基于医院后台数据的预约推荐方法及系统与流程

本发明涉及数据处理，尤其涉及一种基于医院后台数据的预约推荐方法及系统。

背景技术：

1、在现代医疗服务中，预约系统的效率和准确性对于提高医院运营效率和患者满意度至关重要。传统的预约系统通常依赖于基本的预约时间表和患者的主观选择，缺乏对患者历史诊疗数据和行为模式的深入分析。这种情况下，预约匹配可能不够精准，导致资源分配不均、等待时间长和患者满意度下降。随着医疗信息化的发展，医院后台积累了大量的患者数据，包括诊疗记录、历史预约信息和治疗结果等，这为更智能化的预约推荐提供了可能。

2、尽管现有的医疗预约系统已经开始尝试利用患者数据来优化预约过程，但这些系统大多还处于较为初级的阶段。许多系统仍然依赖基本的数据匹配和规则引擎，缺乏对患者行为和需求的深入理解。此外，传统系统通常无法有效处理大规模和复杂的数据集，导致预约推荐不够个性化和准确。这些系统往往未能充分利用现有的数据资源，如未能有效识别患者的长期健康趋势和潜在需求，从而无法提供最优的预约建议。

技术实现思路

1、有鉴于此，本发明实施例提供了一种基于医院后台数据的预约推荐方法及系统，用于提高基于医院后台数据的预约推荐的准确率。

2、本发明提供了一种基于医院后台数据的预约推荐方法，包括：对预置的目标用户进行用户标识分析，得到所述目标用户的用户标识，并根据所述用户标识从预置的医院后台数据库进行数据采集，得到所述目标用户的历史诊疗数据；对所述历史诊疗数据进行预处理，得到待处理诊疗数据，并对所述待处理诊疗数据进行数据提取，得到所述目标用户的用户行为集合、预约记录集合以及诊疗结果集合；将所述用户行为集合作为预置的隐马尔可夫模型的隐藏状态数据，同时，对所述预约记录集合以及诊疗结果集合进行观察序列转换，得到观察序列数据；基于所述隐藏状态数据以及所述观察序列数据，对所述隐马尔可夫模型进行模型训练，得到目标隐马尔可夫模型；将所述待处理诊疗数据输入所述目标隐马尔可夫模型进行用户行为预测，得到预测行为的概率密度数据；通过预置的势分布概率假设密度平滑算法对所述概率密度数据进行数据修正，得到修正概率密度数据，并根据所述修正概率密度数据匹配所述目标用户的预测用户行为；基于所述隐藏状态数据以及所述观察序列数据，通过预置的维特比算法对所述预测用户行为进行用户行为路径识别，得到目标用户行为路径；基于所述目标用户行为路径对所述目标用户进行预约项目匹配，得到所述目标用户的预约项目集合，并将所述预约项目集合传输至预置的数据展示终端进行项目展示。

3、在本发明中，所述将所述待处理诊疗数据输入所述目标隐马尔可夫模型进行用户行为预测，得到预测行为的概率密度数据步骤，包括：将所述待处理诊疗数据输入所述目标隐马尔可夫模型进行行为模式识别，得到所述目标用户的行为模式数据；基于所述隐藏状态数据，对所述行为模式数据进行行为状态分析，得到多个用户行为状态；对每两个所述用户行为状态进行状态转移概率计算，得到多个状态转移概率数据；通过多个所述状态转移概率数据对所述目标用户进行用户行为预测，得到所述预测行为的概率密度数据。

4、在本发明中，所述通过预置的势分布概率假设密度平滑算法对所述概率密度数据进行数据修正，得到修正概率密度数据，并根据所述修正概率密度数据匹配所述目标用户的预测用户行为步骤，包括：对所述概率密度数据进行稀疏数据分析，得到对应的稀疏数据集；对所述稀疏数据集进行矩阵转换，得到所述稀疏数据集对应的多个稀疏数据矩阵；通过所述势分布概率假设密度平滑算法对多个所述稀疏数据矩阵进行矩阵填充，得到多个填充矩阵；通过多个所述填充矩阵对所述概率密度数据进行数据修正，得到修正概率密度数据，并根据所述修正概率密度数据匹配所述目标用户的预测用户行为。

5、在本发明中，所述对所述概率密度数据进行稀疏数据分析，得到对应的稀疏数据集步骤，包括：对所述概率密度数据进行非零元素比例分析，得到多个非零元素比例；通过多个所述非零元素比例对所述概率密度数据进行数据点提取，得到多个目标数据点；通过多个所述目标数据点对所述概率密度数据进行稀疏数据分析，得到对应的稀疏数据集。

6、在本发明中，所述基于所述隐藏状态数据以及所述观察序列数据，通过预置的维特比算法对所述预测用户行为进行用户行为路径识别，得到目标用户行为路径步骤，包括：通过所述维特比算法对所述预测用户行为进行分布式用户状态序列提取，得到多个待分析用户状态序列；基于所述观察序列数据，对多个待分析用户状态序列进行序列筛选，得到至少一个目标用户状态序列；通过所述隐藏状态数据对至少一个目标用户状态序列进行状态数据采集，得到目标状态数据；基于所述目标状态数据对所述预测用户行为进行用户行为路径识别，得到所述目标用户行为路径。

