CN108962359A - 就医方案确定方法、装置及设备 - Google Patents

Abstract

本发明实施例提供一种就医方案确定方法、装置及设备，该方法包括：获取用户的特征信息，特征信息至少包括疾病信息；根据疾病信息，确定包括至少一个就医方案的就医方案集合，每个就医方案包括可诊断用户的疾病的医院的标识和医生的标识；通过预设模型生成特征信息对应的多个推荐维度的权重值，多个推荐维度至少包括医院实力、医生实力和就诊便捷性；根据就医方案集合中每个就医方案的多个维度指数和多个推荐维度的权重值，确定目标就医方案，多个维度指数至少包括医院实力指数、医生实力指数和便捷指数。提高了确定就医方案的准确性。

Description

就医方案确定方法、装置及设备

技术领域

本发明实施例涉及医疗技术领域，尤其涉及一种就医方案确定方法、装置及设备。

背景技术

目前，在用户看病之前，用户需要先确定大致的就医方案，就医方案通常包括就诊的医院和医生。

在现有技术中，用户通常向周边人进行打听以确定就医方案(就医的医院以及医生)。或者，用户还通常在网上进行信息搜索查询以确定就医方案，例如，用户可以查询治疗该疾病的医院，并查询医院的资历以及该医院中可以治疗该疾病的医生，并根据医生的职称选择职称较高的医生。然而，在现有技术中，无论是向周边人打听、还是在网上进行搜索查询，用户都需要消耗较多的时间确定医院以及医生，且通过现有的方式确定得到的就医方案可能并不适合自己的病情或自身的实际情况，导致就医方案确定的准确性较差。

发明内容

本发明实施例提供一种就医方案确定方法、装置及设备，提高了确定就医方案的准确性。

第一方面，本发明实施例提供一种就医方案确定方法，所述方法包括：

获取用户的特征信息，所述特征信息至少包括疾病信息；

根据所述疾病信息，确定包括至少一个就医方案的就医方案集合，每个就医方案包括可诊断所述用户的疾病的医院的标识和医生的标识；

通过预设模型生成所述特征信息对应的多个推荐维度的权重值，所述多个推荐维度至少包括医院实力、医生实力和就诊便捷性；

根据所述就医方案集合中每个就医方案的多个维度指数和所述多个推荐维度的权重值，确定目标就医方案，所述多个维度指数至少包括医院实力指数、医生实力指数和便捷指数。

在一种可能的实施方式中，根据所述疾病信息，确定包括至少一个就医方案的就医方案集合，包括：

根据所述疾病信息，确定至少一个疾病的名称；

获取可诊断所述至少一个疾病的医院集合，所述医院集合中包括至少一个医院的标识；

获取每一个医院中可诊断所述至少一个疾病的医生集合；

根据所述医院集合和每一个医院对应的医生集合，确定所述就医方案集合。

在另一种可能的实施方式中，所述疾病信息包括疾病名称和/或症状信息；根据所述疾病信息，确定至少一个疾病的名称，包括：

若所述疾病信息中包括疾病名称，则将所述疾病信息中的疾病名称确定为所述至少一个疾病的名称；

若所述疾病信息中不包括疾病名称，则根据所述症状信息确定所述至少一个疾病的名称。

在另一种可能的实施方式中，所述获取用户的特征信息之前，还包括：

获取所述多组样本中每个特征信息样本的第一特征向量；

获取所述多组样本中每个就医方案的第二特征向量，所述第二特征向量中的元素分别表示就医方案的所述多个维度指数；

通过深度神经网络学习每个第一特征向量、及对应的第二特征向量，得到所述预设模型。

在另一种可能的实施方式中，所述特征信息还包括所述用户的消费能力；相应的，所述多个推荐维度还包括费用水平，所述多个维度指数还包括费用指数。

在另一种可能的实施方式中，所述根据所述就医方案集合中每个就医方案的维度指数和所述多个推荐维度的权重值，确定目标就医方案，包括：

获取所述就医方案集合中每个就医方案的多个维度指数；

根据每个就医方案的多个维度指数和所述多个推荐维度的权重值，确定每个就医方案的推荐指数；

根据每个就医方案的推荐指数，确定目标就医方案。

在另一种可能的实施方式中，所述特征信息包括所述用户的位置，针对所述就医方案集合中任意一个第一就医方案，获取所述第一就医方案的多个维度指数，包括：

根据第一就医方案中医院的级别和用户评价，确定所述第一就医方案的医院实力指数；

根据第一就医方案中医生的职称和用户评价，确定所述第一就医方案的医生实力指数；

根据位置信息、所述第一就医方案中医院的就医流程、所述第一就医方案中医院的资源配比、所述第一就医方案中医生的预约率中的至少一种确定所述第一就医方案的便捷指数，所述位置信息包括所述用户的位置和所述第一就医方案中医院的位置；

