推送模块，具体用于基于已完成训练的神经网络预测模型对所述目标医疗商品信息进行预测，得到点击结果，所述神经网络预测模型为基于所述历史点击行为所对应的训练样本集进行训练得到的，所述点击结果包括点击时间、点击次数；当所述点击结果匹配预设推送点击条件时，按照所述点击结果向所述用户信息对应的客户端推送所述目标医疗商品信息。
46.进一步地，所述装置还包括：执行模块，
47.所述获取模块，还用于获取对推送后的所述目标医疗商品信息的点击行为，并对所述点击行为进行统计；
48.所述执行模块，用于当统计后的所述点击行为不匹配预设推送条件，则执行获取待推送的用户信息以及医疗商品信息的步骤，以重新进行目标医疗商品信息的确定及推送。
49.根据本发明的又一方面，提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述医疗商品信息的推送方法对应的操作。
50.根据本发明的再一方面，提供了一种计算机设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
51.所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述医疗商品信息的推送方法对应的操作。
52.借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：
53.本发明提供了一种医疗商品信息的推送方法及装置、存储介质、计算机设备，与现有技术相比，本发明实施例通过获取待推送的用户信息以及医疗商品信息；基于知识图谱构建包含所述用户信息、所述医疗商品信息的融合图，所述融合图中包含所述用户信息与不同医疗商品信息之间的映射关系；基于注意力机制对所述融合图中的所述用户信息、所述医疗商品信息以及所述映射关系进行预测评价，得到用户预测评价结果，并根据所述用户预测评价结果确定目标医疗商品信息；基于历史点击行为预测所述目标医疗商品信息的点击结果，并根据所述点击结果推送所述目标医疗商品信息，实现用户与医疗商品信息的
准确匹配，从而准确向用户推送医疗商品信息，使推送的医疗商品信息更能被用户所选取，满足用户对医疗商品信息的灵活性使用需求，大大提高了医疗商品信息的推送准确性。
54.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
55.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
56.图1示出了本发明实施例提供的一种医疗商品信息的推送方法流程图；
57.图2示出了本发明实施例提供的另一种医疗商品信息的推送方法流程图；
58.图3示出了本发明实施例提供的又一种医疗商品信息的推送方法流程图；
59.图4示出了本发明实施例提供的一种医疗商品信息的推送装置组成框图；
60.图5示出了本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
61.下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
62.针对在进行特征匹配过程中，无法准确基于用户与医疗商品信息之间的相关关系到待推送的对象，即无法满足不同用户针对医疗商品信息的灵活性使用需求，大大降低了医疗商品信息的推送准确性，本发明实施例提供了一种医疗商品信息的推送方法，如图1所示，该方法包括：
63.101、获取待推送的用户信息以及医疗商品信息。
64.本发明实施例中，作为当前执行主体的服务端或处理器中存储有作为推送对象的用户信息，即包括用户账号、用户身份等，并且，当前执行主体存储有已生成的医疗商品信息，医疗商品信息用于表征与医疗相关的全部产品的信息，包括但不限于药品信息、医疗检查项目信息、体检产品信息等，从而从用户信息中筛选出可以匹配推送医疗商品信息的目标用户，以进行推送。
65.102、基于知识图谱构建包含所述用户信息、所述医疗商品信息的融合图。
66.本发明实施例中，获取到待推送的用户信息、医疗商品信息后，构建融合图，即通过知识图谱进行构建。其中，融合图用于表征融合有全部实体关系的关系图，此时，构建的融合图中包含各用户信息与不同医疗商品信息之间的映射关系，即在基于知识图谱进行构建融合图中，实体包括用户信息以及医疗商品信息，映射关系即表示用户与医疗商品之间被推送的可能性联系。
67.需要说明的是，由于在基于知识图谱构建融合图时，是为了得到用户信息与医疗商品信息之间的映射关系，在构建时，具体可以获取用户与医疗商品的二部图，从而结合知
