一种服务方式确定方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供了一种服务方式确定方法、装置、电子设备及存储介质，可以获取待服务对象的对象信息；对象信息包括：待服务对象的个人基础信息、身体健康信息、所处的生活环境信息，以及社会活动信息中的至少一项；对待服务对象的对象信息进行映射处理，得到待服务对象的特征向量，作为第一特征向量；将第一特征向量输入至预先训练的等级预测模型，得到等级预测模型输出的待服务对象的服务等级；在预设的服务等级与服务方式的对应关系中，确定待服务对象的服务等级对应的服务方式。基于上述处理，可以排除个人主观因素的影响，提高确定出的服务方式的准确度，提高服务质量，并且可以降低时间成本和人工成本，提高确定服务方式的效率。效率。效率。

【技术实现步骤摘要】
一种服务方式确定方法、装置、电子设备及存储介质


[0001]本专利技术涉及计算机
，特别是涉及一种服务方式确定方法、装置、电子设备及存储介质。

技术介绍

[0002]随着人口老龄化的日益剧增，老年人的养老服务问题也深受社会关注。为了更好的为老人提供养老服务，相关技术中，由人工对老人进行问卷调查，并由人工对问卷调查结果进行评估，以确定老人的服务方式。例如，通过问卷调查获取老人的健康情况，并对老人的健康情况进行评估确定对老人进行健康检查的周期。
[0003]然而，上述过程中，由人工对问卷调查结果进行评估，确定老人的服务方式，由于个人主观因素的影响，确定出的服务方式可能并不符合老人的服务需求，会降低服务质量，并且由人工对问卷调查结果进行评估需要较大的时间成本和人工成本，导致确定服务方式的效率较低。

技术实现思路

[0004]本专利技术实施例的目的在于提供一种服务方式确定方法、装置、电子设备及存储介质，以排除个人主观因素的影响，提高确定出的服务方式的准确度，提高服务质量，并且可以降低时间成本和人工成本，提高确定服务方式的效率。具体技术方案如下：
[0005]在本专利技术实施的第一方面，提供了一种服务方式确定方法，所述方法包括：
[0006]获取待服务对象的对象信息；其中，所述对象信息包括：所述待服务对象的个人基础信息、身体健康信息、所处的生活环境信息，以及社会活动信息中的至少一项；
[0007]对所述待服务对象的对象信息进行映射处理，得到所述待服务对象的特征向量，作为第一特征向量；
[0008]将所述第一特征向量输入至预先训练的等级预测模型，得到所述等级预测模型输出的所述待服务对象的服务等级；其中，所述等级预测模型为基于样本对象的样本对象信息和样本服务等级进行训练得到的；
[0009]在预设的服务等级与服务方式的对应关系中，确定所述待服务对象的服务等级对应的服务方式。
[0010]可选的，所述等级预测模型包括：线性模块、非线性模块、第一多层感知器、第二多层感知器和输出模块；
[0011]所述将所述第一特征向量输入至预先训练的等级预测模型，得到所述等级预测模型输出的所述待服务对象的服务等级，包括：
[0012]通过所述线性模块对所述第一特征向量进行线性变换，得到第二特征向量；
[0013]通过所述非线性模块对所述第一特征向量进行非线性变换，得到第三特征向量；
[0014]通过所述第一多层感知器对所述第三特征向量进行线性变换，得到第四特征向量；
[0015]对所述第二特征向量和所述第四特征向量进行特征融合，得到第五特征向量；
[0016]通过所述第二多层感知器对所述第五特征向量进行线性变换，得到第一数值；
[0017]通过所述输出模块对所述第一数值进行归一化处理，得到用于表示所述待服务对象的服务等级的第二数值。
[0018]可选的，所述待服务对象的个人基础信息包括以下至少一项：所述待服务对象的年龄、性别、婚姻状况，以及子女数量；
[0019]所述待服务对象的身体健康信息包括以下至少一项：所述待服务对象的身高、体重和当前的疾病信息；
[0020]所述待服务对象所处的生活环境信息包括以下至少一项：所述待服务对象住所的预设地理范围内的就餐场所的数量和活动中心的数量；
[0021]所述待服务对象的社会活动信息包括以下至少一项：所述待服务对象历史时间段内所参加社区活动的类型和次数。
[0022]可选的，对所述待服务对象的对象信息进行映射处理，得到所述待服务对象的特征向量，作为第一特征向量，包括：
[0023]确定所述待服务对象的对象信息中的数值型信息和非数值型信息；其中，所述数值型信息为用数值表示的信息；所述非数值型信息为除所述数值型信息外的其他信息；
[0024]对所述非数值型信息进行编码处理，得到第六特征向量；
[0025]对所述数值型信息进行归一化处理，并对归一化后的数值型信息进行线性变换，得到第七特征向量；
[0026]对所述第六特征向量和所述第七特征向量进行拼接，得到待服务对象的特征向量，作为第一特征向量。
[0027]可选的，所述等级预测模型的训练过程包括以下步骤：
[0028]获取所述样本对象的样本对象信息，以及用于表示所述样本对象的样本服务等级的样本数值；
[0029]对所述样本对象信息进行映射处理，得到所述样本对象的特征向量，作为样本特征向量；
[0030]将所述样本特征向量作为初始结构的等级预测模型的输入数据，并将用于表示所述样本对象的样本服务等级的样本数值作为所述初始结构的等级预测模型的输出数据，对所述初始结构的等级预测模型的模型参数进行调整，直至所述初始结构的等级预测模型达到预设收敛条件，得到训练好的等级预测模型。
[0031]在本专利技术实施的第二方面，提供了一种服务方式确定装置，所述装置包括：
[0032]获取模块，用于获取待服务对象的对象信息；其中，所述对象信息包括：所述待服务对象的个人基础信息、身体健康信息、所处的生活环境信息，以及社会活动信息中的至少一项；
[0033]映射模块，用于对所述待服务对象的对象信息进行映射处理，得到所述待服务对象的特征向量，作为第一特征向量；
[0034]预测模块，用于将所述第一特征向量输入至预先训练的等级预测模型，得到所述等级预测模型输出的所述待服务对象的服务等级；其中，所述等级预测模型为基于样本对象的样本对象信息和样本服务等级进行训练得到的；
[0035]确定模块，用于在预设的服务等级与服务方式的对应关系中，确定所述待服务对象的服务等级对应的服务方式。
[0036]可选的，所述等级预测模型包括：线性模块、非线性模块、第一多层感知器、第二多层感知器和输出模块；
[0037]所述预测模块，具体用于通过所述线性模块对所述第一特征向量进行线性变换，得到第二特征向量；
[0038]通过所述非线性模块对所述第一特征向量进行非线性变换，得到第三特征向量；
[0039]通过所述第一多层感知器对所述第三特征向量进行线性变换，得到第四特征向量；
[0040]对所述第二特征向量和所述第四特征向量进行特征融合，得到第五特征向量；
[0041]通过所述第二多层感知器对所述第五特征向量进行线性变换，得到第一数值；
[0042]通过所述输出模块对所述第一数值进行归一化处理，得到用于表示所述待服务对象的服务等级的第二数值。
[0043]可选的，所述待服务对象的个人基础信息包括以下至少一项：所述待服务对象的年龄、性别、婚姻状况，以及子女数量；
[0044]所述待服务对象的身体健康信息包括以下至少一项：所述待服务对象的身高、体重和当前的疾病信息；
[0045]所述待服务对象所处的生活环境信息包括以下至少一项：所述待服务对象住所的预设地理范围内的就餐场所的数量和活动中心的数量；
[0046]所述待服本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种服务方式确定方法，其特征在于，所述方法包括：获取待服务对象的对象信息；其中，所述对象信息包括：所述待服务对象的个人基础信息、身体健康信息、所处的生活环境信息，以及社会活动信息中的至少一项；对所述待服务对象的对象信息进行映射处理，得到所述待服务对象的特征向量，作为第一特征向量；将所述第一特征向量输入至预先训练的等级预测模型，得到所述等级预测模型输出的所述待服务对象的服务等级；其中，所述等级预测模型为基于样本对象的样本对象信息和样本服务等级进行训练得到的；在预设的服务等级与服务方式的对应关系中，确定所述待服务对象的服务等级对应的服务方式。2.根据权利要求1所述的方法，其特征在于，所述等级预测模型包括：线性模块、非线性模块、第一多层感知器、第二多层感知器和输出模块；所述将所述第一特征向量输入至预先训练的等级预测模型，得到所述等级预测模型输出的所述待服务对象的服务等级，包括：通过所述线性模块对所述第一特征向量进行线性变换，得到第二特征向量；通过所述非线性模块对所述第一特征向量进行非线性变换，得到第三特征向量；通过所述第一多层感知器对所述第三特征向量进行线性变换，得到第四特征向量；对所述第二特征向量和所述第四特征向量进行特征融合，得到第五特征向量；通过所述第二多层感知器对所述第五特征向量进行线性变换，得到第一数值；通过所述输出模块对所述第一数值进行归一化处理，得到用于表示所述待服务对象的服务等级的第二数值。3.根据权利要求1所述的方法，其特征在于，所述待服务对象的个人基础信息包括以下至少一项：所述待服务对象的年龄、性别、婚姻状况，以及子女数量；所述待服务对象的身体健康信息包括以下至少一项：所述待服务对象的身高、体重和当前的疾病信息；所述待服务对象所处的生活环境信息包括以下至少一项：所述待服务对象住所的预设地理范围内的就餐场所的数量和活动中心的数量；所述待服务对象的社会活动信息包括以下至少一项：所述待服务对象历史时间段内所参加社区活动的类型和次数。4.根据权利要求1所述的方法，其特征在于，对所述待服务对象的对象信息进行映射处理，得到所述待服务对象的特征向量，作为第一特征向量，包括：确定所述待服务对象的对象信息中的数值型信息和非数值型信息；其中，所述数值型信息为用数值表示的信息；所述非数值型信息为除所述数值型信息外的其他信息；对所述非数值型信息进行编码处理，得到第六特征向量；对所述数值型信息进行归一化处理，并对归一化后的数值型信息进行线性变换，得到第七特征向量；对所述第六特征向量和所述第七特征向量进行拼接，得到待服务对象的特征向量，作为第一特征向量。5.根据权利要求1所述的方法，其特征在于，所述等级预测模型的训练过程包括以下步
骤：获取所述样本对象的样本对象信息，以及用于表示所述样本对象的样本服务等级的样本数值；对所述样本对象信息进行映射处理，得到所述样本对象的特征向量，作为样本特征向量；将所述样本特征向量作为初始结构的等级预测模型的输入数据，并将用于表示所述样本对象的样本服务等级的样本数值作为所述初始结构的等级预测模型的输出数据，对所述初始结构的等级预测模型的模型参数进行调整，直至所述初始结构的等级预测模型达到预设收敛条件，得到训练好的等级预测模型。6.一种服务方式确定装置，其特征在于，所述装置包括：获取模块，用于获取待服务对象的对象信息；其中，所述对象信息包括：所述待服务对象的个人基础信息、身体健康信息、所处的生活环...

【专利技术属性】
技术研发人员：李泽超，
申请(专利权)人：杭州数理大数据技术有限公司，
类型：发明
国别省市：