CN111144690A - 目标对象的评估系统、目标对象的评估方法 - Google Patents

目标对象的评估系统、目标对象的评估方法 Download PDF

Info

Publication number
CN111144690A
CN111144690A CN201911170097.XA CN201911170097A CN111144690A CN 111144690 A CN111144690 A CN 111144690A CN 201911170097 A CN201911170097 A CN 201911170097A CN 111144690 A CN111144690 A CN 111144690A
Authority
CN
China
Prior art keywords
evaluation
information
target object
unit
evaluation indexes
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.)
Pending
Application number
CN201911170097.XA
Other languages
English (en)
Inventor
滕建军
韩沙日拉
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.)
Taikang Insurance Group Co Ltd
Original Assignee
Taikang Insurance Group Co Ltd
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 Taikang Insurance Group Co Ltd filed Critical Taikang Insurance Group Co Ltd
Priority to CN201911170097.XA priority Critical patent/CN111144690A/zh
Publication of CN111144690A publication Critical patent/CN111144690A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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

Abstract

本公开涉及计算机技术领域，提供了一种目标对象的评估系统、目标对象的评估方法，其中，目标对象的评估系统包括：信息采集单元、评估单元与显示单元；其中，信息采集单元，用于基于预先采集的多个评估指标，获取目标对象的评分信息；将评分信息发送至评估单元；评估单元，用于调用训练好的决策树分类模型，获取评分信息大于目标评分信息的评估指标数目；根据评估指标数目与预设阈值的数值比较结果，确定对于目标对象的评估结果；将评估结果发送至显示单元；显示单元，用于对接收到的评估结果进行前端显示。本公开中的目标对象的评估系统不仅能够提高评估全面性以及准确性，而且能够为目标对象自身的调整与提高提供导向。