识图谱构建融合图。
68.103、基于注意力机制对所述融合图中的所述用户信息、所述医疗商品信息以及所述映射关系进行预测评价，得到用户预测评价结果，并根据所述用户预测评价结果确定目标医疗商品信息。
69.本发明实施例中，基于知识图谱构建融合图后，为了从用户视角对融合图中的实体、映射关系进行预测评价，基于注意力机制对实体以及映射关系进行预测评价。其中，在基于注意力机制对用户信息、医疗商品信息以及映射关系进行预测评价时，即为预测计算各个映射关系中，用户信息与医疗商品信息的注意力得分，以将注意力得分作为用户预测评价结果，选取用户信息所对应的待推送的目标医疗商品信息。
70.需要说明的是，在计算得到注意力得分作为用户预测评价结果后，可以针对同一个用户信息选取注意力得分高的1个或预设个数的医疗商品信息作为目标医疗商品信息，以执行步骤104中的处理。还可以针对映射关系的注意力得分选取得分高的1对或多对映射关系中的医疗商品信息，作为向此映射关系中的用户信息待执行步骤104处理的目标医疗商品信息，本发明实施例不做具体限定。
71.104、基于历史点击行为预测所述目标医疗商品信息的点击结果，并根据所述点击结果推送所述目标医疗商品信息。
72.本发明实施例中，为了进一步确定根据注意力机制进行预测评估结果确定的目标医疗商品被推送后用户点击或触发应用的准确性，基于历史点击行为确定目标医疗商品信息预期的点击结果。其中，历史点击行为包括在历史时间中用户对与所述目标医疗商品信息相似的关联商品信息进行点击的历史次数，从而预测出用户信息所对应的用户点击目标医疗商品信息的结果，点击结果可以包括点击的时间、点击的次数等，从而基于点击结果向用户推送所述目标医疗商品信息。
73.在另一个本发明实施例中，为了进一步限定及说明，如图2所示，步骤基于知识图谱构建包含所述用户信息、所述医疗商品信息的融合图包括：
74.201、获取所述用户信息与医疗商品信息之间的交互二部图；
75.202、基于知识图谱的三元组结构将所述交互二部图中的医疗商品信息、所述用户信息作为实体，确定各所述实体之间的映射关系，建立融合图。
76.本发明实施例中，为了准确构建包含有映射关系的融合图，具体的，首先获取用户信息与医疗商品信息之间的交互二部图，从而基于二部图中的交互关系来确定知识图谱中三元组结构中头实体、关系、尾实体，确定出融合图中的映射关系。在一个具体的实施场景中，获取的交互二部图为当前执行端中预先录入的，此时，用户集合为u，医疗商品集合v，用户与医疗商品的交互矩阵y，医疗商品与用户为用户信息-医疗商品信息之间交互二部图中的点。同时，在基于知识图谱构建融合图时，知识图谱g中的h、r、t分别为知识图谱中三元组的头实体、关系、尾实体，其中，头实体包括作为中心实体的用户中心实体，以及作为第一阶关联的医疗商品头实体，尾实体为具有映射关系的多个医疗商品尾实体。此时，映射关系为一个用户信息与多个医疗商品信息之间的交互矩阵来确定，即根据用户-医疗商品二部图中的医疗商品与知识图谱中基于用户信息与医疗商品信息的实体存在一一映射的关系，将用户-医疗商品的交互二部图与知识图谱进行融合生成融合图g。
77.在另一个本发明实施例中，为了进一步限定及说明，如图3所示，步骤基于注意力
机制对所述融合图中的所述用户信息、所述医疗商品信息以及所述映射关系进行预测评价，得到用户预测评价结果包括：
78.301、确定与用户中心实体关联对应的多个商品实体；
79.302、根据注意力机制分别对所述用户中心实体相对于所述医疗商品头实体、所述医疗商品尾实体、所述映射关系进行注意力评价；
80.303、对得到的注意力评价结果进行权重计算，确定的预测评价结果。
81.为了提高对待推送医疗商品的用户视角的有效性，且由于知识图谱中的实体包括头实体、尾实体，本发明实施例中，头实体为用户中心实体，尾实体为医疗商品实体，因此，基于构建的融合图基础上，基于预测函数构建一个mcag模型，如图2所示mcag模型的整体架构，以从映射关系、实体两方面评估各个实体节点的重要性，确定出与用户信息对应的待推送的医疗商品信息。具体的，从融合图中可以确定出作为用户中心实体的多个商品实体，由于商品实体之间还具有交互关系，因此，商品实体包括一个医疗商品头实体以及至少一个医疗商品尾实体，作为一个医疗商品头实体直接关联的两个医疗商品尾实体为邻居实体。其中，根据在基于注意力机制进行注意力评价时，基于得分表征意力评价结果，具体的，π_r、π_h分别表示用户中心实体与医疗商品头实体、映射关系的注意力得分，得到：u、r、h∈rd分别为用户、关系、头实体的向量表示，为归一化的得分：
