一种医疗分诊方法和医疗分诊装置与流程

1.本技术涉及信息处理技术领域，尤其是涉及到一种医疗分诊方法和医疗分诊装置。


背景技术：

2.随着人工智能和互联网技术的普及，越来越多人使用智能导诊服务，也即，通过收集用户的主诉和基本信息，人工智能进行科室、医院或医生的匹配推荐。在这个过程中，疾病和症状信息往往占有较大的权重，然而有一些用户的问诊诉求是可以匹配到多个科室的，例如，主诉月经不调，无论匹配到中医科，还是西医科，都是可以的。
3.然而，相关技术中的互联网医疗平台的智能导诊服务虽然能够引导用户进一步完善病情信息并且关注于疾病症状，但对于中医科和西医科均可以匹配的主诉，最后还是仅仅基于主诉的疾病症状固定匹配到单一科室，并没有考虑其他用户特征，这样的分诊准确性较低，可能导致医生问诊过程中出现转诊(例如，西医医生问诊后发现该用户更适于中医诊治，则把用户转入中医科并重新匹配医生)，或者匹配到的科室医生对用户的问题没有更专业精准的解决方式，从而降低了用户的就诊体验。


技术实现要素：

4.有鉴于此，本技术提供了一种医疗分诊方法和医疗分诊装置，解决了相关技术中分诊准确率较低的问题。
5.第一方面，本技术实施例提供了一种医疗分诊方法，包括：
6.接收用户的问诊指令，解析问诊指令，获取用户的账号信息和问诊信息；
7.若问诊信息中包括目标症状信息，则查询预存的与账号信息对应的中西医偏好分数，其中，目标症状为中医和西医均适于诊治的症状；
8.若查询到中西医偏好分数，则根据中西医偏好分数，确定将用户分诊至中医科室或西医科室。
9.根据本技术实施例的上述医疗分诊方法，还可以具有以下附加技术特征：
10.在上述技术方案中，可选地，根据中西医偏好分数，确定将用户分诊至中医科室或西医科室，包括：
11.判断中西医偏好分数所处的数值范围；
12.若中西医偏好分数处于第一数值范围，则将用户分诊至中医科室；
13.若中西医偏好分数处于第二数值范围，则根据目标症状信息和西医科室预测模型，将用户分诊至多个子西医科室中的目标子西医科室，其中西医科室包括多个子西医科室。
14.在上述任一技术方案中，可选地，在查询预存的与账号信息对应的中西医偏好分数之后，还包括：
15.若未查询到中西医偏好分数，则根据目标症状信息和西医科室预测模型，预测目
标子西医科室；
16.显示中医科室的标识和目标子西医科室的标识，以供用户选择；
17.接收用户的选择指令，解析选择指令，若确定用户选择中医科室的标识，则将用户分诊至中医科室，若确定用户选择目标子西医科室的标识，则将用户分诊至目标子西医科室。
18.在上述任一技术方案中，可选地，在接收用户的问诊指令之前，还包括：
19.在预设的定时时间，根据用户的历史就诊信息，计算用户的中西医偏好分数，并存储中西医偏好分数。
20.在上述任一技术方案中，可选地，中西医偏好分数的计算方式，包括：
21.根据用户的账号信息，获取账号信息对应的历史就诊信息；
22.在历史就诊信息中筛选得到中西医偏好的影响因子；
23.根据中西医偏好的影响因子和中西医科室预测模型，计算用户的中西医偏好分数；
24.其中，中西医偏好的影响因子包括以下至少一项：中医问诊次数、西医问诊次数、中医点诊次数、西医点诊次数、浏览中医的历史数据、浏览西医的历史数据、中医处方消费额、西医处方消费额。
25.在上述任一技术方案中，可选地，中西医科室预测模型为：
[0026][0027]
其中，s为中西医偏好分数，ai为第i个中西医偏好的影响因子，ai为第i个中西医偏好的影响因子的权重系数，n为中西医偏好的影响因子的数量。
[0028]
在上述任一技术方案中，可选地，在计算所述中西医偏好分数之前，还包括：
[0029]
根据科室问诊流量和/或运营需求信息，对中西医偏好的影响因子的权重系数进行调整。
[0030]
在上述任一技术方案中，可选地，在确定将用户分诊至中医科室或西医科室之后，还包括：
[0031]
收集用户的转诊数据和付费转化率，调节中西医偏好的影响因子和/或影响因子的权重系数。
[0032]
在上述任一技术方案中，可选地，在根据中西医偏好的影响因子和中西医科室预测模型，计算用户的中西医偏好分数之前，还包括：
[0033]
构建中西医科室预测模型；
[0034]
其中，构建中西医科室预测模型的方式，包括：
