挂号方法及装置与流程

1.本说明书中实施方式关于挂号领域，具体涉及一种挂号方法及装置。


背景技术：

2.近年来，互联网技术的不断深入发展逐渐改变了人们的生活方式。除了通过医院的人工窗口进行挂号外，人们越来越多的采用远程挂号的方式，方便快捷。例如，用户可以通过各种挂号渠道进行挂号，例如，下载对应医院的应用程序(app)进行挂号，或者通过挂号小程序进行挂号，或者通过医院的网站进行挂号等。
3.目前，远程挂号的方式均为挂号渠道直接从医院或诊所等医疗机构中获取号源，即每个挂号渠道需要和每个医疗机构沟通谈合作，用户在挂号时，需要分别查看每个挂号渠道是否有号源，然后再选择有号源的渠道进行挂号，可能存在挂号不成功而需要多次点击来尝试不同的渠道，比较麻烦。因此，如何提高挂号成功率是亟待解决的问题。


技术实现要素：

4.本说明书中多个实施方式提供一种挂号方法及装置，能够提供一种整合各个挂号渠道数据的挂号平台，提高挂号成功率。
5.本说明书的一个实施方式提供一种挂号方法，包括：获取用户挂号需求；响应用户挂号需求，从渠道服务器中获取用户挂号需求对应的当前号源库存信息；响应用户挂号需求，获取渠道服务器的历史挂号信息，其中，历史挂号信息用于表示渠道服务器对应的用户挂号需求的号源历史挂号情况；根据当前号源库存信息和历史挂号信息，生成渠道服务器的挂号成功率。
6.在本说明书的一些实施方式中，上述获取用户挂号需求，包括：基于号源抓取规则获取渠道服务器的号源信息，生成虚拟号源库存信息；基于展示的虚拟号源库存信息，获取用户挂号需求。
7.在本说明书的一些实施方式中，上述获取用户挂号需求，包括：基于号源机构的号源信息，生成真实号源库存信息；基于展示的真实号源库存信息，获取用户挂号需求；响应用户挂号需求，向号源机构发送挂号请求，并为用户分发号源机构的号源。
8.在本说明书的一些实施方式中，上述根据当前号源库存信息和历史挂号信息，生成渠道服务器的挂号成功率，包括：根据当前号源库存信息和历史挂号信息，获取渠道服务器的渠道成功率信息、号源分布信息和号源数信息；根据渠道成功率信息、号源分布信息和号源数信息，利用概率预测模型生成挂号成功率。
9.在本说明书的一些实施方式中，历史挂号信息包括多个渠道中每个渠道的渠道服务质量信息、渠道订单量信息和渠道分发流量信息，其中，上述根据当前号源库存信息和历史挂号信息，获取渠道服务器的渠道成功率信息、号源分布信息和号源数信息，包括：根据渠道服务质量信息、渠道订单量信息和渠道分发流量信息，获取渠道成功率信息。
10.在本说明书的一些实施方式中，概率预测模型包括：最大熵模型、贝叶斯模型、高
斯混合模型或概率预测神经网络模型。
11.在本说明书的一些实施方式中，渠道服务器包括多个渠道服务器，其中，上述方法还包括：基于多个渠道服务器的挂号成功率，从多个挂号渠道中选择挂号成功率最高的目标渠道推荐给用户，以便于用户通过目标渠道进行挂号。
12.在本说明书的一些实施方式中，渠道服务器包括多个渠道服务器，其中，上述方法还包括：基于多个渠道服务器的挂号成功率，从多个挂号渠道中选择挂号成功率最高的目标渠道；向所述目标渠道发送挂号请求，并为用户分发目标渠道的号源。
13.本说明书的一个实施方式提供一种挂号装置，包括：挂号需求获取模块，用于获取用户挂号需求；当前号源库存信息获取模块，用于响应用户挂号需求，从渠道服务器中获取用户挂号需求对应的当前号源库存信息；历史挂号信息获取模块，用于响应用户挂号需求，获取渠道服务器的历史挂号信息，其中，历史挂号信息用于表示渠道服务器对应的用户挂号需求的号源历史挂号情况；生成模块，用于根据当前号源库存信息和历史挂号信息，生成渠道服务器的挂号成功率。
14.本说明书的一个实施方式提供一种电子设备，其特征在于，电子设备包括：处理器；用于存储处理器可执行指令的存储器；处理器，用于执行上述挂号方法。
15.本说明书的一个实施方式提供一种计算机可读存储介质，其上存储有计算机可执行指令，其特征在于，可执行指令被处理器执行时实现如上述挂号方法。
16.本说明书的一个实施方式提供一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述挂号方法。
17.本说明书提供的多个实施方式，通过获取用户挂号需求，响应用户挂号需求，从渠道服务器中获取用户挂号需求对应的当前号源库存信息，响应用户挂号需求，获取渠道服务器的历史挂号信息，以及根据当前号源库存信息和历史挂号信息，生成渠道服务器的挂号成功率，能够提供一种整合各个挂号渠道数据的挂号平台，挂号平台直接从各个挂号渠道获取当前号源库存信息和历史挂号信息，并根据当前号源库存信息和历史挂号信息获得该挂号渠道的挂号成功率，以便于根据该挂号成功率帮助用户挂号，从而提高用户的挂号成功率，提高用户体验。