[0082]082]
为用户中心实体u周围的医疗商品头实体、映射关系的集合。
[0083]
进而，通过利用用户中心实体与医疗商品头实体、映射关系计算的注意力得分后，对医疗商品尾实体进行加权，生成用户视角的第k跳的医疗商品尾部实体的注意力得分，即为最终的预测评价结果。
[0084]
在另一个本发明实施例中，为了进一步限定及说明，步骤根据注意力机制分别对所述用户中心实体相对于所述医疗商品头实体、所述医疗商品尾实体、所述映射关系进行注意力评价之前，所述方法还包括：
[0085]
基于固定窗口方式从所述实体中确定目标采样实体；
[0086]
基于预设采样策略从所述目标采样实体中抽取待进行注意力评价的实体。
[0087]
本发明实施例中，由于作为医疗商品头实体相邻的医疗商品尾实体很多，即邻居实体数据很大，为了准确实现对各个实体的有效评价，基于固定窗口方式从包含用户中心实体、医疗商品头实体、医疗商品尾实体的实体中确定目标采样的实体。其中，固定窗口方式即为对医疗商品在知识图谱中的1阶邻居实体随机采样n个，作为医疗商品头实体的第1跳邻居实体。此时，由于不同医疗商品头实体的邻居实体数量存在巨大的差异，为了保证每个实体的邻居都有相同的概率被采样到，因此，按照预设采样策略进行抽取，所述预设采样策略用于表征在各阶实体中进行抽样采集的实体个数，即对所有第1跳实体依次随机采样m个邻居实体，最后从m*n个实体中随机抽取n个实体作为第2跳实体，循环使用此预设采样策略直至第p跳，抽取进行注意力评价的全部实体。
[0088]
在另一个本发明实施例中，为了进一步限定及说明，步骤对得到的注意力评价结
果进行权重计算，确定的预测评价结果包括：
[0089]
获取抽取后的所述医疗商品头实体、所述医疗商品尾实体的加权系数，并基于所述加权系数对所述医疗商品头实体、所述医疗商品尾实体的所述注意力评价结果进行权重计算，得到初始预测评价结果；
[0090]
基于所述映射关系的注意力评价结果，与所述初始预测评价结果进行聚合拼接，得到预测评价结果。
[0091]
为了准确得到预测评价结果，在基于注意力评价结果进行权重计算时，具体的，首先获取按照预设采样策略抽取后的全部实体中医疗商品头实体、医疗商品尾实体的加权系数，从而与此加权系数进行权重计算。其中，将通过聚合concate方式将多跳的作为邻居实体的医疗商品尾实体与待预测医疗商品头实体拼接在一起，然后使用非线性的变换，得到
[0092]
w、b是非线性变换的权重，即分别为医疗商品头实体、医疗商品尾实体的加权系数。进而，基于映射关系的注意力评价结果选取进行聚合拼接的医疗商品头实体、医疗商品尾实体，进行得到将属于多跳邻居的医疗商品头实体、医疗商品尾实体叠加在一起，其中，
[0093][0093]
为医疗商品v作为在第k跳的商品尾部实体集合：
[0094]
此时，医疗商品v作为在第0跳的商品尾部实体集合为：由于第0跳的医疗商品头实体都是医疗商品v，所以只计算即可。
[0095]
在另一个本发明实施例中，为了进一步限定及说明，步骤基于历史点击行为预测所述目标医疗商品信息的点击结果，并根据所述点击结果推送所述目标医疗商品信息包括：
[0096]
基于已完成训练的神经网络预测模型对所述目标医疗商品信息进行预测，得到点击结果；
[0097]
当所述点击结果匹配预设推送点击条件时，按照所述点击结果向所述用户信息对应的客户端推送所述目标医疗商品信息。
[0098]
为了提高用户点击目标医疗商品信息的概率，从而提高推荐的有效性、准确性，基于历史点击行为预测目标医疗商品信息的点击结果，具体的，基于已完成训练的神经网络预测模型对所述目标医疗商品信息进行预测。其中，所述神经网络预测模型为基于所述历史点击行为所对应的训练样本集进行训练得到的，历史点击行为中包含有与不同医疗商品信息所标记的点击结果，点击结果包括点击时间、点击次数。因此，在基于训练样本集完成模型训练后，神经网络预测模型可以预测得到目标医疗商品信息的点击结果。
[0099]
需要说明的是，当前执行端中预先配置有触发推送目医疗商品信息的预设推送点击条件，即当基于神经网络预测模型预测得到点击结果后，利用点击结果与预设推送点击条件进行匹配判断，当点击结果匹配预设推送点击条件时，则推送目标医疗商品信息。其中，由于预测得到的点击结果包括点击时间、点击次数，对应的预设推送点击条件中即包括
