[发明专利]一种时变注意力改进Bi-LSTM的住院就医行为预测方法及装置

摘要

本公开提供了时变注意力改进Bi‑LSTM的住院就医行为预测方法及装置。其中，住院就医行为预测方法，包括：从海量医保数据中提取与住院就医行为关联度大于预设关联度阈值的特征；利用提取的住院就医行为特征及其相应权重来构建Bi‑LSTM；基于Bi‑LSTM获取的住院就医状态预测数据，采用注意力机制预生成的医院‑疾病吸引力数据，更新Bi‑LSTM中各个住院就医状态预测数据的权重值；构建时间调整函数；输出多时段多状态住院就医状态预测向量；利用住院就医状态预测向量，构建softmax预测函数；计算softmax预测函数输出值的损失函数，采用反向传播训练Bi‑LSTM的学习参数，完成模型的训练；模型训练完成后，输出实验样本集的预测结果，与实际住院就医行为进行对比，反馈更新住院就医状态预测数据的权重值。

主权项

1.一种时变注意力改进Bi‑LSTM的住院就医行为预测方法，其特征在于，包括：从海量医保数据中提取与住院就医行为关联度大于预设关联度阈值的特征；利用提取的住院就医行为特征及其相应权重来构建Bi‑LSTM，以实现正反两个方向的就医信息的住院就医状态预测；基于Bi‑LSTM获取的住院就医状态预测数据，结合底层传输的各医院就医统计数据，采用注意力机制更新Bi‑LSTM中各个住院就医状态预测数据的权重值；基于底层传输数据形成病理时间规律，根据住院就医行为特征的影响度随时间距离增长而变化，构建时间调整函数；利用时间调整函数分别与更新的各个住院就医状态预测数据的权重值相乘，从而更新Bi‑LSTM中各个阶段住院就医状态预测数据的权重值，输出多时段多状态住院就医状态预测向量；利用住院就医状态预测向量，构建softmax预测函数；计算softmax预测函数输出值的损失函数，采用反向传播算法训练Bi‑LSTM的学习参数，完成模型的训练；模型训练完成后，输出实验样本集的预测结果，与实际住院就医行为进行对比，反馈更新住院就医状态预测数据的权重值，从而不断完善住院就医行为预测。