Description

目标对象的评估系统、目标对象的评估方法
技术领域
本公开涉及计算机技术领域，特别涉及一种目标对象的评估系统、目标对象的评估方法。
背景技术
自我国实行医改以来，各项医疗卫生事业都取得了较大的进步，医院和医生的社会声誉也获得了一定程度的提高。然而，随着人们对医疗服务质量要求越来越高，医生医术水平能力的参差不齐，医疗纠纷的发生率越来越高，医患关系越来越紧张。因而，如何对目标对象的综合能力素质和工作能力进行有效衡量成为本领域普遍关注的焦点问题。
目前，对目标对象的工作能力进行评估时，一般是人工统计某项指标对应的评估信息，并根据统计结果作出决策。可见，评估过程费时费力，效率较低，且只就单一指标进行分析，评估准确性较低。
因此，现有技术中的评估准确性有待提高。
需要说明的是，上述背景技术部分公开的信息仅用于加强对本公开的背景的理解。
发明内容
本公开的目的在于提供一种目标对象的评估系统、目标对象的评估方法，进而至少在一定程度上避免了现有技术中评估指标单一、评估准确性较低的缺陷。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的第一方面，提供一种目标对象的评估系统，包括：信息采集单元、评估单元与显示单元；其中，所述信息采集单元，用于基于预先采集的多个评估指标，获取目标对象的评分信息；将所述评分信息发送至评估单元；所述评估单元，用于调用训练好的决策树分类模型，获取所述评分信息大于目标评分信息的评估指标数目；根据所述评估指标数目与预设阈值的数值比较结果，确定对于所述目标对象的评估结果；将所述评估结果发送至显示单元；所述显示单元，用于对接收到的所述评估结果进行前端显示。
在本公开的示例性实施例中，所述信息采集单元还包括差异化显示单元；所述差异化显示单元用于若所述评分信息大于所述目标评分信息，则对所述评分信息进行差异化显示。
在本公开的示例性实施例中，所述评估单元还用于若所述评估指标数目大于所述预设阈值，则确定所述目标对象的评估结果为评估通过。
在本公开的示例性实施例中，所述评估单元包括数据分类单元；所述数据分类单元用于调用训练好的决策树分类模型对所述评分信息进行分类，得到分类结果；根据所述分类结果，确定所述评分信息大于目标评分信息的评估指标数目。
在本公开的示例性实施例中，所述评估单元包括模型训练单元；所述模型训练单元用于获取目标对象信息的样本数据，所述目标对象信息包括所述目标对象的特征信息以及所述多个评估指标对应的评分信息；根据所述样本数据训练机器学习模型，以得到所述决策树分类模型。
在本公开的示例性实施例中，所述数据分类单元还用于基于所述决策树分类模型，根据所述特征信息对所述目标对象进行分类。
在本公开的示例性实施例中，所述特征信息包括所述目标对象的画像信息和/或学历信息；所述数据分类单元还用于基于所述决策树分类模型，根据所述目标对象的画像信息和/或学历信息对所述目标对象进行分类。
在本公开的示例性实施例中，所述评估系统还包括信息推荐单元；所述信息推荐单元用于将患者需求转换为对应的特征评估指标，获取所述特征评估指标对应的特征评分信息；匹配所述特征评分信息对应的所述目标对象；为所述患者推荐所述目标对象。
根据本公开的第二方面，提供一种目标对象的评估方法，包括：基于信息确定模块预先采集的多个评估指标，获取目标对象的评分信息；基于模型调用模块调用训练好的决策树分类模型，获取所述评分信息大于目标评分信息的评估指标数目；根据所述评估指标数目与预设阈值的数值比较结果，确定对于所述目标对象的评估结果；基于显示模块对所述评估结果进行前端显示。
在本公开的示例性实施例中，所述方法还包括：若所述评估指标数目大于所述预设阈值，则基于所述模型调用模块确定所述目标对象的评估结果为评估通过。
由上述技术方案可知，本公开示例性实施例中的目标对象的评估系统、目标对象的评估方法至少具备以下优点和积极效果：
在本公开的一些实施例所提供的技术方案中，一方面，信息采集单元基于预先采集的多个评估指标获取目标对象的评分信息，能够解决现有技术中基于单一指标对目标对象进行评估而导致的评估片面、不够准确的技术问题，提高评估准确性以及全面性。进一步的，将评分信息发送至评估单元，评估单元调用训练好的决策树分类模型，获取评分信息大于目标评分信息的评估指标数目，根据评估指标数目与预设阈值的数值比较结果，确定对于目标对象的评估结果，从而，能够对大量目标对象进行快速评估，以智能化确定出评估结果，提高评估效率。另一方面，将评估结果发送至显示单元，通过显示单元对接收到的评估结果进行前端显示，能够使得评估结果的展示更加直观明了，提高相关浏览人员的信息读取效率。