附图说明
18.为了更清楚地说明本说明书实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
19.图1a为本说明书的一个实施方式提供的挂号系统。
20.图1b为本说明书的一个实施方式提供的挂号场景示例。
21.图2为本说明书的一个实施方式提供的一种挂号方法。
22.图3为本说明书的另一个实施方式提供的一种挂号方法。
23.图4为本说明书的一个实施方式提供的一种分发号源渠道的处理方式示意图。
24.图5为本说明书的一个实施方式提供的一种训练概率预测模型的方法。
25.图6为本说明书的一个实施方式提供的一种挂号装置的框图。
26.图7为本说明书的一个实施方式提供的一种训练概率预测模型的装置的框图。
27.图8为本说明书的一个实施方式提供的电子设备的框图。
具体实施方式
28.下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。
29.系统架构
30.图1a所示为本说明书一实施例提供的挂号系统。如图1a所示，该挂号系统包括挂号平台101、渠道服务器102(可以有多个，图中未示出)和号源机构103(可以有多个，图中未示出)。挂号平台101、渠道服务器102和号源机构103相互通信连接。
31.渠道服务器102可以从号源机构103获取号源信息，用户可以通过渠道服务器102进行挂号。渠道服务器102响应于用户的挂号需求，可以向相应的号源机构103发送挂号请求，并为用户分发该号源机构103的号源。
32.挂号平台101可以从渠道服务器102定时抓取号源信息并生成虚拟号源库存信息展示给用户。用户可以根据挂号平台展示的虚拟号源库存信息点击挂号按钮。挂号平台101响应于用户的挂号需求，可以从渠道服务器102中获取用户挂号需求对应的当前号源库存信息以及历史挂号信息，并根据当前号源库存信息和历史挂号信息，生成渠道服务器102的挂号成功率，并可以将挂号成功率最高的目标渠道分发给用户，以便于用户通过该目标渠道进行挂号，或者直接向挂号率最高的目标渠道发送挂号请求，并为用户分发目标渠道的号源。
33.另外，挂号平台101也可以从号源机构103中获取号源信息，并生成真实号源库存信息真实给用户。用户可以根据挂号平台101展示的真实号源库存信息点击挂号按钮。挂号平台101响应于用户的挂号需求，可以向相应的号源机构103发送挂号请求，并为用户分发该号源机构103的号源。
34.场景示例
35.本说明书中提供一种挂号场景示例。例如，某医院存在3个渠道(例如，渠道a、渠道b和渠道c)可以供用户挂号，当用户想要挂号时，无需依次查看这3个渠道中哪个渠道有号源，该用户可以登陆多渠道号源挂号平台，选择相应的科室、医院和医生，并点击挂号按钮，该挂号平台可以利用决策模型从渠道a、渠道b和渠道c中选择挂号成功率最高的渠道(例如，渠道c)分发给该用户，以帮助该用户挂到渠道c的号源。
36.具体地，如图1b所示，在该场景中，首先利用数据中心的训练数据来训练决策模型。例如，数据中心可以是多渠道号源挂号平台的数据中心或第三方平台的数据库，其收集并存储有各个挂号渠道的号源挂号信息(例如渠道服务质量信息、渠道订单量信息、渠道分发流量信息、渠道号源分布信息和渠道号源数信息)和对应的实际分发渠道。在训练决策模型时，可以将号源挂号信息作为训练数据，并将对应的实际分发渠道作为标签数据对初始决策模型进行训练，得到最终的决策模型，其中决策模型包括概率预测模型(例如最大熵模型、贝叶斯模型等)以及分发渠道选择模型。具体地，可以将数据中心的多个渠道的号源挂
号信息输入概率预测模型，由概率预测模型输出关于各个渠道的挂号成功率的预测结果，并利用分发渠道选择模型根据各个渠道的挂号成功率选择分发渠道(例如选择挂号成功率最大的渠道作为分发渠道)，即获得分发渠道信息，最后根据分发渠道信息与实际分发渠道对概率预测模型和分发渠道选择模型进行训练，得到最终的决策模型。
37.应理解的是，可以对概率预测模型和分发渠道选择模型进行联合训练或单独训练，本说明书对此不作限定。
38.进一步地，在使用上述训练好的决策模型分发号源渠道时，可以将多个渠道的号源挂号信息输入概率预测模型，由概率预测模型输出关于各个渠道的挂号成功率的预测结果，并利用分发渠道选择模型根据各个渠道的挂号成功率选择渠道(例如选择挂号成功率最大的渠道作为分发渠道)，即获得模型决策结果。在实践过程中，将渠道分发给用户，以便于用户通过该渠道进行挂号。另外，还可以将决策结果回流至数据中心并结合数据中心的数据形成新的挂号成功率计算基础数据，以便于当下一个用户进入平台时，实现当前最优的决策结果。