7、在本发明中，所述基于所述目标用户行为路径对所述目标用户进行预约项目匹配，得到所述目标用户的预约项目集合，并将所述预约项目集合传输至预置的数据展示终端进行项目展示步骤，包括：对所述目标用户行为路径进行用户画像数据生成，得到所述目标用户的用户画像数据；对所述用户画像数据对所述目标用户进行预约项目匹配，得到所述目标用户的预约项目集合，并将所述预约项目集合传输至预置的数据展示终端进行项目展示。

8、在本发明中，所述对所述用户画像数据对所述目标用户进行预约项目匹配，得到所述目标用户的预约项目集合，并将所述预约项目集合传输至预置的数据展示终端进行项目展示步骤，包括：对所述用户画像数据进行项目匹配规则生成，得到目标项目匹配规则；基于预置的多个标准预约项目，通过所述目标项目匹配规则对所述用户画像数据进行项目匹配分值计算，得到多个匹配分值数据；通过多个所述匹配分值数据对所述目标用户进行预约项目匹配，得到所述目标用户的预约项目集合，并将所述预约项目集合传输至预置的数据展示终端进行项目展示。

9、本发明还提供了一种基于医院后台数据的预约推荐系统，包括：

10、分析模块，用于对预置的目标用户进行用户标识分析，得到所述目标用户的用户标识，并根据所述用户标识从预置的医院后台数据库进行数据采集，得到所述目标用户的历史诊疗数据；

11、处理模块，用于对所述历史诊疗数据进行预处理，得到待处理诊疗数据，并对所述待处理诊疗数据进行数据提取，得到所述目标用户的用户行为集合、预约记录集合以及诊疗结果集合；

12、转换模块，用于将所述用户行为集合作为预置的隐马尔可夫模型的隐藏状态数据，同时，对所述预约记录集合以及诊疗结果集合进行观察序列转换，得到观察序列数据；

13、训练模块，用于基于所述隐藏状态数据以及所述观察序列数据，对所述隐马尔可夫模型进行模型训练，得到目标隐马尔可夫模型；

14、预测模块，用于将所述待处理诊疗数据输入所述目标隐马尔可夫模型进行用户行为预测，得到预测行为的概率密度数据；

15、修正模块，用于通过预置的势分布概率假设密度平滑算法对所述概率密度数据进行数据修正，得到修正概率密度数据，并根据所述修正概率密度数据匹配所述目标用户的预测用户行为；

16、识别模块，用于基于所述隐藏状态数据以及所述观察序列数据，通过预置的维特比算法对所述预测用户行为进行用户行为路径识别，得到目标用户行为路径；

17、展示模块，用于基于所述目标用户行为路径对所述目标用户进行预约项目匹配，得到所述目标用户的预约项目集合，并将所述预约项目集合传输至预置的数据展示终端进行项目展示。

18、本发明提供的技术方案中，对预置的目标用户进行用户标识分析，得到目标用户的用户标识，并根据用户标识从预置的医院后台数据库进行数据采集，得到目标用户的历史诊疗数据；对历史诊疗数据进行预处理，得到待处理诊疗数据，并对待处理诊疗数据进行数据提取，得到目标用户的用户行为集合、预约记录集合以及诊疗结果集合；将用户行为集合作为预置的隐马尔可夫模型的隐藏状态数据，同时，对预约记录集合以及诊疗结果集合进行观察序列转换，得到观察序列数据；基于隐藏状态数据以及观察序列数据，对隐马尔可夫模型进行模型训练，得到目标隐马尔可夫模型；将待处理诊疗数据输入目标隐马尔可夫模型进行用户行为预测，得到预测行为的概率密度数据；通过预置的势分布概率假设密度平滑算法对概率密度数据进行数据修正，得到修正概率密度数据，并根据修正概率密度数据匹配目标用户的预测用户行为；基于隐藏状态数据以及观察序列数据，通过预置的维特比算法对预测用户行为进行用户行为路径识别，得到目标用户行为路径；基于目标用户行为路径对目标用户进行预约项目匹配，得到目标用户的预约项目集合，并将预约项目集合传输至预置的数据展示终端进行项目展示。在本技术方案中，通过对目标用户的历史诊疗数据进行深入分析，系统能够理解用户的独特行为模式和诊疗历史，从而实现对用户个性化的预测和推荐。将用户行为集合作为隐马尔可夫模型的隐藏状态数据，以及对观察序列数据进行处理，有助于更好地捕捉用户行为的动态变化和模式。通过势分布概率假设密度平滑算法对概率密度数据进行修正，系统能够更好地处理概率分布的变化和不确定性。这提高了预测结果的可靠性，使得系统对于不同的用户和情境都能够做出更为合理的预测。通过维特比算法对用户行为路径进行识别，系统能够更全面地理解用户在整个诊疗过程中的行为演变。这有助于提高对用户需求的全局理解，从而更好地指导后续的预约项目匹配。通过对目标用户进行预约项目匹配，系统可以更有效地利用医疗资源，提高医疗服务的效率。这有助于减少资源浪费，提高医院的整体运营效能。通过将预约项目集合传输至数据展示终端进行项目展示，系统可以向用户清晰地展示推荐的预约项目。