CN108446837A - 一种医疗服务推荐工作负载优化方法 - Google Patents

一种医疗服务推荐工作负载优化方法 Download PDF

Info

Publication number
CN108446837A
CN108446837A CN201810185833.8A CN201810185833A CN108446837A CN 108446837 A CN108446837 A CN 108446837A CN 201810185833 A CN201810185833 A CN 201810185833A CN 108446837 A CN108446837 A CN 108446837A
Authority
CN
China
Prior art keywords
doctor
queue
replaceable
candidate
load
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810185833.8A
Other languages
English (en)
Other versions
CN108446837B (zh
Inventor
蒋洪迅
韩宏伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Renmin University of China
Original Assignee
Renmin University of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Renmin University of China filed Critical Renmin University of China
Priority to CN201810185833.8A priority Critical patent/CN108446837B/zh
Publication of CN108446837A publication Critical patent/CN108446837A/zh
Application granted granted Critical
Publication of CN108446837B publication Critical patent/CN108446837B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Medical Informatics (AREA)
  • Educational Administration (AREA)
  • Epidemiology (AREA)
  • Game Theory and Decision Science (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及一种医疗服务推荐工作负载优化方法，其步骤：1)获取Top‑N推荐的每个医生的负载；2)根据每个医生的负载获得超出预先设定工作负载阈值的明星医生，并生成待替换医生队列；3)生成可替换医生候选队列；4)选择待替换医生和可替换医生；5)如果被替换医生队列为空或者可替换医生队列为空，则结束。本发明能有效降低医生的工作负载，减少需要获得该项医疗服务用户的等待时间，保证推荐的准确性。

