基于用户诊断分析智能推荐医生方法、装置、介质及设备与流程

本技术涉及人工智能，具体涉及一种基于用户诊断分析智能推荐医生方法、装置、介质及设备。

背景技术：

1、诊断分析指的是一系列的医学检查和评估，对患者的病情、病因和病理生理状态进行分析和判断，以制定合适的治疗方案和预测疾病的发展趋势。诊断分析是医学领域中非常重要的一环。目前，患者前往医院寻找医生看病通常的采用的方式为：根据自身的病情，前往相应的医疗机构，接着大致判断所需挂号的科室，然后在挂号后进行排队，最后被叫号后前往医生的看诊房间进行就诊。基于用户诊断分析智能推荐医生，但是患者往往对自己病情的严重程度和需要哪种类型的医疗服务缺乏准确地了解，挂号时选择医生存在一定的盲目性，导致较难选择到合适的医生对自身病情进行有效诊疗。

技术实现思路

1、为了易于选择到合适的医生，本技术提供一种基于用户诊断分析智能推荐医生方法、装置、介质及设备。

2、在本技术的第一方面提供了一种基于用户诊断分析智能推荐医生方法，具体包括：

3、获取用户的医生推荐请求，并判断所述用户是否为新用户；

4、若是，则获取所述用户对应的疾病诊断辅助数据，并将所述疾病诊断辅助数据输入至预设的医生推荐模型中，得到最终推荐医生；

5、若否，则在所述用户选择沿用历史诊断的情况下，确定所述用户是否选择所述历史诊断所属的医生；

6、若是，则将所述历史诊断所属的医生确定为最终推荐医生，若否，则基于所述用户的地理位置和所述历史诊断，确定最终推荐医生；

7、在所述用户未选择沿用历史诊断的情况下，则重复执行所述获取所述用户对应的疾病诊断辅助数据的步骤。

8、通过采用上述技术方案，如果用户为新用户，那么将采集到用户的疾病诊断辅助数据输入到医生推荐模型中，从而确定与疾病诊断辅助数据对应的疾病类型贴合的医生，即，最终推荐医生。如果用户为老用户，说明用户之前发起过医生推荐请求，并接收过推荐的医生的诊断。进一步地，在用户选择沿用历史诊断时，说明用户当前的症状与此历史诊断对应的历史症状较为相似。进一步地，在用户确定选择历史诊断所属的医生时，说明此用户将此医生视为贴合自身需求的医生，那么将其确定为最终推荐医生。最后如果用户没有沿用历史诊断，那么重复执行获取所述用户对应的疾病诊断辅助数据的步骤。从而实现为用户推荐较为合适的医生，使得用户易于选择到合适的医生。

9、可选的，所述基于所述用户的地理位置和所述历史诊断，确定最终推荐医生，具体包括：

10、根据所述历史诊断，确定所述用户对应的诊疗紧急度和医疗领域；

11、根据所述诊疗紧急度，确定所述用户对应的最佳诊疗时段，并从预设的医疗机构库中筛选待选医疗机构，所述待选医疗机构为覆盖所述医疗领域的医疗机构，所述最佳诊疗时段为当前时间节点到目标时间节点的时段；

12、确定所述用户到达各所述待选医疗机构的到达时间节点，将所述到达时间节点处于所述最佳诊疗时段的可就诊医疗机构，并将所述到达时间节点到所述目标时间节点确定为对应的可就诊医疗机构的有效诊疗时段；

13、基于所述有效诊疗时段，从各所述可就诊医疗机构中所述医疗领域的对口医生中确定最终推荐医生。

14、通过采用上述技术方案，根据诊疗紧急度，确定此用户的疾病的最佳诊疗时段，从而方便后续从覆盖医疗领域的待选医疗机构中选出用户能在最佳诊疗时段就诊的待选医疗机构。接着根据用户到达每个待选医疗机构的到达时间节点，确定能便于及时就诊的可就诊医疗机构以及对应的有效诊疗时段。最后基于有效诊疗时段，从各个可就诊医疗机构的对口医生中确定适合用户的最终推荐医生，从而使得用户能得到适合的医生的及时诊疗。

15、可选的，所述基于所述有效诊疗时段，从各所述可就诊医疗机构中所述医疗领域的对口医生中确定最终推荐医生，具体包括：

16、筛选同一所述可就诊医疗机构中所述医疗领域的对口医生中口碑评分超过口碑评分阈值的目标医生，并确定每个所述目标医生的历史闲暇时段，所述历史闲暇时段为就诊排队量低于排队阈值的历史时段；

17、统计各所述目标医生的历史闲暇时长，按照所述历史闲暇时长从大到小的顺序，从各所述目标医生中选取第一预设个数的目标医生作为易闲医生，并计算每个所述易闲医生的第一权重，所述第一权重为每个易闲医生的历史闲暇时长与所有易闲医生的历史闲暇时长之和的比值，所述历史闲暇时长为就诊排队量低于排队阈值的时长；