[0035]
在样本用户的历史就诊信息中获取样本用户的中西医偏好的影响因子，以及将样本用户是否具有中医问诊订单作为预测目标；
[0036]
利用xgboost模型对样本用户的中西医偏好的影响因子和预测目标进行训练，得到每个影响因子的权重系数；
[0037]
保留权重系数大于或等于预设阈值的影响因子，并根据保留的影响因子及其权重系数，得到中西医科室预测模型。
[0038]
第二方面，本技术实施例提供了一种医疗分诊装置，包括：
[0039]
接收模块，用于接收用户的问诊指令；
[0040]
解析模块，用于解析问诊指令，获取用户的账号信息和问诊信息；
[0041]
查询模块，用于若问诊信息中包括目标症状信息，则查询预存的与账号信息对应的中西医偏好分数，其中，目标症状为中医和西医均适于诊治的症状；
[0042]
分诊模块，用于若查询到中西医偏好分数，则根据中西医偏好分数，确定将用户分诊至中医科室或西医科室。
[0043]
第三方面，本技术实施例提供了一种电子设备，该电子设备包括处理器和存储器，存储器存储可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如第一方面的方法的步骤。
[0044]
第四方面，本技术实施例提供了一种可读存储介质，可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如第一方面的方法的步骤。
[0045]
第五方面，本技术实施例提供了一种芯片，该芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行程序或指令，实现如第一方面的方法。
[0046]
第六方面，本技术实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如第一方面的方法。
[0047]
在本技术实施例中，接收用户的问诊指令，对该问诊指令进行解析，得到用户的账号信息和用户的问诊信息，问诊信息也即用户发出的语音或文字信息。分析该问诊信息，获取该问诊信息中包括的症状，也即，确定用户的主诉症状。根据历史的主诉科室匹配数据和医疗参考书籍数据，对用户的主诉症状进行判断，如果该主诉症状为目标症状，也即，中医和西医均适于诊治的症状，则在缓存中查询是否存储有与用户的账号信息对应的中西医偏好分数，该中西医偏好分数代表了该用户对中医或西医的偏好程度。如果查询到了该用户的中西医偏好分数，表明该用户存在问诊记录，则根据中西医偏好分数，确定将用户分诊至中医科室还是分诊至西医科室。
[0048]
本技术实施例，如果用户主诉中包括目标症状的词汇，则结合用户的中西医偏好，可以得到更精准的科室推荐结果，避免无效问诊浪费医患双方时间，以及避免分诊资源的消耗，提高了用户体验和最后的处方成交率。
[0049]
上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
[0050]
此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
[0051]
图1示出了本技术实施例的医疗分诊方法的流程示意图之一；
[0052]
图2示出了本技术实施例的医疗分诊方法的流程示意图之二；
[0053]
图3示出了本技术实施例的医疗分诊装置的结构框图；
[0054]
图4示出了本技术实施例的电子设备的结构框图。
具体实施方式
[0055]
下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚地描
述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员获得的所有其他实施例，都属于本技术保护的范围。
[0056]
本技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
[0057]
医疗云(medical cloud)，是指在云计算、移动技术、多媒体、4g通信、大数据以及物联网等新技术基础上，结合医疗技术，使用“云计算”来创建医疗健康服务云平台，实现了医疗资源的共享和医疗范围的扩大。因为云计算技术的运用与结合，提高了医疗机构的效率，方便居民就医。目前医院的预约挂号、电子病历、医保等都是云计算与医疗领域结合的产物，医疗云还具有数据安全、信息共享、动态扩展、布局全局的优势。