Description

一种医疗服务推荐工作负载优化方法
技术领域
本发明涉及一种负载优化方法，特别是关于一种医疗服务推荐工作负载优化方法。
背景技术
随着计算机网络的兴起，互联网+时代的到来，一些专业的知识问答都可以从互联网上获取，同样对于医疗服务也可以通过一些专业的医疗网站根据自己症状和病情获得好的医生推荐或者相应的医疗服务。传统的医疗服务推荐通常根据患者提供的信息推荐最优的前N名医生(top-N推荐)，这样会导致医生的工作负载量过大并且增加了患者的排队等待的时间。如何在确保较高准确性的情况下合理控制医生负载，使患者能够尽快得到自己所需的医疗服务，成为目前亟需解决的技术问题。
发明内容
针对上述问题，本发明的目的是提供一种医疗服务推荐工作负载优化方法，该方法能有效降低医生的工作负载，减少需要获得该项医疗服务用户的等待时间，保证推荐的准确性。
为实现上述目的，本发明采取以下技术方案：一种医疗服务推荐工作负载优化方法，其特征在于包括以下步骤：1)获取Top-N推荐的每个医生的负载；2)根据每个医生的负载获得超出预先设定工作负载阈值的明星医生，并生成待替换医生队列；3)生成可替换医生候选队列；4)选择待替换医生和可替换医生；5)如果被替换医生队列为空或者可替换医生队列为空，则结束。
进一步，所述步骤1)中，Top-N推荐是对每一个患者咨询推荐得分最高的前N个医生，医生被推荐一次，该医生的负载就加1，进而计算得出Top-N推荐后每个医生的负载。
进一步，所述步骤3)中，可替换医生候选队列生成步骤为：3.1)为每个含有明星医生推荐的咨询生成一个排除掉Top-N推荐医生的初步可替换医生的候选队列；3.2)遍历每一个咨询的初步可替换医生候选队列，遍历过程中如果遇到某医生同时也存在于待替换医生队列中，就将该医生从初步可替换医生候选队列中排除，遍历完全部咨询的初步可替换医生队列后生成一个最终的可替换医生候选队列。
进一步，所述步骤4)中，待替换医生和可替换医生的选择步骤如下：4.1)遍历每一咨询的可替换医生候选队列，取得该可替换医生候选队列中分值最高的候选医生记为Dmax，计算该咨询中明星医生和Dmax的差值记为D-value；4.2)获取D-value的最小值并将获得该最小值的咨询、明星医生和候选医生做为一条记录，根据该记录推荐结果进行变更，变更后的推荐结果能保证推荐准确性和用户满意度。
进一步，所述步骤4.2)中，如果只有一条记录，则直接根据该记录中的信息对推荐结果进行变更：用该咨询的候选医生替换掉该咨询的明星医生，明星医生负载减1，候选医生负载加1，更新一次被待换医生队列和可替换医生候选队列；如果明星医生负载降到设定工作负载阈值就将该医生从待替换医生队列中移除，如果候选医生到达设定工作负载阈值，就将该医生从可替换医生队列中移除。
进一步，所述步骤4.2)中，如果有多条记录，优先根据拥有最高工作负载明星医生的记录对推荐结果进行替换；如果明星医生负载一样，则根据拥有最低工作负载候选医生的记录对推荐结果进行替换；如果明星医生负载相同，候选医生的负载相同，则直接选择一条记录，并根据该记录对推荐结果进行替换；每一次替换完成都要对待替换医生队列和可替换医生候选队列进行一次更新。
本发明由于采取以上技术方案，其具有以下优点：1、本发明在医疗服务行业推荐中将医生的工作负载作为推荐的重要指标，通过监测医生的工作负载，不将超过负载的医生推荐给新访问推荐系统的用户，而使用合适的但未超过设定工作负载的医生代理，为超过负载的医生进行负载均衡，增加了推荐医生的数量，降低了医生的工作负载，减少了需要获得该项医疗服务用户的等待时间。2、本发明通过确定用那些未超过负载的医生去替换替换超过负载的医生标准推荐推荐给用户都是用户咨询领域热度最高的几名医生，推荐的结果拥有较高的准确性和较高的用户满意度。要均衡这些明星医生的工作负载，必然会损失掉一部分推荐的准确性甚至满意度，因此确定使用那一些未超过负载的医生提取替换明星医生就需要保证最大程度的减少推荐准确性和用户满意度的损失。
具体实施方式
为解决明星医生负载量过大，患者等待时间过长的问题，本发明针对推荐最符合用户需求前N位医生或者医疗服务的推荐算法(Top-N推荐)进行了重新优化。下面结合实施例对本发明进行详细的描述。
本发明提供一种医疗服务推荐工作负载优化方法，其包括以下步骤：
1)获取Top-N推荐的每个医生的负载
Top-N推荐是对每一个患者咨询推荐得分最高的前N个医生，医生被推荐一次，该医生的负载就加1，进而计算得出Top-N推荐后每个医生的负载。
其中，得分是通过对患者病情描述信息和医生的信息分析获得患者咨询与医生的相关度的评分表，表中分值越高则相关度越高，代表这个医生越适合回答这个咨询。
2)生成待替换医生队列
根据每个医生的负载获得超出预先设定工作负载阈值的医生(即明星医生)，并生成待替换医生队列。
3)生成可替换医生候选队列
3.1)为每个含有明星医生推荐的咨询生成一个排除掉Top-N推荐医生的初步可替换医生的候选队列。
3.2)遍历每一个咨询的初步可替换医生候选队列，遍历过程中如果遇到某医生同时也存在于待替换医生队列中，就将该医生从初步可替换医生候选队列中排除，遍历完全部咨询的初步可替换医生队列(也就为每个包含明星医生推荐的咨询)后，生成一个最终的可替换医生候选队列。
例如：D表示医生，Q表示咨询；则：
待替换医生队列为：D1D2D3D4D5；
咨询Q1队列为：D1D2D6D7D8D9，咨询Q2队列为：D3D4D8D9D10；
设N＝1；
首先，排除top-N(top-1)的初步可替换医生的候选队列，则Q1队列为：D2D6D7D8D9；Q2队列为：D4D8D9D10；
然后，从初步可替换医生的候选队列中排出在待替换队列中的医生，则Q1的队列变为:D6D7D8D9；Q2的队列变为：D8D9D10；
每一个包含明星医生的咨询的最终可替换医生候选队列形成。
4)选择待替换医生和可替换医生
4.1)遍历每一咨询的可替换医生候选队列，取得该可替换医生候选队列中分值最高的候选医生记为Dmax，计算该咨询中明星医生和Dmax的差值记为D-value；
这个差值可代表着候选医生和明星医生之间服务水平之间的差距，D-value越小，代表这两个医生的服务水平越接近；因此获取遍历完所有咨询可替换医生候选队列生成D-value的最小值；
4.2)获取D-value的最小值并将获得该最小值的咨询、明星医生和候选医生做为一条记录，根据该记录推荐结果进行变更，变更后的推荐结果会最大程度地减少推荐准确性和用户满意度的损失；
如果只有一条记录，则直接根据该记录中的信息对推荐结果进行变更，即用该咨询的候选医生替换掉该咨询的明星医生，明星医生负载减1，候选医生负载加1，更新一次被待换医生队列和可替换医生候选队列，即如果明星医生负载降到设定工作负载阈值就将该医生从待替换医生队列中移除；如果候选医生到达设定工作负载阈值，就将该医生从可替换医生队列中移除。
如果有多条记录，优先根据拥有最高工作负载明星医生的记录对推荐结果进行替换。如果明星医生负载一样，则根据拥有最低工作负载候选医生的记录对推荐结果进行替换。如果明星医生负载相同，候选医生的负载相同，则直接选择一条记录(通常选择第一条)，并根据该记录对推荐结果进行替换。每一次替换完成都要对待替换医生队列和可替换医生候选队列进行一次更新。
5)如果被替换医生队列为空或者可替换医生队列为空，则结束。
实施例：
采用现有标准推荐系统与本发明的工作负载优化系统推介对比。
进行如下三组实验，数据集分别为：100咨询，1000医生；200咨询2000医生；500咨询5000医生，参数设置分别为top-1,工作负载阈值5；top-3,工作负载15；top-5，工作负载阈值为25，实验结果如表1所示：
表1
表中，precision：推荐结果准确性，0-1的值，值越大代表推荐结果越符合用户预期；
workload：医生的平均工作负载，咨询总数/推荐结果的医生总数；
most load：单个医生的最大工作负载。
通过实验结果对比得出：
1)本发明的工作负载优化系统相比标准推荐系统推荐结果准确性(或用户满意度)下降在可接受范围内。
2)本发明的明星医生工作负载由超高水平降低到设定工作负载阈值，医生平均负载降低显著，能够使用户尽快获得自己咨询的医疗服务。
上述各实施例仅用于说明本发明，各部件的结构、尺寸、设置位置及形状都是可以有所变化的，在本发明技术方案的基础上，凡根据本发明原理对个别部件进行的改进和等同变换，均不应排除在本发明的保护范围之外。