39.然后，可以将实践结果的相关数据回流至数据中心，例如，该用户是否通过该渠道挂号成功，以及用户通过该渠道进行挂号过程中的点击行为数据等。每一个实践结果的回流决定着本次决策结果的准确率，从而动态的去调整决策结果，决策结果的数据回流至数据中心，由数据中心统一提供给决策模型做模型学习、模型更正。
40.数据中心、决策模型、实践过程、实践结果之间可形成一个数据闭环不断促进，可根据每一次真实结果进行自动调整，减少误差。
41.示例的方法
42.本说明书的一个实施方式提供一种挂号方法。该挂号方法可以应用于客户端或服务器。该挂号方法可以通过多渠道挂号平台执行。如图2所示，该挂号方法可以包括以下步骤。
43.步骤s201：获取用户挂号需求。
44.例如，用户通过登陆多渠道挂号平台(以下简称为挂号平台)，可以先选择想要挂号的科室b，然后挂号平台为用户呈现出设有该科室b的相关医院，用户点击想要挂号的医院a，之后选择医生c进行挂号时，即可获得该用户的挂号需求。即，该用户想要挂a医院b科室c医生的号源。)
45.需要说明的是，多渠道挂号平台将多个挂号渠道整合在了一起，用户无需分别查看多个挂号渠道的号源，只需要登陆该挂号平台，即可方便快捷的挂到各个挂号渠道的号源。
46.号源指的是医疗机构中医生坐诊排班情况，医生的一个号源相当于就诊一个病人。任何一个提供号源的服务商或号源平台都可以作为一个挂号渠道。
47.步骤s202：响应用户挂号需求，从渠道服务器中获取用户挂号需求对应的当前号源库存信息。
48.也就是说，在获取用户挂号需求后，挂号平台可以从渠道服务器中获取该挂号渠道中与用户挂号需求对应的当前号源库存信息。
49.例如，挂号渠道1中c医生的当前号源库存有8个，挂号渠道2中c医生的当前号源库存有17个，挂号渠道3中c医生的当前号源库存有13个。
50.步骤s203：响应用户挂号需求，获取渠道服务器的历史挂号信息，其中，历史挂号信息用于表示渠道服务器对应的用户挂号需求的号源历史挂号情况。
51.也即是说，除了获取挂号渠道中与用户挂号需求对应的当前号源库存信息外，还可以获取与其对应的历史挂号信息。
52.需要说明的是，历史挂号信息可以包括每个渠道服务器的渠道服务质量信息、渠道订单量信息、渠道分发流量信息、渠道号源分布信息和渠道号源数信息中的至少一个，本说明书对此不做具体限定。
53.其中，渠道服务质量信息可以用于表示该挂号渠道的服务质量，例如该挂号渠道是否稳定，是否容易出现系统错误，其可以通过采集用户在挂号过程中的点击行为数据来获取，例如，用户在挂号过程中，经常因遇到系统错误而挂号失败，则该挂号渠道的服务质量较差。用户的点击行为数据可以通过埋点技术来获得，在此不做赘述。
54.渠道订单量信息可以用于表示该挂号渠道中挂号成功订单的数量。
55.渠道分发流量可以用于表示分发至该挂号渠道的用户数量(也称为流量)。
56.渠道号源分布信息可以用于表示该挂号渠道中的号源分布情况，例如，周一、周三、周五有号源，周二、周四、周六、周日无号源。
57.渠道号源数信息可以用于表示该挂号渠道中的号源数情况，例如，周一、周三分别有10个号源，周五有15个号源等。
58.上述数据中心的渠道服务质量信息、渠道订单量信息、渠道分发流量信息、渠道号源分布信息和渠道号源数信息可以通过决策结果的回流、渠道相关数据的回流等进行更新，以保证数据的时效性，促进决策模型的自我完善。
59.应当理解，上述描述仅为示例性描述，本说明书对上述号源挂号信息的具体内容不做限定。
60.步骤s204：根据当前号源库存信息和历史挂号信息，生成渠道服务器的挂号成功率。
61.具体地，可以根据当前号源库存信息和历史挂号信息，利用概率预测模型生成渠道服务器的挂号成功率，以便于用户根据该挂号成功率选择挂号渠道进行挂号；或者挂号平台基于多个渠道服务器的挂号成功率，从多个挂号渠道中选择挂号成功率最高的目标渠道推荐给用户，以便于用户通过目标渠道进行挂号；或者挂号平台基于多个渠道服务器的挂号成功率，从多个挂号渠道中选择挂号成功率最高的目标渠道；向目标渠道发送挂号请求，并为用户分发目标渠道的号源。应当理解，本说明书对此不做具体限定。
62.需要说明的是，概率预测模型可以包括最大熵模型、贝叶斯模型、高斯混合模型或概率预测神经网络模型等，本说明书对概率预测模型的具体类型不做限定。应当理解，概率预测模型的选择可根据实际场景进行确定，也可以相互组合形成多结果，从而能够进行多结果确认。
63.例如，存在可以获取信息的3个渠道服务器，即针对3个挂号渠道，利用概率预测模型可以得到每个挂号渠道的挂号成功率，例如，渠道1的挂号成功率为50％，渠道2的挂号成功率为30％，渠道3的挂号成功率为20％，应当理解，上述描述仅为示例性描述，本说明书对此不做具体限定。
64.例如，可以选择上述挂号成功率最高的渠道1分发给用户，以便用户进行挂号，从