[0058]
本技术实施例中的医疗分诊方法即基于医疗健康服务云平台，实现医患线上分诊、问诊。
[0059]
下面结合附图，通过具体的实施例及其应用场景对本技术实施例提供的医疗分诊方法和医疗分诊装置进行详细地说明。
[0060]
本技术实施例提供了一种医疗分诊方法，应用于医疗健康服务云平台，如图1所示，该方法包括：
[0061]
步骤101，接收用户的问诊指令，解析问诊指令，获取用户的账号信息和问诊信息。
[0062]
在该步骤中，如图2所示，接收用户的问诊指令，对该问诊指令进行解析，得到用户的账号信息和用户的问诊信息，问诊信息也即用户发出的语音或文字信息。分析该问诊信息，获取该问诊信息中包括的症状，也即，确定用户的主诉症状。
[0063]
步骤102，若问诊信息中包括目标症状信息，则查询预存的与账号信息对应的中西医偏好分数，其中，目标症状为中医和西医均适于诊治的症状。
[0064]
在该步骤中，根据历史的主诉科室匹配数据和医疗参考书籍数据，对用户的主诉症状进行判断，如果该主诉症状为目标症状，也即，中医和西医均适于诊治的症状，例如减肥、咳嗽、月经不调、痤疮、痘痘等，如图2所示，则在缓存(例如，redis缓存)中查询是否存储有与用户的账号信息对应的中西医偏好分数，该中西医偏好分数代表了该用户对中医或西医的偏好程度，也即，用户习惯看中医还是看西医。
[0065]
步骤103，若查询到中西医偏好分数，则根据中西医偏好分数，确定将用户分诊至中医科室或西医科室。
[0066]
在该步骤中，如果查询到了该用户的中西医偏好分数，表明该用户为老用户，存在问诊记录，则根据中西医偏好分数，确定将用户分诊至中医科室还是分诊至西医科室。
[0067]
本技术实施例，如果用户主诉中包括目标症状的词汇，则结合用户的中西医偏好，可以得到更精准的科室推荐结果，避免无效问诊浪费医患双方时间，以及避免分诊资源的消耗，提高了用户体验和最后的处方成交率。
[0068]
在本技术的一个实施例中，根据中西医偏好分数，确定将用户分诊至中医科室或西医科室，包括：判断中西医偏好分数所处的数值范围；若中西医偏好分数处于第一数值范
围，则将用户分诊至中医科室；若中西医偏好分数处于第二数值范围，则根据目标症状信息和西医科室预测模型，将用户分诊至多个子西医科室中的目标子西医科室，其中西医科室包括多个子西医科室。
[0069]
在该实施例中，从缓存中根据用户的账号信息取出用户的中西医偏好分数后，对该中西医偏好分数进行判断，判断其处于第一数值范围还是第二数值范围内，其中，第一数值范围对应中医偏好，第二数值范围对应西医偏好。例如，第一数值范围为大于等于0.5且小于等于1，第二数值范围为大于等于0且小于0.5，如果用户的中西医偏好分数为0.6，则表示用户为中医偏好，如图2所示，则将用户分诊至中医科室，如果用户的中西医偏好分数为0.3，则表示用户为西医偏好，则将用户分诊至西医科室。
[0070]
进一步地，由于西医科室还有划分更多的子西医科室，例如，内科、外科、耳鼻喉科、呼吸科等等。所以，在确定为用户分诊西医科室后，还需要再为用户分诊到对应的子西医科室。具体地，如图2所示，根据目标症状信息和西医科室预测模型，预测出能够诊治用户的目标症状的目标子西医科室，再将用户分诊至目标子西医科室。
[0071]
通过上述方式，实现对用户的中西医的精准分诊，提高问诊效果。
[0072]
在本技术的一个实施例中，在查询预存的与账号信息对应的中西医偏好分数之后，还包括：若未查询到中西医偏好分数，则根据目标症状信息和西医科室预测模型，预测目标子西医科室；显示中医科室的标识和目标子西医科室的标识，以供用户选择；接收用户的选择指令，解析选择指令，若确定用户选择中医科室的标识，则将用户分诊至中医科室，若确定用户选择目标子西医科室的标识，则将用户分诊至目标子西医科室。
[0073]
在该实施例中，如果在缓存中没有查询到用户的中西医偏好分数，表明用户没有历史问诊记录，用户可能为新用户，如图2所示，则可以由用户自行选择问诊中医还是西医。具体地，首先，根据目标症状信息和西医科室预测模型，预测出与用户的目标症状匹配的目标子西医科室。进一步地，将中医科室和预测好的目标子西医科室均提供给用户，供用户自行选择，在接收到用户的选择后，完成分诊。