本公开应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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示出本公开一示例性实施例中目标对象的评估系统的结构示意图；
图2示出本公开一示例性实施例中数据分类单元确定评分信息大于目标评分信息的评估指标数目的流程示意图；
图3示出本公开一示例性实施例中根据特征信息对目标对象进行分类的示意图；
图4示出本公开一示例性实施例中信息推荐单元根据患者需求推荐目标对象的流程示意图；
图5示出本公开示例性实施例中目标对象的评估方法的流程示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等；用语“第一”和“第二”等仅作为标记使用，不是对其对象的数量限制。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。
目前，对目标对象的工作能力进行评估时，一般是人工统计某项指标对应的评估信息，并根据统计结果作出决策。可见，评估过程费时费力，效率较低，且只就单一指标进行分析，评估准确性较低。因而，其评估效率及评估准确性有待提高。
在本公开的实施例中，首先提供了一种目标对象的评估系统，至少在一定程度上克服现有技术中评估准确性较低的缺陷。
图1示出本公开一示例性实施例中目标对象的评估系统的结构示意图，该目标对象的评估系统的执行主体可以是对目标对象进行评估的服务器。
参考图1，根据本公开的一个实施例的目标对象的评估系统包括信息采集单元110、评估单元120与显示单元130。其中：
信息采集单元110，用于基于预先采集的多个评估指标，获取目标对象的评分信息；将所述评分信息发送至评估单元；
评估单元120，用于调用训练好的决策树分类模型，获取所述评分信息大于目标评分信息的评估指标数目；根据所述评估指标数目与预设阈值的数值比较结果，确定对于所述目标对象的评估结果；将所述评估结果发送至显示单元；
所述显示单元130，用于对接收到的所述评估结果进行前端显示。
在图1所示实施例所提供的技术方案中，一方面，信息采集单元基于预先采集的多个评估指标获取目标对象的评分信息，能够解决现有技术中基于单一指标对目标对象进行评估而导致的评估片面、不够准确的技术问题，提高评估准确性以及全面性。进一步的，将评分信息发送至评估单元，评估单元调用训练好的决策树分类模型，获取评分信息大于目标评分信息的评估指标数目，根据评估指标数目与预设阈值的数值比较结果，确定对于目标对象的评估结果，从而，能够对大量目标对象进行快速评估，以智能化确定出评估结果，提高评估效率。另一方面，将评估结果发送至显示单元，通过显示单元对接收到的评估结果进行前端显示，能够使得评估结果的展示更加直观明了，提高相关浏览人员的信息读取效率。
以下对图1中的各个单元的具体执行过程进行详细阐述：
信息采集单元110，用于基于预先采集的多个评估指标，获取目标对象的评分信息；将所述评分信息发送至评估单元。
在本公开的示例性实施例中，信息采集单元110用于基于预先采集的多个评估指标，获取目标对象的评分信息，并将评分信息发送至评估单元。
在本公开的示例性实施例中，目标对象即在医院或诊所等从事诊断、治疗、护理工作的相关人员，例如：医生以及相关护理人员。每个目标对象对应不同的特征信息，特征信息可以包括目标对象的画像信息(例如：姓名、性别、人员编号、年龄等)和/或学历信息(例如：专科、本科、硕士)。
在本公开的示例性实施例中，为了对目标对象的综合工作能力进行全面准确的评估，可以设定多个评估指标，评估指标即根据目标对象的工作内容以及服务类型制定的多个评估指标，例如：热情认真态度，基本技能，专业知识的掌握程度，合理沟通协调，耐心的解答问题，良好的心理素质，品格素质要求，技能素质要求，综合素质要求等。需要说明的是，上述评估指标的具体数量以及具体内容可以根据实际情况自行设定，属于本公开的保护范围。以下实施例中以评估指标“热情认真态度，基本技能，专业知识的掌握程度，合理沟通协调，耐心的解答问题，良好的心理素质”为例进行说明。
在本公开的示例性实施例中，通过设定多个评估指标，一方面，能够解决现有技术中基于单项指标进行相关评估工作而导致的片面、不准确的技术问题，提高评估准确性以及评估全面性，便于患者快速了解各个目标对象的工作能力等，提高患者对医生的了解程度。另一方面，还能够为医院工作效率和医疗质量的提高提供保证，能够为人才选拔和晋升、奖励分配、科室工作安排和人才结构的调整以及学科间的评估提供依据,也可以为目标对象自身的调整与提高提供导向。
