CN109599187B - 一种在线问诊的分诊方法、服务器、终端、设备及介质 - Google Patents

Abstract

本发明提供了一种在线问诊的分诊方法、服务器、终端、设备及介质，该方法包括接收用户的看诊信息和用户信息；对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室并向用户反馈；响应于用户的选择操作确定看诊科室并向医生反馈所述看诊信息和用户信息以使医生对所述看诊信息进行反馈并进入问诊状态，本发明可准确、高效地向用户提供合适的看诊科室，优化用户的在线看诊流程。

Description

一种在线问诊的分诊方法、服务器、终端、设备及介质

技术领域

本发明涉及在线医疗技术领域，尤其涉及一种在线问诊的分诊方法、服务器、终端、设备及介质。

背景技术

随着移动便携设备的发展，在线问诊已经越来越普遍，在线问诊为用户提供随时随地的医疗服务，极大地简化了用户看诊流程。但是，在线问诊时，患者需要选择与病情对应的科室看诊，而患者通常对于医学专业认知较为欠缺，从而在线看诊时用户有时不能准确找到正确的科室看病，且在线看诊平台也没有线下就医时的“导诊台”，患者往往需要反复询问或更改看诊科室，导致在线看诊流程复杂、效率低。

发明内容

本发明提供了一种在线问诊的分诊方法，通过分析用户在线看诊时的看诊问题，准确、高效地向用户提供合适的看诊科室，优化用户的在线看诊流程。本发明还提供了一种服务器、终端、计算机设备及可读介质。

为了达到以上目的，本发明一方面公开了一种在线问诊的分诊方法，包括：

接收用户的看诊信息和用户信息；

对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室并向用户反馈；

响应于用户的选择操作确定看诊科室并向医生反馈所述看诊信息和用户信息以使医生对所述看诊信息进行反馈并进入问诊状态。

优选地，

所述看诊信息包括问题文本、问题语音和病情图片中的一种或多种；

所述用户信息包括用户的年龄和性别。

优选地，对所述看诊信息和用户信息进行特征提取具体包括：

通过图像分类和文字识别技术对所述病情图片进行特征提取得到图片的类型特征；和/或

通过关键词字典匹配技术或分类模型对问题语音和/或问题文本以及所述用户信息进行特征提取得到用户的人群特征；和/或

通过文字识别技术和语音识别技术分别对所述问题文本和问题语音进行特征提取得到医学实体特征。

优选地，所述根据提取的内容特征匹配目标科室具体包括：

通过第一分类器基于提取的特征得到目标科室类别；

根据所述目标科室类别选取对应的第二分类器；

通过所述对应的第二分类器基于提取的特征得到所述目标科室类别中的目标科室。

优选地，所述方法还包括预设所述第一分类器和第二分类器的步骤：

获取历史问诊的问诊信息，所述问诊信息包括用户看诊信息、用户信息和作答科室；

根据历史问诊的日志信息过滤存预设问题的问诊信息；

对过滤后的问诊信息进行内容处理得到标准问诊信息；

对所述标准问诊信息进行特征标记；

对特征标记后的标准问诊信息进行分类，将分类得到的每一类标准问诊信息与一个科室类别对应；

根据科室类别的对应结果，通过机器学习得到所述第一分类器；

将每个科室类别对应的每条标准问诊信息与该科室类别下的一个科室对应；

根据科室的对应结果，通过机器学习得到所述第二分类器。

优选地，所述预设问题为日志信息中存在用户重选科室、医生转诊或医生反馈时间大于预计时间。

优选地，所述响应于用户的选择操作确定看诊科室具体包括：

响应于用户的确认操作确认所述目标科室为看诊科室或者响应于用户的重选操作将用户选择的科室作为看诊科室。

优选地，所述向医生反馈所述看诊信息和用户信息以使医生对所述看诊信息进行反馈并进入问诊状态具体包括：

向医生反馈看诊信息和用户信息；

响应于医生的确认操作进入问诊状态或者响应于医生的转诊操作将医生选择的科室替换作为看诊科室，将所述看诊信息和用户信息传输至医生替换后的看诊科室并进入问诊状态。

本发明还公开了一种在线问诊的分诊方法，包括：

向服务器发送用户的看诊信息和用户信息，以使所述服务器对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室返回并向用户反馈，响应于用户的选择操作确定看诊科室并传输至所述服务器，以使所述服务器向医生反馈所述看诊信息和用户信息以使医生对所述看诊信息进行反馈并进入问诊状态。

优选地，所述根据提取的内容特征匹配目标科室具体包括：

通过第一分类器基于提取的特征得到目标科室类别；

根据所述目标科室类别选取对应的第二分类器；

通过所述对应的第二分类器基于提取的特征得到所述目标科室类别中的目标科室。

优选地，所述方法还包括预设所述第一分类器和第二分类器的步骤：

获取历史问诊的问诊信息，所述问诊信息包括用户看诊信息、用户信息和作答科室；

根据历史问诊的日志信息过滤存在预设问题的问诊信息；

对过滤后的问诊信息进行内容处理得到标准问诊信息；

对所述标准问诊信息进行特征标记；

对特征标记后的标准问诊信息进行分类，将分类得到的每一类标准问诊信息与一个科室类别对应；

根据科室类别的对应结果，通过机器学习得到所述第一分类器；

将每个科室类别对应的每条标准问诊信息与该科室类别下的一个科室对应；

根据科室的对应结果，通过机器学习得到所述第二分类器。

优选地，所述预设问题为日志信息中存在用户重选科室、医生转诊或医生反馈时间大于预计时间。

优选地，所述响应于用户的选择操作确定看诊科室具体包括：

响应于用户的确认操作确认所述目标科室为看诊科室或者响应于用户的重选操作将用户选择的科室作为看诊科室。

本发明还公开了一种在线问诊的分诊方法，包括：

通过看诊科室对应的医生终端接收服务器传输的用户看诊信息和用户信息并向医生反馈，以使医生反馈并进入问诊状态，其中，所述看诊信息和用户信息为所述服务器接收的用户终端传输的用户看诊信息和用户信息，所述看诊科室为所述服务器对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室向用户反馈并响应于用户的选择操作确定的。