时间条件、次数条件，因此，预测的点击结果匹配预设推送点击条件时，按照预测得到的点击结果中的点击时间、点击次数推送目标医疗商品信息，本发明实施例不做具体限定。
[0100]
在另一个本发明实施例中，为了进一步限定及说明，步骤还包括：
[0101]
获取对推送后的所述目标医疗商品信息的点击行为，并对所述点击行为进行统计；
[0102]
当统计后的所述点击行为不匹配预设推送条件，则执行获取待推送的用户信息以及医疗商品信息的步骤，以重新进行目标医疗商品信息的确定及推送。
[0103]
为了提高医疗商品信息推荐的有效行，在进行医疗商品信息推荐后，采集客户端中用户医疗商品信息的点击行为，以使当前执行端获取对目标医疗商品信息的点击行为，以进行统计。此时，对点击行为的统计即可以包括点击次数的统计，还可以包括点击时间的统计等，本发明实施例不做具体限定。其中，预设推送条件即为预先配置的用于触发是否推送信息的条件，包括但不限于时间条件、商品更新条件等业务条件，例如，当统计医疗商品a的点击行为的点击次数为100次时，预设推送条件为医疗商品a的点击次数达到150次，则说明统计后的点击行为不匹配预设推送条件，因此，不再进行此医疗商品a的推送，以执行获取待推送的用户信息以及医疗商品信息的步骤，以重新进行目标医疗商品信息的确定及推送。
[0104]
本发明实施例提供了一种医疗商品信息的推送方法，与现有技术相比，本发明实施例通过获取待推送的用户信息以及医疗商品信息；基于知识图谱构建包含所述用户信息、所述医疗商品信息的融合图，所述融合图中包含所述用户信息与不同医疗商品信息之间的映射关系；基于注意力机制对所述融合图中的所述用户信息、所述医疗商品信息以及所述映射关系进行预测评价，得到用户预测评价结果，并根据所述用户预测评价结果确定目标医疗商品信息；基于历史点击行为预测所述目标医疗商品信息的点击结果，并根据所述点击结果推送所述目标医疗商品信息，实现用户与医疗商品信息的准确匹配，从而准确向用户推送医疗商品信息，使推送的医疗商品信息更能被用户所选取，满足用户对医疗商品信息的灵活性使用需求，大大提高了医疗商品信息的推送准确性。
[0105]
进一步的，作为对上述图1所示方法的实现，本发明实施例提供了一种医疗商品信息的推送装置，如图4所示，该装置包括：
[0106]
获取模块41，用于获取待推送的用户信息以及医疗商品信息；
[0107]
构建模块42，用于基于知识图谱构建包含所述用户信息、所述医疗商品信息的融合图，所述融合图中包含所述用户信息与不同医疗商品信息之间的映射关系；
[0108]
预测模块43，用于基于注意力机制对所述融合图中的所述用户信息、所述医疗商品信息以及所述映射关系进行预测评价，得到用户预测评价结果，并根据所述用户预测评价结果确定目标医疗商品信息；
[0109]
推送模块44，用于基于历史点击行为预测所述目标医疗商品信息的点击结果，并根据所述点击结果推送所述目标医疗商品信息。
[0110]
进一步地，所述构建模块包括：
[0111]
构建单元，用于获取所述用户信息与医疗商品信息之间的交互二部图；
[0112]
确定单元，用于基于知识图谱的三元组结构将所述交互二部图中的医疗商品信息、所述用户信息作为实体，确定各所述实体之间的映射关系，建立融合图。
[0113]
进一步地，所述预测模块包括：
[0114]
第一确定单元，用于确定与用户中心实体关联对应的多个商品实体，所述商品实体包括一个医疗商品头实体以及至少一个医疗商品尾实体；
[0115]
评价单元，用于根据注意力机制分别对所述用户中心实体相对于所述医疗商品头实体、所述医疗商品尾实体、所述映射关系进行注意力评价；
[0116]
计算单元，用于对得到的注意力评价结果进行权重计算，确定的预测评价结果。
[0117]
进一步地，所述预测模块还包括：
[0118]
第二确定单元，用于基于固定窗口方式从所述实体中确定目标采样实体；
[0119]
抽取单元，用于基于预设采样策略从所述目标采样实体中抽取待进行注意力评价的实体，所述预设采样策略用于表征在各阶实体中进行抽样采集的实体个数。
[0120]
进一步地，所述计算单元，具体用于获取抽取后的所述医疗商品头实体、所述医疗商品尾实体的加权系数，并基于所述加权系数对所述医疗商品头实体、所述医疗商品尾实体的所述注意力评价结果进行权重计算，得到初始预测评价结果；基于所述映射关系的注意力评价结果，与所述初始预测评价结果进行聚合拼接，得到预测评价结果。
[0121]