在本公开的示例性实施例中，在设定多个评估指标之后，患者就诊或理疗之后，可以根据自身感受对上述目标对象的各评估指标进行打分，形成上述多个评估指标对应的评分信息，评分信息可以是具体的数值(例如：8分、10分等)，也可以是对应的评估星级(例如：三星级、四星级等)。从而，能够平衡医患关系，提高目标对象对自身工作能力等方面的要求，并且有针对性的进行改进。
在本公开的示例性实施例中，示例性的，可以参考表1，表1示例性示出信息采集单元获取到的上述目标对象的特征信息以及多个评估指标对应的评分信息的展示表格。
表1
Figure BDA0002288470830000071
在本公开的示例性实施例中，信息采集单元110还包括一差异化显示单元1101。示例性的，可以设定一目标评分信息，进而，当评分信息大于目标评分信息时，差异化显示单元1101可以对评分信息进行差异化显示。示例性的，当评分信息是以数值表示，且数值范围为“1-10”时，可以设定上述目标评分信息为8分。当评分信息是以星级表示，且星级范围为“一颗星-五颗星”时，则可以设定上述目标评分信息为两颗星。进而，在获取到上述各评估指标对应的评分信息之后，可以将上述评分信息与目标评分信息进行比较，若上述评分信息大于目标评分信息，则差异化显示单元1101可以对上述评分信息进行差异化显示。
在本公开的示例性实施例中，参考上述步骤的相关解释，示例性的，当上述评分信息是以星级表示，且目标评分信息为两颗星时，差异化显示单元1101可以对评分信息大于两颗星“☆☆”的评分信息进行差异化显示。具体的，可以参考表2，表2示意性示出本公开一示例性实施例中对大于目标评分信息的评分信息进行差异化显示的信息展示表格，具体示出差异化显示单元1101对大于两颗星的评分信息(三颗星、四颗星以及五颗星)进行差异化显示的展示表格。
表2
Figure BDA0002288470830000081
在本公开的示例性实施例中，信息采集单元110可以将上述评分信息发送至评估单元120。
评估单元120，用于调用训练好的决策树分类模型，获取所述评分信息大于目标评分信息的评估指标数目；根据所述评估指标数目与预设阈值的数值比较结果，确定对于所述目标对象的评估结果；将所述评估结果发送至显示单元。
在本公开的示例性实施例中，评估单元120可以包括模型训练单元1201和数据分类单元1202。
在本公开的示例性实施例中，模型训练单元1201用于获取目标对象信息的样本数据，目标对象信息包括目标对象的特征信息以及多个评估指标对应的评分信息；根据样本数据训练机器学习模型，以得到所述决策树分类模型。
其中，决策树(Decision tree)是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评估项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树，它代表的是对象属性与对象值之间的一种映射关系。决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。
一方面，决策树易于理解和实现，在学习过程中不需要使用者了解很多的背景知识，它能够直接体现数据的特点，只要通过解释后都有能力去理解决策树所表达的意义。另一方面，对于决策树，数据的准备往往是简单或者是不必要的，而且能够同时处理数据型和常规型属性，在相对短的时间内能够对大型数据源做出可行且效果良好的结果。
决策树分类模型即用于对上述目标对象信息进行分类预测，以确定评估结果的机器学习模型。具体的，可以获取海量医护人员目标对象信息(包括医护人员目标对象的特征信息以及预设数量的多个评价评估指标对应的评分信息)对应的样本数据，进而，可以根据上述样本数据训练机器学习模型，以得到上述决策树分类模型。具体的，可以预先标定每个样本数据对应的分类类别(是否为评估通过的医生)，进而，将上述样本数据以及标定的样本类别输入机器学习模型中，多次调整参数以训练上述机器学习模型，使上述机器学习模型的损失函数趋于收敛，以得到一决策树分类模型。
在本公开的示例性实施例中，在训练得到上述决策树分类模型之后，评估单元的数据分类单元1202可以调用训练好的决策树分类模型，确定出评分信息大于目标评分信息的评估指标数目。具体的，可以参考图2，图2示出本公开一示例性实施例中数据分类单元1202调用训练好的决策树分类模型，确定评分信息大于目标评分信息的评估指标数目的流程示意图，包含步骤S201-步骤S203，以下结合图2对具体的实施方式进行解释。