优选地，所述根据提取的内容特征匹配目标科室具体包括：

通过第一分类器基于提取的特征得到目标科室类别；

根据所述目标科室类别选取对应的第二分类器；

通过所述对应的第二分类器基于提取的特征得到所述目标科室类别中的目标科室。

优选地，所述方法还包括预设所述第一分类器和第二分类器的步骤：

获取历史问诊的问诊信息，所述问诊信息包括用户看诊信息、用户信息和作答科室；

根据历史问诊的日志信息过滤存预设问题的问诊信息；

对过滤后的问诊信息进行内容处理得到标准问诊信息；

对所述标准问诊信息进行特征标记；

对特征标记后的标准问诊信息进行分类，将分类得到的每一类标准问诊信息与一个科室类别对应；

根据科室类别的对应结果，通过机器学习得到所述第一分类器；

将每个科室类别对应的每条标准问诊信息与该科室类别下的一个科室对应；

根据科室的对应结果，通过机器学习得到所述第二分类器。

优选地，所述预设问题为日志信息中存在用户重选科室、医生转诊或医生反馈时间大于预计时间。

优选地，所述接收服务器传输的用户看诊信息和用户信息并向医生反馈，以使医生反馈并进入问诊状态具体包括：

向医生反馈看诊信息和用户信息；

响应于医生的确认操作进入问诊状态或者响应于医生的转诊操作将医生选择的科室替换作为看诊科室，将所述看诊信息和用户信息传输至医生替换后的看诊科室并进入问诊状态。

本发明还公开了一种服务器，包括

信息接收模块，用于接收用户的看诊信息和用户信息；

信息处理模块，用于对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室并传输至用户终端向用户反馈；

信息交互模块，用于响应于用户的选择操作确定看诊科室并向医生反馈所述看诊信息和用户信息以使医生对所述看诊信息进行反馈并进入问诊状态。

本发明还公开了一种终端，被配置为向服务器发送用户的看诊信息和用户信息，以使所述服务器对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室返回并向用户反馈，响应于用户的选择操作确定看诊科室并传输至所述服务器，以使所述服务器向医生反馈所述看诊信息和用户信息以使医生对所述看诊信息进行反馈并进入问诊状态。

本发明还公开了一种终端，所述终端为看诊科室对应的终端，所述终端被配置为接收服务器传输的用户看诊信息和用户信息并向医生反馈，以使医生反馈并进入问诊状态，其中，所述看诊信息和用户信息为所述服务器接收的用户终端传输的用户看诊信息和用户信息，所述看诊科室为所述服务器对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室向用户反馈并响应于用户的选择操作确定的。

本发明还公开了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，

所述处理器执行所述程序时实现如上所述方法。

本发明还公开了一种计算机可读介质，其上存储有计算机程序，

该程序被处理器执行时实现如上所述方法。

本发明通过获取用户在线看诊时输入的看诊信息，并结合用户的个人信息综合分析得到合适的目标科室反馈给用户，从而用户在无法确定看诊的科室时，可根据在线问诊平台推荐的目标科室进行选择，避免了用户盲目选择看病科室而导致需要反复询问和重新选择科室的问题，优化了用户在线看诊的流程，降低了用户在线看诊的复杂度，节省了用户时间和医疗资源，提高了在线看诊平台的专业化、人性化水平以及问诊效率。同时，用户也可根据实际情况选择其他科室，保证用户体验。

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简单地介绍，显而易见地，下面描述中的附图仅仅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的前提下，还可以根据这些附图获得其他的附图。

图1示出本发明在线问诊的分诊方法一个具体实施例的流程图；

图2示出本发明在线问诊的分诊方法一个具体实施例匹配目标科室的流程图；

图3示出本发明在线问诊的分诊方法一个具体实施例形成第一分类器和第二分类器的流程图；

图4示出本发明在线问诊的分诊方法一个具体实施例用户确认看诊科室的流程图；

图5示出本发明在线问诊的分诊方法一个具体实施例医生确认看诊科室的流程图；

图6示出本发明在线问诊的分诊方法一个具体实施例的工作流程图；

图7示出本发明用户终端一个具体实施例的反馈截图之一；

图8示出本发明用户终端一个具体实施例的反馈截图之二；

图9示出本发明医生终端一个具体实施例的反馈截图之一；

图10示出本发明医生终端一个具体实施例的反馈截图之二；

图11示出本发明医生终端一个具体实施例的反馈截图之三；

图12示出本发明服务器一个具体实施例的结构示意图；

图13示出适于用来实现本发明实施例的计算机设备的结构示意图。

具体实施方式

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，所描述的实施例仅仅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。

根据本发明的一个方面，本实施例公开了一种在线问诊的分诊方法。如图1所示，本实施例中，所述方法10包括：

S100：接收用户的看诊信息和用户信息。其中，所述看诊信息可以是用户输入的问题文本、问题语音和上传的病情图片等多种信息中的至少之一，所述用户信息可包括看诊用户的年龄和性别等个人信息。

S200：对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室并向用户反馈。在优选的实施方式中，对于不同类型的看诊信息可提取不同类型的特征。例如，对于问题文本、问题语音和/或病情图片的看诊信息以及年龄和性别的用户信息，对所述看诊信息和用户信息进行特征提取可分别通过以下方法实现：

通过图像分类和文字识别技术对所述病情图片进行特征提取得到图片的类型特征。例如可通过图像分类及光学字符识别技术(Optical Character Recognition，OCR)识别用户上传的图片的大致分类，其中，类型特征可包括例如某个科室的检验报告单、CT照片或身体某个部位的照片等类型。

通过关键词字典匹配技术或分类模型对所述用户信息、问题语音和问题文本进行特征提取得到用户的人群特征。其中，关键词字典匹配技术是将用户信息、问题语音和问题文本与关键词字典中的关键词匹配以得到用户的人群特征，例如可得到用户是儿童或成年等特征信息，对用户信息的分析还可以采用分类模型对用户信息进行自动分析，其中分类模型为通过标记了用户信息的历史问诊信息为训练数据通过机器学习训练形成的，在用户信息输入时可自动识别用户的人群特征。进一步地，当通过用户信息得到的人群特征与通过用户输入的问题文本和问题语音中得到的人群特征不一致时，将通过用户输入的问题文本和问题语音得到的特征作为人群特征，从而当用户替其他人看诊时，通过对用户输入的看诊信息的特征提取，对看诊对象进行智能修正。