根据所述第一就医方案中医院的价目表，确定所述第一就医方案的费用指数。

在另一种可能的实施方式中，所述获取用户的特征信息，包括：

接收所述用户输入的所述特征信息，和/或，根据所述用户的用户画像数据确定所述特征信息，所述用户画像数据为根据所述用户的历史网络行为生成的。

第二方面，本发明实施例提供一种就医方案确定装置，包括第一获取模块、第一确定模块、生成模块和第二确定模块，其中，

所述第一获取模块用于，获取用户的特征信息，所述特征信息至少包括疾病信息；

所述第一确定模块用于，根据所述疾病信息，确定包括至少一个就医方案的就医方案集合，每个就医方案包括可诊断所述用户的疾病的医院的标识和医生的标识；

所述生成模块用于，通过预设模型生成所述特征信息对应的多个推荐维度的权重值，所述多个推荐维度至少包括医院实力、医生实力和就诊便捷性；

所述第二确定模块用于，根据所述就医方案集合中每个就医方案的多个维度指数和所述多个推荐维度的权重值，确定目标就医方案，所述多个维度指数至少包括医院实力指数、医生实力指数和便捷指数。

在一种可能的实施方式中，所述第一确定模块具体用于：

根据所述疾病信息，确定至少一个疾病的名称；

获取可诊断所述至少一个疾病的医院集合，所述医院集合中包括至少一个医院的标识；

获取每一个医院中可诊断所述至少一个疾病的医生集合；

根据所述医院集合和每一个医院对应的医生集合，确定所述就医方案集合。

在另一种可能的实施方式中，所述第一确定模块具体用于：

若所述疾病信息中包括疾病名称，则将所述疾病信息中的疾病名称确定为所述至少一个疾病的名称；

若所述疾病信息中不包括疾病名称，则根据所述症状信息确定所述至少一个疾病的名称。

在另一种可能的实施方式中，所述装置还包括第二获取模块和学习模块，其中，

所述第二获取模块用于，在所述第一获取模块获取用户的特征信息之前，获取所述多组样本中每个特征信息样本的第一特征向量、以及所述多组样本中每个就医方案的第二特征向量，所述第二特征向量中的元素分别表示就医方案的所述多个维度指数；

所述学习模块用于，通过深度神经网络学习每个第一特征向量、及对应的第二特征向量，得到所述预设模型。

在另一种可能的实施方式中，所述特征信息还包括所述用户的消费能力；相应的，所述多个推荐维度还包括费用水平，所述多个维度指数还包括费用指数。

在另一种可能的实施方式中，所述第二确定模块具体用于：

获取所述就医方案集合中每个就医方案的多个维度指数；

根据每个就医方案的多个维度指数和所述多个推荐维度的权重值，确定每个就医方案的推荐指数；

根据每个就医方案的推荐指数，确定目标就医方案。

在另一种可能的实施方式中，所述特征信息包括所述用户的位置，针对所述就医方案集合中任意一个第一就医方案，所述第二确定模块具体用于：

根据第一就医方案中医院的级别和用户评价，确定所述第一就医方案的医院实力指数；

根据第一就医方案中医生的职称和用户评价，确定所述第一就医方案的医生实力指数；

根据位置信息、所述第一就医方案中医院的就医流程、所述第一就医方案中医院的资源配比、所述第一就医方案中医生的预约率中的至少一种确定所述第一就医方案的便捷指数，所述位置信息包括所述用户的位置和所述第一就医方案中医院的位置；

根据所述第一就医方案中医院的价目表，确定所述第一就医方案的费用指数。

在另一种可能的实施方式中，所述第一获取模块具体用于：

接收所述用户输入的所述特征信息，和/或，根据所述用户的用户画像数据确定所述特征信息，所述用户画像数据为根据所述用户的历史网络行为生成的。

第三方面，本发明实施例提供一种终端设备，包括：处理器，所述处理器与存储器耦合；

所述存储器用于，存储计算机程序；

所述处理器用于，执行所述存储器中存储的计算机程序，以使得所述终端设备执行上述第一方面任一项所述的方法。

第四方面，本发明实施例提供一种可读存储介质，包括程序或指令，当所述程序或指令在计算机上运行时，如上述第一方面任意一项所述的方法被执行

本发明实施例提供的就医方案确定方法、装置及设备，当需要为用户推荐就医方案时，先获取用户的特征信息，根据特征信息中的疾病信息，确定包括至少一个就医方案的就医方案集合，通过预设模型生成特征信息对应的多个推荐维度的权重值，多个推荐维度至少包括医院实力、医生实力和就诊便捷性，根据就医方案集合中每个就医方案的多个维度指数和多个推荐维度的权重值，确定目标就医方案，多个维度指数至少包括医院实力指数、医生实力指数和便捷指数。在上述过程中，确定得到的就医方案集合中的任意一个就医方案中的医院和医生均可以诊断用户的疾病，根据用户的特征信息确定得到多个推荐维度的权重值，该多个推荐维度的权重值与用户的实际情况相关。因此，根据就医方案集合和多个推荐维度的权重值确定得到的目标就医方案中的医院和医生不但可以诊断用户的疾病，目标就医方案还与用户的实际情况相关，进而提高了确定就医方案的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的就医方案确定方法的结构图；