Claims (6)

1.一种医疗服务推荐工作负载优化方法，其特征在于包括以下步骤：
1)获取Top-N推荐的每个医生的负载；
2)根据每个医生的负载获得超出预先设定工作负载阈值的明星医生，并生成待替换医生队列；
3)生成可替换医生候选队列；
4)选择待替换医生和可替换医生；
5)如果被替换医生队列为空或者可替换医生队列为空，则结束。
2.如权利要求1所述方法，其特征在于：所述步骤1)中，Top-N推荐是对每一个患者咨询推荐得分最高的前N个医生，医生被推荐一次，该医生的负载就加1，进而计算得出Top-N推荐后每个医生的负载。
3.如权利要求1所述方法，其特征在于：所述步骤3)中，可替换医生候选队列生成过程为：
3.1)为每个含有明星医生推荐的咨询生成一个排除掉Top-N推荐医生的初步可替换医生的候选队列；
3.2)遍历每一个咨询的初步可替换医生候选队列，遍历过程中如果遇到某医生同时也存在于待替换医生队列中，就将该医生从初步可替换医生候选队列中排除，遍历完全部咨询的初步可替换医生队列后生成一个最终的可替换医生候选队列。
4.如权利要求1所述方法，其特征在于：所述步骤4)中，待替换医生和可替换医生的选择过程如下：
4.1)遍历每一咨询的可替换医生候选队列，取得该可替换医生候选队列中分值最高的候选医生记为Dmax，计算该咨询中明星医生和Dmax的差值记为D-value；
4.2)获取D-value的最小值并将获得该最小值的咨询、明星医生和候选医生做为一条记录，根据该记录推荐结果进行变更，变更后的推荐结果能保证推荐准确性和用户满意度。
5.如权利要求4所述方法，其特征在于：所述步骤4.2)中，如果只有一条记录，则直接根据该记录中的信息对推荐结果进行变更：用该咨询的候选医生替换掉该咨询的明星医生，明星医生负载减1，候选医生负载加1，更新一次被待换医生队列和可替换医生候选队列；如果明星医生负载降到设定工作负载阈值就将该医生从待替换医生队列中移除，如果候选医生到达设定工作负载阈值，就将该医生从可替换医生队列中移除。
6.如权利要求4所述方法，其特征在于：所述步骤4.2)中，如果有多条记录，优先根据拥有最高工作负载明星医生的记录对推荐结果进行替换；如果明星医生负载一样，则根据拥有最低工作负载候选医生的记录对推荐结果进行替换；如果明星医生负载相同，候选医生的负载相同，则直接选择一条记录，并根据该记录对推荐结果进行替换；每一次替换完成都要对待替换医生队列和可替换医生候选队列进行一次更新。
CN201810185833.8A 2018-03-07 2018-03-07 一种医疗服务推荐工作负载优化方法 Active CN108446837B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810185833.8A CN108446837B (zh) 2018-03-07 2018-03-07 一种医疗服务推荐工作负载优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810185833.8A CN108446837B (zh) 2018-03-07 2018-03-07 一种医疗服务推荐工作负载优化方法

Publications (2)