通过文字识别技术和语音识别技术分别对所述问题文本和问题语音进行特征提取得到医学实体特征。其中，医学实体特征为医生描述患者病情时常用的医学词汇，例如咳嗽、发烧或头疼等可表示用户病情的特征。

S300：响应于用户的选择操作确定看诊科室并向医生反馈所述看诊信息和用户信息以使医生对所述看诊信息进行反馈并进入问诊状态。

本实施例的分诊方法通过获取用户在线看诊时输入的看诊信息，并结合用户的个人信息，通过特征提取自动匹配合适的目标科室并反馈给用户，从而用户在无法确定看诊的科室时，可根据在线问诊平台推荐的目标科室进行选择，避免了用户盲目选择看病科室而导致需要反复询问和重新选择科室的问题，优化了用户在线看诊的流程，降低了用户在线看诊的复杂度，节省了用户时间和医疗资源，提高了在线看诊平台的专业化、人性化水平以及问诊效率。

在优选的实施方式中，如图2所示，步骤S200中根据提取的特征匹配目标科室并向用户反馈可通过以下步骤实现：

S210：通过第一分类器基于提取的特征得到目标科室类别。在根据用户的看诊信息和用户信息自动匹配目标科室时，可通过第一分类器优先匹配目标科室所在的科室类别，根据用户的看诊信息和用户信息对科室进行粗分，使得目标科室的匹配范围大大缩小，减少目标科室匹配过程的运算量，提高向用户反馈目标科室的效率。

S220：根据所述目标科室类别选取对应的第二分类器。第一分类器中每个科室类别对应一个第二分类器，每个科室类别可包括多个科室，每个第二分类器可根据用户的看诊信息和用户信息匹配得到对应的目标科室类别中的一个目标科室，由此，通过求解得到的目标科室类别可确定用以进一步得到目标科室的第二分类器。

S230：通过所述对应的第二分类器基于提取特征后的看诊信息得到所述目标科室类别中的目标科室。例如，将提取的图片类型特征、人群特征以及医学实体特征输入第二分类器，第二分类器可根据提取的特征对本次问诊的用户情况进行综合分析进而匹配最优的目标科室以推荐给用户。

在优选的实施方式中，如图3所示，所述方法还可包括预先形成第一分类器和第二分类器的步骤：

S201：获取历史问诊的问诊信息，所述问诊信息包括用户看诊信息、用户信息和作答科室。通过保存的不同用户的历史问诊信息形成一个标准的训练数据集合进行机器学习，以保证形成的分类器可基于用户看诊信息和用户信息得到准确的目标科室。

S202：根据历史问诊的日志信息过滤存在预设问题的问诊信息。优选的，所述预设问题可为日志信息中存在用户重选科室、医生转诊或医生反馈时间大于预计时间。通过预设问题的过滤可使用于形成第一分类器和第二分类器的训练数据的准确性，使训练得到的第一分类器和第二分类器匹配得到的目标科室的准确度高。

S203：对过滤后的问诊信息进行内容处理得到标准问诊信息。通过内容处理可使问诊信息的特征更加明确，去除模糊不易分类的信息，以得到更多有效信息。优选的，所述内容处理可包括分词和同义词替换等方法。

S204：对所述标准问诊信息进行特征标记。此处的特征标记与S200中对用户本次看诊的看诊信息和用户信息的特征提取过程优选地可采用相同的特征提取方法，在此不再赘述。

S205：对特征标记后的标准问诊信息进行分类，将分类得到的每一类标准问诊信息与一个科室类别对应。可通过问题聚类将标准问诊信息粗分至多个科室类别，例如需将标准问诊信息与n个科室类别对应时，可通过科室类别标签(C1，C2，C3……Cn)对标准问诊信息进行标记以便于分类。

S206：根据科室类别的对应结果，通过机器学习得到所述第一分类器。以S205粗分的标准问诊信息作为训练数据通过机器学习得到粗分科室类别的第一分类器。

S207：将每个科室类别对应的每条标准问诊信息与该科室类别下的一个科室对应以形成训练数据，例如对应后形成的训练数据格式可为：问题ID——问题文本：近一个月出现嗓子里有痰的问题，不舒服，咽不下去，想咳出来，但咳不净，有时候会觉得是鼻子后部的鼻涕成痰，请问这是什么问题？不咳嗽(女，49岁)——图片类型特征——年龄、性别——其他特征标签——科室类别标签Cx(x的取值范围为1～n中的正整数)——目标科室。

S208：根据科室的对应结果，通过机器学习得到所述第二分类器。将每个科室对应的标准问诊信息作为单一的训练数据通过机器学习得到与该科室对应的第二分类器。所有科室类别对应的第二分类器可形成第二分类器集合(A1,A2,A3...An)，其中，第X个第二分类器可表示为Ax。

需要说明的是，本实施例仅给出匹配目标科室的一个具体例子，在实际应用中，也可通过关键词字典匹配等方法实现目标科室的自动匹配。

在优选的实施方式中，如图4所示，步骤S300中，所述响应于用户的选择操作确定看诊科室具体可包括：

S310：响应于用户的确认操作确认所述目标科室为看诊科室或者响应于用户的重选操作将用户选择的科室作为看诊科室。本实施例中，用户在接收到问诊平台推荐的目标科室时也可根据实际情况确定选择平台自动匹配的目标科室抑或其他科室看诊，体现平台人性化设计，保证用户体验。

在优选的实施方式中，如图5所示，步骤S300中，所述向医生反馈所述看诊信息和用户信息以使医生对所述看诊信息进行反馈并进入问诊状态可包括：

S330：向医生反馈看诊信息和用户信息。

S340：响应于医生的确认操作进入问诊状态或者响应于医生的转诊操作将医生选择的科室替换作为看诊科室，将所述看诊信息和用户信息传输至医生替换后的看诊科室并进入问诊状态，向医生提供转诊操作可使医生对看诊科室修正，辅助引导用户看诊。