图2为本发明实施例提供的就医方案确定方法的流程示意图；

图3为本发明实施例提供的生成预设模型方法的流程示意图；

图4为本发明实施例提供的确定目标就医方案方法的流程示意图；

图5为本发明实施例提供的用户界面示意图；

图6为本发明实施例提供的就医方案确定装置的结构示意图一；

图7为本发明实施例提供的就医方案确定装置的结构示意图二。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

图1为本发明实施例提供的就医方案确定方法的结构图。请参见图1，终端设备可以为手机、电脑等设备。当用户需要通过终端设备获取就医方案时，终端设备可以先获取用户的特征信息。终端设备可以根据特征信息中包括的疾病信息确定就医方案集合，就医方案集合中包括多个就医方案，就医方案集合中的就医方案中的医院和医生均可以诊断用户的疾病，但是，就医方案集合中的部分就医方案可能不适用用户的实际情况。终端设备将特征信息输入预先学习得到的预设模型中，以得到多个推荐维度的权重值。终端设备根据就医方案集合以及多个推荐维度的权重值，确定目标就医方案，目标就医方案中的医院和医生可以诊断用户的疾病，且该就医方案适合用户的实际情况。

在本申请中，在向用户推荐就医方案时，根据用户的特征信息确定就医方案集合，就医方案集合中的任意一个就医方案中的医院和医生均可以诊断用户的疾病，根据用户的特征信息确定得到多个推荐维度的权重值，该多个推荐维度的权重值与用户的实际情况相关。因此，根据就医方案集合和多个推荐维度的权重值确定得到的目标就医方案中的医院和医生不但可以诊断用户的疾病，目标就医方案还与用户的实际情况相关，进而提高了确定就医方案的准确性。

下面，通过具体实施例对本申请所示的技术方案进行详细说明。需要说明的是，下面几个具体实施例可以相互结合，对于相同或相似的内容，在不同的实施例中不再进行重复说明。

图2为本发明实施例提供的就医方案确定方法的流程示意图。请参见图2，该方法可以包括：

S201、获取用户的特征信息，特征信息至少包括疾病信息。

本发明实施例的执行主体可以为终端设备，也可以为设置在终端设备中的就医方案确定装置。可选的，就医方案确定装置可以通过软件实现，或者通过软件和硬件的结合实现。

可选的，终端设备可以为手机、电脑等设备。

可选的，疾病信息可以包括疾病名称、用户的症状信息中的至少一种。

可选的，特征信息还可以包括用户的消费能力、位置信息、个人信息(例如，性别、年龄、身高、血压等)等。

当然，在实际应用过程中，可以根据实际需要设置该特征信息，本发明实施例对此不作具体限定。

可选的，终端设备可以通过如下可行的实现方式获取用户的特征信息：终端设备可以接收用户输入的特征信息，和/或，根据用户的用户画像数据确定特征信息。

可选的，终端设备可以接收用户输入特征信息中的疾病信息，并通过用户画像数据确定特征信息中除疾病信息外的其它信息。

一方面，通过让用户输入疾病信息，可以确保疾病信息的正确性。另一方面，通过用户画像数据确定特征信息中除疾病信息外的其它信息，不但可以简化用户的输入，还可以保证获取到信息的全面性。

其中，用户画像数据为根据用户的历史网络行为生成的，用户画像数据可以从多个角度来描述用户的信息，例如，用户画像可以描述用户的消费能力、用户的个人习惯、用户的喜好等。

可选的，可以收集用户在历史时段内的网络行为数据，网络行为数据可以包括用户的消费记录、用户上网浏览的网页等等，并根据历史时段内的网络行为数据进行分析确定得到用户的用户画像数据。

需要说明的是，用户的用户画像数据通常为预先生成的，当需要根据用户的用户画像数据确定特征信息时，直接获取预先生成的用户画像数据即可。

S202、根据疾病信息，确定包括至少一个就医方案的就医方案集合，每个就医方案包括可诊断用户的疾病的医院的标识和医生的标识。

可选的，可以通过如下可行的实现方式确定就医方案集合：根据疾病信息，确定至少一个疾病的名称；获取可诊断至少一个疾病的医院集合，医院集合中包括至少一个医院的标识；获取每一个医院中可诊断至少一个疾病的医生集合；根据医院集合和每一个医院对应的医生集合，确定就医方案集合。

