基于人工智能的机构评分方法、装置、电子设备及介质与流程

1.本技术涉及人工智能技术领域，具体涉及一种基于人工智能的机构评分方法、装置、电子设备及介质。


背景技术：

2.目前国内各大小医疗机构数量庞大，但各医疗机构的医疗硬件条件以及医务人员的技术水平良莠不齐，人们在选择医疗机构就医时没有客观渠道了解医疗机构的真实医疗水平。现在，通常是通过人工审核的方式完成对医疗机构的评分或者通过获取线上多个患者对应的医疗机构的评分来得到医疗机构的评分。
3.但是，人工审核针对不同的医疗机构之间无法做出灵活的比较分析，不能准确地对医疗机构的真实医疗水平进行评分，同时仅基于患者的评分确定医疗机构的评分，维度单一，导致确定的评分不能代表医疗机构的真实医疗水平。


技术实现要素：

4.鉴于以上内容，有必要提出一种基于人工智能的机构评分方法、装置、电子设备及介质，基于人工智能根据多个维度的数据对医疗机构进行评分，提高了评分的准确性。
5.第一方面，本技术提供了一种基于人工智能的机构评分方法，所述方法包括：
6.若接收到机构评分请求，则确定所述机构评分请求对应的目标机构以及所述目标机构对应的多个诊疗实例；
7.根据所述多个诊疗实例，确定多个评估维度，并计算每个所述评估维度对应的初始权重；
8.计算每个所述评估维度对应的违规实例个数；
9.基于所述初始权重和所述违规实例个数进行指数运算，得到每个所述评估维度对应的评估权重；
10.获取所述多个诊疗实例对应的多个用户评分，确定所述目标机构对应的评分权重；
11.基于所述评估权重和所述评分权重，确定所述目标机构对应的机构评分。
12.根据本技术的一个可选的实施方式，所述确定目标机构对应的多个诊疗实例包括：
13.基于所述机构评分请求，确定目标用户；
14.获取所述目标用户对应的用户信息，并基于所述用户信息确定目标用户特征；
15.基于所述目标用户特征，确定所述目标机构对应的多个诊疗实例。
16.根据本技术的一个可选的实施方式，所述基于所述目标用户特征，确定所述目标机构对应的多个诊疗实例包括：
17.在预先构建的所述目标机构的实例数据库中，获取每个所述诊疗实例对应的诊疗用户标签；
18.基于所述诊疗用户标签，计算所述目标用户特征与每个诊疗实例的相似度；
19.若所述目标用户特征与一诊疗实例的相似度大于或等于预设相似阈值，则将所述诊疗实例确定为所述目标机构对应的诊疗实例。
20.根据本技术的一个可选的实施方式，在预先构建的所述目标机构的实例数据库中，获取每个所述诊疗实例对应的诊疗用户标签之前，所述方法还包括：
21.获取样本数据和样本标签，其中，所述样本数据包括样本诊断病例对应的描述文本，所述样本标签包括所述样本诊断病例对应的诊疗用户标签；
22.根据所述描述文本确定所述样本诊断病例对应的关键词集合，并将所述关键词集合输入至诊疗标签模型，得到所述样本诊断病例对应的预测用户标签；
23.根据所述诊断用户标签和所述预测用户标签，计算损失值；
24.根据所述损失值调整所述诊疗标签模型的模型参数，并继续使用所述关键词集合训练所述诊疗标签模型，直至所述损失值小于预设损失阈值，得到训练完成的诊疗标签模型；
25.将所述目标机构的诊疗实例输入至所述诊疗标签模型中，得到所述诊疗实例对应的诊疗用户标签；
26.基于所述诊疗实例以及其对应的诊疗用户标签，构建实例数据库。
27.根据本技术的一个可选的实施方式，所述根据所述描述文本确定所述样本诊断病例对应的关键词集合包括：
28.将所述描述文本切分为多个文本语句，并将每个文本语句切分为多个分词；
29.识别每个分词的词性，并将多个预设词性的分词进行保留；
30.将保留后的多个分词，确定为所述样本诊断病例对应的关键词集合。
31.根据本技术的一个可选的实施方式，根据所述多个诊疗实例，确定多个评估维度，并计算每个所述评估维度对应的初始权重包括：
32.查询预设评估维度表，确定所述多个诊疗实例中每个诊断实例对应的评价维度；
33.基于每个所述诊断实例对应的评价维度，确定多个评估维度；
34.计算每个所述评估维度对应的诊疗实例个数；
35.基于每个所述评估维度对应的诊疗实例个数和所述多个评估维度对应的诊断实例总数的比值，确定每个所述评估维度对应的初始权重。
36.根据本技术的一个可选的实施方式，基于所述初始权重和所述违规实例个数进行指数运算，得到每个所述评估维度对应的评估权重包括：
37.根据每个所述评估维度对应的诊疗实例个数，确定每个所述评估维度对应的评估底数值；
38.将每个所述评估维度的违规实例个数，确定为每个所述评估维度的自变量；
39.根据所述评估底数值和所述自变量进行指数运算，得到每个所述评估维度对应的权重因变量；
40.将所述初始权重和所述权重因变量代入权重计算公式，得到每个所述评估维度对应的评估权重。
41.第二方面，本技术提供了一种基于人工智能的机构评分装置，所述装置包括：
42.请求接收模块，用于若接收到机构评分请求，则确定所述机构评分请求对应的目
标机构以及所述目标机构对应的多个诊疗实例；
43.维度确定模块，用于根据所述多个诊疗实例，确定多个评估维度，并计算每个所述评估维度对应的初始权重；