而能够提高挂号成功率。
65.应当理解，可以根据任务需要选择不同的渠道分发给用户，本说明书对此不做具体限定。
66.根据本说明书实施例提供的技术方案，通过获取用户挂号需求，响应用户挂号需求，从渠道服务器中获取用户挂号需求对应的当前号源库存信息，响应用户挂号需求，获取渠道服务器的历史挂号信息，以及根据当前号源库存信息和历史挂号信息，生成渠道服务器的挂号成功率，能够提供一种整合各个挂号渠道数据的挂号平台，挂号平台直接从各个挂号渠道获取当前号源库存信息和历史挂号信息，并根据当前号源库存信息和历史挂号信息获得该挂号渠道的挂号成功率，以便于根据该挂号成功率帮助用户挂号，从而提高用户的挂号成功率，提高用户体验。
67.在本说明书的一个实施例中，上述获取用户挂号需求，包括：基于号源抓取规则获取渠道服务器的号源信息，生成虚拟号源库存信息；基于展示的虚拟号源库存信息，获取用户挂号需求。
68.例如，号源抓取规则可以为定时拉取号源、基于用户点选操作拉取号源等非实时拉取规则，本说明书对此不做具体限定。
69.例如，用户登陆挂号平台后，可以查看到从渠道服务器抓取到的号源信息，例如，某医生的号源数为a(由于该号源数是基于非实时号源抓取规则获取到的，数据刷新可能不够及时，导致显示的号源数与当前号源库存信息不匹配，因此，记为虚拟号源库存信息)。
70.在用户选择该医生进行挂号时，即获取到用户挂号需求后，可以从渠道服务器中获取当前号源库存信息，即获得准确的号源数，从而提高用户的挂号成功率。
71.在本说明书的一些实施方式中，上述获取用户挂号需求，包括：基于号源机构的号源信息，生成真实号源库存信息；基于展示的真实号源库存信息，获取用户挂号需求；响应用户挂号需求，向号源机构发送挂号请求，并为用户分发号源机构的号源。
72.号源机构是指向用户提供号源对应服务的机构，如医院、诊所等。
73.也就是说，该挂号平台除了可以直接从渠道服务器获取号源信息外，还可以与医院、诊所等号源机构进行合作，从号源机构的号源信息中获取真实号源库存信息。此时，用户登陆挂号平台，可以查看到当前真实的号源数；用户可以基于挂号平台展示的真实号源数点击挂号按钮；挂号平台响应于用户挂号需求，可以向对应的号源机构发送挂号请求，并为用户分发对应号源机构的号源，即为用户成功挂号。
74.在本说明书的一些实施方式中，上述根据当前号源库存信息和历史挂号信息，生成渠道服务器的挂号成功率，包括：，包括：根据当前号源库存信息和历史挂号信息，获取渠道服务器的渠道成功率信息、号源分布信息和号源数信息；根据渠道成功率信息、号源分布信息和号源数信息，利用概率预测模型生成挂号成功率。
75.也就是说，可以从当前号源库存信息和历史挂号信息的渠道数据中提取出渠道成功率信息、号源分布信息和号源数信息三个约束变量。
76.例如，可以根据渠道服务质量信息、渠道订单量信息和渠道分发流量信息获得该挂号渠道的渠道成功率，例如，最近30天成功率、最近1天成功率、当天挂号成功率等。具体地，可以将渠道服务质量信息、渠道订单量信息和渠道分发流量信息按照不同的权重加权相加，获得该挂号渠道的渠道成功率信息。
77.又例如，可以根据渠道号源分布信息获得该挂号渠道的最近30天号源、最近1天号源、当天号源等号源分布信息。
78.又例如，可以根据渠道号源数信息获得该渠道的最近30天号源数、最近1天号源数、当天号源数等号源数信息。
79.基于挂号渠道以往每天的挂号成功率，可以对未来一段时间内是否能挂号成功提供分析数据，其次，可基于以往号源分布情况通过分布概率情况对真实号源分布情况作预测，然后，可以基于号源数作为有号无号判断标准(号源数为0则表示无号)。因此，可以将渠道成功率信息、号源分布信息和号源数信息这三个变量作为概率预测模型的约束条件，进而利用概率预测模型生成挂号成功率。
80.根据本说明书实施例提供的技术方案，将渠道成功率信息、号源分布信息和号源数信息这三个变量作为概率预测模型的约束条件，能够在用户点击挂号时，生成渠道服务器的挂号成功率，以助于用户根据该挂号成功率进行挂号。特别是当存在多个渠道服务器时，可以分别得到每个渠道服务器的挂号成功率，从而可以帮助用户选择挂号成功率最高的挂号渠道进行挂号，提高用户的挂号成功率。
81.在本说明书的一些实施方式中，概率预测模型为最大熵模型，可以根据当前号源库存信息和历史挂号信息，利用最大熵模型生成多个挂号渠道中每个渠道对应的信息熵；并从多个挂号渠道中选择信息熵最大的渠道分发给用户，以便用户进行挂号。
82.在本实施例中，以最大熵模型为例进行说明，最大熵模型是一种随机概率模型，最大熵模型的基本原理是，当需要对一个随机事件的概率分布进行预测时，预测应当满足全部已知的条件，而对未知的情况不做任何主观假设，因为在遇到不确定性时需要保留各种可能性。在这种情况下，概率分布最均匀，预测的风险最小。因为这时概率分布的信息熵最大，所以称这种模型叫“最大熵模型”。