由上可知，就医方案集合包括了所有可以诊断用户疾病的医院和医生，但是，就医方案集合中的部分就医方案可能不适合用户的实际情况。

可选的，可以通过如下可行的实现方式确定疾病的名称：判断疾病信息中是否包括疾病名称，若是，则将疾病信息中的疾病名称确定为至少一个疾病的名称；若否，则根据症状信息确定至少一个疾病的名称。

可选的，就医方案中还可以包括医院的位置、医院的简介、医生的简介、该就医方案对应的就医流程、就医的费用估计等。

需要说明的是，就医方案中还可以包括其它内容，在实际应用过程中，可以根据实际需要设置就医方案中包括的内容，本发明实施例对此不作具体限定。

S203、通过预设模型生成特征信息对应的多个推荐维度的权重值。

其中，多个推荐维度至少包括医院实力、医生实力和就诊便捷性。

可选的，当特征信息包括用户的消费能力时，多个推荐维度中还可以包括费用水平。

需要说明的是，多个推荐维度中还可以包括其它推荐维度，在实际应用过程中，可以根据实际需要设置该多个推荐维度，本发明实施例对此不作具体限定。

可选的，预设模型为预先对多组样本学习得到的，每组样本包括特征信息样本和对应的就医方案样本。

需要说明的是，在图3所示的实施例中，对生成预设模型的过程进行详细说明，此处不再进行赘述。

一个推荐维度的权重值是指用户在选择就医方案时，对该推荐维度的重视程度，其中，用户对一个推荐维度的重视程度越高，则该推荐维度的权重值越大。

例如，假设一个用户在选择就医方案时，非常重视医院实力和医生实力，对就诊便捷性的考虑较少，则该用户的特征信息对应的医院实力的权重值和医生实力的权重值较高，就诊便捷性的权重值较低。

在S203中，由于预设模型为根据大量样本学习得到的，且多个推荐维度的权重值是根据用户的特征信息确定得到的，因此，根据预设模型和用户的特征信息确定得到的多个推荐维度的权重值与用户的实际情况相关。

S204、根据就医方案集合中每个就医方案的多个维度指数和多个推荐维度的权重值，确定目标就医方案。

其中，多个维度指数至少包括医院实力指数、医生实力指数和便捷指数。

可选的，多个维度指数还可以包括费用指数。

需要说明的是，就医方案的多个维度指数中还可以包括其它，在实际应用过程中，可以根据实际需要设置多个维度指数，本发明实施例对此不作具体限定。

需要说明的是，在图4所示的实施例中，对确定目标就医方案的过程进行详细说明，此处不再进行赘述。

本发明实施例提供的就医方案确定方法，当需要为用户推荐就医方案时，先获取用户的特征信息，根据特征信息中的疾病信息，确定包括至少一个就医方案的就医方案集合，通过预设模型生成特征信息对应的多个推荐维度的权重值，多个推荐维度至少包括医院实力、医生实力和就诊便捷性，根据就医方案集合中每个就医方案的多个维度指数和多个推荐维度的权重值，确定目标就医方案，多个维度指数至少包括医院实力指数、医生实力指数和便捷指数。在上述过程中，确定得到的就医方案集合中的任意一个就医方案中的医院和医生均可以诊断用户的疾病，根据用户的特征信息确定得到多个推荐维度的权重值，该多个推荐维度的权重值与用户的实际情况相关。因此，根据就医方案集合和多个推荐维度的权重值确定得到的目标就医方案中的医院和医生不但可以诊断用户的疾病，目标就医方案还与用户的实际情况相关，进而提高了确定就医方案的准确性。

在上述任意一个实施例的基础上，可选的，可以通过如下可行的实现方式生成预设模型，具体的，请参见图3所示的实施例。

图3为本发明实施例提供的生成预设模型方法的流程示意图。请参见图3，该方法可以包括：

S301、获取多组样本中每个特征信息样本的第一特征向量。

可选的，第一特征向量中的每一个元素分别表示用户的一种特征。

例如，假设用户的特征包括用户的疾病名称、用户的消费能力、用户的位置。相应的，第一特征向量中可以包括三个元素，假设第一特征向量为(a，b，c)，则第一特征向量中的元素a可以表示用户的疾病名称，元素b可以表示用户的消费能力，元素c可以表示用户的位置。

需要说明的是，上述只是以示例的形式简要的示意第一特征向量，并非对第一特征向量的限定，在实际应用过程中，可以根据实际需要设置第一特征向量中各元素所表达的含义，本发明实施例对此不作具体限定。

