预约请求处理方法、装置、电子设备和计算机可读介质与流程

本公开的实施例涉及计算机，具体涉及预约请求处理方法、装置、电子设备和计算机可读介质。

背景技术：

1、远程预约挂号，是指使用电子设备(如手机、电脑等)通过互联网或相关应用程序远程实现医院预约挂号的方式。目前，就诊人员在进行远程预约挂号时，通常采用的方式为：直接根据自我推测或自身病征检索相关疾病信息并参考相关疾病信息选择挂号科室然后通过医院或挂号平台所提供的应用程序中的挂号模块进行远程预约挂号，或是通过载有对话式辅助诊断模型的问诊平台或问诊系统给出的疾病分类结果选择挂号科室，然后通过医院或挂号平台所提供的应用程序中的挂号模块进行远程预约挂号。

2、然而，发明人发现，当采用上述方式进行远程预约挂号时，经常会存在如下技术问题：

3、第一，直接根据自我推测或自身病征检索相关疾病信息并参考相关疾病信息，由于就诊人员缺乏相关医疗知识，导致自我推测结果可能与实际患病情况存在较大差异，进而导致所选择的挂号科室与实际疾病类型的匹配度较低，从而需要重新进行预约挂号，导致挂号资源浪费。

4、第二，对话式辅助诊断模型主要通过提取用户对话文本中各个关键字的方式确定疾病分类结果，由于各个疾病的病征描述文本关键字相似度较高，对话式辅助诊断模型所给出的疾病分类结果的准确性较低，进而导致所选择的挂号科室与实际疾病类型的匹配度较低，从而需要重新进行预约挂号，导致挂号资源浪费。

5、该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、本公开的一些实施例提出了预约请求处理方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

3、第一方面，本公开的一些实施例提供了一种预约请求处理方法，该方法包括：接收客户端发送的预约请求，其中，上述预约请求包括预约用户身份信息、待测文本、待测音频和初始分类信息；将上述待测文本输入至预先训练的文本特征提取模型，得到待测文本特征向量；基于上述待测音频和上述文本特征提取模型，生成对应上述待测音频的音频文本特征向量；根据上述待测文本特征向量和上述音频文本特征向量，生成特征融合向量；根据上述初始分类信息，从分类参数文件组中选择对应上述初始分类信息的分类参数文件作为目标分类参数文件；根据上述特征融合向量和上述目标分类参数文件，生成对应上述特征融合向量的文本特征分类信息，其中，上述文本特征分类信息包括各个文本特征分类标签和对应各个文本特征分类标签的文本特征分类概率；根据上述文本特征分类信息和预先构建的文本特征知识图谱，生成对应上述文本特征分类信息的文本分类信息；根据上述文本分类信息，从文本关联信息数据库中获取对应上述文本分类信息的文本关联信息；根据所确定的文本关联信息和上述预约用户身份信息，进行预约挂号处理，得到预约信息；将上述预约信息、上述文本关联信息和上述文本分类信息发送至上述客户端。

4、第二方面，本公开的一些实施例提供了一种预约请求处理装置，装置包括：接收单元，被配置成接收客户端发送的预约请求，其中，上述预约请求包括预约用户身份信息、待测文本、待测音频和初始分类信息；输入单元，被配置成将上述待测文本输入至预先训练的文本特征提取模型，得到待测文本特征向量；第一生成单元，被配置成基于上述待测音频和上述文本特征提取模型，生成对应上述待测音频的音频文本特征向量；第二生成单元，被配置成根据上述待测文本特征向量和上述音频文本特征向量，生成特征融合向量；选择单元，被配置成根据上述初始分类信息，从分类参数文件组中选择对应上述初始分类信息的分类参数文件作为目标分类参数文件；第三生成单元，被配置成根据上述特征融合向量和上述目标分类参数文件，生成对应上述特征融合向量的文本特征分类信息，其中，上述文本特征分类信息包括各个文本特征分类标签和对应各个文本特征分类标签的文本特征分类概率；第四生成单元，被配置成根据上述文本特征分类信息和预先构建的文本特征知识图谱，生成对应上述文本特征分类信息的文本分类信息；获取单元，被配置成根据上述文本分类信息，从文本关联信息数据库中获取对应上述文本分类信息的文本关联信息；预约挂号处理单元，被配置成根据所确定的文本关联信息和上述预约用户身份信息，进行预约挂号处理，得到预约信息；发送单元，被配置成将上述预约信息、上述文本关联信息和上述文本分类信息发送至上述客户端。