83.具体地，可以将当前号源库存信息和历史挂号信息作为最大熵模型的输入，利用最大熵模型分别获得各个挂号渠道对应的信息熵。信息熵越大，其表示挂号成功率越高。因此，可以选择信息熵最大的渠道分发给用户，以便用户进行挂号，并提高挂号成功率。
84.在本说明书的一些实施方式中，还可以获取号源分发结果信息；基于当前号源库存信息和历史挂号信息和号源分发结果信息对概率预测模型的参数进行更新。
85.也就是说，基于决策模型输出的渠道分发信息，可以人为地根据实际情况进行调整，即可以人为调整渠道分发信息，得到实际的号源分发结果信息。进一步地，可以将号源分发结果信息回流至数据中心，将当前号源库存信息和历史挂号信息作为训练数据，将号源分发结果信息作为标签，对概率预测模型进行进一步训练，以调整概率预测模型的参数，以保证决策模型的准确性。
86.图3为本说明书的一个实施方式提供一种挂号方法。该挂号方法可以应用于客户端或服务器。该挂号方法可以由挂号平图3所示实施例为图2所示实施例的具体例子。下面结合图4对图3所示实施例进行详细介绍。如图3所示，该挂号方法可以包括以下步骤。
87.步骤s301：获取用户挂号需求；
88.步骤s302：响应用户挂号需求，从多个渠道服务器中分别获取用户挂号需求对应的多个挂号渠道中每个挂号渠道的当前号源库存信息。
89.步骤s303：响应用户挂号需求，获取多个渠道服务器的历史挂号信息，其中，历史
挂号信息用于表示每个渠道服务器对应的用户挂号需求的号源历史挂号情况，例如每个渠道的渠道服务质量信息、渠道订单量信息、渠道分发流量信息、渠道号源分布信息和渠道号源数信息。
90.步骤s304：根据渠道服务质量信息、渠道订单量信息和渠道分发流量信息，获取每个挂号渠道的渠道成功率信息，包括最近30天成功率、最近1天成功率、当天挂号成功率。
91.步骤s305：根据渠道号源分布信息获得每个渠道最近30天号源、最近1天号源、当天号源等号源分布信息。
92.步骤s306：根据渠道号源数信息获得每个渠道最近30天号源数、最近1天号源数、当天号源数等号源数信息。
93.步骤s307：将渠道成功率信息、号源分布信息和号源数信息作为约束变量，利用最大熵模型生成各个挂号渠道对应的信息熵。
94.最大熵模型的公式如下：
[0095][0096]
其中，0《＝h(p)《＝log|x|，其中|x|为x的取值个数，也就是当前决策概率分布情况。
[0097]
除了上述公式，通常还有其他已知条件来确定概率预测模型的集合，在本说明书中，采用了渠道成功率信息、号源分布信息和号源数信息三个约束变量来作为已知条件。
[0098]
在上述三个约束变量中，最好达到已知条件的变量为号源数信息，可根据数据中心的数据进行判断，号源数是否存在确切的值从而达到固定已知条件。渠道成功率信息与号源分布信息都存在分布概率问题，影响该约束变量的条件众多，但可根据数据中心中数据提升概率值尽可能成为一个已知条件，当不能成为一个已知条件时需要将约束变量作为等可能性看待，然后选择出熵最大的模型值作为决策结果，决策结果可以将作为实践过程中渠道分发的重要参考指标。
[0099]
需要说明的是，为了保证决策结果的准确性，可以设置异常数据范围，针对超出范围数据进行人工确认，避免非准确性数据影响最终模型决策结果，导致负向决策。其次，还可以定时进行数据样本抽查检测，调整规则，增设特殊规则限制，避免特殊情况特殊结果影响决策判断。
[0100]
步骤s308：从多个挂号渠道中选择信息熵最大的挂号渠道分发给用户，以便用户进行挂号。
[0101]
例如，当用户1登陆挂号平台进行挂号时，选择当前时刻信息熵最大(即挂号成功率最高)的渠道2分发给用户；当用户2又登陆挂号平台进行挂号时，选择当前时刻信息熵最高的渠道1分发给用户等，保证每个用户分到的渠道均为当前挂号成功率最高的渠道，从而提高挂号成功率。
[0102]
进一步地，为了保障数据中心数据回流的实时性，实践过程产生的回流数据、实践结果的回流数据通过产生即回流的方式缩短数据流入数据中心的时差，加快模型自我调整修复。渠道数据通过多方案获取，非实时性数据可以做到分钟级回流，实时性数据可以做到秒级别回流。
[0103]
根据本说明书提供的技术方案，通过利用概率预测模型得到较准确的决策结果，
基于决策结果自动为用户分发号源渠道，方便快捷，另外，还可以提高挂号成功率，提高用户体验。
[0104]