[0074]
需要说明的是，还可以在预测目标子西医科室之前，显示中医科室的标识和西医科室的标识，以供用户选择，如果用户选择了西医科室，再进一步地预测与用户的目标症状匹配的目标子西医科室，并将用户分诊至目标子西医科室。
[0075]
通过上述方式，在没有用户偏好记录的情况下，实现用户的自主选择，保证为用户提供满意的问诊服务。
[0076]
在本技术的一个实施例中，在接收用户的问诊指令之前，还包括：在预设的定时时间，根据用户的历史就诊信息，计算用户的中西医偏好分数，并存储中西医偏好分数。也就是说，预设的定时时间要早于接收用户的问诊指令的时间。
[0077]
在该实施例中，如图2所示，hive平台会基于定时任务，在每天固定的空闲时间，也即，用户较少使用医疗健康服务云平台的时间(例如每天12:00-4:00)，执行程序，以拉取一段时间(例如，近一年)内的用户的历史就诊信息，并计算出用户的中西医偏好分数，再以用户的账号信息作为key将中西医偏好分数存入缓存的自动执行程序。
[0078]
需要说明的是，计算结束后，旧的历史就诊信息会被清洗，从而不占用过多存储资源。
[0079]
本技术实施例，在每天空闲时间自动完成一段时间内用户数据的抽取清洗、中西
医偏好分数计算的任务，并将计算好的中西医偏好分数存储在缓存中。在进行分诊时，可根据用户的账号信息迅速提取中西医偏好分数，节省了实时进行以上工作所需要的时间和资源，从而缩短了用户导诊的等待时间，减少用户流失率。
[0080]
在本技术的一个实施例中，中西医偏好分数的计算方式，包括：根据用户的账号信息，获取账号信息对应的历史就诊信息；在历史就诊信息中筛选得到中西医偏好的影响因子；根据中西医偏好的影响因子和中西医科室预测模型，计算用户的中西医偏好分数；其中，中西医偏好的影响因子包括以下至少一项：中医问诊次数、西医问诊次数、中医点诊次数、西医点诊次数、浏览中医的历史数据、浏览西医的历史数据、中医处方消费额、西医处方消费额。
[0081]
其中，中西医科室预测模型为：
[0082][0083]
s为中西医偏好分数，ai为第i个中西医偏好的影响因子，ai为第i个中西医偏好的影响因子的权重系数，n为中西医偏好的影响因子的数量。影响因子和影响因子对应的权重系数均为中西医科室预测模型的模型参数，不同的影响因子分别具有其对用户的中西医偏好影响的权重系数，权重系数越大的影响因子，对中西医偏好的影响越大，权重系数越小的影响因子，对中西医偏好的影响越小。
[0084]
需要说明的是，本技术实施例中的中西医科室预测模型还可以为其他形式，上述形式仅为其中一种，也即，中西医科室预测模型还可以包括其他模型参数。
[0085]
在该实施例中，在根据用户的账号信息拉取一段时间(例如，近一年)内的用户的历史就诊信息后，在历史就诊信息中筛选出影响用户中西医偏好的影响因子，包括但不限于中医问诊次数、西医问诊次数、中医点诊次数、西医点诊次数、浏览中医的历史数据(例如，浏览中医的历史次数、浏览中医的历史时长)、浏览西医的历史数据、中医处方消费额、西医处方消费额等。
[0086]
进一步地，将中西医偏好的影响因子输入至中西医科室预测模型中，输出用户的中西医偏好分数。
[0087]
通过上述方式，实现对中西医偏好分数的准确计算，保证对用户的中西医偏好具有较好效果的预测。
[0088]
在本技术的一个实施例中，在计算中西医偏好分数之前，还包括：根据科室问诊流量和/或运营需求信息，对中西医偏好的影响因子的权重系数进行调整。
[0089]
在该实施例中，提供权重系数的调整功能。具体地，由于每个科室服务的医生数量和忙闲程度(也即，科室问诊流量)不同、医疗健康服务云平台的进行一些运营营销活动(也即，运营需求信息)、中医科的客单价高于西医科的客单价等原因，可以通过对各个影响因子的权重系数作调整，从而影响预测分数和科室分诊流量。
[0090]
例如，在一些营销活动中，想让中医科室有更多的患者，则可以调整中医点诊次数的权重系数，以使预测出的用户对中医的偏好增大。或者，在发现中医科室有太多的患者问诊时，可以调整西医点诊次数的权重系数，以使预测出的用户对西医的偏好增大。
[0091]