进一步地，所述推送模块，具体用于基于已完成训练的神经网络预测模型对所述目标医疗商品信息进行预测，得到点击结果，所述神经网络预测模型为基于所述历史点击行为所对应的训练样本集进行训练得到的，所述点击结果包括点击时间、点击次数；当所述点击结果匹配预设推送点击条件时，按照所述点击结果向所述用户信息对应的客户端推送所述目标医疗商品信息。
[0122]
进一步地，所述装置还包括：执行模块，
[0123]
所述获取模块，还用于获取对推送后的所述目标医疗商品信息的点击行为，并对所述点击行为进行统计；
[0124]
所述执行模块，用于当统计后的所述点击行为不匹配预设推送条件，则执行获取待推送的用户信息以及医疗商品信息的步骤，以重新进行目标医疗商品信息的确定及推送。
[0125]
本发明实施例提供了一种医疗商品信息的推送装置，与现有技术相比，本发明实施例通过获取待推送的用户信息以及医疗商品信息；基于知识图谱构建包含所述用户信息、所述医疗商品信息的融合图，所述融合图中包含所述用户信息与不同医疗商品信息之间的映射关系；基于注意力机制对所述融合图中的所述用户信息、所述医疗商品信息以及所述映射关系进行预测评价，得到用户预测评价结果，并根据所述用户预测评价结果确定目标医疗商品信息；基于历史点击行为预测所述目标医疗商品信息的点击结果，并根据所述点击结果推送所述目标医疗商品信息，实现用户与医疗商品信息的准确匹配，从而准确向用户推送医疗商品信息，使推送的医疗商品信息更能被用户所选取，满足用户对医疗商品信息的灵活性使用需求，大大提高了医疗商品信息的推送准确性。
[0126]
根据本发明一个实施例提供了一种存储介质，所述存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的医疗商品信息的推送方法。
[0127]
图5示出了根据本发明一个实施例提供的一种计算机设备的结构示意图，本发明具体实施例并不对计算机设备的具体实现做限定。
[0128]
如图5所示，该计算机设备可以包括：处理器(processor)502、通信接口
(communications interface)504、存储器(memory)506、以及通信总线508。
[0129]
其中：处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。
[0130]
通信接口504，用于与其它设备比如客户端或其它服务器等的网元通信。
[0131]
处理器502，用于执行程序510，具体可以执行上述医疗商品信息的推送方法实施例中的相关步骤。
[0132]
具体地，程序510可以包括程序代码，该程序代码包括计算机操作指令。
[0133]
处理器502可能是中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算机设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个cpu；也可以是不同类型的处理器，如一个或多个cpu以及一个或多个asic。
[0134]
存储器506，用于存放程序510。存储器506可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0135]
程序510具体可以用于使得处理器502执行以下操作：
[0136]
获取待推送的用户信息以及医疗商品信息；
[0137]
基于知识图谱构建包含所述用户信息、所述医疗商品信息的融合图，所述融合图中包含所述用户信息与不同医疗商品信息之间的映射关系；
[0138]
基于注意力机制对所述融合图中的所述用户信息、所述医疗商品信息以及所述映射关系进行预测评价，得到用户预测评价结果，并根据所述用户预测评价结果确定目标医疗商品信息；
[0139]
基于历史点击行为预测所述目标医疗商品信息的点击结果，并根据所述点击结果推送所述目标医疗商品信息。
[0140]
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
[0141]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

技术特征：