在步骤S201中，调用训练好的决策树分类模型，获取评分信息大于目标评分信息的评估指标数目。
在本公开的示例性实施例中，在训练得到上述决策树分类模型之后，数据分类模块1202可以调用训练好的决策树分类模型，根据上述特征信息先对上述目标对象进行分类。示例性的，可以参考图3，图3示意性示出本公开一示例性实施例中调用训练好的决策树分类模型，根据上述特征信息对上述目标对象(上述表格1中的目标对象)进行分类的示意图。当特征信息为“目标对象的画像信息和/或学历信息”时，可以先根据上述特征信息“学历”对目标对象进行分类，以得到各个学历特征(硕士、本科、专科)的目标对象，参考图3，可以对目标对象301按照学历分为硕士学历302(1号、2号、3号)、本科学历303(4号、5号、6号)以及专科学历304(7号、8号)。进而，可以根据特征信息“目标对象的画像信息(例如：年龄)”对目标对象进行再次分类，具体的，可以将硕士学历302按照“年龄”划分为小于30岁的目标对象305(1号)，以及大于30岁的目标对象306(2号、3号)。可以将本科学历的按照“年龄”划分为小于25岁的目标对象307(4号)，以及大于25岁的目标对象308(5号、6号)。可以将专科学历的按照“年龄”划分为小于40岁的目标对象309(7号)，以及大于40岁的目标对象310(8号)。需要说明的是，上述年龄划分的具体数值可以根据实际情况自行设定，属于本公开的保护范围。
在本公开的示例性实施例中，在基于决策树分类模型，根据上述特征信息对上述目标对象进行分类之后，数据分类模块1202可以调用训练好的决策树分类模型，获取评分信息大于目标评分信息的评估指标数目。通过上述决策树分类模型，能够提高后续相关步骤的处理速度以及智能化水平。
在本公开的示例性实施例中，示例性的，可以先调用上述决策树分类模型，对上述各目标对象的评分信息进行分类，得到分类结果。示例性的，分类的具体过程可以是：将上述评分信息对应的相关数据视为数据节点，并按照上述评分信息对应的评分等级(星级)对上述数据节点进行分割，以得到星级相同的多个数据子节点，将上述数据子节点作为对应的分类结果。具体的，以1号目标对象对应的评分信息为例进行说明，可以获取到其评分信息对应的分类结果包括：2个两颗星、3个三颗星。以2号目标对象对应的评分信息为例进行说明，可以获取到其评分信息对应的分类结果包括：3个两颗星、2个三颗星。以3号目标对象对应的评分信息为例进行说明，可以获取到其评分信息对应的分类结果包括：1个一颗星，2个两颗星，2个三颗星。
在本公开的示例性实施例中，在获取到上述分类结果之后，可以根据上述分类结果，确定出评分信息大于目标评分信息的评估指标数目。示例性的，可以确定出1号目标对象对应的评估指标中，大于目标评分信息(两颗星)的评估指标数目为3个。可以确定出2号目标对象对应的评估指标中，大于目标评分信息(两颗星)的评估指标数目为4个。可以确定出3号目标对象对应的评估指标中，大于目标评分信息(两颗星)的评估指标数目为2个。示例性的，以此类推，可以确定出每个目标对象的评分信息大于目标评分信息的评估指标数目。
在步骤S202中，根据评估指标数目与预设阈值的数值比较结果，确定对于目标对象的评估结果。
在本公开的示例性实施例中，在确定出上述评估指标数目之后，可以将上述评估指标数目与预设阈值相比较，并根据得到的数值比较结果，确定对于目标对象的评估结果。若评估指标数目大于预设阈值(例如：3)，则可以确定目标对象的评估结果为评估通过，进一步的，可以确定上述目标对象为优秀医护人员。若评估指标数目小于预设阈值(例如：3)，则可以确定目标对象的评估结果为评估未通过。
参照上述步骤的相关解释可知，1号目标对象对应的评估指标中，大于目标评分信息的评估指标数目为3个，即评估指标数目等于预设阈值，因而，不考虑1号目标对象(即1号目标对象的评估结果为未通过，不是优秀医护人员)。2号目标对象对应的评估指标中，大于目标评分信息的评估指标数目为4个，即评估指标数目4大于上述预设阈值，则可以确定2号目标对象的评估结果为评估通过，是优秀医护人员。3号目标对象对应的评估指标中，大于目标评分信息的评估指标数目为2个，即评估指标数目小于预设阈值，因而，不考虑3号目标对象(即3号目标对象的评估结果为未通过，不是优秀医护人员)。则继续参考图2，可以输出2号目标对象(211)为优秀医护人员。需要说明的是，上述预设阈值可以根据实际情况自行设定，属于本公开的保护范围。