5、第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

6、第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

7、本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的预约请求处理方法，可以提升就诊人员远程预约挂号的准确率，减少挂号资源的浪费。具体来说，造成挂号资源浪费的原因在于：直接根据自我推测或自身病征检索相关疾病信息并参考相关疾病信息，由于就诊人员缺乏相关医疗知识，导致自我推测结果可能与实际患病情况存在较大差异，进而导致所选择的挂号科室与实际疾病类型的匹配度较低，从而需要重新进行预约挂号，导致挂号资源浪费。。基于此，本公开的一些实施例的预约请求处理方法，首先，接收客户端发送的预约请求。其中，上述预约请求包括预约用户身份信息、待测文本、待测音频和初始分类信息。由此，可以得到客户端用户的身份信息、描述个人病征的文本、描述个人病征的音频和上述客户端用户所选择的表征病征部位的初始分类信息。然后，将上述待测文本输入至预先训练的文本特征提取模型，得到待测文本特征向量。由此，可以得到表征文本内病征特征的待测文本特征向量。之后，基于上述待测音频和上述文本特征提取模型，生成对应上述待测音频的音频文本特征向量。由此，可以得到上述待测音频对应文本的文本特征向量以表征文本内病征特征。接着，根据上述待测文本特征向量和上述音频文本特征向量，生成特征融合向量。由此，可以将两个表征病症特征的特征向量进行特征融合，得到表征病征特征更全面的特征融合向量。其次，根据上述初始分类信息，从分类参数文件组中选择对应上述初始分类信息的分类参数文件作为目标分类参数文件。由此，可以按照上述初始分类信息确定用于对上述特征融合向量进行分类的目标分类参数文件。接着，根据上述特征融合向量和上述目标分类参数文件，生成对应上述特征融合向量的文本特征分类信息。其中，上述文本特征分类信息包括各个文本特征分类标签和对应各个文本特征分类标签的文本特征分类概率。由此，可以将上述目标分类参数文件包括的模型参数载入对应的分类模型以对表征病征特征的特征融合向量进行分类，得到表征疾病分类结果分布的文本特征分类信息。接着，根据上述文本特征分类信息和预先构建的文本特征知识图谱，生成对应上述文本特征分类信息的文本分类信息。由此，可以得到对上述文本特征分类信息中的各个疾病分类结果进行解释说明的文本分类信息。之后，根据上述文本分类信息，从文本关联信息数据库中获取对应上述文本分类信息的文本关联信息。由此，可以得到用于执行预约挂号操作的文本关联信息。接着，根据所确定的文本关联信息和上述预约用户身份信息，进行预约挂号处理，得到预约信息。由此，可以完成挂号操作得到预约信息。最后，将上述预约信息、上述文本关联信息和上述文本分类信息发送至上述客户端。也因为采用了根据病征描述文本和病征描述音频选择挂号科室的方式，可以对客户端用户上传的病征描述文本和病征描述音频对应的音频文本进行特征提取，得到表征病征特征的特征向量。从而可以通过分类模型和文本关联数据库分别确定上述表征病征特征的特征向量可能对应的疾病类型和疾病对应的医院科室信息，进而可以根据所确定的疾病信息和科室信息直接执行预约挂号操作，从而可以提高挂号准确率，减少挂号资源浪费。