S302、获取多组样本中每个就医方案的第二特征向量。

可选的，第二特征向量中的元素分别表示就医方案的多个维度指数。

可选的，就医方案的多个维度指数可以包括医院实力指数、医生实力指数、便捷指数、费用指数等。

当然，就医方案的多个维度指数还可以包括其它，在实际应用过程中，可以根据实际需要设置就医方案的多个维度指数，本发明实施例对此不作具体限定。

例如，假设就医方案的多个维度指数包括医院实力指数、医生实力指数、便捷指数和费用指数。相应的，第二特征向量中包括四个元素，假设第二特征向量为(x，y，z，k)，则第二特征向量中的元素x表示就医方案中医院的实力，元素y表示就医方案中医生的实力，元素z表示到就医方案中的医院和医生处就诊的便捷程度，元素k表示到就医方案中的医院和医生处就诊所需的费用。

需要说明的是，上述只是以示例的形式简要的示意第二特征向量，并非对第二特征向量的限定，在实际应用过程中，可以根据实际需要设置第二特征向量中各元素所表达的含义，本发明实施例对此不作具体限定。

S303、通过深度神经网络学习每个第一特征向量、及对应的第二特征向量，得到预设模型。

由于第一特征向量表示了用户的特征，第二特征向量表示了就医方案的特征，通过对大量的第一特征向量和对应的第二特征向量进行学习，可以得到具有某种特征(例如，具有重大疾病、消费能力较高、居住在一线城市等)的用户选择就医方案时，对就医方案的各维度(医院实力、医生实力、就诊便捷性、费用等)的重视程度，其中，可以通过各推荐维度的权重值表示用户对就医方案的各维度的重视程度。因此，将用户的特征信息输入该预设模型之后，可以得到该特征信息对应的多个推荐维度的权重值。

例如，假设根据大量的第一特征向量和第二特征向量，可以学习得到如下信息：

患有重大疾病的用户在选择就医方案时，重点考虑医院的实力和医生的实力。患有轻微疾病的用户在选择就医方案时，重点考虑就医的便捷性。

消费能力高的用户在选择就医方案时，重点考虑医院的实力、医生的实力和就医便捷性。消费能力低的用户在选择就医方案时，重点考虑就医方案的费用指数。

住在大城市的用户在选择就医方案时，重点考虑医院的实力和医生的实力。住在偏远地区的用户在选择就医方案时，重点考虑就医的便捷性。

因此，在终端设备获取得到用户的特征信息时，预设模型可以综合用户患有疾病的重大程度、用户的消费能力、用户的住址，确定医院实力的权重值、医生实力的权重值、就诊便捷性的权重值、以及费用水平的权重值。

在图3所示的实施例中，预设模型为通过深度神经网络对大量的样本进行学习得到的，因此，通过图3实施例所示的预设模型可以准确的获取得到特征信息对应的多个推荐维度的权重值。

在上述任意一个实施例的基础上，可选的，可以通过如下可行的实现方式确定目标就医方案，具体的，请参见图4所示的实施例。

图4为本发明实施例提供的确定目标就医方案方法的流程示意图。请参见图4，该方法可以包括：

S401、获取就医方案集合中每个就医方案的多个维度指数。

在实际应用过程中，获取就医方案集合中每一个就医方案的多个维度指数的过程相同，下面，以获取就医方案集合中任意一个第一就医方案的多个维度指数的过程为例进行说明，其中，获取不同的维度指数的过程不同，具体包括如下几种情况：

情况1、维度指数为医院实力指数。

在该种情况下，可以根据第一就医方案中医院的级别和用户评价，确定第一就医方案的医院实力指数。

可选的，第一就医方案中的医院的实力越强，则第一就医方案的医院实力指数越高。

可选的，可以对主流就医站点上的数据进行挖掘，以获取第一就医方案中医院的级别和用户评价。

例如，医院的级别可以包括三甲医院、二甲医院等。

情况2、维度指数为医生实力指数。

在该种情况下，可以根据第一就医方案中医生的职称和用户评价，确定第一就医方案的医生实力指数。

可选的，第一就医方案中的医生的实力越强，则第一就医方案的医生实力指数越高。

可选的，可以对主流就医站点上的数据进行挖掘，以获取第一就医方案中医生的职称和用户评价。

例如，医生的职称可以包括主任、副主任、医师等。

情况3、维度指数为便捷指数。

在该种情况下，可以根据位置信息、第一就医方案中医院的就医流程、第一就医方案中医院的资源配比、第一就医方案中医生的预约率中的至少一种确定第一就医方案的便捷指数。

其中，位置信息包括用户的位置和第一就医方案中医院的位置。

可选的，按照第一就医方案进行就医越便捷，则第一就医方案的便捷指数越高。

可选的，可以对主流就医站点上的数据进行挖掘，以获取第一就医方案中医院的就医流程、第一就医方案中医院的资源配比、第一就医方案中医生的预约率。

情况3、维度指数为费用指数。

在该种情况下，可以根据第一就医方案中医院的价目表，确定第一就医方案的费用指数。

可选的，按照第一就医方案进行就医的费用越低，则第一就医方案的费用指数越高。

S402、根据每个就医方案的多个维度指数和多个推荐维度的权重值，确定每个就医方案的推荐指数。

可选的，针对任意一个就医方案，假设该就医方案包括四个推荐维度，分别为a1、a2、a3、a4，假设对应的推荐维度的权重值为b1、b2、b3、b4，则该就医方案的推荐指数为a1*b1+a2*b2+a3*b3+a4*b4。