Publication Number Publication Date
CN108446837A true CN108446837A (zh) 2018-08-24
CN108446837B CN108446837B (zh) 2022-04-05

Family

ID=63193388

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810185833.8A Active CN108446837B (zh) 2018-03-07 2018-03-07 一种医疗服务推荐工作负载优化方法

Country Status (1)

Country Link
CN (1) CN108446837B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109298929A (zh) * 2018-10-12 2019-02-01 平安科技（深圳）有限公司 定时任务执行时间推荐方法、装置、设备和存储介质
CN109934987A (zh) * 2019-03-26 2019-06-25 苏州工业园区东诚智能网络技术有限公司 智能转移排队方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130086082A1 (en) * 2011-09-29 2013-04-04 Postech Academy-Industry Foundation Method and system for providing personalization service based on personal tendency
CN104036445A (zh) * 2014-06-17 2014-09-10 南京邮电大学 一种智慧医疗个性化推荐系统及其实现方法
CN105404763A (zh) * 2015-10-26 2016-03-16 天津大学 一种在移动医疗系统中向患者推荐医生的方法
CN106557639A (zh) * 2015-09-18 2017-04-05 中兴通讯股份有限公司 挂号方法和系统
CN107680660A (zh) * 2016-07-27 2018-02-09 百度在线网络技术（北京）有限公司 推荐医生的方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130086082A1 (en) * 2011-09-29 2013-04-04 Postech Academy-Industry Foundation Method and system for providing personalization service based on personal tendency
CN104036445A (zh) * 2014-06-17 2014-09-10 南京邮电大学 一种智慧医疗个性化推荐系统及其实现方法
CN106557639A (zh) * 2015-09-18 2017-04-05 中兴通讯股份有限公司 挂号方法和系统
CN105404763A (zh) * 2015-10-26 2016-03-16 天津大学 一种在移动医疗系统中向患者推荐医生的方法
CN107680660A (zh) * 2016-07-27 2018-02-09 百度在线网络技术（北京）有限公司 推荐医生的方法和装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109298929A (zh) * 2018-10-12 2019-02-01 平安科技（深圳）有限公司 定时任务执行时间推荐方法、装置、设备和存储介质
CN109934987A (zh) * 2019-03-26 2019-06-25 苏州工业园区东诚智能网络技术有限公司 智能转移排队方法及装置
CN109934987B (zh) * 2019-03-26 2020-09-04 苏州工业园区东诚智能网络技术有限公司 智能转移排队方法及装置

Also Published As

Publication number Publication date
CN108446837B (zh) 2022-04-05

Similar Documents

Publication Publication Date Title
CN104050258B (zh) 一种基于兴趣群组的群体推荐方法
KR102125119B1 (ko) 데이터 핸들링 방법 및 장치
US20130218965A1 (en) Systems And Methods For Determining User Attribute Values By Mining User Network Data And Information
CN112256739B (zh) 一种基于多臂赌博机的动态流大数据中数据项筛选方法
CN108446837A (zh) 一种医疗服务推荐工作负载优化方法
CN109117475B (zh) 一种文本改写的方法以及相关设备
CN109614555A (zh) 生成排行榜的方法和装置
CN115550370B (zh) 一种基于多因素策略的算力资源最优调度分配方法
CN102722503A (zh) 一种对检索结果进行排序的方法及装置
CN113708969A (zh) 一种基于深度强化学习的云数据中心虚拟网络的协同嵌入方法
CN108256802A (zh) 基于人群搜索算法的多供应商订单分配云处理方法
CN111260288B (zh) 订单管理方法、装置、介质及电子设备
US20150074019A1 (en) Health guidance receiver selection condition generation support device
CN110930030B (zh) 医生技术水平评级方法
Costa et al. ELECTRE ME: a proposal of an outranking modeling in situations with several evaluators
CN105786622B (zh) 一种云环境下用于实时协同计算的节点选择方法
CN109460299A (zh) 一种分布式并行多源社交网络数据采集系统和方法
CN113142630B (zh) 卷烟叶组年度标准配方建立方法及装置
JP2003288488A (ja) 保険数理のデータ処理システム及び保険数理の方法
CN115617549A (zh) 线程解耦方法、装置、电子设备及存储介质
JP2014222398A (ja) 推薦ルール生成装置、推薦ルール生成方法および推薦ルール生成プログラム
CN115185606A (zh) 业务配置参数的获得方法、装置、设备及存储介质
CN112651657A (zh) 一种健康体检服务流程优化调度方法
CN114841501A (zh) 社会网络环境下大群体卫星应急方案决策方法和系统
Chang et al. A new benchmarking method to advance the two-model DEA approach: Evidence from a nursing home application

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant