本发明专利技术公开了一种问诊排名的确定方法、装置、存储介质及计算机设备，涉及数字医疗技术领域，主要在于能够提高问诊排名的确定精度，减少急于问诊用户的问诊排队时间，提升用户的问诊体验感。其中方法包括：响应于同一问诊时间的待问诊患者的问诊指令，其中，问诊指令中携带有待问诊患者问诊的诊室标识，并获取待问诊患者对应的问诊渠道的渠道属性信息；确定与所述诊室标识相对应的问诊模板；基于所述问诊模板，获取所述待问诊患者的疾病信息和患者特征信息；将所述疾病信息、所述患者特征信息和所述渠道属性信息输入至预设问诊等级预测模型中进行等级预测，得到所述待问诊患者对应的问诊等级；依据所述问诊等级，确定所述待问诊患者的问诊排名。患者的问诊排名。患者的问诊排名。
【技术实现步骤摘要】
问诊排名的确定方法、装置、存储介质及计算机设备
[0001]本专利技术涉及数字医疗
，尤其是涉及一种问诊排名的确定方法、装置、存储介质及计算机设备。
技术介绍
[0002]随着家庭医生业务不断扩大，越来越多的用户在同一时间段通过线上问诊家庭医生，因此，如何合理安排各个用户的问诊排队时间变得尤为重要。
[0003]目前，通常仅根据线上问诊渠道的优先级来确定同一时间内问诊用户的问诊排名，即通过优先级高的问诊渠道进行问诊的用户，问诊排队的时间较短。然而，影响问诊排名的因素有很多，这种仅根据问诊渠道来确定问诊排名的方式，导致问诊排名的确定精度较低，与此同时，这种问诊方式，导致通过优先级较低的问诊渠道、且急需问诊的用户进行问诊时，其对应的排队时间较长，从而降低了用户的问诊体验感。
技术实现思路
[0004]本专利技术提供了一种问诊排名的确定方法、装置、存储介质及计算机设备，主要在于能够提高问诊排名的确定精度，减少急于问诊用户的问诊排队时间，提升用户的问诊体验感。
[0005]根据本专利技术的第一个方面，提供一种问诊排名的确定方法，包括：
[0006]响应于同一问诊时间的待问诊患者的问诊指令，其中，所述问诊指令中携带有所述待问诊患者问诊的诊室标识，并获取所述待问诊患者对应的问诊渠道的渠道属性信息；
[0007]确定与所述诊室标识相对应的问诊模板；
[0008]基于所述问诊模板，获取所述待问诊患者的疾病信息和患者特征信息；
[0009]将所述疾病信息、所述患者特征信息和所述渠道属性信息输入至预设问诊等级预测模型中进行等级预测，得到所述待问诊患者对应的问诊等级；
[0010]依据所述问诊等级，确定所述待问诊患者的问诊排名。
[0011]可选地，所述将所述疾病信息、所述患者特征信息和所述渠道属性信息输入至预设问诊等级预测模型中进行等级预测，得到所述待问诊患者对应的问诊等级，包括：
[0012]确定所述疾病信息对应的疾病特征向量、所述患者特征信息对应的患者特征向量和所述渠道属性信息对应的渠道特征向量；
[0013]对所述疾病特征向量、所述患者特征向量和所述渠道特征向量进行交叉处理，得到问诊交叉特征向量；
[0014]将所述问诊交叉特征向量输入至预设问诊等级预测模型中进行等级预测，得到所述待问诊患者对应的问诊等级。
[0015]可选地，所述确定所述疾病信息对应的疾病特征向量，包括：
[0016]确定所述疾病信息中包含的各个疾病字符，以及所述各个疾病字符对应的疾病嵌入向量；
[0017]将所述疾病嵌入向量输入至预设自然语言模型中进行特征提取，得到所述疾病信息对应的疾病特征向量；
[0018]所述确定所述患者特征信息对应的患者特征向量，包括：
[0019]确定所述患者特征信息中包含的各个特征字符，以及所述各个特征字符对应的患者嵌入向量；
[0020]将所述患者嵌入向量输入至预设自然语言模型中进行特征提取，得到所述患者特征信息对应的患者特征向量；
[0021]所述确定所述渠道属性信息对应的渠道特征向量，包括:
[0022]确定所述渠道属性信息中包含的各个渠道字符，以及所述各个渠道字符对应的渠道嵌入向量；
[0023]将所述渠道嵌入向量输入至预设自然语言模型中进行特征提取，得到所述渠道属性信息对应的渠道特征向量。
[0024]可选地，所述对所述疾病特征向量、所述患者特征向量和所述渠道特征向量进行交叉处理，得到问诊交叉特征向量，包括：
[0025]对所述疾病特征向量、所述患者特征向量和所述渠道特征向量做特征级别的交叉处理，得到特征交叉向量；
[0026]对所述疾病特征向量、所述患者特征向量和所述渠道特征向量做元素级别的交叉处理，得到元素交叉向量；
[0027]对所述疾病特征向量、所述患者特征向量和所述渠道特征向量做低阶交叉处理，得到低阶交叉向量；
[0028]利用预设变换函数对所述特征交叉向量、所述元素交叉向量和所述低阶交叉向量做变换处理，生成问诊交叉特征向量。
[0029]可选地，所述预设问诊等级预测模型为多层感知器，所述将所述问诊交叉特征向量输入至预设问诊等级预测模型中进行等级预测，得到所述待问诊患者对应的问诊等级，包括：
[0030]将所述问诊交叉特征向量输入至所述多层感知器，提取所述多层感知器中最后一个全连接层输出的特征；
[0031]将所述最后一个全连接层输出的特征输入至所述多层感知器中的softmax层，得到所述待问诊患者对应的问诊等级。