下面通过一个具体例子来对本发明作进一步说明，如图6所示，用户在使用时在线问诊平台时，可向用户反馈用户信息选择界面，用户可以选择咨询患者的档案，患者档案可以是用户在注册平台时输入的用户信息，也可以选择“添加新档案”以输入本次看诊的患者的信息作为用户信息，如图7所示。用户在病情咨询时，可向用户提供看诊信息输入界面，如图8所示，用户终端可采集用户输入的问题文本、问题语音以及病情图片等看诊信息连同用户信息一并传输至服务器，服务器可对看诊信息和用户信息进行特征提取自动匹配目标科室，并将得到的目标科室传输至用户终端，用户终端可根据接收的目标科室向用户反馈目标科室、确认科室按钮和重选科室按钮，如图9所示。用户可根据用户终端反馈的科室名称判断是否进入在线问诊状态。若用户选择确认科室按钮，则终端将服务器传输的目标科室作为用户的看诊科室，若用户选择重选科室按钮，则终端可向用户展示所有科室名称并将用户选择的科室作为看诊科室。用户终端将最终得到的看诊科室传输至服务器，服务器根据接收的看诊科室，将用户的看诊信息和用户信息传输至所述看诊科室对应的医生终端，医生终端可将服务器传输的看诊信息和用户信息向医生反馈，如图10所示。如图11所示，同时医生终端可向医生反馈开始回答和转诊按钮，当医生通过用户的看诊信息和用户信息确认可回复患者的病情咨询时，可按开始回答按钮，医生终端接收到医生对于开始回答按钮的操作即可向服务器发送开始回答请求，服务器确认进入问诊状态，医生与用户通过医生终端和用户终端沟通，而当医生根据用户的看诊信息和用户信息确认并不能够解决用户的病情咨询时，可按转诊按钮，医生终端接收到医生的转诊操作可向医生反馈所有科室，在医生选择对应科室后将医生选择的科室作为新的看诊科室并发送至服务器，服务器可基于医生转诊的看诊科室进入问诊状态。

基于相同原理，本实施例还公开了一种在线问诊的分诊方法，该方法包括向服务器发送用户的看诊信息和用户信息，以使所述服务器对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室返回并向用户反馈，响应于用户的选择操作确定看诊科室并传输至所述服务器，以使所述服务器向医生反馈所述看诊信息和用户信息以使医生对所述看诊信息进行反馈并进入问诊状态。

其中，其中，所述看诊信息可以是用户输入的问题文本、问题语音和上传的病情图片等多种信息中的至少之一，所述用户信息可包括看诊用户的年龄和性别等个人信息。

在优选的实施方式中，对于不同类型的看诊信息可提取不同类型的特征。例如，对于问题文本、问题语音和病情图片的看诊信息以及年龄和性别的用户信息，对所述看诊信息和用户信息进行特征提取可分别通过以下方法实现：

通过图像分类和文字识别技术对所述病情图片进行特征提取得到图片的类型特征。例如可通过图像分类及OCR技术识别用户上传的图片的大致分类，其中，类型特征可包括例如某个科室的检验报告单、CT照片或身体某个部位的照片等类型。

通过关键词字典匹配技术或分类模型对所述用户信息、问题语音和问题文本进行特征提取得到用户的人群特征。其中，关键词字典匹配技术是将用户信息、问题语音和问题文本与关键词字典中的关键词匹配以得到用户的人群特征，例如可得到用户是儿童或成年等特征信息，对用户信息的分析还可以采用分类模型对用户信息进行自动分析，其中分类模型为通过标记了用户信息的历史问诊信息为训练数据通过机器学习训练形成的，在用户信息输入时可自动识别用户的人群特征。进一步地，当通过用户信息得到的人群特征与通过用户输入的问题文本和问题语音中得到的人群特征不一致时，将通过用户输入的问题文本和问题语音得到的特征作为人群特征，从而当用户替其他人看诊时，通过对用户输入的看诊信息的特征提取，对看诊对象进行智能修正。

通过文字识别技术和语音识别技术分别对所述问题文本和问题语音进行特征提取得到医学实体特征。其中，医学实体特征为医生描述患者病情时常用的医学词汇，例如咳嗽、发烧或头疼等可表示用户病情的特征。

本实施例的分诊方法通过获取用户在线看诊时输入的看诊信息，并与用户的个人信息一并传输至服务器，服务器通过特征提取自动匹配合适的目标科室并反馈给用户，从而用户在无法确定看诊的科室时，可根据在线问诊平台推荐的目标科室进行选择，避免了用户盲目选择看病科室而导致需要反复询问和重新选择科室的问题，优化了用户在线看诊的流程，降低了用户在线看诊的复杂度，节省了用户时间和医疗资源，提高了在线看诊平台的专业化、人性化水平以及问诊效率。

在优选的实施方式中，服务器根据提取的内容特征匹配目标科室可通过以下步骤实现：

通过第一分类器基于提取的特征得到目标科室类别。在根据用户的看诊信息和用户信息自动匹配目标科室时，可通过第一分类器优先匹配目标科室所在的科室类别，根据用户的看诊信息和用户信息对科室进行粗分，使得目标科室的匹配范围大大缩小，减少目标科室匹配过程的运算量，提高向用户反馈目标科室的效率。

根据所述目标科室类别选取对应的第二分类器。第一分类器中每个科室类别对应一个第二分类器，每个科室类别可包括多个科室，每个第二分类器可根据用户的看诊信息和用户信息匹配得到对应的目标科室类别中的一个目标科室，由此，通过求解得到的目标科室类别可确定用以进一步得到目标科室的第二分类器。

通过所述对应的第二分类器基于提取特征后的看诊信息得到所述目标科室类别中的目标科室。例如，将提取的图片类型特征、人群特征以及医学实体特征输入第二分类器，第二分类器可根据提取的特征对本次问诊的用户情况进行综合分析进而匹配最优的目标科室以推荐给用户。