本技术实施例，可以通过微调权重影响中西医的流量，有利于活动运营工作，提高了对科室的分诊流量可控性。
[0092]
当然，为了进行分诊流量调控，也可以直接对预测出的中西医偏好分数进行调节。
但是，由于调整某个或某些影响因子的权重系数，属于对用户的中西医偏好的微调，避免过多人为因素影响而导致偏好预测不准确。
[0093]
在本技术的一个实施例中，在确定将用户分诊至中医科室或西医科室之后，还包括：收集用户的转诊数据和付费转化率，调节中西医偏好的影响因子和/或影响因子的权重系数。
[0094]
在该实施例中，中西医科室预测模型上线后，可收集转诊数据和付费转化率作为模型迭代的训练数据，以调节中西医偏好的影响因子和/或影响因子的权重系数，其中，付费转化率可包括处方成交率、成交利润等信息。
[0095]
本技术实施例，通过上述方式，实现对中西医科室预测模型的优化，提高中西医科室预测模型预测准确度，加强了中西医科室预测模型的可调节性。
[0096]
在本技术的一个实施例中，在根据中西医偏好的影响因子和中西医科室预测模型，计算用户的中西医偏好分数之前，还包括：构建中西医科室预测模型；其中，构建中西医科室预测模型的方式，包括：在样本用户的历史就诊信息中获取样本用户的中西医偏好的影响因子，以及将样本用户是否具有中医问诊订单作为预测目标；利用xgboost模型对样本用户的中西医偏好的影响因子和预测目标进行训练，得到每个影响因子的权重系数；保留权重系数大于或等于预设阈值的影响因子，并根据保留的影响因子及其权重系数，得到中西医科室预测模型。
[0097]
在该实施例中，获取样本用户的历史就诊信息，筛选出影响样本用户中西医偏好的影响因子，包括中医问诊次数、西医问诊次数、中医点诊次数、西医点诊次数、浏览中医的历史数据、浏览西医的历史数据、中医处方消费额、西医处方消费额等。将样本用户是否有过中医订单记录作为模型的预测目标，假设样本用户有过对中医处方或服务的订单记录就具有中医科偏好，从而免除了手工标注工作。
[0098]
进一步地，将影响因子和预测目标进行清洗处理后，利用xgboost模型进行训练，参数可以为：超参数n_estimators、决策树个数＝25、学习率＝0.1、scale_pos_weight＝37.72、objective＝binary:logistic。训练完成后可以得到每个影响因子的权重系数，去除权重系数极小的影响因子后，将余下的影响因子的权重进行0-1标准化。得到中西医科室预测模型。
[0099]
此外，通过中西医科室预测模型计算中西医偏好分数，如果中西医偏好分数》阈值k，则判断用户有中医偏好。在特定的数值范围内根据0.05的差值得到多个备选k值，经过多轮训练数据实验测试，取准确率最高时的数值作为阈值k。
[0100]
通过上述方式，构建出中西医科室预测模型，实现对中西医偏好分数的准确计算。
[0101]
作为上述医疗分诊方法的具体实现，本技术实施例提供了一种医疗分诊装置。如图3所示，该医疗分诊装置300包括：接收模块301、解析模块302、查询模块303以及分诊模块304。
[0102]
其中，接收模块301，用于接收用户的问诊指令；解析模块302，用于解析问诊指令，获取用户的账号信息和问诊信息；查询模块303，用于若问诊信息中包括目标症状信息，则查询预存的与账号信息对应的中西医偏好分数，其中，目标症状为中医和西医均适于诊治的症状；分诊模块304，用于若查询到中西医偏好分数，则根据中西医偏好分数，确定将用户分诊至中医科室或西医科室。
[0103]
在该实施例中，接收用户的问诊指令，对该问诊指令进行解析，得到用户的账号信息和用户的问诊信息，问诊信息也即用户发出的语音或文字信息。分析该问诊信息，获取该问诊信息中包括的症状，也即，确定用户的主诉症状。根据历史的主诉科室匹配数据和医疗参考书籍数据，对用户的主诉症状进行判断，如果该主诉症状为目标症状，也即，中医和西医均适于诊治的症状，则在缓存中查询是否存储有与用户的账号信息对应的中西医偏好分数，该中西医偏好分数代表了该用户对中医或西医的偏好程度。如果查询到了该用户的中西医偏好分数，表明该用户存在问诊记录，则根据中西医偏好分数，确定将用户分诊至中医科室还是分诊至西医科室。
[0104]