44.违规计算模块，用于计算每个所述评估维度对应的违规实例个数；
45.指数运算模块，用于基于所述初始权重和所述违规实例个数进行指数运算，得到每个所述评估维度对应的评估权重；
46.评分获取模块，用于获取所述多个诊疗实例对应的多个用户评分，确定所述目标机构对应的评分权重；
47.评分计算模块，用于基于所述评估权重和所述评分权重，确定所述目标机构对应的机构评分。
48.第三方面，本技术提供了一种电子设备，所述电子设备包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现所述基于人工智能的机构评分方法。
49.第四方面，本技术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上存储有计算机程序，所述计算机程序被处理器执行时实现所述基于人工智能的机构评分方法。
50.综上所述，本技术所述的基于人工智能的机构评分方法、装置、电子设备及介质，通过确定接受到的机构评分请求对应的目标机构以及所述目标机构对应的多个诊疗实例；接着根据所述多个诊疗实例，确定多个评估维度，并计算每个评估维度对应的初始权重；然后计算每个所述评估维度对应的违规实例个数，并基于所述初始权重和所述违规实例个数进行指数运算，得到每个评估维度对应的评估权重，通过计算多个评估维度对应的评估权重，实现了从多个角度对目标机构进行评分，提高了评分的准确性；接着获取所述多个诊疗实例对应的多个用户评分，计算所述用户评分对应的评分权重；最后基于所述评估权重和所述评分权重，确定所述目标机构对应的机构评分，通过从两个权重维度确定目标机构确定的机构评分，可以丰富评分的维度，提高评分的准确性。
附图说明
51.图1是本技术实施例一提供的基于人工智能的机构评分方法的流程图。
52.图2是本技术实施例二提供的基于人工智能的机构评分装置的结构图。
53.图3是本技术实施例三提供的电子设备的结构示意图。
具体实施方式
54.为了能够更清楚地理解本技术的上述目的、特征和优点，下面结合附图和具体实施例对本技术进行详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
55.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中在本技术的说明书中所使用的术语只是为了描述在一个可选的实施方式中实施例的目的，不是旨在于限制本技术。
56.本技术实施例提供的基于人工智能的机构评分方法由电子设备执行，相应地，基
于人工智能的机构评分装置运行于电子设备中。所述电子设备可以包括手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等。
57.本技术实施例可以基于人工智能技术对目标医疗机构进行评分。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
58.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
59.实施例一
60.图1是本技术实施例一提供的基于人工智能的机构评分方法的流程图。所述基于人工智能的机构评分方法具体包括以下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些可以省略。
61.s11，若接收到机构评分请求，则确定所述机构评分请求对应的目标机构以及所述目标机构对应的多个诊疗实例。
62.获取用户发送的机构评分请求，所述机构评分请求可以是超文本传输协议(hyper text transfer protocol，http)请求。所述机构评分请求中包括所述用户对应的第一接口地址及所述目标机构对应的第二接口地址，所述第一接口地址可以用户的互联网协议地址(internet protocol address，ip)地址，用于获取所述用户对应的用户信息，所述第二接口地址可以是目标机构的服务器地址，可以用于获取所述目标机构历史患者就诊的诊疗实例。
63.在一个可选的实施方式中，所述确定目标机构对应的多个诊疗实例包括：
64.基于所述机构评分请求，确定目标用户；
65.获取所述目标用户对应的用户信息，并基于所述用户信息确定目标用户特征；
66.基于所述目标用户特征，确定所述目标机构对应的多个诊疗实例。
67.示例性的，可以机构评分请求中的携带的信息，确定目标用户的用户身份，并基于机构评分请求中用户对应的第一接口地址，获取所述目标用户对应的用户信息。确定所述用户信息中的目标用户特征，所述目标用户特征可以包括用户性别、用户年龄阶层、用户职业、用户患有的疾病和用户籍贯等特征，目标用户特征可以包括一个或多个。将目标机构历史患者就诊记录中与所述目标用户特征匹配的诊断实例，确定为所述目标机构对应的诊疗实例，从而得到多个诊疗实例。
68.基于用户信息确定的目标用户特征，确定目标机构对应的诊疗实例，可以实现个性化评分，不同用户可以对应不同的诊疗实例，使得确定的诊疗实例更符合用户的情况，根据该诊断实例得到的评分也更准确。