S403、根据每个就医方案的推荐指数，确定目标就医方案。

可选的，可以将推荐指数最高的M个就医方案确定为目标就医方案。

在图4所示的实施例中，就医方案的多个维度指数可以真实的表示就医方案，多个推荐维度的权重值表示用户对就医方案中各个维度的重视程度，因此，根据就医方案的多个维度指数和多个推荐维度的权重值，可以准确的确定得到目标就医方案。

在上述任意一个实施例的基础上，下面，结合图5，对用户操作过程进行详细说明。

图5为本发明实施例提供的用户界面示意图。请参见图5，包括界面501-界面503。

请参见界面501，在就医方案推荐页面中包括特征信息输入框，用户可以在输入框中输入特征信息，例如，用户可以在输入疾病信息、位置信息等。当然，在界面501中还可以包括多个选项，用户通过对多个选项进行选中操作，以实现输入特征信息。

在用户输入特征信息之后，用户可以对“确定”按钮进行点击操作。在终端设备接收到用户对“确定”按钮输入的点击指令之后，终端设备可以获取该用户的用户画像数据，并根据用户画像数据确定部分用户特征信息，终端设备根据用户输入的特征信息和根据用户画像数据确定的特征信息确定特征信息。

终端设备根据预设模型、终端设备获取得到的特征信息，按照上述实施例所示的方法生成目标就医方案，并显示目标就医方案。

请参见界面502，包括多个目标就医方案，用户可以对每一个就医方案进行点击操作，以查看就医方案详情。例如，假设用户对就医方案1进行点击操作，则显示界面503。

请参见界面503，包括就医方案中的医院、医生、就医流程、费用预估、及对应的“简介”按钮，用户可以对“简介”按钮进行点击操作，以查看相应的简介信息。例如，用户可以对医生1对应的“简介”按钮进行点击操作，以查看医生1的简介。

在图5所示的实施例中，用户只需简单的输入操作，即可获取得到准确的就医方案，不但简化了用户操作，且提高了确定就医方案的效率。

图6为本发明实施例提供的就医方案确定装置的结构示意图一。请参见图6，该装置可以包括第一获取模块11、第一确定模块12、生成模块13和第二确定模块14，其中，

所述第一获取模块11用于，获取用户的特征信息，所述特征信息至少包括疾病信息；

所述第一确定模块12用于，根据所述疾病信息，确定包括至少一个就医方案的就医方案集合，每个就医方案包括可诊断所述用户的疾病的医院的标识和医生的标识；

所述生成模块13用于，通过预设模型生成所述特征信息对应的多个推荐维度的权重值，所述多个推荐维度至少包括医院实力、医生实力和就诊便捷性；

所述第二确定模块14用于，根据所述就医方案集合中每个就医方案的多个维度指数和所述多个推荐维度的权重值，确定目标就医方案，所述多个维度指数至少包括医院实力指数、医生实力指数和便捷指数。

本发明实施例提供的就医方案确定装置可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。

在一种可能的实施方式中，所述第一确定模块12具体用于：

根据所述疾病信息，确定至少一个疾病的名称；

获取可诊断所述至少一个疾病的医院集合，所述医院集合中包括至少一个医院的标识；

获取每一个医院中可诊断所述至少一个疾病的医生集合；

根据所述医院集合和每一个医院对应的医生集合，确定所述就医方案集合。

在另一种可能的实施方式中，所述第一确定模块12具体用于：

若所述疾病信息中包括疾病名称，则将所述疾病信息中的疾病名称确定为所述至少一个疾病的名称；

若所述疾病信息中不包括疾病名称，则根据所述症状信息确定所述至少一个疾病的名称。

图7为本发明实施例提供的就医方案确定装置的结构示意图二。在图6所示实施例的基础上，请参见图7，所述装置还包括第二获取模块15和学习模块16，其中，

所述第二获取模块15用于，在所述第一获取模块11获取用户的特征信息之前，获取所述多组样本中每个特征信息样本的第一特征向量、以及所述多组样本中每个就医方案的第二特征向量，所述第二特征向量中的元素分别表示就医方案的所述多个维度指数；

