本发明涉及计算机大数据分析领域，尤其涉及一种使用云平台进行大数据挖掘的医疗机构体验推荐系统。
背景技术：
随着人们对健康的持续关注，当生病的患者发现身体状况发生异常之后，势必要到医院进行全方位的检查，医患关系正在发生微妙的变化，在这种微妙变化中，患者希望得到更好的医疗服务，享受身心的愉悦，由于竞争的日趋激烈，医院也需要不断地改进自身的各项服务，但是患者与医院还不能建立一种有效的沟通机制，造成了医患关系的紧张，患者面对各种类型医院也缺乏选择的客观依据从而无所适从，同时医院也无从知晓自身需要改进的环节，现有技术中医疗机构无法对不同医疗机构的相同部门或者相同科室进行评价判断，也无法对每个部门或者科室的用户满意度进行客观的了解。这就亟需本领域技术人员解决相应的技术问题。
技术实现要素：
本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种使用云平台进行大数据挖掘的医疗机构体验推荐系统。
为了实现本发明的上述目的，本发明提供了一种使用云平台进行大数据挖掘的医疗机构体验推荐系统，包括：
数据收集模块，用于将患者体验评价数据进行收集，通过建立患者体验评价模型，将患者体验评价数据进行数字化整理收集，形成医院品质指数，每个医疗系统获取所分配的账户，并进行查询，通过历史对比模块进行数据比对；
历史对比模块，用于根据历史数据中患者体验评价数据，与最近生成的患者体验评价数据进行数据对比，将诊疗过程环节中评价指标数据进行提炼，形成基础数据指标、核心数据指标、特征数据指标和高危数据指标的比对数据；
数据评估模块，用于将医疗系统中所提炼出的比对数据进行数据评估，患者满意率数据、工作流程环节数据、服务品质管理数据，优先改进选择数据；
挖掘推荐模块，用于将数据评估模块中的各项数据进行坐标展示，根据设定的计算模型，将挖掘出的符合用户需求的高满意度医疗机构分类推荐给目标用户。
所述的使用云平台进行大数据挖掘的医疗机构体验推荐系统，优选的，所述数据收集模块包括：
对医疗机构建立医疗满意度评测权重，计算患者在诊疗服务科室的分值，先计算患者录入数据指标均值，其中，n为患者样本数，下标i，j为数据评价序号，j＝1+i，Pki，Pkj为患者进行满意度评价的项目，Ms为患者参与评测的标签集合，s∈{1,2,…n}；
对每个患者进行两两模块离差积运算，然后在进行求和运算，计算如下：
其中SQ[qi,qj]是评价关键字qi和qj的相似度；
对评价数据进行归一化处理
其中，as为患者点击提交的评价集，C是谐波因子，dk是评价关键词的二值化页面参数，z为评价选择的关键词，Wij为患者体验类别权重；(个人认为C作为谐波因子也没有啥问题，因为在这个归一化运算中采用一些参数给设定一个名字，应该没啥问题)
计算区分值其中，Fij为评价分类器中参与评价集合的有效正确率，tij是情感类别；T为情感类别空间，即为T＝{感官(Sense)、情感(Feel)、思考(Think)、行动(Act)、关系(Relate)}，是参与医疗满意度评价在情感类别tij上的分类正确率；
使用区分值Wij得进行分析优化，然后将优化数据通过权重模型推荐给目标患者，该综合优化推荐分析权重模型为
其中Ri、Rj进行满意度评价的项目权重，α是权重因子，λ是平均变异概率，Cavg为平均满意度大小。
所述的使用云平台进行大数据挖掘的医疗机构体验推荐系统，优选的，所述数据评估模块包括：
通过优化推荐分析权重模型将患者对医疗机构的评价数据展现出来，综合若干医疗机构的满意度评价数据，综合评估各医疗机构的科室排名状态，
计算不同医疗机构相同科室相互作用率cij和cji，以如下公式表示：
其中，|qi*qj|表示求评价关键字qi和qj的内积，||ra||和||rb||表示对评价关键字qi和qj求解模，μ为饱和抑制参数，vij为数据评价的二进制变量，上标t为迭代次数，通过计算其向量相似性，从而得出不同医疗机构相同科室的影响作用率，作为医疗机构满意度评价的参考因素。
所述的使用云平台进行大数据挖掘的医疗机构体验推荐系统，优选的，所述挖掘推荐模块包括：
结合科室的影响作用率和患者体验评价数据计算，对医疗机构满意度进行分析挖掘，患者或者查询用户点击的页面评价窗口个数和点击的页面平均点击频率，得到每个科室的满意度得分，如果通过基础顺序排名展示，设定判断该科室是否为综合评价最优的展示阈值，根据患者体验评价得分按照从高到底、或者从低到高的数据展示方式进行数据推荐。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