18、统计各所述历史闲暇时段内同一易闲医生的闲暇频次，按照所述闲暇频次从大到小的顺序，从各所述历史闲暇时段中选取第二预设个数的历史闲暇时段作为易闲时段，并计算同一易闲医生的各所述易闲时段的第二权重，第二权重为同一所述易闲医生在对应的单个易闲时段内的闲暇频次与对应的所有易闲时段内的闲暇频次总和的比值，所述闲暇频次为就诊排队量低于排队阈值的频次；

19、选取包含于同一所述可就诊医疗机构对应的有效诊疗时段的易闲时段作为重要时段，计算同一所述可就诊医疗机构中各易闲医生的第一权重与对应的重要时段的第二权重的乘积之和，得到组合权重之和，并将组合权重之和最大的可就诊医疗机构确定为最终就诊医疗机构；

20、从所述最终就诊医疗机构中各易闲医生中确定最终推荐医生。

21、通过采用上述技术方案，从同一可就诊医疗机构中的各个目标医生中选取易闲医生，从而确定易于出现排队量较少，排队时间较短的医生，并确定每个易闲医生的第一权重，接着确定每个易闲医生的易闲时段，从而确定对应的易闲医生的就诊排队量低于排队阈值易于出现的时段，并确定每个易闲医生对应的各个易闲时段的第二权重。然后计算同一可就诊医疗机构各个易闲医生的第一权重和重要时段的第二权重的乘积之和，得到组合权重之和，组合权重之和越大，说明对应的可就诊医疗机构在有效诊疗时段内易闲医生的就诊排队量低于排队阈值的概率越大。最后从组合权重之和最大的最终就诊医疗机构中确定最终推荐医生，从而使得用户能在最佳诊疗时段内尽可能少排队，及时进行就诊。

22、可选的，所述从所述最终就诊医疗机构中各易闲医生中确定最终推荐医生，具体包括：

23、计算所述最终就诊医疗机构中每个易闲医生的第一权重与对应的单个重要时段的第二权重的乘积，得到组合权重；

24、将各所述重要时段中最早的重要时段内组合权重最大的易闲医生确定为最终推荐医生。

25、通过采用上述技术方案，选取各个重要时段中最早的重要时段，并将最早的重要时段内最大的组合权重对应的易闲医生确定为最终推荐医生，即，在此最早的重要时段内此最终推荐医生较大概率出现就诊排队量低于排队阈值，减少用户到达此最终就诊医疗机构后，能快速地得到擅长此医疗领域的医生的诊疗。

26、可选的，所述基于所述用户的地理位置和所述历史诊断，确定最终推荐医生，具体还包括：

27、确定所述历史诊断对应的医疗领域，并从预设的医疗机构库中筛选待选医疗机构，所述待选医疗机构为覆盖所述医疗领域的医疗机构；

28、确定各所述待选医疗机构与所述用户的地理位置的距离，按照距离从小到大的顺序，从各所述待选医疗机构中选取第一个数的目标医疗机构作为第一集合；

29、确定每个所述待选医疗机构中所述医疗领域的诊疗评分超过诊疗评分阈值的对口医生的第二个数；

30、按照所述第二个数从大到小的顺序，从各所述待选医疗机构中选取第三个数的待选医疗机构作为第二集合，将所述第一集合和所述第二集合中的共有医疗机构确定为推荐医疗机构；

31、将所述推荐医疗机构中各所述对口医生中诊疗评分最高的对口医生确定为最终推荐医生。

32、通过采用上述技术方案，从各个待选医疗机构中确定第一集合，从而初步筛选出距离用户较近、可对用户的疾病进行诊疗的医疗机构。从各个待选医疗机构中确定第二集合，从而确定在医疗领域的医疗水平较高的医疗机构。接着将第一集合和第二集合中的共有医疗机构确定为推荐医疗机构，从而确定距离用户较近且在医疗领域的医疗水平较高的医疗机构。最后从推荐医疗机构中选取诊疗评分最高的医生确定为此用户对应的最终推荐医生，从而较为准确地为用户推荐合适且水平较高的医生。

33、可选的，所述确定每个所述待选医疗机构中所述医疗领域的诊疗评分超过诊疗评分阈值的对口医生的第二个数之前，还包括：

34、获取每个所述待选医疗机构中所述医疗领域的对口医生的工作年限以及当前时间之前预设时间内，与所述历史诊断相似度超过相似度阈值的所下诊断的第四个数；

35、确定每个所述对口医生在对应的工作年限内的诊疗好评率以及在对应的所有所述所下诊断中的治愈达成率；

36、确定每个所述对口医生对应的第一初始权重和第二初始权重，基于所述工作年限、所述第四个数、所述诊疗好评率以及所述治愈达成率，将同一所述对口医生的第一初始权重调整为第一最终权重、第二初始权重调整为第二最终权重；