所述学习模块16用于，通过深度神经网络学习每个第一特征向量、及对应的第二特征向量，得到所述预设模型。

在另一种可能的实施方式中，所述特征信息还包括所述用户的消费能力；相应的，所述多个推荐维度还包括费用水平，所述多个维度指数还包括费用指数。

在另一种可能的实施方式中，所述第二确定模块14具体用于：

获取所述就医方案集合中每个就医方案的多个维度指数；

根据每个就医方案的多个维度指数和所述多个推荐维度的权重值，确定每个就医方案的推荐指数；

根据每个就医方案的推荐指数，确定目标就医方案。

在另一种可能的实施方式中，所述特征信息包括所述用户的位置，针对所述就医方案集合中任意一个第一就医方案，所述第二确定模块14具体用于：

根据第一就医方案中医院的级别和用户评价，确定所述第一就医方案的医院实力指数；

根据第一就医方案中医生的职称和用户评价，确定所述第一就医方案的医生实力指数；

根据位置信息、所述第一就医方案中医院的就医流程、所述第一就医方案中医院的资源配比、所述第一就医方案中医生的预约率中的至少一种确定所述第一就医方案的便捷指数，所述位置信息包括所述用户的位置和所述第一就医方案中医院的位置；

根据所述第一就医方案中医院的价目表，确定所述第一就医方案的费用指数。

在另一种可能的实施方式中，所述第一获取模块11具体用于：

接收所述用户输入的所述特征信息，和/或，根据所述用户的用户画像数据确定所述特征信息，所述用户画像数据为根据所述用户的历史网络行为生成的。

本发明实施例提供的就医方案确定装置可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。

本发明实施例提供一种终端设备，包括：处理器，所述处理器与存储器耦合；

所述存储器用于，存储计算机程序；

所述处理器用于，执行所述存储器中存储的计算机程序，以使得所述终端设备执行上述任一方法实施例所述的方法。

本发明实施例提供一种可读存储介质，包括程序或指令，当所述程序或指令在计算机上运行时，如上述任意方法实施例所述的方法被执行。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明实施例的技术方案，而非对其限制；尽管参照前述各实施例对本发明实施例进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例方案的范围。

Claims (18)

1.一种就医方案确定方法，其特征在于，所述方法包括：

获取用户的特征信息，所述特征信息至少包括疾病信息；

根据所述疾病信息，确定包括至少一个就医方案的就医方案集合，每个就医方案包括可诊断所述用户的疾病的医院的标识和医生的标识；

通过预设模型生成所述特征信息对应的多个推荐维度的权重值，所述多个推荐维度至少包括医院实力、医生实力和就诊便捷性；

根据所述就医方案集合中每个就医方案的多个维度指数和所述多个推荐维度的权重值，确定目标就医方案，所述多个维度指数至少包括医院实力指数、医生实力指数和便捷指数。

2.根据权利要求1所述的方法，其特征在于，根据所述疾病信息，确定包括至少一个就医方案的就医方案集合，包括：

根据所述疾病信息，确定至少一个疾病的名称；

获取可诊断所述至少一个疾病的医院集合，所述医院集合中包括至少一个医院的标识；

获取每一个医院中可诊断所述至少一个疾病的医生集合；

根据所述医院集合和每一个医院对应的医生集合，确定所述就医方案集合。

3.根据权利要求2所述的方法，其特征在于，所述疾病信息包括疾病名称和/或症状信息；根据所述疾病信息，确定至少一个疾病的名称，包括：

若所述疾病信息中包括疾病名称，则将所述疾病信息中的疾病名称确定为所述至少一个疾病的名称；

若所述疾病信息中不包括疾病名称，则根据所述症状信息确定所述至少一个疾病的名称。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述获取用户的特征信息之前，还包括：

获取所述多组样本中每个特征信息样本的第一特征向量；

获取所述多组样本中每个就医方案的第二特征向量，所述第二特征向量中的元素分别表示就医方案的所述多个维度指数；

通过深度神经网络学习每个第一特征向量、及对应的第二特征向量，得到所述预设模型。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述特征信息还包括所述用户的消费能力；相应的，所述多个推荐维度还包括费用水平，所述多个维度指数还包括费用指数。

6.根据权利要求5所述的方法，其特征在于，所述根据所述就医方案集合中每个就医方案的维度指数和所述多个推荐维度的权重值，确定目标就医方案，包括：

获取所述就医方案集合中每个就医方案的多个维度指数；

根据每个就医方案的多个维度指数和所述多个推荐维度的权重值，确定每个就医方案的推荐指数；

根据每个就医方案的推荐指数，确定目标就医方案。

7.根据权利要求6所述的方法，其特征在于，所述特征信息包括所述用户的位置，针对所述就医方案集合中任意一个第一就医方案，获取所述第一就医方案的多个维度指数，包括：

根据第一就医方案中医院的级别和用户评价，确定所述第一就医方案的医院实力指数；

根据第一就医方案中医生的职称和用户评价，确定所述第一就医方案的医生实力指数；

根据位置信息、所述第一就医方案中医院的就医流程、所述第一就医方案中医院的资源配比、所述第一就医方案中医生的预约率中的至少一种确定所述第一就医方案的便捷指数，所述位置信息包括所述用户的位置和所述第一就医方案中医院的位置；