在本说明书一实施例中，在不利用概率预测模型的情况下，当用户登陆挂号平台进行挂号操作时，还可以将多个渠道轮流分发。比如说，存在服务质量、号源分布和号源数基本相同的3个渠道c1、c2、c3，当用户登陆挂号平台进行挂号操作时，可以将这3个渠道轮训分发，不做流量倾斜，比如将用户1分发至渠道c1，将用户2分发至渠道c2，将用户3分发至渠道c3，将用户4分发至渠道c1，将用户5分发至渠道c2，依次类推，因此用户每一次的挂号成功率均为50％。
[0105]
但实际上每一个渠道都有一些区别，例如：渠道c1偏重于渠道服务质量以及号源准确率，同时号源分布均匀、号源数充足，过往成功率能达到80％；渠道c2偏重于渠道服务质量但号源准确率较低、号源分布均匀、号源数一般，过往成功率能达到60％；渠道c3号源准确率低、渠道服务质量一般、号源数一般但号源分布均匀，过往成功率只能达到40％。当各个渠道存在多种概率问题时，采用上述简单的轮训分发方案不能够很好的提升成功率，如下表格所示，在300个流量样例中，成功数只能达到180。
[0106]
渠道成功率流量数最终成功数c180％10080c260％10060c340％10040
[0107]
而通过本说明书提供的上述基于概率预测模型技术方案，可以明显提高挂号成功率。例如，当前已知渠道c1的渠道成功率80％、号源分布均匀、号源数充足；c2的渠道成功率60％、号源分布均匀、号源数一般；c3的渠道成功率40％、号源分布均匀、号源数一般。基于上述三个已知条件，通过概率预测模型(例如最大熵模型)可得出，渠道c1的挂号成功数会远大于c2和c3，因此，当用户登陆挂号平台进行挂号操作时，可以将该用户分发至渠道c1进行挂号。
[0108]
需要说明的是，渠道成功率、号源分布和号源数这三个已知条件背后依然存在三个约束变量变动问题。例如，各个渠道的号源数和号源分布情况会随着挂号成功率的上升而出现下降问题，成功挂到一个号源则导致当前渠道号源数减少，号源分布可能会出现不均匀情况。基于此，本方案通过将渠道分发结果、实践结果等数据回流至数据中心以更新多个渠道的号源挂号信息，可以根据更新后的号源挂号信息重新计算渠道成功率、号源分布信息和号源数信息，同时设定临界值规则，根据特殊情况进行特定规则调整，那么这三个已知条件会随着实践过程不断进行调整、修正，那么概率预测模型输出的信息熵或概率值也会随之改变，分发方案可以是选择信息熵或概率值最大的渠道，从而可以保证当前已知情况下，每一时刻的渠道分发结果都是当前最优解，从而使整体分发成功数将会更加可预测，更加高。
[0109]
本说明书的一个实施方式提供一种训练概率预测模型的方法。该训练概率预测模型的方法可以应用于客户端或服务器。如图5所示，该训练概率预测模型的方法可以包括以下步骤。
[0110]
步骤s501：将多个渠道的样本号源挂号信息输入初始概率预测模型，以利用初始概率预测模型生成关于多个渠道中每个渠道的挂号成功率的预测结果。
[0111]
样本号源挂号信息可以包括渠道服务质量信息、渠道订单量信息、渠道分发流量信息、渠道号源分布信息和渠道号源数信息中的至少一个。
[0112]
步骤s502：根据预测结果选择分发渠道，以获得分发渠道信息。
[0113]
步骤s503：根据分发渠道信息与样本号源挂号信息对应的标注渠道信息进行比较，得到比较结果。
[0114]
步骤s504：根据比较结果对初始概率预测模型进行训练，得到概率预测模型。
[0115]
通过本说明书提供的技术方案训练概率预测模型，能够在用户挂号时，根据概率预测模型的预测结果自动为用户选择号源渠道并分发给用户，方便快捷，提高用户体验。
[0116]
示例的装置、电子设备、存储介质和软件
[0117]
本说明书的一个实施方式还提供一种挂号装置。如图6所示，该挂号装置600可以包括挂号需求获取模块601、当前号源库存信息获取模块602、历史挂号信息获取模块603和生成模块604。
[0118]
挂号需求获取模块601，用于获取用户挂号需求；
[0119]
当前号源库存信息获取模块602，用于响应用户挂号需求，从渠道服务器中获取用户挂号需求对应的当前号源库存信息；
[0120]
历史挂号信息获取模块603，用于响应用户挂号需求，获取渠道服务器的历史挂号信息，其中，历史挂号信息用于表示渠道服务器对应的用户挂号需求的号源历史挂号情况；
[0121]
生成模块604，用于根据当前号源库存信息和历史挂号信息，生成渠道服务器的挂号成功率。
[0122]
根据本说明书提供的实施方式，通过获取用户挂号需求，响应用户挂号需求，从渠道服务器中获取用户挂号需求对应的当前号源库存信息，响应用户挂号需求，获取渠道服务器的历史挂号信息，以及根据当前号源库存信息和历史挂号信息，生成渠道服务器的挂号成功率，能够提供一种整合各个挂号渠道数据的挂号平台，挂号平台直接从各个挂号渠道获取当前号源库存信息和历史挂号信息，并根据当前号源库存信息和历史挂号信息获得该挂号渠道的挂号成功率，以便于根据该挂号成功率帮助用户挂号，从而提高用户的挂号成功率，提高用户体验。