69.在一个可选的实施方式中，所述基于所述目标用户特征，确定所述目标机构对应的多个诊疗实例包括：
70.在预先构建的所述目标机构的实例数据库中，获取每个所述诊疗实例对应的诊疗用户标签；
71.基于所述诊疗用户标签，计算所述目标用户特征与每个诊疗实例的相似度；
72.若所述目标用户特征与一诊疗实例的相似度大于或等于预设相似阈值，则将所述诊疗实例确定为所述目标机构对应的诊疗实例。
73.所述实例数据库中包括所述诊疗实例和所述诊疗用户标签之间的映射关系。每个诊疗实例可以对应一个或多个诊疗用户标签。所述诊疗用户标签可以用于表示历史患者对应的患者特征，诊疗用户标签可以包括性别标签、年龄标签、职业标签、疾病标签、籍贯标签，例如，性别标签可以包括男性、女性；年龄标签可以包括少年、青年、中年和老年等；职业标签可以包括工人、白领、老师等。
74.根据诊疗用户标签和目标用户特征的匹配度，计算所述目标用户特征与每个诊疗实例的相似度。诊疗用户标签和目标用户特征的匹配度越高，目标用户特征与诊疗实例的相似度也越高。可以将诊疗用户标签和目标用户特征的匹配度确定为目标用户特征与诊疗实例的相似度。例如，一诊疗实例对应的诊疗用户标签为：女性，青年，老师，广东，一用户的目标用户特征为：女性，青年，广东，白领，所以该目标用户特征与该诊疗用户标签的匹配度为75％，该目标用户特征与该诊疗实例的相似度为75％。
75.预设相似度可以根据实际情况进行设置，在此不做过多限定。通过计算所述目标用户特征与每个诊疗实例的相似度，可以提高确定目标机构对应的诊疗实例的准确率。
76.在一个可选的实施方式中，在预先构建的所述目标机构的实例数据库中，获取每个所述诊疗实例对应的诊疗用户标签之前，所述方法还包括：
77.获取样本数据和样本标签，其中，所述样本数据包括样本诊断病例对应的描述文本，所述样本标签包括所述样本诊断病例对应的诊疗用户标签；
78.根据所述描述文本确定所述样本诊断病例对应的关键词集合，并将所述关键词集合输入至诊疗标签模型，得到所述样本诊断病例对应的预测用户标签；
79.根据所述诊断用户标签和所述预测用户标签，计算损失值；
80.根据所述损失值调整所述诊疗标签模型的模型参数，并继续使用所述关键词集合训练所述诊疗标签模型，直至所述损失值小于预设损失阈值，得到训练完成的诊疗标签模型；
81.将所述目标机构的诊疗实例输入至所述诊疗标签模型中，得到所述诊疗实例对应的诊疗用户标签；
82.基于所述诊疗实例以及其对应的诊疗用户标签，构建实例数据库。
83.样本数据是用于训练诊疗标签模型的数据，具体的，样本数据是样本诊断病例对应的描述文本。示例性的，患者就医后，医院会对患者的身份信息和就医信息进行记录，得到诊断病例，获取诊断病例对应的记录，即描述文本。
84.诊断用户标签是指对样本诊断病例在不同维度的一个介绍，可以包括性别维度、年龄维度、职业维度、疾病维度、籍贯维度等。比如患者对应的诊断用户标签可以是性别标签(男性和女性等)、年龄标签(少年、青年、中年和老年等)、职业标签(工人、白领和老师等)、疾病标签、籍贯标签，例如，性别标签可以包括男性、女性；年龄标签可以包括少年、青年、中年和老年等；职业标签可以包括工人、白领、老师等。确定每个诊断实例对应的诊断用户标签。
85.在本技术提供的诊断标签模型中，获取一些描述文本做为样本数据，这些描述文
本中包括人工批注的诊断用户标签，并将所述诊断用户标签作为样本标签，用以训练一个可以根据描述文本生成对应诊断用户标签的诊疗标签模型。
86.在一个可选的实施方式中，所述根据所述描述文本确定所述样本诊断病例对应的关键词集合包括：
87.将所述描述文本切分为多个文本语句，并将每个文本语句切分为多个分词；
88.识别每个分词的词性，并将多个预设词性的分词进行保留；
89.将保留后的多个分词，确定为所述样本诊断病例对应的关键词集合。
90.可以基于描述文本中的标点将描述文本切分为多个文本语句。计算机设备可以采用分词工具将每个文本语句切分为多个分词。其中，所述分词工具可以为结巴分词工具。
91.其中，所述多个预设词性包括名词、动词、形容词，所述样本诊断病例对应的描述文本中还会有很多虚词、副词、标点符号等无用词。无用词会影响诊断标签模型识别的准确率，所以对无用词进行滤除后，可以提高诊断标签模式识别的效率。
92.s12，根据所述多个诊疗实例，确定多个评估维度，并计算每个所述评估维度对应的初始权重。
93.每个诊断实例至少包括一个评估维度，确定每个所述诊断实例对应的评价维度，得到多个评价维度，并基于所述多个评价维度，得到多个评估维度。例如，可以将所述诊断实例对应的多个评价维度确定为所述目标机构的多个评估维度。多个评估维度可以从多个方面对医疗机构进行评估。所述评价维度和所述评估维度可以包括：医师资质、处方风险、静脉输液占比、抗菌药使用、大额收费、不合理收费、患者知情维度、处方合理性等等。