根据所述第一就医方案中医院的价目表，确定所述第一就医方案的费用指数。

8.根据权利要求1-3任一项所述的方法，其特征在于，所述获取用户的特征信息，包括：

接收所述用户输入的所述特征信息，和/或，根据所述用户的用户画像数据确定所述特征信息，所述用户画像数据为根据所述用户的历史网络行为生成的。

9.一种就医方案确定装置，其特征在于，包括第一获取模块、第一确定模块、生成模块和第二确定模块，其中，

所述第一获取模块用于，获取用户的特征信息，所述特征信息至少包括疾病信息；

所述第一确定模块用于，根据所述疾病信息，确定包括至少一个就医方案的就医方案集合，每个就医方案包括可诊断所述用户的疾病的医院的标识和医生的标识；

所述生成模块用于，通过预设模型生成所述特征信息对应的多个推荐维度的权重值，所述多个推荐维度至少包括医院实力、医生实力和就诊便捷性；

所述第二确定模块用于，根据所述就医方案集合中每个就医方案的多个维度指数和所述多个推荐维度的权重值，确定目标就医方案，所述多个维度指数至少包括医院实力指数、医生实力指数和便捷指数。

10.根据权利要求9所述的装置，其特征在于，所述第一确定模块具体用于：

根据所述疾病信息，确定至少一个疾病的名称；

获取可诊断所述至少一个疾病的医院集合，所述医院集合中包括至少一个医院的标识；

获取每一个医院中可诊断所述至少一个疾病的医生集合；

根据所述医院集合和每一个医院对应的医生集合，确定所述就医方案集合。

11.根据权利要求10所述的装置，其特征在于，所述第一确定模块具体用于：

若所述疾病信息中包括疾病名称，则将所述疾病信息中的疾病名称确定为所述至少一个疾病的名称；

若所述疾病信息中不包括疾病名称，则根据所述症状信息确定所述至少一个疾病的名称。

12.根据权利要求9-11任一项所述的装置，其特征在于，所述装置还包括第二获取模块和学习模块，其中，

所述第二获取模块用于，在所述第一获取模块获取用户的特征信息之前，获取所述多组样本中每个特征信息样本的第一特征向量、以及所述多组样本中每个就医方案的第二特征向量，所述第二特征向量中的元素分别表示就医方案的所述多个维度指数；

所述学习模块用于，通过深度神经网络学习每个第一特征向量、及对应的第二特征向量，得到所述预设模型。

13.根据权利要求9-11任一项所述的装置，其特征在于，所述特征信息还包括所述用户的消费能力；相应的，所述多个推荐维度还包括费用水平，所述多个维度指数还包括费用指数。

14.根据权利要求13所述的装置，其特征在于，所述第二确定模块具体用于：

获取所述就医方案集合中每个就医方案的多个维度指数；

根据每个就医方案的多个维度指数和所述多个推荐维度的权重值，确定每个就医方案的推荐指数；

根据每个就医方案的推荐指数，确定目标就医方案。

15.根据权利要求14所述的装置，其特征在于，所述特征信息包括所述用户的位置，针对所述就医方案集合中任意一个第一就医方案，所述第二确定模块具体用于：

根据第一就医方案中医院的级别和用户评价，确定所述第一就医方案的医院实力指数；

根据第一就医方案中医生的职称和用户评价，确定所述第一就医方案的医生实力指数；

根据位置信息、所述第一就医方案中医院的就医流程、所述第一就医方案中医院的资源配比、所述第一就医方案中医生的预约率中的至少一种确定所述第一就医方案的便捷指数，所述位置信息包括所述用户的位置和所述第一就医方案中医院的位置；

根据所述第一就医方案中医院的价目表，确定所述第一就医方案的费用指数。

16.根据权利要求9-11任一项所述的装置，其特征在于，所述第一获取模块具体用于：

接收所述用户输入的所述特征信息，和/或，根据所述用户的用户画像数据确定所述特征信息，所述用户画像数据为根据所述用户的历史网络行为生成的。

17.一种终端设备，其特征在于，包括：处理器，所述处理器与存储器耦合；

所述存储器用于，存储计算机程序；

所述处理器用于，执行所述存储器中存储的计算机程序，以使得所述终端设备执行权利要求1-8任一项所述的方法。

18.一种可读存储介质，其特征在于，包括程序或指令，当所述程序或指令在计算机上运行时，权利要求1-8任一项所述的方法被执行。