在步骤S203中，将评估结果发送至显示单元。
在本公开的示例性实施例中，在得到上述评估结果之后，评估单元可以将评估结果发送至显示单元。
显示单元130，用于对接收到的评估结果进行前端显示。
在本公开的示例性实施例中，显示单元130可以接收上述评估结果，并对上述评估结果进行前端显示。示例性的，显示单元可以是一显示设备(例如：、手机、电脑、平板电脑、车载显示器或头戴显示设备等)。从而，能够使得目标对象直观清楚的了解到自身的评估结果，提高信息获取效率。
信息推荐单元140，用于为不同的患者推荐不同的目标对象。具体的，可以参考图4，图4示意性示出本公开一示例性实施例中信息推荐单元根据患者需求推荐目标对象的流程示意图，包含步骤S401-步骤S403，以下结合图4对信息推荐单元的具体执行步骤进行解释。
在步骤S401中，将患者需求转换为对应的特征评估指标，获取特征评估指标对应的特征评分信息。
在本公开的示例性实施例中，信息推荐单元140可以将患者需求转换为对应的特征评估指标，并获取上述特征评估指标对应的特征评分信息。
在本公开的示例性实施例中，患者需求即患者看病时的相关需求，示例性的，获取到的患者需求可以是：比较热情认真的态度以及特别丰富的专业知识。进一步的，可以将上述患者需求转换为对应的特征评估指标，示例性的，得到的特征评估指标为：热情认真态度，专业知识的掌握程度。进一步的，可以获取到特征评价指标(热情认真态度)对应的特征评分信息为：三颗星及其以上；特征评估指标(专业知识的掌握程度)对应的特征评分信息为：四颗星及其以上。
在步骤S402中，匹配特征评分信息对应的目标对象。
在本公开的示例性实施例中，在确定出上述特征评分信息之后，可以匹配上述特征评分信息对应的目标对象。则示例性的，可以根据上述特征评分信息(热情认真态度：三颗星及其以上；专业知识的掌握程度：四颗星及其以上)匹配到对应的目标对象为6号目标对象。
在步骤S403中，为患者推荐上述目标对象。
在本公开的示例性实施例中，在根据上述患者需求匹配到上述目标对象之后，可以为患者推荐上述6号目标对象。从而，能够为患者匹配到符合要求的医护人员，缓解医患间紧张关系，减少医疗纠纷事件的发生。
本公开还提供了一种目标对象的评估方法，图5示出本公开示例性实施例中目标对象的评估方法的流程示意图，包括步骤S510-S530，以下结合图5对具体的实施方式进行解释。
在步骤S510中，基于信息确定模块预先采集的多个评估指标，获取目标对象的评分信息。
在本公开的示例性实施例中，可以基于信息确定模块预先采集的多个评估指标，获取目标对象的评分信息。
在步骤S520中，基于模型调用模块调用训练好的决策树分类模型，获取评分信息大于目标评分信息的评估指标数目；根据评估指标数目与预设阈值的数值比较结果，确定对于目标对象的评估结果。
在本公开的示例性实施例中，可以基于模型调用模块获取目标对象信息的样本数据，目标对象信息包括目标对象的特征信息以及多个评估指标对应的评分信息；根据样本数据训练机器学习模型，以得到决策树分类模型。
在本公开的示例性实施例中，可以基于模型调用模块调用训练好的决策树分类模型对评分信息进行分类，得到分类结果；根据分类结果，确定评分信息大于目标评分信息的评估指标数目。
在本公开的示例性实施例中，可以基于模型调用模块调用决策树分类模型，根据特征信息对目标对象进行分类。
在本公开的示例性实施例中，特征信息包括目标对象的画像信息和/或学历信息；可以基于模型调用模块基于决策树分类模型，根据目标对象的画像信息和/或学历信息对目标对象进行分类。
在本公开的示例性实施例中，若评估指标数目大于预设阈值，则可以基于模型调用模块确定目标对象的评估结果为评估通过。
在本公开的示例性实施例中，可以基于模型调用模块将患者需求转换为对应的特征评估指标，获取特征评估指标对应的特征评分信息；匹配特征评分信息对应的目标对象；为患者推荐目标对象。
在步骤S530中，基于显示模块对评估结果进行前端显示。
在本公开的示例性实施例中，可以基于显示模块对大于目标评分信息的上述评分信息进行差异化显示。
在本公开的示例性实施例中，可以基于显示模块对得到的评估结果进行前端显示，具体的，显示模块可以是一显示设备(例如：手机、电脑、平板电脑、车载显示器或头戴显示设备等)，从而，能够使得目标对象直观清楚的了解到自身的评估结果，提高信息获取效率。
上述目标对象的评估方法中各步骤的具体细节已经在对应的目标对象的评估系统中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