[0123]
在本说明书的一些实施方式中，上述挂号需求获取模块601用于基于号源抓取规则获取渠道服务器的号源信息，生成虚拟号源库存信息；基于展示的虚拟号源库存信息，获取用户挂号需求。
[0124]
在本说明书的一些实施方式中，上述挂号需求获取模块601用于基于号源机构的号源信息，生成真实号源库存信息；基于展示的真实号源库存信息，获取用户挂号需求；响应用户挂号需求，向号源机构发送挂号请求，并为用户分发号源机构的号源。
[0125]
在本说明书的一些实施方式中，上述生成模块604用于根据当前号源库存信息和历史挂号信息，获取渠道服务器的渠道成功率信息、号源分布信息和号源数信息；根据渠道成功率信息、号源分布信息和号源数信息，利用概率预测模型生成挂号成功率。
[0126]
在本说明书的一些实施方式中，历史挂号信息包括渠道服务器的渠道服务质量信息、渠道订单量信息和渠道分发流量信息，其中，上述生成模块604用于根据渠道服务质量信息、渠道订单量信息和渠道分发流量信息，获取渠道成功率信息。
[0127]
在本说明书的一些实施方式中，概率预测模型包括：最大熵模型、贝叶斯模型、高
斯混合模型或概率预测神经网络模型。
[0128]
在本说明书的一些实施方式中，渠道服务器包括多个渠道服务器，上述装置还包括推荐模块605，用于基于多个渠道服务器的挂号成功率，从多个挂号渠道中选择挂号成功率最高的目标渠道推荐给用户，以便于用户通过目标渠道进行挂号。
[0129]
在本说明书的一些实施方式中，渠道服务器包括多个渠道服务器，上述装置还包括挂号模块606，用于基于多个渠道服务器的挂号成功率，从多个挂号渠道中选择挂号成功率最高的目标渠道；向目标渠道发送挂号请求，并为用户分发目标渠道的号源。
[0130]
上述挂号装置中各个模块的功能和作用的实现过程具体详见上述挂号方法中对应步骤的实现过程，在此不再赘述。
[0131]
本说明书的一个实施方式还提供一种训练概率预测模型的装置。该训练概率预测模型的装置700可以包括预测模块701、渠道模块702、比较模块703和训练模块704。
[0132]
预测模块701，用于将多个渠道的样本号源挂号信息输入初始概率预测模型，以利用初始概率预测模型生成关于多个渠道中每个渠道的挂号成功率的预测结果。
[0133]
渠道模块702，用于根据预测结果选择分发渠道，以获得分发渠道信息。
[0134]
比较模块703，用于根据分发渠道信息与样本号源挂号信息对应的标注渠道信息进行比较，得到比较结果。
[0135]
训练模块704，用于根据比较结果对初始概率预测模型进行训练，得到概率预测模型。
[0136]
通过本说明书提供的技术方案训练概率预测模型，能够在用户挂号时，根据概率预测模型的预测结果自动为用户选择号源渠道并分发给用户，方便快捷，提高用户体验。
[0137]
上述训练概率预测模型的装置中各个模块的功能和作用的实现过程具体详见上述训练概率预测模型的装置中对应步骤的实现过程，在此不再赘述。
[0138]
图8所示为本说明书一实施例提供的电子设备800的框图。
[0139]
参照图8，电子设备800包括处理组件810，其进一步包括一个或多个处理器，以及由存储器820所代表的存储器资源，用于存储可由处理组件810的执行的指令，例如应用程序。存储器820中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件810被配置为执行指令，以执行上述挂号方法或训练概率预测模型的方法。
[0140]
电子设备800还可以包括一个电源组件被配置为执行电子设备800的电源管理，一个有线或无线网络接口被配置为将电子设备800连接到网络，和一个输入输出(i/o)接口。电子设备800可以操作基于存储在存储器820的操作系统，例如windows server
tm
，mac os x
tm
，unix
tm
，linux
tm
，freebsd
tm
或类似。
[0141]
本说明书实施方式还提供一种计算机可读存储介质，其上存储有计算机可执行指令，其特征在于，所述可执行指令被处理器执行时实现上述挂号方法或训练概率预测模型的方法。
[0142]
本说明书实施方式还提供一种包含指令的计算机程序产品，该指令被计算机执行时使得计算机执行上述任一实施方式中的挂号方法或训练概率预测模型的方法。
[0143]
可以理解，本文中的具体的例子只是为了帮助本领域技术人员更好地理解本说明书实施方式，而非限制本发明的范围。
[0144]
可以理解，在本说明书中的各种实施方式中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本说明书实施方式的实施过程构成任何限定。