本发明使用云平台进行大数据挖掘的医疗机构体验推荐系统，能精准采集患者体验等医疗质量评价信息，通过云平台分析，提供详尽医疗评价监测报告，并为医院的品质提升、持续质量改进提供循证依据；第三方患者体验调查分析、医院综合品质评估、科室深层品质分析、品质提升优先改进选择、医院科室品质持续改进监测等服务，通过计算获取综合评估各医疗机构的科室排名状态，根据患者体验评价得分按照从高到底、或者从低到高的数据展示方式进行数据推荐。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明总体示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
本发明提供了一种使用云平台进行大数据挖掘的医疗机构体验推荐系统，包括：
数据收集模块，用于将患者体验评价数据进行收集，通过建立患者体验评价模型，将患者体验评价数据进行数字化整理收集，形成医院品质指数，每个医疗系统获取所分配的账户，并进行查询，通过历史对比模块进行数据比对；
历史对比模块，用于根据历史数据中患者体验评价数据，与最近生成的患者体验评价数据进行数据对比，将诊疗过程环节中评价指标数据进行提炼，形成基础数据指标、核心数据指标、特征数据指标和高危数据指标的比对数据；
数据评估模块，用于将医疗系统中所提炼出的比对数据进行数据评估，患者满意率数据、工作流程环节数据、服务品质管理数据，优先改进选择数据；
挖掘推荐模块，用于将数据评估模块中的各项数据进行坐标展示，根据设定的计算模型，将挖掘出的符合用户需求的高满意度医疗机构分类推荐给目标用户。
所述的使用云平台进行大数据挖掘的医疗机构体验推荐系统，优选的，所述数据收集模块包括：
对医疗机构建立医疗满意度评测权重，计算患者在诊疗服务科室的分值，先计算患者录入数据指标均值，其中，n为患者样本数，下标i，j为数据评价序号，j＝1+i，Pki，Pkj为患者进行满意度评价的项目，Ms为患者参与评测的标签集合，s∈{1,2,…n}；
对每个患者进行两两模块离差积运算，然后在进行求和运算，计算如下：
其中SQ[qi,qj]是评价关键字qi和qj的相似度；
对评价数据进行归一化处理
其中，as为患者点击提交的评价集，C是谐波因子，dk是评价关键词的二值化页面参数，z为评价选择的关键词，Wij为患者体验类别权重；(个人认为C作为谐波因子也没有啥问题，因为在这个归一化运算中采用一些参数给设定一个名字，应该没啥问题)
计算区分值其中，Fij为评价分类器中参与评价集合的有效正确率，tij是情感类别；T为情感类别空间，即为T＝{感官(Sense)、情感(Feel)、思考(Think)、行动(Act)、关系(Relate)}，是参与医疗满意度评价在情感类别tij上的分类正确率；
使用区分值Wij得进行分析优化，然后将优化数据通过权重模型推荐给目标患者，该综合优化推荐分析权重模型为
其中Ri、Rj进行满意度评价的项目权重，α是权重因子，λ是平均变异概率，Cavg为平均满意度大小。
所述的使用云平台进行大数据挖掘的医疗机构体验推荐系统，优选的，所述数据评估模块包括：
通过优化推荐分析权重模型将患者对医疗机构的评价数据展现出来，综合若干医疗机构的满意度评价数据，综合评估各医疗机构的科室排名状态，
计算不同医疗机构相同科室相互作用率cij和cji，以如下公式表示：
其中，|qi*qj|表示求评价关键字qi和qj的内积，||ra||和||rb||表示对评价关键字qi和qj求解模，μ为饱和抑制参数，vij为数据评价的二进制变量，上标t为迭代次数，通过计算其向量相似性，从而得出不同医疗机构相同科室的影响作用率，作为医疗机构满意度评价的参考因素。
所述的使用云平台进行大数据挖掘的医疗机构体验推荐系统，优选的，所述挖掘推荐模块包括：
结合科室的影响作用率和患者体验评价数据计算，对医疗机构满意度进行分析挖掘，患者或者查询用户点击的页面评价窗口个数和点击的页面平均点击频率，得到每个科室的满意度得分，如果通过基础顺序排名展示，设定判断该科室是否为综合评价最优的展示阈值，根据患者体验评价得分按照从高到底、或者从低到高的数据展示方式进行数据推荐。
如图1所示，本发明的推荐工作方法，包括如下步骤：
S1，将患者体验评价数据进行收集，通过建立满意度评价模型，将患者体验评价数据进行数字化整理收集，形成满意度指数，发送到不同的医疗系统，通过历史对比模块进行数据比对；
S2，根据历史数据中患者体验评价数据，与最近生成的患者体验评价数据进行数据对比，将诊疗过程环节中评价指标数据进行提炼，形成基础数据指标、核心数据指标、特征数据指标和高危数据指标的比对数据；
S3，将医疗系统中所提炼出的比对数据进行数据评估，综合分析患者完全满意数据、工作流程环节数据、服务品质管理数据，待提升服务数据，患者访问低频科室数据和患者访问高频科室数据；
S4，将数据评估模块中的各项数据进行坐标展示，根据设定的计算模型，将挖掘的高满意度医疗机构推荐给需求用户。
患者或者查询用户点击的页面评价窗口个数和点击的页面平均点击频率”，是指海量用户或者海量患者对于不同的评价选择，进行打分和复式投票，能够从打分情况获取满意度的一些评价信息。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。