94.示例性的，可以根据每个评估维度对应的诊疗实例个数在全部评估维度对应的诊疗实例总数，确定每个评估维度对应的初始权重。其中，每个评估维度对应的初始权重之和等于预设权重总值，预设权重总值可以设置为50、100等，在此不做任何限定。
95.在一个可选的实施方式中，所述根据所述多个诊疗实例，确定多个评估维度，并计算每个所述评估维度对应的初始权重包括：
96.查询预设评估维度表，确定每个所述诊断实例对应的评价维度；
97.基于每个所述诊断实例对应的评价维度，确定多个评估维度；
98.计算每个所述评估维度对应的诊疗实例个数；
99.基于每个所述评估维度对应的诊疗实例个数和所述多个评估维度对应的诊断实例总数的比值，确定每个所述评估维度对应的初始权重。
100.预先根据诊断实例的内容，设置评估维度表，评估维度表中记录了每个诊断实例与评价维度之间的映射关系。确定目标用户对应的多个诊断实例后，可以根据诊断实例去评估维度表中进行查询，确定每个所述诊断实例对应的评价维度，从而确定所述多个诊断实例对应的多个评估维度。
101.示例性的，将每个所述评估维度对应的诊疗实例个数和所述多个评估维度对应的诊断实例总数的比值乘以预设权重总值，得到每个所述评估维度对应的初始权重。
102.s13，计算每个所述评估维度对应的违规实例个数。
103.按照预设的评估标准，计算每个所述评估维度对应的违规实例个数。
104.示例性的，可以根据预设的评估知识图谱，计算每个所述评估维度对应的违规实例个数。预先设置的评估知识图谱中记录了每个评估维度对应的评估标准，基于所述评估
标准计算每个所述评估维度对应的违规实例个数。例如，当评估维度为医师资质时，所述评估标准为所述诊断实例对应的医师是否符合进行诊断的医师资质，若诊断实例对应的医师不符合进行诊断的医师资质，确定该诊断实例在医师资质这一评估维度上为违规实例。
105.评估维度(抗菌药使用)的评估标准可以包括：抗菌药处方占比需要小于全部药的10％，或抗菌药品种需要小于10种。每个所述评估维度的评估标准可以根据实际情况进行设定，在此不做过多的限制。
106.s14，基于所述初始权重和所述违规实例个数进行指数运算，得到每个所述评估维度对应的评估权重。
107.可以将评估维度的初始权重减去该评估维度违规实例计算得到的违规下降指数，得到每个评估维度对应的评估权重。将去评估维度对应的违规实例越多，该评估维度对应的评估权重越小。随着评估维度对应的违规实例的增多，该评估维度对应的评估权重成指数下降。
108.在一个可选的实施方式中，所述基于所述初始权重和所述违规实例个数进行指数运算，得到每个所述评估维度对应的评估权重包括：
109.根据每个所述评估维度对应的诊疗实例个数，确定每个所述评估维度对应的评估底数值；
110.将每个所述评估维度的违规实例个数，确定为每个所述评估维度的自变量；
111.根据所述评估底数值和所述自变量进行指数运算，得到每个所述评估维度对应的权重因变量；
112.将所述初始权重和所述权重因变量代入权重计算公式，得到每个所述评估维度对应的评估权重。
113.可以将所述评估底数值和所述自变量代入指数运算公式，得到每个评估维度对应的权重因变量。指数运算公式可以如下所示：
114.y＝an115.其中a表示评估底数值，n表示自变量，y表示权重因变量。
116.所述权重计算公式可以如下所示：
[0117][0118]
其中表示初始权重，y表示权重因变量，β表示初始权重减去权重因变量的差，即
[0119]
若一评估维度的初始权重减去权重因变量的差大于0，即β大于0，该评估维度对应的评估权重为β；若一评估维度的初始权重减去权重因变量的差小于或等于0，即β小于或等于0，该评估维度对应的评估权重为0。
[0120]
s15，获取所述多个诊疗实例对应的多个用户评分，确定所述目标机构对应的评分权重。
[0121]
示例性的，可以根据多个诊疗实例对应的多个用户评分，求平均评分值，并将所述平均评分值确定为该医疗机构对应的评分权重。
[0122]
s16，基于所述评估权重和所述评分权重，确定所述目标机构对应的机构评分。
[0123]
示例性的，可以将所述评估权重的值与所述评分权重的值相加，得到所述目标机构对应的机构评分。
[0124]
本技术所述的基于人工智能的机构评分方法，通过确定接受到的机构评分请求对应的目标机构以及所述目标机构对应的多个诊疗实例；接着根据所述多个诊疗实例，确定多个评估维度，并计算每个评估维度对应的初始权重；然后计算每个所述评估维度对应的违规实例个数，并基于所述初始权重和所述违规实例个数进行指数运算，得到每个评估维度对应的评估权重，通过计算多个评估维度对应的评估权重，实现了从多个角度对目标机构进行评分，提高了评分的准确性；接着获取所述多个诊疗实例对应的多个用户评分，计算所述用户评分对应的评分权重；最后基于所述评估权重和所述评分权重，确定所述目标机构对应的机构评分，通过从两个权重维度确定目标机构确定的机构评分，可以丰富评分的维度，提高评分的准确性。
[0125]
实施例二
[0126]
图2是本技术实施例二提供的基于人工智能的机构评分装置的结构图。
[0127]