[0145]
可以理解，本说明书中描述的各种实施方式，既可以单独实施，也可以组合实施，本说明书实施方式对此并不限定。
[0146]
除非另有说明，本说明书实施方式所使用的所有技术和科学术语与本说明书的技术领域的技术人员通常理解的含义相同。本说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在限制本说明书的范围。本说明书所使用的术语“和/或”包括一个或多个相关的所列项的任意的和所有的组合。在本说明书实施方式和所附权利要求书中所使用的单数形式的“一种”、“上述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
[0147]
可以理解，本说明书实施方式的处理器可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施方式的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(digital signalprocessor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书实施方式中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书实施方式所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
[0148]
可以理解，本说明书实施方式中的存储器可以是易失性存储器或非易失性存储器，或可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(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(eeprom)或闪存。易失性存储器可以是随机存取存储器(ram)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
[0149]
本领域普通技术人员可以意识到，结合本文中所公开的实施方式描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本说明书的范围。
[0150]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施方式中的对应过程，在此不再赘述。
[0151]
在本说明书所提供的几个实施方式中，应所述理解到，所揭露的系统、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方式仅仅是示意性的，例如，所述单元的划分，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，例如多个单
元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0152]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，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单元来实现本实施方式方案的目的。
[0153]
另外，在本说明书各个实施方式中的各功能单元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。
[0154]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本说明书的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来，所述计算机软件产品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，服务器，或者网络设备等)执行本说明书各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom)、随机存取存储器(ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0155]
以上所述，仅为本说明书的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本说明书揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本说明书的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。