Claims (10)

1.一种目标对象的评估系统，其特征在于，包括：
信息采集单元、评估单元与显示单元；
其中，所述信息采集单元，用于基于预先采集的多个评估指标，获取目标对象的评分信息；将所述评分信息发送至评估单元；
所述评估单元，用于调用训练好的决策树分类模型，获取所述评分信息大于目标评分信息的评估指标数目；根据所述评估指标数目与预设阈值的数值比较结果，确定对于所述目标对象的评估结果；将所述评估结果发送至显示单元；
所述显示单元，用于对接收到的所述评估结果进行前端显示。
2.根据权利要求1所述的系统，其特征在于，所述信息采集单元还包括差异化显示单元；
所述差异化显示单元用于若所述评分信息大于所述目标评分信息，则对所述评分信息进行差异化显示。
3.根据权利要求1所述的系统，其特征在于，所述评估单元还用于若所述评估指标数目大于所述预设阈值，则确定所述目标对象的评估结果为评估通过。
4.根据权利要求3所述的系统，其特征在于，所述评估单元包括数据分类单元；
所述数据分类单元用于调用训练好的决策树分类模型对所述评分信息进行分类，得到分类结果；根据所述分类结果，确定所述评分信息大于目标评分信息的评估指标数目。
5.根据权利要求4所述的系统，其特征在于，所述评估单元包括模型训练单元；
所述模型训练单元用于获取目标对象信息的样本数据，所述目标对象信息包括所述目标对象的特征信息以及所述多个评估指标对应的评分信息；根据所述样本数据训练机器学习模型，以得到所述决策树分类模型。
6.根据权利要求1所述的系统，其特征在于，所述数据分类单元还用于基于所述决策树分类模型，根据所述特征信息对所述目标对象进行分类。
7.根据权利要求6所述的系统，其特征在于，所述特征信息包括所述目标对象的画像信息和/或学历信息；
所述数据分类单元还用于基于所述决策树分类模型，根据所述目标对象的画像信息和/或学历信息对所述目标对象进行分类。
8.根据权利要求1至3任一所述的系统，其特征在于，所述评估系统还包括信息推荐单元；
所述信息推荐单元用于将患者需求转换为对应的特征评估指标，获取所述特征评估指标对应的特征评分信息；匹配所述特征评分信息对应的所述目标对象；为所述患者推荐所述目标对象。
9.一种目标对象的评估方法，其特征在于，包括：
基于信息确定模块预先采集的多个评估指标，获取目标对象的评分信息；
基于模型调用模块调用训练好的决策树分类模型，获取所述评分信息大于目标评分信息的评估指标数目；根据所述评估指标数目与预设阈值的数值比较结果，确定对于所述目标对象的评估结果；
基于显示模块对所述评估结果进行前端显示。
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：
若所述评估指标数目大于所述预设阈值，则基于所述模型调用模块确定所述目标对象的评估结果为评估通过。
CN201911170097.XA 2019-11-26 2019-11-26 目标对象的评估系统、目标对象的评估方法 Pending CN111144690A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911170097.XA CN111144690A (zh) 2019-11-26 2019-11-26 目标对象的评估系统、目标对象的评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911170097.XA CN111144690A (zh) 2019-11-26 2019-11-26 目标对象的评估系统、目标对象的评估方法

Publications (1)

Publication Number Publication Date
CN111144690A true CN111144690A (zh) 2020-05-12

Family

ID=70516665

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911170097.XA Pending CN111144690A (zh) 2019-11-26 2019-11-26 目标对象的评估系统、目标对象的评估方法

Country Status (1)

Country Link
CN (1) CN111144690A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111930948A (zh) * 2020-09-08 2020-11-13 平安国际智慧城市科技股份有限公司 一种信息收集和分级方法、装置、计算机设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008052337A (ja) * 2006-08-22 2008-03-06 Koji Hirano デジタルデータファイル多属性評価分類操作管理プログラム
CN103745078A (zh) * 2013-02-20 2014-04-23 广东电网公司信息中心 一种信息系统实用化评价的方法及其专用设备
CN106875206A (zh) * 2016-07-18 2017-06-20 阿里巴巴集团控股有限公司 信息获取、评估、问卷调查方法、装置及服务器
CN107909392A (zh) * 2017-11-02 2018-04-13 北京三快在线科技有限公司 刺激行为敏感度预测方法、装置、设备及可读存储介质
CN108121795A (zh) * 2017-12-20 2018-06-05 北京奇虎科技有限公司 用户行为预测方法及装置
CN109522919A (zh) * 2018-09-17 2019-03-26 深圳市佰仟金融服务有限公司 一种数据评估方法及装置
CN109615280A (zh) * 2019-01-25 2019-04-12 平安科技（深圳）有限公司 员工数据处理方法、装置、计算机设备和存储介质
CN110232154A (zh) * 2019-05-30 2019-09-13 平安科技（深圳）有限公司 基于随机森林的产品推荐方法、装置及介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008052337A (ja) * 2006-08-22 2008-03-06 Koji Hirano デジタルデータファイル多属性評価分類操作管理プログラム
CN103745078A (zh) * 2013-02-20 2014-04-23 广东电网公司信息中心 一种信息系统实用化评价的方法及其专用设备
CN106875206A (zh) * 2016-07-18 2017-06-20 阿里巴巴集团控股有限公司 信息获取、评估、问卷调查方法、装置及服务器
CN107909392A (zh) * 2017-11-02 2018-04-13 北京三快在线科技有限公司 刺激行为敏感度预测方法、装置、设备及可读存储介质
CN108121795A (zh) * 2017-12-20 2018-06-05 北京奇虎科技有限公司 用户行为预测方法及装置
CN109522919A (zh) * 2018-09-17 2019-03-26 深圳市佰仟金融服务有限公司 一种数据评估方法及装置
CN109615280A (zh) * 2019-01-25 2019-04-12 平安科技（深圳）有限公司 员工数据处理方法、装置、计算机设备和存储介质
CN110232154A (zh) * 2019-05-30 2019-09-13 平安科技（深圳）有限公司 基于随机森林的产品推荐方法、装置及介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111930948A (zh) * 2020-09-08 2020-11-13 平安国际智慧城市科技股份有限公司 一种信息收集和分级方法、装置、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
Kirk et al. Patient safety culture in primary care: developing a theoretical framework for practical use
Mirhaghi et al. The reliability of the Canadian Triage and Acuity Scale: meta-analysis
Facey et al. Patients' perspectives in health technology assessment: a route to robust evidence and fair deliberation
Petschonek et al. Development of the just culture assessment tool: measuring the perceptions of health-care professionals in hospitals
Roberts et al. Understanding high and low patient experience scores in primary care: analysis of patients’ survey data for general practices and individual doctors
Abraham et al. Primary care practice environment and burnout among nurse practitioners
Vilela et al. Agreement between retinal images obtained via smartphones and images obtained with retinal cameras or fundoscopic exams–systematic review and meta-analysis
Cowden et al. Variability in collection and use of race/ethnicity and language data in 93 pediatric hospitals
CN101204320A (zh) 生理暨心理信息交互撷取系统
US10790049B2 (en) Method and system for managing health care patient record data
Ko Relationship of nurse practice environment and work-family conflict to job satisfaction in hospital nurses in Korea
Pagel et al. Selection by a panel of clinicians and family representatives of important early morbidities associated with paediatric cardiac surgery suitable for routine monitoring using the nominal group technique and a robust voting process
CN107590622A (zh) 一种住院医师规范化培训过程的360°评测系统及方法
Duan et al. Current status of quality evaluation of nursing care through director review and reflection from the nursing quality control centers
WO2022141925A1 (zh) 一种智能医学服务系统、方法及存储介质
JPWO2015125810A1 (ja) 情報処理装置および情報処理方法
Padmanabhan et al. A mobile emergency triage decision support system evaluation
CN111144690A (zh) 目标对象的评估系统、目标对象的评估方法
CN109409709A (zh) 智能职称评定系统
Zhu et al. The effect of work engagement and perceived organizational support on turnover intention among nurses: a meta-analysis based on the price–Mueller Model
Tuffaha et al. New challenges in psycho‐oncology: Economic evaluation of psychosocial services in cancer: Challenges and best practice recommendations
Moon Development and evaluation of NRMIS (Nursing Resources Management Information System) for managing healthcare resources
CN113393922A (zh) 一种辅助诊疗类人工智能应用评估框架和评估方法
CN106951688B (zh) 一种中医四诊分型辨证系统
Zeng et al. Providing multiple views to meet physician information needs

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200512