在优选的实施方式中，所述方法还可包括预先形成第一分类器和第二分类器的步骤：

获取历史问诊的问诊信息，所述问诊信息包括用户看诊信息、用户信息和作答科室。通过保存的不同用户的历史问诊信息形成一个标准的训练数据集合进行机器学习，以保证形成的分类器可基于用户看诊信息和用户信息得到准确的目标科室。

根据每次历史问诊的日志信息过滤存在预设问题的问诊信息。优选的，所述预设问题可为日志信息中存在用户重选科室、医生转诊或医生反馈时间大于预计时间。通过预设问题的过滤可使用于形成第一分类器和第二分类器的训练数据的准确性，使训练得到的第一分类器和第二分类器匹配得到的目标科室的准确度高。

对过滤后的问诊信息进行内容处理得到标准问诊信息。通过内容处理可使问诊信息的特征更加明确，去除模糊不易分类的信息，以得到更多有效信息。优选的，所述内容处理可包括分词和同义词替换等方法。

对所述标准问诊信息进行特征标记。此处的特征标记与上述步骤中对用户本次看诊的看诊信息和用户信息的特征提取过程优选地可采用相同的特征提取方法，在此不再赘述。

根据特征标记后的标准问诊信息进行分类，将分类得到的每一类标准问诊信息与一个科室类别对应。可通过问题聚类将标准问诊信息进行分类，将标准问诊信息粗分至多个科室类别，例如需将标准问诊信息与n个科室类别对应时，可通过科室类别标签(C1，C2，C3……Cn)对标准问诊信息进行标记以便于分类。

通过机器学习得到所述第一分类器。以粗分的标准问诊信息作为训练数据通过机器学习得到粗分科室类别的第一分类器。

将每个科室类别对应的每条标准问诊信息与该科室类别下的一个科室对应以形成训练数据，例如对应后形成的训练数据格式可为：问题ID——问题文本：近一个月出现嗓子里有痰的问题，不舒服，咽不下去，想咳出来，但咳不净，有时候会觉得是鼻子后部的鼻涕成痰，请问这是什么问题？不咳嗽(女，49岁)——图片类型特征——年龄、性别——其他特征标签——科室类别标签Cx(x的取值范围为1～n中的正整数)——目标科室。

通过机器学习得到所述第二分类器。将每个科室对应的标准问诊信息作为单一的训练数据通过机器学习得到与该科室对应的第二分类器。所有科室类别对应的第二分类器可形成第二分类器集合(A1,A2,A3...An)，其中，第X个第二分类器可表示为Ax。需要说明的是，本实施例仅给出匹配目标科室的一个具体例子，在实际应用中，也可通过关键词字典匹配等方法实现目标科室的自动匹配。

在优选的实施方式中，所述响应于用户的选择操作确定看诊科室具体可包括：向用户反馈所述目标科室。响应于用户的确认操作确认所述目标科室为看诊科室或者响应于用户的重选操作将用户选择的科室作为看诊科室。本实施例中，用户在接收到问诊平台推荐的目标科室时也可根据实际情况确定选择平台自动匹配的目标科室抑或其他科室看诊，体现平台人性化设计，保证用户体验。

在优选的实施方式中，还包括向医生反馈所述看诊信息和用户信息以使医生对所述看诊信息和用户信息进行反馈并进入问诊状态，具体的，向医生反馈看诊信息和用户信息，响应于医生的确认操作进入问诊状态或者响应于医生的转诊操作将医生选择的科室替换作为看诊科室，将所述看诊信息和用户信息传输至医生替换后的看诊科室并进入问诊状态，向医生提供转诊操作可使医生对看诊科室修正，辅助引导用户看诊。

基于相同原理，本实施例还公开了一种在线问诊的分诊方法，该方法包括通过看诊科室对应的医生终端接收服务器传输的用户看诊信息和用户信息并向医生反馈，以使医生反馈并进入问诊状态，其中，所述看诊信息和用户信息为所述服务器接收的用户终端传输的用户看诊信息和用户信息，所述看诊科室为所述服务器对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室向用户反馈并响应于用户的选择操作确定的。

其中，所述看诊信息可以是用户输入的问题文本、问题语音和上传的病情图片等多种信息中的至少之一，所述用户信息可包括看诊用户的年龄和性别等个人信息。

在优选的实施方式中，对于不同类型的看诊信息可提取不同类型的特征。例如，对于问题文本、问题语音和病情图片的看诊信息以及年龄和性别的用户信息，对所述看诊信息和用户信息进行特征提取可分别通过以下方法实现：

通过图像分类和文字识别技术对所述病情图片进行特征提取得到图片的类型特征。例如可通过图像分类及OCR技术识别用户上传的图片的大致分类，其中，类型特征可包括例如某个科室的检验报告单、CT照片或身体某个部位的照片等类型。

通过关键词字典匹配技术或分类模型对所述用户信息、问题语音和问题文本进行特征提取得到用户的人群特征。其中，关键词字典匹配技术是将用户信息、问题语音和问题文本与关键词字典中的关键词匹配以得到用户的人群特征，例如可得到用户是儿童或成年等特征信息，对用户信息的分析还可以采用分类模型对用户信息进行自动分析，其中分类模型为通过标记了用户信息的历史问诊信息为训练数据通过机器学习训练形成的，在用户信息输入时可自动识别用户的人群特征。进一步地，当通过用户信息得到的人群特征与通过用户输入的问题文本和问题语音中得到的人群特征不一致时，将通过用户输入的问题文本和问题语音得到的特征作为人群特征，从而当用户替其他人看诊时，通过对用户输入的看诊信息的特征提取，对看诊对象进行智能修正。

通过文字识别技术和语音识别技术分别对所述问题文本和问题语音进行特征提取得到医学实体特征。其中，医学实体特征为医生描述患者病情时常用的医学词汇，例如咳嗽、发烧或头疼等可表示用户病情的特征。

在优选的实施方式中，根据提取的内容特征匹配目标科室并向用户反馈可通过以下步骤实现：

通过第一分类器基于提取的特征得到目标科室类别。在根据用户的看诊信息和用户信息自动匹配目标科室时，可通过第一分类器优先匹配目标科室所在的科室类别，根据用户的看诊信息和用户信息对科室进行粗分，使得目标科室的匹配范围大大缩小，减少目标科室匹配过程的运算量，提高向用户反馈目标科室的效率。

根据所述目标科室类别选取对应的第二分类器。第一分类器中每个科室类别对应一个第二分类器，每个科室类别可包括多个科室，每个第二分类器可根据用户的看诊信息和用户信息匹配得到对应的目标科室类别中的一个目标科室，由此，通过求解得到的目标科室类别可确定用以进一步得到目标科室的第二分类器。

通过所述对应的第二分类器基于提取特征后的看诊信息得到所述目标科室类别中的目标科室。例如，将提取的图片类型特征、人群特征以及医学实体特征输入第二分类器，第二分类器可根据提取的特征对本次问诊的用户情况进行综合分析进而匹配最优的目标科室以推荐给用户。

在优选的实施方式中，所述方法还可包括预先形成第一分类器和第二分类器的步骤：

获取历史问诊的问诊信息，所述问诊信息包括用户看诊信息、用户信息和作答科室。通过保存的不同用户的历史问诊信息形成一个标准的训练数据集合进行机器学习，以保证形成的分类器可基于用户看诊信息和用户信息得到准确的目标科室。

根据每次历史问诊的日志信息过滤存在预设问题的问诊信息。优选的，所述预设问题可为日志信息中存在用户重选科室、医生转诊或医生反馈时间大于预计时间。通过预设问题的过滤可使用于形成第一分类器和第二分类器的训练数据的准确性，使训练得到的第一分类器和第二分类器匹配得到的目标科室的准确度高。

对过滤后的问诊信息进行内容处理得到标准问诊信息。通过内容处理可使问诊信息的特征更加明确，去除模糊不易分类的信息，以得到更多有效信息。优选的，所述内容处理可包括分词和同义词替换等方法。

对所述标准问诊信息进行特征标记。此处的特征标记与对用户本次看诊的看诊信息和用户信息的特征提取过程优选地可采用相同的特征提取方法，在此不再赘述。

根据特征标记后的标准问诊信息进行分类，将分类得到的每一类标准问诊信息与一个科室类别对应。可通过问题聚类将标准问诊信息进行分类，将标准问诊信息粗分至多个科室类别，例如需将标准问诊信息与n个科室类别对应时，可通过科室类别标签(C1，C2，C3……Cn)对标准问诊信息进行标记以便于分类。

通过机器学习得到所述第一分类器。以粗分的标准问诊信息作为训练数据通过机器学习得到粗分科室类别的第一分类器。

将每个科室类别对应的每条标准问诊信息与该科室类别下的一个科室对应以形成训练数据，例如对应后形成的训练数据格式可为：问题ID——问题文本：近一个月出现嗓子里有痰的问题，不舒服，咽不下去，想咳出来，但咳不净，有时候会觉得是鼻子后部的鼻涕成痰，请问这是什么问题？不咳嗽(女，49岁)——图片类型特征——年龄、性别——其他特征标签——科室类别标签Cx(x的取值范围为1～n中的正整数)——目标科室。

通过机器学习得到所述第二分类器。将每个科室对应的标准问诊信息作为单一的训练数据通过机器学习得到与该科室对应的第二分类器。所有科室类别对应的第二分类器可形成第二分类器集合(A1,A2,A3...An)，其中，第X个第二分类器可表示为Ax。

需要说明的是，本实施例仅给出匹配目标科室的一个具体例子，在实际应用中，也可通过关键词字典匹配等方法实现目标科室的自动匹配。

在优选的实施方式中，响应于用户的选择操作确定看诊科室具体可包括响应于用户的确认操作确认所述目标科室为看诊科室或者响应于用户的重选操作将用户选择的科室作为看诊科室。本实施例中，用户在接收到问诊平台推荐的目标科室时也可根据实际情况确定选择平台自动匹配的目标科室抑或其他科室看诊，体现平台人性化设计，保证用户体验。

在优选的实施方式中，向医生反馈所述看诊信息和用户信息以使医生对所述看诊信息和用户信息进行反馈并进入问诊状态可包括向医生反馈看诊信息和用户信息，响应于医生的确认操作进入问诊状态或者响应于医生的转诊操作将医生选择的科室替换作为看诊科室，将所述看诊信息和用户信息传输至医生替换后的看诊科室并进入问诊状态，向医生提供转诊操作可使医生对看诊科室修正，辅助引导用户看诊。

基于相同原理，本实施例还公开了一种服务器，如图12所示，该服务器包括信息接收模块11、信息处理模块12和信息交互模块13。由于该服务器解决问题的原理与以上方法类似，因此本服务器的实施可以参见方法的实施，在此不再赘述。

其中，信息接收模块11用于接收用户的看诊信息和用户信息。信息处理模块12用于对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室并传输至用户终端向用户反馈。信息交互模块13用于响应于用户的选择操作确定看诊科室并向医生反馈所述看诊信息和用户信息以使医生对所述看诊信息进行反馈并进入问诊状态。

基于相同原理，本实施例还公开了一种终端(用户终端)，该终端被配置为向服务器发送用户的看诊信息和用户信息，以使所述服务器对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室返回并向用户反馈，响应于用户的选择操作确定看诊科室并传输至所述服务器，以使所述服务器向医生反馈所述看诊信息和用户信息以使医生对所述看诊信息进行反馈并进入问诊状态。由于该终端解决问题的原理与以上方法类似，因此本终端的实施可以参见方法的实施，在此不再赘述。

基于相同原理，本实施例还公开了一种终端(医生终端)，所述终端为看诊科室对应的终端，所述终端被配置为接收服务器传输的用户看诊信息和用户信息并向医生反馈，以使医生反馈并进入问诊状态，其中，所述看诊信息和用户信息为所述服务器接收的用户终端传输的用户看诊信息和用户信息，所述看诊科室为所述服务器对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室向用户反馈并响应于用户的选择操作确定的。由于该终端解决问题的原理与以上方法类似，因此本终端的实施可以参见方法的实施，在此不再赘述。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机设备，具体的，计算机设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

在一个典型的实例中计算机设备具体包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的由客户端执行的方法，或者，所述处理器执行所述程序时实现如上所述的由服务器执行的方法。

下面参考图13，其示出了适于用来实现本申请实施例的计算机设备600的结构示意图。

如图13所示，计算机设备600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM))603中的程序而执行各种适当的工作和处理。在RAM603中，还存储有系统600操作所需的各种程序和数据。CPU601、ROM602、以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶反馈器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡，调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口606。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装如存储部分608。

特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包括用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (11)

1.一种在线问诊的分诊方法，其特征在于，包括：

接收用户的看诊信息和用户信息；

对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室并向用户反馈；

响应于用户的选择操作确定看诊科室并向医生反馈所述看诊信息和用户信息以使医生对所述看诊信息进行反馈并进入问诊状态；

所述根据提取的内容特征匹配目标科室具体包括：

通过第一分类器基于提取的特征得到目标科室类别；

根据所述目标科室类别选取对应的第二分类器；

通过所述对应的第二分类器基于提取的特征得到所述目标科室类别中的目标科室；

所述方法还包括预设所述第一分类器和第二分类器的步骤：

获取历史问诊的问诊信息，所述问诊信息包括用户看诊信息、用户信息和作答科室；

根据历史问诊的日志信息过滤存在预设问题的问诊信息；

对过滤后的问诊信息进行内容处理得到标准问诊信息；

对所述标准问诊信息进行特征标记；

对特征标记后的标准问诊信息进行分类，将分类得到的每一类标准问诊信息与一个科室类别对应；

根据科室类别的对应结果，通过机器学习得到所述第一分类器；

将每个科室类别对应的每条标准问诊信息与该科室类别下的一个科室对应；

根据科室的对应结果，通过机器学习得到所述第二分类器；

所述预设问题为日志信息中存在用户重选科室、医生转诊或医生反馈时间大于预计时间；

所述响应于用户的选择操作确定看诊科室具体包括：

响应于用户的确认操作确认所述目标科室为看诊科室或者响应于用户的重选操作将用户选择的科室作为看诊科室。

2.根据权利要求1所述的分诊方法，其特征在于，

所述看诊信息包括问题文本、问题语音和病情图片中的一种或多种；

所述用户信息包括用户的年龄和性别。

3.根据权利要求2所述的分诊方法，其特征在于，对所述看诊信息和用户信息进行特征提取具体包括：

通过图像分类和文字识别技术对所述病情图片进行特征提取得到图片的类型特征；和/或

通过关键词字典匹配技术或分类模型对问题语音和/或问题文本以及所述用户信息进行特征提取得到用户的人群特征；和/或

通过文字识别技术和语音识别技术分别对所述问题文本和问题语音进行特征提取得到医学实体特征。

4.根据权利要求1所述的分诊方法，其特征在于，所述向医生反馈所述看诊信息和用户信息以使医生对所述看诊信息进行反馈并进入问诊状态具体包括：

向医生反馈看诊信息和用户信息；

响应于医生的确认操作进入问诊状态或者响应于医生的转诊操作将医生选择的科室替换作为看诊科室，将所述看诊信息和用户信息传输至医生替换后的看诊科室并进入问诊状态。

5.一种在线问诊的分诊方法，其特征在于，包括：

向服务器发送用户的看诊信息和用户信息，以使所述服务器对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室返回并向用户反馈，响应于用户的选择操作确定看诊科室并传输至所述服务器，以使所述服务器向医生反馈所述看诊信息和用户信息以使医生对所述看诊信息进行反馈并进入问诊状态；

所述根据提取的内容特征匹配目标科室具体包括：

通过第一分类器基于提取的特征得到目标科室类别；

根据所述目标科室类别选取对应的第二分类器；

通过所述对应的第二分类器基于提取的特征得到所述目标科室类别中的目标科室；

所述方法还包括预设所述第一分类器和第二分类器的步骤：

获取历史问诊的问诊信息，所述问诊信息包括用户看诊信息、用户信息和作答科室；

根据历史问诊的日志信息过滤存在预设问题的问诊信息；

对过滤后的问诊信息进行内容处理得到标准问诊信息；

对所述标准问诊信息进行特征标记；

对特征标记后的标准问诊信息进行分类，将分类得到的每一类标准问诊信息与一个科室类别对应；

根据科室类别的对应结果，通过机器学习得到所述第一分类器；

将每个科室类别对应的每条标准问诊信息与该科室类别下的一个科室对应；

根据科室的对应结果，通过机器学习得到所述第二分类器；

所述预设问题为日志信息中存在用户重选科室、医生转诊或医生反馈时间大于预计时间；

所述响应于用户的选择操作确定看诊科室具体包括：

响应于用户的确认操作确认所述目标科室为看诊科室或者响应于用户的重选操作将用户选择的科室作为看诊科室。

6.一种在线问诊的分诊方法，其特征在于，包括：

通过看诊科室对应的医生终端接收服务器传输的用户看诊信息和用户信息并向医生反馈，以使医生反馈并进入问诊状态，其中，所述看诊信息和用户信息为所述服务器接收的用户终端传输的用户看诊信息和用户信息，所述看诊科室为所述服务器对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室向用户反馈并响应于用户的选择操作确定的；

所述根据提取的内容特征匹配目标科室具体包括：

通过第一分类器基于提取的特征得到目标科室类别；

根据所述目标科室类别选取对应的第二分类器；

通过所述对应的第二分类器基于提取的特征得到所述目标科室类别中的目标科室；

所述方法还包括预设所述第一分类器和第二分类器的步骤：

获取历史问诊的问诊信息，所述问诊信息包括用户看诊信息、用户信息和作答科室；

根据历史问诊的日志信息过滤存预设问题的问诊信息；

对过滤后的问诊信息进行内容处理得到标准问诊信息；

对所述标准问诊信息进行特征标记；

对特征标记后的标准问诊信息进行分类，将分类得到的每一类标准问诊信息与一个科室类别对应；

根据科室类别的对应结果，通过机器学习得到所述第一分类器；

将每个科室类别对应的每条标准问诊信息与该科室类别下的一个科室对应；

根据科室的对应结果，通过机器学习得到所述第二分类器；

所述预设问题为日志信息中存在用户重选科室、医生转诊或医生反馈时间大于预计时间；

所述接收服务器传输的用户看诊信息和用户信息并向医生反馈，以使医生反馈并进入问诊状态具体包括：

向医生反馈看诊信息和用户信息；

响应于医生的确认操作进入问诊状态或者响应于医生的转诊操作将医生选择的科室替换作为看诊科室，将所述看诊信息和用户信息传输至医生替换后的看诊科室并进入问诊状态。

7.一种服务器，其特征在于，包括

信息接收模块，用于接收用户的看诊信息和用户信息；

信息处理模块，用于对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室并传输至用户终端向用户反馈；所述根据提取的内容特征匹配目标科室具体包括：通过第一分类器基于提取的特征得到目标科室类别；根据所述目标科室类别选取对应的第二分类器；通过所述对应的第二分类器基于提取的特征得到所述目标科室类别中的目标科室；

信息交互模块，用于响应于用户的选择操作确定看诊科室并向医生反馈所述看诊信息和用户信息以使医生对所述看诊信息进行反馈并进入问诊状态；

所述服务器还用于预设所述第一分类器和第二分类器：

获取历史问诊的问诊信息，所述问诊信息包括用户看诊信息、用户信息和作答科室；

根据历史问诊的日志信息过滤存在预设问题的问诊信息；

对过滤后的问诊信息进行内容处理得到标准问诊信息；

对所述标准问诊信息进行特征标记；

对特征标记后的标准问诊信息进行分类，将分类得到的每一类标准问诊信息与一个科室类别对应；

根据科室类别的对应结果，通过机器学习得到所述第一分类器；

将每个科室类别对应的每条标准问诊信息与该科室类别下的一个科室对应；

根据科室的对应结果，通过机器学习得到所述第二分类器；

所述预设问题为日志信息中存在用户重选科室、医生转诊或医生反馈时间大于预计时间；

所述响应于用户的选择操作确定看诊科室具体包括：

响应于用户的确认操作确认所述目标科室为看诊科室或者响应于用户的重选操作将用户选择的科室作为看诊科室。

8.一种终端，其特征在于，被配置为向服务器发送用户的看诊信息和用户信息，以使所述服务器对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室返回并向用户反馈，响应于用户的选择操作确定看诊科室并传输至所述服务器，以使所述服务器向医生反馈所述看诊信息和用户信息以使医生对所述看诊信息进行反馈并进入问诊状态，其中，所述根据提取的内容特征匹配目标科室具体包括：通过第一分类器基于提取的特征得到目标科室类别；根据所述目标科室类别选取对应的第二分类器；通过所述对应的第二分类器基于提取的特征得到所述目标科室类别中的目标科室；

所述终端还用于预设所述第一分类器和第二分类器：

获取历史问诊的问诊信息，所述问诊信息包括用户看诊信息、用户信息和作答科室；

根据历史问诊的日志信息过滤存在预设问题的问诊信息；

对过滤后的问诊信息进行内容处理得到标准问诊信息；

对所述标准问诊信息进行特征标记；

对特征标记后的标准问诊信息进行分类，将分类得到的每一类标准问诊信息与一个科室类别对应；

根据科室类别的对应结果，通过机器学习得到所述第一分类器；

将每个科室类别对应的每条标准问诊信息与该科室类别下的一个科室对应；

根据科室的对应结果，通过机器学习得到所述第二分类器；

所述预设问题为日志信息中存在用户重选科室、医生转诊或医生反馈时间大于预计时间；

所述响应于用户的选择操作确定看诊科室具体包括：

响应于用户的确认操作确认所述目标科室为看诊科室或者响应于用户的重选操作将用户选择的科室作为看诊科室。

9.一种终端，其特征在于，所述终端为看诊科室对应的终端，所述终端被配置为接收服务器传输的用户看诊信息和用户信息并向医生反馈，以使医生反馈并进入问诊状态，其中，所述看诊信息和用户信息为所述服务器接收的用户终端传输的用户看诊信息和用户信息，所述看诊科室为所述服务器对所述看诊信息和用户信息进行特征提取，根据提取的特征匹配目标科室向用户反馈并响应于用户的选择操作确定的，其中，所述根据提取的内容特征匹配目标科室具体包括：通过第一分类器基于提取的特征得到目标科室类别；根据所述目标科室类别选取对应的第二分类器；通过所述对应的第二分类器基于提取的特征得到所述目标科室类别中的目标科室；

所述终端还用于预设所述第一分类器和第二分类器：

获取历史问诊的问诊信息，所述问诊信息包括用户看诊信息、用户信息和作答科室；

根据历史问诊的日志信息过滤存在预设问题的问诊信息；

对过滤后的问诊信息进行内容处理得到标准问诊信息；

对所述标准问诊信息进行特征标记；

对特征标记后的标准问诊信息进行分类，将分类得到的每一类标准问诊信息与一个科室类别对应；

根据科室类别的对应结果，通过机器学习得到所述第一分类器；

将每个科室类别对应的每条标准问诊信息与该科室类别下的一个科室对应；

根据科室的对应结果，通过机器学习得到所述第二分类器；

所述预设问题为日志信息中存在用户重选科室、医生转诊或医生反馈时间大于预计时间；

所述接收服务器传输的用户看诊信息和用户信息并向医生反馈，以使医生反馈并进入问诊状态具体包括：

向医生反馈看诊信息和用户信息；

响应于医生的确认操作进入问诊状态或者响应于医生的转诊操作将医生选择的科室替换作为看诊科室，将所述看诊信息和用户信息传输至医生替换后的看诊科室并进入问诊状态。

10.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，

所述处理器执行所述程序时实现如权利要求1-6任一项所述方法。

11.一种计算机可读介质，其上存储有计算机程序，其特征在于，

该程序被处理器执行时实现如权利要求1-6任一项所述方法。

Images