1.一种医疗商品信息的推送方法，其特征在于，包括：获取待推送的用户信息以及医疗商品信息；基于知识图谱构建包含所述用户信息、所述医疗商品信息的融合图，所述融合图中包含所述用户信息与不同医疗商品信息之间的映射关系；基于注意力机制对所述融合图中的所述用户信息、所述医疗商品信息以及所述映射关系进行预测评价，得到用户预测评价结果，并根据所述用户预测评价结果确定目标医疗商品信息；基于历史点击行为预测所述目标医疗商品信息的点击结果，并根据所述点击结果推送所述目标医疗商品信息。2.根据权利要求1所述的方法，其特征在于，所述基于知识图谱构建包含所述用户信息、所述医疗商品信息的融合图包括：获取所述用户信息与医疗商品信息之间的交互二部图；基于知识图谱的三元组结构将所述交互二部图中的医疗商品信息、所述用户信息作为实体，确定各所述实体之间的映射关系，建立融合图。3.根据权利要求2所述的方法，其特征在于，所述基于注意力机制对所述融合图中的所述用户信息、所述医疗商品信息以及所述映射关系进行预测评价，得到用户预测评价结果包括：确定与用户中心实体关联对应的多个商品实体，所述商品实体包括一个医疗商品头实体以及至少一个医疗商品尾实体；根据注意力机制分别对所述用户中心实体相对于所述医疗商品头实体、所述医疗商品尾实体、所述映射关系进行注意力评价；对得到的注意力评价结果进行权重计算，确定的预测评价结果。4.根据权利要求3所述的方法，其特征在于，所述根据注意力机制分别对所述用户中心实体相对于所述医疗商品头实体、所述医疗商品尾实体、所述映射关系进行注意力评价之前，所述方法还包括：基于固定窗口方式从所述实体中确定目标采样实体；基于预设采样策略从所述目标采样实体中抽取待进行注意力评价的实体，所述预设采样策略用于表征在各阶实体中进行抽样采集的实体个数。5.根据权利要求4所述的方法，其特征在于，所述对得到的注意力评价结果进行权重计算，确定的预测评价结果包括：获取抽取后的所述医疗商品头实体、所述医疗商品尾实体的加权系数，并基于所述加权系数对所述医疗商品头实体、所述医疗商品尾实体的所述注意力评价结果进行权重计算，得到初始预测评价结果；基于所述映射关系的注意力评价结果，与所述初始预测评价结果进行聚合拼接，得到预测评价结果。6.根据权利要求1-5任一项所述的方法，其特征在于，所述基于历史点击行为预测所述目标医疗商品信息的点击结果，并根据所述点击结果推送所述目标医疗商品信息包括：基于已完成训练的神经网络预测模型对所述目标医疗商品信息进行预测，得到点击结果，所述神经网络预测模型为基于所述历史点击行为所对应的训练样本集进行训练得到
的，所述点击结果包括点击时间、点击次数；当所述点击结果匹配预设推送点击条件时，按照所述点击结果向所述用户信息对应的客户端推送所述目标医疗商品信息。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取对推送后的所述目标医疗商品信息的点击行为，并对所述点击行为进行统计；当统计后的所述点击行为不匹配预设推送条件，则执行获取待推送的用户信息以及医疗商品信息的步骤，以重新进行目标医疗商品信息的确定及推送。8.一种医疗商品信息的推送装置，其特征在于，包括：获取模块，用于获取待推送的用户信息以及医疗商品信息；构建模块，用于基于知识图谱构建包含所述用户信息、所述医疗商品信息的融合图，所述融合图中包含所述用户信息与不同医疗商品信息之间的映射关系；预测模块，用于基于注意力机制对所述融合图中的所述用户信息、所述医疗商品信息以及所述映射关系进行预测评价，得到用户预测评价结果，并根据所述用户预测评价结果确定目标医疗商品信息；推送模块，用于基于历史点击行为预测所述目标医疗商品信息的点击结果，并根据所述点击结果推送所述目标医疗商品信息。9.一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-7中任一项所述的医疗商品信息的推送方法对应的操作。10.一种计算机设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的医疗商品信息的推送方法对应的操作。

技术总结

本发明公开了一种医疗商品信息的推送方法及装置、存储介质、计算机设备，涉及数字医疗技术领域，主要目的在于解决现有医疗商品信息的推送准确性差的问题。包括：获取待推送的用户信息以及医疗商品信息；基于知识图谱构建包含所述用户信息、所述医疗商品信息的融合图，所述融合图中包含所述用户信息与不同医疗商品信息之间的映射关系；基于注意力机制对所述融合图中的所述用户信息、所述医疗商品信息以及所述映射关系进行预测评价，得到用户预测评价结果，并根据所述用户预测评价结果确定目标医疗商品信息；基于历史点击行为预测所述目标医疗商品信息的点击结果，并根据所述点击结果推送所述目标医疗商品信息。推送所述目标医疗商品信息。推送所述目标医疗商品信息。