在一些实施例中，所述基于人工智能的机构评分装置20可以包括多个由计算机程序段所组成的功能模块。所述基于人工智能的机构评分装置20中的各个程序段的计算机程序可以存储于电子设备的存储器中，并由至少一个处理器所执行，以执行(详见图1描述)基于人工智能的机构评分方法的功能。
[0128]
本实施例中，所述基于人工智能的机构评分装置20根据其所执行的功能，可以被划分为多个功能模块。所述功能模块可以包括：请求接收模块201、维度确定模块202、违规计算模块203、指数运算模块204、评分获取模块205及评分计算模块206。本技术所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。
[0129]
请求接收模块201，用于若接收到机构评分请求，则确定所述机构评分请求对应的目标机构以及所述目标机构对应的多个诊疗实例。
[0130]
获取用户发送的机构评分请求，所述机构评分请求可以是超文本传输协议(hyper text transfer protocol，http)请求。所述机构评分请求中包括所述用户对应的第一接口地址及所述目标机构对应的第二接口地址，所述第一接口地址可以用户的互联网协议地址(internet protocol address，ip)地址，用于获取所述用户对应的用户信息，所述第二接口地址可以是目标机构的服务器地址，可以用于获取所述目标机构历史患者就诊的诊疗实例。
[0131]
在一个可选的实施方式中，请求接收模块201确定目标机构对应的多个诊疗实例包括：
[0132]
基于所述机构评分请求，确定目标用户；
[0133]
获取所述目标用户对应的用户信息，并基于所述用户信息确定目标用户特征；
[0134]
基于所述目标用户特征，确定所述目标机构对应的多个诊疗实例。
[0135]
示例性的，可以机构评分请求中的携带的信息，确定目标用户的用户身份，并基于机构评分请求中用户对应的第一接口地址，获取所述目标用户对应的用户信息。确定所述用户信息中的目标用户特征，所述目标用户特征可以包括用户性别、用户年龄阶层、用户职业、用户患有的疾病和用户籍贯等特征，目标用户特征可以包括一个或多个。将目标机构历
史患者就诊记录中与所述目标用户特征匹配的诊断实例，确定为所述目标机构对应的诊疗实例，从而得到多个诊疗实例。
[0136]
基于用户信息确定的目标用户特征，确定目标机构对应的诊疗实例，可以实现个性化评分，不同用户可以对应不同的诊疗实例，使得确定的诊疗实例更符合用户的情况，根据该诊断实例得到的评分也更准确。
[0137]
在一个可选的实施方式中，请求接收模块201基于所述目标用户特征，确定所述目标机构对应的多个诊疗实例包括：
[0138]
在预先构建的所述目标机构的实例数据库中，获取每个所述诊疗实例对应的诊疗用户标签；
[0139]
基于所述诊疗用户标签，计算所述目标用户特征与每个诊疗实例的相似度；
[0140]
若所述目标用户特征与一诊疗实例的相似度大于或等于预设相似阈值，则将所述诊疗实例确定为所述目标机构对应的诊疗实例。
[0141]
所述实例数据库中包括所述诊疗实例和所述诊疗用户标签之间的映射关系。每个诊疗实例可以对应一个或多个诊疗用户标签。所述诊疗用户标签可以用于表示历史患者对应的患者特征，诊疗用户标签可以包括性别标签、年龄标签、职业标签、疾病标签、籍贯标签，例如，性别标签可以包括男性、女性；年龄标签可以包括少年、青年、中年和老年等；职业标签可以包括工人、白领、老师等。
[0142]
根据诊疗用户标签和目标用户特征的匹配度，计算所述目标用户特征与每个诊疗实例的相似度。诊疗用户标签和目标用户特征的匹配度越高，目标用户特征与诊疗实例的相似度也越高。可以将诊疗用户标签和目标用户特征的匹配度确定为目标用户特征与诊疗实例的相似度。例如，一诊疗实例对应的诊疗用户标签为：女性，青年，老师，广东，一用户的目标用户特征为：女性，青年，广东，白领，所以该目标用户特征与该诊疗用户标签的匹配度为75％，该目标用户特征与该诊疗实例的相似度为75％。
[0143]
预设相似度可以根据实际情况进行设置，在此不做过多限定。通过计算所述目标用户特征与每个诊疗实例的相似度，可以提高确定目标机构对应的诊疗实例的准确率。
[0144]
在一个可选的实施方式中，在预先构建的所述目标机构的实例数据库中，获取每个所述诊疗实例对应的诊疗用户标签之前，请求接收模块201还用于：
[0145]
获取样本数据和样本标签，其中，所述样本数据包括样本诊断病例对应的描述文本，所述样本标签包括所述样本诊断病例对应的诊疗用户标签；
[0146]
根据所述描述文本确定所述样本诊断病例对应的关键词集合，并将所述关键词集合输入至诊疗标签模型，得到所述样本诊断病例对应的预测用户标签；
[0147]
根据所述诊断用户标签和所述预测用户标签，计算损失值；
[0148]
根据所述损失值调整所述诊疗标签模型的模型参数，并继续使用所述关键词集合训练所述诊疗标签模型，直至所述损失值小于预设损失阈值，得到训练完成的诊疗标签模型；
[0149]
将所述目标机构的诊疗实例输入至所述诊疗标签模型中，得到所述诊疗实例对应的诊疗用户标签；