[0032]可选地，在所述依据所述问诊等级，确定所述待问诊患者的问诊排名之后，所述方法还包括：
[0033]依据所述问诊排名，向所述待问诊患者发送第一排队信息，其中，所述第一排队信息中包括待问诊患者前方的排队人数和预计排队时间。
[0034]可选地，在所述依据所述问诊排名，向所述待问诊患者发送第一排队信息之后，所述方法还包括：
[0035]在发送所述第一排队信息的第一预设时间后，判断是否接收到所述待问诊患者的问诊信息；
[0036]若接收到所述待问诊患者的问诊信息，则向所述待问诊患者发送第二排队信息，其中，所述第二排队信息中包括待问诊患者前方的排队人数和预计排队时间；
[0037]若未接收到所述待问诊患者的问诊信息，则在发送所述第一排队信息的第二预设时间后，向所述待问诊患者发送第三排队信息，其中，所述第三排队信息中包括待问诊患者前方的排队人数和预计排队时间，所述第二预设时间大于所述第一预设时间。
[0038]根据本专利技术的第二个方面，提供一种问诊装置，包括：
[0039]指令响应单元，用于响应于同一问诊时间的待问诊患者的问诊指令，其中，所述问诊指令中携带有所述待问诊患者问诊的诊室标识，并获取所述待问诊患者对应的问诊渠道的渠道属性信息；
[0040]模板确定单元，用于确定与所述诊室标识相对应的问诊模板；
[0041]获取单元，用于基于所述问诊模板，获取所述待问诊患者的疾病信息和患者特征信息；
[0042]预测单元，用于将所述疾病信息、所述患者特征信息和所述渠道属性信息输入至预设问诊等级预测模型中进行等级预测，得到所述待问诊患者对应的问诊等级；
[0043]排名确定单元，用于依据所述问诊等级，确定所述待问诊患者的问诊排名。
[0044]根据本专利技术的第三个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以上问诊排名的确定方法过程。
[0045]根据本专利技术的第四个方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以上问诊排名的确定方法过程。
[0046]根据本专利技术提供的一种问诊排名的确定方法、装置、存储介质及计算机设备，与目前仅根据线上问诊渠道的优先级来确定同一时间内问诊用户的排队时间的方式相比本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种问诊排名的确定方法，其特征在于，包括：响应于同一问诊时间的待问诊患者的问诊指令，其中，所述问诊指令中携带有所述待问诊患者问诊的诊室标识，并获取所述待问诊患者对应的问诊渠道的渠道属性信息；确定与所述诊室标识相对应的问诊模板；基于所述问诊模板，获取所述待问诊患者的疾病信息和患者特征信息；将所述疾病信息、所述患者特征信息和所述渠道属性信息输入至预设问诊等级预测模型中进行等级预测，得到所述待问诊患者对应的问诊等级；依据所述问诊等级，确定所述待问诊患者的问诊排名。2.根据权利要求1所述的方法，其特征在于，所述将所述疾病信息、所述患者特征信息和所述渠道属性信息输入至预设问诊等级预测模型中进行等级预测，得到所述待问诊患者对应的问诊等级，包括：确定所述疾病信息对应的疾病特征向量、所述患者特征信息对应的患者特征向量和所述渠道属性信息对应的渠道特征向量；对所述疾病特征向量、所述患者特征向量和所述渠道特征向量进行交叉处理，得到问诊交叉特征向量；将所述问诊交叉特征向量输入至预设问诊等级预测模型中进行等级预测，得到所述待问诊患者对应的问诊等级。3.根据权利要求2所述的方法，其特征在于，所述确定所述疾病信息对应的疾病特征向量，包括：确定所述疾病信息中包含的各个疾病字符，以及所述各个疾病字符对应的疾病嵌入向量；将所述疾病嵌入向量输入至预设自然语言模型中进行特征提取，得到所述疾病信息对应的疾病特征向量；所述确定所述患者特征信息对应的患者特征向量，包括：确定所述患者特征信息中包含的各个特征字符，以及所述各个特征字符对应的患者嵌入向量；将所述患者嵌入向量输入至预设自然语言模型中进行特征提取，得到所述患者特征信息对应的患者特征向量；所述确定所述渠道属性信息对应的渠道特征向量，包括:确定所述渠道属性信息中包含的各个渠道字符，以及所述各个渠道字符对应的渠道嵌入向量；将所述渠道嵌入向量输入至预设自然语言模型中进行特征提取，得到所述渠道属性信息对应的渠道特征向量。4.根据权利要求2所述的方法，其特征在于，所述对所述疾病特征向量、所述患者特征向量和所述渠道特征向量进行交叉处理，得到问诊交叉特征向量，包括：对所述疾病特征向量、所述患者特征向量和所述渠道特征向量做特征级别的交叉处理，得到特征交叉向量；对所述疾病特征向量、所述患者特征向量和所述渠道特征向量做元素级别的交叉处理，得到元素交叉向量；
对所述疾病特征向量、所述患者特征向量和所述渠道特征向量做低阶交叉处理，得到低阶交叉向量；利用预设变换函数对所述特征交...
【专利技术属性】
技术研发人员：黄福莹，
申请(专利权)人：康键信息技术深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。