本技术实施例，如果用户主诉中包括目标症状的词汇，则结合用户的中西医偏好，可以得到更精准的科室推荐结果，避免无效问诊浪费医患双方时间，以及避免分诊资源的消耗，提高了用户体验和最后的处方成交率。
[0105]
在本技术的一个实施例中，该医疗分诊装置300还包括：判断模块，用于判断中西医偏好分数所处的数值范围；分诊模块304，具体用于：若中西医偏好分数处于第一数值范围，则将用户分诊至中医科室；若中西医偏好分数处于第二数值范围，则根据目标症状信息和西医科室预测模型，将用户分诊至多个子西医科室中的目标子西医科室，其中西医科室包括多个子西医科室。
[0106]
在本技术的一个实施例中，分诊模块304，还用于若未查询到中西医偏好分数，则根据目标症状信息和西医科室预测模型，预测目标子西医科室；该医疗分诊装置300还包括：显示模块，用于显示中医科室的标识和目标子西医科室的标识，以供用户选择；接收模块301，还用于接收用户的选择指令；解析模块302，还用于解析选择指令，确定用户选择的中医科室的标识；分诊模块304，还用于若确定用户选择中医科室的标识，则将用户分诊至中医科室，若确定用户选择目标子西医科室的标识，则将用户分诊至目标子西医科室。
[0107]
在本技术的一个实施例中，该医疗分诊装置300还包括：计算模块，用于在预设的定时时间，根据用户的历史就诊信息，计算用户的中西医偏好分数；存储模块，用于存储中西医偏好分数。
[0108]
在本技术的一个实施例中，计算模块，具体用于：根据用户的账号信息，获取账号信息对应的历史就诊信息；在历史就诊信息中筛选得到中西医偏好的影响因子；根据中西医偏好的影响因子和中西医科室预测模型，计算用户的中西医偏好分数；其中，中西医偏好的影响因子包括以下至少一项：中医问诊次数、西医问诊次数、中医点诊次数、西医点诊次数、浏览中医的历史数据、浏览西医的历史数据、中医处方消费额、西医处方消费额。
[0109]
在本技术的一个实施例中，中西医科室预测模型为：
[0110][0111]
其中，s为中西医偏好分数，ai为第i个中西医偏好的影响因子，ai为第i个中西医偏好的影响因子的权重系数，n为中西医偏好的影响因子的数量。
[0112]
在本技术的一个实施例中，该医疗分诊装置300还包括：调整模块，用于根据科室问诊流量和/或运营需求信息，对中西医偏好的影响因子的权重系数进行调整。
[0113]
在本技术的一个实施例中，调整模块，还用于收集用户的转诊数据和付费转化率，调节中西医偏好的影响因子和/或影响因子的权重系数。
[0114]
在本技术的一个实施例中，该医疗分诊装置300还包括：构建模块，用于构建中西
医科室预测模型；其中，构建模块，具体用于：在样本用户的历史就诊信息中获取样本用户的中西医偏好的影响因子，以及将样本用户是否具有中医问诊订单作为预测目标；利用xgboost模型对样本用户的中西医偏好的影响因子和预测目标进行训练，得到每个影响因子的权重系数；保留权重系数大于或等于预设阈值的影响因子，并根据保留的影响因子及其权重系数，得到中西医科室预测模型。
[0115]
本技术实施例中的医疗分诊装置300可以是电子设备，也可以是电子设备中的部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。示例性的，电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(mobile internet device，mid)、机器人、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，umpc)、上网本或者个人数字助理(personal digital assistant，pda)等，还可以为服务器、网络附属存储器(network attached storage，nas)、个人计算机(personal computer，pc)、柜员机或者自助机等，本技术实施例不作具体限定。
[0116]
本技术实施例中的医疗分诊装置300可以为具有操作系统的装置。该操作系统可以为安卓(android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本技术实施例不作具体限定。
[0117]