[0150]
基于所述诊疗实例以及其对应的诊疗用户标签，构建实例数据库。
[0151]
样本数据是用于训练诊疗标签模型的数据，具体的，样本数据是样本诊断病例对
应的描述文本。示例性的，患者就医后，医院会对患者的身份信息和就医信息进行记录，得到诊断病例，获取诊断病例对应的记录，即描述文本。
[0152]
诊断用户标签是指对样本诊断病例在不同维度的一个介绍，可以包括性别维度、年龄维度、职业维度、疾病维度、籍贯维度等。比如患者对应的诊断用户标签可以是性别标签(男性和女性等)、年龄标签(少年、青年、中年和老年等)、职业标签(工人、白领和老师等)、疾病标签、籍贯标签，例如，性别标签可以包括男性、女性；年龄标签可以包括少年、青年、中年和老年等；职业标签可以包括工人、白领、老师等。确定每个诊断实例对应的诊断用户标签。
[0153]
在本技术提供的诊断标签模型中，获取一些描述文本做为样本数据，这些描述文本中包括人工批注的诊断用户标签，并将所述诊断用户标签作为样本标签，用以训练一个可以根据描述文本生成对应诊断用户标签的诊疗标签模型。
[0154]
在一个可选的实施方式中，请求接收模块201根据所述描述文本确定所述样本诊断病例对应的关键词集合包括：
[0155]
将所述描述文本切分为多个文本语句，并将每个文本语句切分为多个分词；
[0156]
识别每个分词的词性，并将多个预设词性的分词进行保留；
[0157]
将保留后的多个分词，确定为所述样本诊断病例对应的关键词集合。
[0158]
可以基于描述文本中的标点将描述文本切分为多个文本语句。计算机设备可以采用分词工具将每个文本语句切分为多个分词。其中，所述分词工具可以为结巴分词工具。
[0159]
其中，所述多个预设词性包括名词、动词、形容词，所述样本诊断病例对应的描述文本中还会有很多虚词、副词、标点符号等无用词。无用词会影响诊断标签模型识别的准确率，所以对无用词进行滤除后，可以提高诊断标签模式识别的效率。
[0160]
维度确定模块202，用于根据所述多个诊疗实例，确定多个评估维度，并计算每个所述评估维度对应的初始权重。
[0161]
每个诊断实例至少包括一个评估维度，确定每个所述诊断实例对应的评价维度，得到多个评价维度，并基于所述多个评价维度，得到多个评估维度。例如，可以将所述诊断实例对应的多个评价维度确定为所述目标机构的多个评估维度。多个评估维度可以从多个方面对医疗机构进行评估。所述评价维度和所述评估维度可以包括：医师资质、处方风险、静脉输液占比、抗菌药使用、大额收费、不合理收费、患者知情维度、处方合理性等等。
[0162]
示例性的，可以根据每个评估维度对应的诊疗实例个数在全部评估维度对应的诊疗实例总数，确定每个评估维度对应的初始权重。其中，每个评估维度对应的初始权重之和等于预设权重总值，预设权重总值可以设置为50、100等，在此不做任何限定。
[0163]
在一个可选的实施方式中，维度确定模块202根据所述多个诊疗实例，确定多个评估维度，并计算每个所述评估维度对应的初始权重包括：
[0164]
查询预设评估维度表，确定每个所述诊断实例对应的评价维度；
[0165]
基于每个所述诊断实例对应的评价维度，确定多个评估维度；
[0166]
计算每个所述评估维度对应的诊疗实例个数；
[0167]
基于每个所述评估维度对应的诊疗实例个数和所述多个评估维度对应的诊断实例总数的比值，确定每个所述评估维度对应的初始权重。
[0168]
预先根据诊断实例的内容，设置评估维度表，评估维度表中记录了每个诊断实例
与评价维度之间的映射关系。确定目标用户对应的多个诊断实例后，可以根据诊断实例去评估维度表中进行查询，确定每个所述诊断实例对应的评价维度，从而确定所述多个诊断实例对应的多个评估维度。
[0169]
示例性的，将每个所述评估维度对应的诊疗实例个数和所述多个评估维度对应的诊断实例总数的比值乘以预设权重总值，得到每个所述评估维度对应的初始权重。
[0170]
违规计算模块203，用于计算每个所述评估维度对应的违规实例个数。
[0171]
按照预设的评估标准，计算每个所述评估维度对应的违规实例个数。
[0172]
示例性的，可以根据预设的评估知识图谱，计算每个所述评估维度对应的违规实例个数。预先设置的评估知识图谱中记录了每个评估维度对应的评估标准，基于所述评估标准计算每个所述评估维度对应的违规实例个数。例如，当评估维度为医师资质时，所述评估标准为所述诊断实例对应的医师是否符合进行诊断的医师资质，若诊断实例对应的医师不符合进行诊断的医师资质，确定该诊断实例在医师资质这一评估维度上为违规实例。
[0173]
评估维度(抗菌药使用)的评估标准可以包括：抗菌药处方占比需要小于全部药的10％，或抗菌药品种需要小于10种。每个所述评估维度的评估标准可以根据实际情况进行设定，在此不做过多的限制。
[0174]
指数运算模块204，用于基于所述初始权重和所述违规实例个数进行指数运算，得到每个所述评估维度对应的评估权重。
[0175]
