[发明专利]分诊数据处理方法、装置、计算机设备及存储介质

说明书

本发明公开了一种分诊数据处理方法、装置、计算机设备及存储介质，所述方法包括：接收到分诊请求，获取患者信息；通过最大词匹配法，在患者信息中获取症状信息；将症状信息输入组合预测模型，通过组合预测模型对症状信息进行预测处理，获取第一症状科室集合；将症状信息输入强化学习分诊模型，获取执行第一动作后输出的含有第一症状结果和第一状态结果的第一分诊结果；在第一状态结果为第一状态时，将第一分诊结果中的第一症状结果确定为最终症状结果；最终症状结果为患者就诊的科室。本发明实现了通过概率模型和深度神经网络模型进行降维的预处理，以及基于强化学习方法进行自动分诊，以确定患者就症的科室，提升就诊准确率，提升患者体验。

技术领域

本发明涉及数据处理领域，尤其涉及一种分诊数据处理方法、装置、计算机设备及存储介质。

背景技术

目前，患者去医院就诊时，首先需要去分诊台进行人工分诊，在该过程中患者需要消耗大量排队时间，而且对分诊台的服务人员的专业知识深度及广度上有较高的要求，如果服务人员给患者分诊错误，又需要重新进行分诊，大大浪费患者的时间，严重影响患者体验，因此，在现有技术上，患者进行人工分诊过程中耗时长、很难给出合理的就诊科室，从而导致患者体验差，以及就诊准确率低。

发明内容

本发明提供一种分诊数据处理方法、装置、计算机设备及存储介质，实现了通过概率模型和深度神经网络模型进行降维的预处理，以及基于强化学习方法进行自动分诊，能够快速地、准确地确定患者需要就症的科室，提升了就诊准确率，提升了患者体验。

一种分诊数据处理方法，包括：

接收到分诊请求，获取患者信息；

通过最大词匹配法，在所述患者信息中获取症状信息；

将所述症状信息输入组合预测模型，通过所述组合预测模型对所述症状信息进行预测处理，获取所述组合预测模型输出的第一症状科室集合；

将所述症状信息输入强化学习分诊模型，获取所述强化学习分诊模型执行第一动作后输出的第一分诊结果；其中，所述第一动作为所述强化学习分诊模型对输入的所述症状信息进行分析处理之后自所述第一动作空间集合中选取，所述第一动作空间集合为预设的动作空间总集被所述第一症状科室集合激活后输出；所述第一分诊结果包括第一症状结果和第一状态结果；

在所述第一状态结果为第一状态时，将所述第一分诊结果中的所述第一症状结果确定为最终症状结果；所述最终症状结果为患者就诊的科室。

一种分诊数据处理装置，包括：

接收模块，用于接收到分诊请求，获取患者信息；

获取模块，用于通过最大词匹配法，在所述患者信息中获取症状信息；

预测模块，用于将所述症状信息输入组合预测模型，通过所述组合预测模型对所述症状信息进行预测处理，获取所述组合预测模型输出的第一症状科室集合；

激活模块，用于将所述症状信息输入强化学习分诊模型，获取所述强化学习分诊模型执行第一动作后输出的第一分诊结果；其中，所述第一动作为所述强化学习分诊模型对输入的所述症状信息进行分析处理之后自所述第一动作空间集合中选取，所述第一动作空间集合为预设的动作空间总集被所述第一症状科室集合激活后输出；所述第一分诊结果包括第一症状结果和第一状态结果；

输出模块，用于在所述第一状态结果为第一状态时，将所述第一分诊结果中的所述第一症状结果确定为最终症状结果；所述最终症状结果为患者就诊的科室。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述分诊数据处理方法的步骤。