本技术实施例提供的医疗分诊装置300能够实现图1的医疗分诊方法实施例实现的各个过程，为避免重复，这里不再赘述。
[0118]
本技术实施例还提供一种电子设备，如图4所示，该电子设备400包括处理器401和存储器402，存储器402上存储有可在处理器401上运行的程序或指令，该程序或指令被处理器401执行时实现上述医疗分诊方法实施例的各个步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0119]
需要说明的是，本技术实施例中的电子设备包括上述的移动电子设备和非移动电子设备。
[0120]
存储器402可用于存储软件程序以及各种数据。存储器402可主要包括存储程序或指令的第一存储区和存储数据的第二存储区，其中，第一存储区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外，存储器402可以包括易失性存储器或非易失性存储器，或者，存储器402可以包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，rom)、可编程只读存储器(programmable rom，prom)、可擦除可编程只读存储器(erasable prom，eprom)、电可擦除可编程只读存储器(electrically eprom，eeprom)或闪存。易失性存储器可以是随机存取存储器(random access memory，ram)，静态随机存取存储器(static ram，sram)、动态随机存取存储器(dynamic ram，dram)、同步动态随机存取存储器(synchronous dram，sdram)、双倍数据速率同步动态随机存取存储器(double data rate sdram，ddrsdram)、增强型同步动态随机存取存储器(enhanced sdram，esdram)、同步连接动态随机存取存储器(synch link dram，sldram)和直接内存总线随机存取存储器(direct rambus ram，drram)。本技术实施例中的存储器402包括但不限于这些和任意其它适合类型的存储器。
[0121]
处理器401可包括一个或多个处理单元；可选的，处理器401集成应用处理器和调制解调处理器，其中，应用处理器主要处理涉及操作系统、用户界面和应用程序等的操作，调制解调处理器主要处理无线通信信号，如基带处理器。可以理解的是，上述调制解调处理
器也可以不集成到处理器401中。
[0122]
本技术实施例还提供一种可读存储介质，可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述医疗分诊方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0123]
本技术实施例还提供了一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行程序或指令，实现上述医疗分诊方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0124]
应理解，本技术实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
[0125]
本技术实施例还提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如上述医疗分诊方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0126]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本技术实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
[0127]
上面结合附图对本技术的实施例进行了描述，但是本技术并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本技术的启示下，在不脱离本技术宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本技术的保护之内。