可以将评估维度的初始权重减去该评估维度违规实例计算得到的违规下降指数，得到每个评估维度对应的评估权重。将去评估维度对应的违规实例越多，该评估维度对应的评估权重越小。随着评估维度对应的违规实例的增多，该评估维度对应的评估权重成指数下降。
[0176]
在一个可选的实施方式中，指数运算模块204基于所述初始权重和所述违规实例个数进行指数运算，得到每个所述评估维度对应的评估权重包括：
[0177]
根据每个所述评估维度对应的诊疗实例个数，确定每个所述评估维度对应的评估底数值；
[0178]
将每个所述评估维度的违规实例个数，确定为每个所述评估维度的自变量；
[0179]
根据所述评估底数值和所述自变量进行指数运算，得到每个所述评估维度对应的权重因变量；
[0180]
将所述初始权重和所述权重因变量代入权重计算公式，得到每个所述评估维度对应的评估权重。
[0181]
可以将所述评估底数值和所述自变量代入指数运算公式，得到每个评估维度对应的权重因变量。指数运算公式可以如下所示：
[0182]
y＝an[0183]
其中a表示评估底数值，n表示自变量，y表示权重因变量。
[0184]
所述权重计算公式可以如下所示：
[0185][0186]
其中表示初始权重，y表示权重因变量，β表示初始权重减去权重因变量的差，即
[0187]
若一评估维度的初始权重减去权重因变量的差大于0，即β大于0，该评估维度对应的评估权重为β；若一评估维度的初始权重减去权重因变量的差小于或等于0，即β小于或等于0，该评估维度对应的评估权重为0。
[0188]
评分获取模块205，用于获取所述多个诊疗实例对应的多个用户评分，确定所述目标机构对应的评分权重。
[0189]
示例性的，可以根据多个诊疗实例对应的多个用户评分，求平均评分值，并将所述平均评分值确定为该医疗机构对应的评分权重。
[0190]
评分计算模块206，用于所述评估权重和所述评分权重，确定所述目标机构对应的机构评分。
[0191]
示例性的，可以将所述评估权重的值与所述评分权重的值相加，得到所述目标机构对应的机构评分。
[0192]
本技术所述的基于人工智能的机构评分装置，通过确定接受到的机构评分请求对应的目标机构以及所述目标机构对应的多个诊疗实例；接着根据所述多个诊疗实例，确定多个评估维度，并计算每个评估维度对应的初始权重；然后计算每个所述评估维度对应的违规实例个数，并基于所述初始权重和所述违规实例个数进行指数运算，得到每个评估维度对应的评估权重，通过计算多个评估维度对应的评估权重，实现了从多个角度对目标机构进行评分，提高了评分的准确性；接着获取所述多个诊疗实例对应的多个用户评分，计算所述用户评分对应的评分权重；最后基于所述评估权重和所述评分权重，确定所述目标机构对应的机构评分，通过从两个权重维度确定目标机构确定的机构评分，可以丰富评分的维度，提高评分的准确性。
[0193]
实施例三
[0194]
本实施例提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述基于人工智能的机构评分方法实施例中的步骤，例如图1所示的s11-s16：
[0195]
s11，若接收到机构评分请求，则确定所述机构评分请求对应的目标机构以及所述目标机构对应的多个诊疗实例；
[0196]
s12，根据所述多个诊疗实例，确定多个评估维度，并计算每个所述评估维度对应的初始权重；
[0197]
s13，计算每个所述评估维度对应的违规实例个数；
[0198]
s14，基于所述初始权重和所述违规实例个数进行指数运算，得到每个所述评估维度对应的评估权重；
[0199]
s15，获取所述多个诊疗实例对应的多个用户评分，确定所述目标机构对应的评分权重；
[0200]
s16，基于所述评估权重和所述评分权重，确定所述目标机构对应的机构评分。
[0201]
或者，该计算机程序被处理器执行时实现上述装置实施例中各模块/单元的功能，例如图2中的模块201-206：
[0202]
请求接收模块201，用于若接收到机构评分请求，则确定所述机构评分请求对应的目标机构以及所述目标机构对应的多个诊疗实例；
[0203]
维度确定模块202，用于根据所述多个诊疗实例，确定多个评估维度，并计算每个所述评估维度对应的初始权重；
[0204]
违规计算模块203，用于计算每个所述评估维度对应的违规实例个数；
[0205]
指数运算模块204，用于基于所述初始权重和所述违规实例个数进行指数运算，得到每个所述评估维度对应的评估权重；
[0206]
评分获取模块205，用于获取所述多个诊疗实例对应的多个用户评分，确定所述目标机构对应的评分权重；
[0207]
评分计算模块206，用于基于所述评估权重和所述评分权重，确定所述目标机构对应的机构评分。
[0208]
实施例四
[0209]
参阅图3所示，为本技术实施例三提供的电子设备的结构示意图。在本技术较佳实施例中，所述电子设备3包括存储器31、至少一个处理器32、收发器33及至少一条通信总线34。
[0210]
本领域技术人员应该了解，图3示出的电子设备的结构并不构成本技术实施例的限定，既可以是总线型结构，也可以是星形结构，所述电子设备3还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。