37、将所述第一最终权重与对应的诊疗好评率的乘积、所述第二最终权重与对应的治愈达成率的乘积进行求和，得到对应的诊疗评分。

38、通过采用上述技术方案，确定每个对口医生工作年限内的诊疗好评率和预设时间内的治愈达成率，然后通过第一最终权重和第二最终权重，对诊疗好评率和治愈达成率进行加权求和，得到对应的诊疗评分，从而较为客观的评估各个对口医生诊疗此用户病症的水平。

39、可选的，所述基于各所述工作年限、各所述第四个数、各所述诊疗好评率以及各所述治愈达成率，将同一所述对口医生的第一初始权重调整为第一最终权重、第二初始权重调整为第二最终权重，具体包括：

40、若同一所述对口医生对应的工作年限和诊疗好评率均大于对应的阈值，则增大对应的第一初始权重，得到第一最终权重；

41、若同一所述对口医生对应的第四个数和治愈达成率均大于对应的阈值，则增大对应的第二初始权重，得到第二最终权重。

42、通过采用上述技术方案，如果同一对口医生的工作年限和诊疗好评率均大于对应的阈值，说明在此医疗领域的工作年限较高且受到广泛好评，对后续的诊疗评分起到加分作用，那么增大对应的第一初始权重；如果同一对口医生对应的第四个数和治愈达成率均大于对应的阈值，说明此对口医生近期对于与此用户相似的病症处理经验丰富且治愈效果较佳，对后续的诊疗评分起到加分作用，那么增大对应的第二初始权重。从而使得对口医生的治愈达成率、诊疗好评率的权重较为合理准确。

43、在本技术的第二方面提供了一种基于用户诊断分析智能推荐医生装置，具体包括：

44、请求获取模块，用于获取用户的医生推荐请求，并判断所述用户是否为新用户；

45、第一推荐模块，用于若是，则获取所述用户对应的疾病诊断辅助数据，并将所述疾病诊断辅助数据输入至预设的医生推荐模型中，得到最终推荐医生；

46、医生选择模块，用于若否，则在所述用户选择沿用历史诊断的情况下，确定所述用户是否选择所述历史诊断所属的医生；

47、第二推荐模块，用于若是，则将所述历史诊断所属的医生确定为最终推荐医生，若否，则基于所述用户的地理位置和所述历史诊断，确定最终推荐医生；

48、第三推荐模块，用于在所述用户未选择沿用历史诊断的情况下，则重复执行所述获取所述用户对应的疾病诊断辅助数据的步骤。

49、通过采用上述技术方案，请求获取模块获取医生推荐请求，并判断用户是否为新用户，第一推荐模块在用户为新用户时，获取对应的疾病诊断辅助数据，并通过医生推荐模型根据疾病诊断辅助数据，智能为用户推荐最终推荐医生，接着医生选择模块在用户为老用户，选择沿用历史诊断的情况下，确定用户是否选择历史诊断所属的医生，然后第二推荐模块在选择历史诊断所属的医生时，将此医生确定为最终推荐医生，如果没有选择，那么基于用户的地理位置和历史诊断，确定最终推荐医生。最后第三推荐模块在用户未选择沿用历史诊断时，重复执行获取用户对应的疾病诊断辅助数据的步骤。

50、在本技术的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被处理器加载并执行时，执行如第一方面中任意一项所述的方法步骤。

51、在本技术的第四方面提供了一种电子设备，具体包括：

52、处理器、存储器及存储在存储器中并能够在处理器上运行的计算机程序，所述处理器用于加载并执行所述存储器中存储的计算机程序，以使所述电子设备执行如第一方面中任意一项所述的方法。

53、综上所述，本技术包括以下至少一种有益技术效果：如果用户为新用户，那么将采集到用户的疾病诊断辅助数据输入到医生推荐模型中，从而确定与疾病诊断辅助数据对应的疾病类型贴合的医生，即，最终推荐医生。如果用户为老用户，说明用户之前发起过医生推荐请求，并接收过推荐的医生的诊断。进一步地，在用户选择沿用历史诊断时，说明用户当前的症状与此历史诊断对应的历史症状较为相似。进一步地，在用户确定选择历史诊断所属的医生时，说明此用户将此医生视为贴合自身需求的医生，那么将其确定为最终推荐医生。最后如果用户没有沿用历史诊断，那么重复执行获取所述用户对应的疾病诊断辅助数据的步骤。从而实现为用户推荐较为合适的医生，使得用户易于选择到合适的医生。