[0211]
在一些实施例中，所述电子设备3是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述电子设备3还可包括客户设备，所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、数码相机等。
[0212]
需要说明的是，所述电子设备3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本技术，也应包含在本技术的保护范围以内，并以引用方式包含于此。
[0213]
在一些实施例中，所述存储器31中存储有计算机程序，所述计算机程序被所述至少一个处理器32执行时实现如所述的基于人工智能的机构评分方法中的全部或者部分步骤。所述存储器31包括只读存储器(read-only memory，rom)、可编程只读存储器(programmable read-only memory，prom)、可擦除可编程只读存储器(erasable programmable read-only memory，eprom)、一次可编程只读存储器(one-time programmable read-only memory，otprom)、电子擦除式可复写只读存储器(electrically-erasable programmable read-only memory，eeprom)、只读光盘(compact disc read-only memory，cd-rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
[0214]
进一步地，所述计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
[0215]
本技术所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品
服务层以及应用服务层等。
[0216]
在一些实施例中，所述至少一个处理器32是所述电子设备3的控制核心(control unit)，利用各种接口和线路连接整个电子设备3的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块，以及调用存储在所述存储器31内的数据，以执行电子设备3的各种功能和处理数据。例如，所述至少一个处理器32执行所述存储器中存储的计算机程序时实现本技术实施例中所述的基于人工智能的机构评分方法的全部或者部分步骤；或者实现基于人工智能的机构评分装置的全部或者部分功能。所述至少一个处理器32可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。
[0217]
在一些实施例中，所述至少一条通信总线34被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
[0218]
尽管未示出，所述电子设备3还可以包括给各个部件供电的电源(比如电池)，优选的，电源可以通过电源管理装置与所述至少一个处理器32逻辑相连，从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备3还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0219]
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)或处理器(processor)执行本技术各个实施例所述方法的部分。
[0220]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0221]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0222]
另外，在本技术各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0223]
对于本领域技术人员而言，显然本技术不限于上述示范性实施例的细节，而且在不背离本技术的精神或基本特征的情况下，能够以其他的具体形式实现本技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本技术内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或，单数不排除复数。说明书中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
[0224]
最后应说明的是，以上实施例仅用以说明本技术的技术方案而非限制，尽管参照较佳实施例对本技术进行了详细说明，本领域的普通技术人员应当理解，可以对本技术的技术方案进行修改或等同替换，而不脱离本技术技术方案的精神和范围。