CN111652433A - 养老费用测算装置 - Google Patents
养老费用测算装置 Download PDFInfo
- Publication number
- CN111652433A CN111652433A CN202010489667.8A CN202010489667A CN111652433A CN 111652433 A CN111652433 A CN 111652433A CN 202010489667 A CN202010489667 A CN 202010489667A CN 111652433 A CN111652433 A CN 111652433A
- Authority
- CN
- China
- Prior art keywords
- endowment
- data
- historical
- user
- current user
- 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
Links
- 238000004364 calculation method Methods 0.000 claims description 59
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 230000036541 health Effects 0.000 claims description 16
- 201000010099 disease Diseases 0.000 claims description 12
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 4
- 238000000034 method Methods 0.000 description 25
- 238000005259 measurement Methods 0.000 description 19
- 230000000474 nursing effect Effects 0.000 description 17
- 230000032683 aging Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000007774 longterm Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000036449 good health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/219—Managing data history or versioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本公开涉及计算机领域,提供了一种养老费用测算装置,包括:聚类存储模块,用于根据历史用户数据对历史用户进行聚类,并将不同用户类别的所述历史用户数据分别存储在不同的数据空间;目标数据空间确定模块,用于根据输入的当前用户数据与各用户类别的历史用户数据的相似性,在数据空间中确定当前用户数据所属的目标数据空间;入住时长测算模块,用于从目标数据空间中读取各预设养老区域的历史入住时长数据,根据各预设养老区域的历史入住时长数据测算当前用户在各预设养老区域的入住时长;养老费用测算模块,用于根据当前用户在各预设养老区域的入住时长和各预设养老区域的单位价格,测算并输出当前用户的养老费用。能提高养老费用测算的效率。
Description
技术领域
本公开涉及计算机技术领域,具体而言,涉及一种养老费用测算装置。
背景技术
如今,许多国家正在步入老龄化社会,如何使老人拥有幸福、愉快、有保障的晚年生活已经成为一个颇受关注的民生事件。与此同时,随着社会的发展与家庭结构的变化,家庭养老观念正在显现出越来越多的时代局限性,因此,促使更多的老人关注养老机构。
在入住养老机构前,如果能够为用户提供合理的养老费用的测算,则可以帮助用户选择适合自己的养老方案。
相关技术中,通常将用户数据存储到关系数据库中,在进行费用测算时,需要从关系数据库中查询相关数据以进行测算。然而,关系数据库中一般按照时间顺序存储用户数据,查询相关数据时非常不便,例如按照某一字段条件查询数据,往往需要遍历整个关系数据库以查找出所有符合条件的用户数据,从而导致处理效率低下;并且,当所查询的数据相关性不足时,可能导致测算结果不准确或不合理。
需要说明的是,在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,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开提供了一种养老费用测算装置,进而至少在一定程度上克服相关技术中养老费用测算效率低下、测算结果准确性低的问题。
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,提供了一种养老费用的测算装置,包括:
聚类存储模块,用于根据历史用户数据对历史用户进行聚类,并将不同用户类别的所述历史用户数据分别存储在不同的数据空间;
目标数据空间确定模块,用于根据输入的当前用户数据与各所述用户类别的历史用户数据的相似性,在所述数据空间中确定所述当前用户数据所属的目标数据空间;
入住时长测算模块,用于从所述目标数据空间中读取各预设养老区域的历史入住时长数据,根据所述各预设养老区域的历史入住时长数据测算当前用户在各预设养老区域的入住时长;
养老费用测算模块,用于根据所述当前用户在各预设养老区域的入住时长和各预设养老区域的单位价格,测算并输出所述当前用户的养老费用。
在本公开的一种示例性实施例中,基于前述实施例,所述入住时长测算模块,通过执行以下方式,测算所述当前用户在各预设养老区域的入住时长:
根据目标数据空间中的历史用户数据确定所述当前用户的寿命预测模型;
获取目标数据空间中的历史用户在所述各预设养老区域的历史入住时长数据的统计学参数;
根据所述寿命预测模型和所述统计学参数,测算当前用户在各所述预设养老区域的入住时长。
在本公开的一种示例性实施例中,基于前述实施例,所述入住时长测算模块,通过执行以下方式,确定所述寿命预测模型:
根据目标数据空间中的寿命影响因素的历史用户数据,建立回归预测模型,以确定所述当前用户的寿命预测模型;
其中,所述寿命影响因素包括历史用户数据中的用户跌倒次数数据、疾病种类数据、行动等级数据、记忆力衰减因子中的至少一种。
在本公开的一种示例性实施例中,基于前述实施例,所述聚类存储模块通过执行以下方式,对历史用户进行聚类,以得到不同类别的历史用户数据:
利用k均值算法根据所述历史用户数据对历史用户进行聚类,以得到所述不同类别的历史用户数据,其中,所述k均值算法的聚类中心的数量根据所述历史用户数据中的用户健康等级进行确定。
在本公开的一种示例性实施例中,基于前述实施例,所述目标空间确定模块,通过执行以下方式,确定所述当前用户数据所属的目标数据空间:
利用k近邻算法计算当前用户数据与各所述用户类别的历史用户数据的相似性,以确定所述当前用户数据所属的目标数据空间。
在本公开的一种示例性实施例中,基于前述实施例,在确定所述当前用户数据所属的目标数据空间之后,所述聚类存储模块,还用于将所述当前用户数据存储至所述目标数据空间。
在本公开的一种示例性实施例中,基于前述实施例,所述历史用户数据包括年龄、性别、疾病种类、跌倒次数数据、护理等级数据、健康等级数据、在各预设养老区域的历史入住时长中的至少一种。
在本公开的一种示例性实施例中,基于前述实施例,所述养老费用测算模块,在测算所述当前用户的养老费用时,还用于根据当前测算时间戳对应的价格增长因子和现金折算因子测算所述当前用户在当前测算时间戳的养老费用。
在本公开的一种示例性实施例中,基于前述实施例,所述养老费用测算装置还包括:
显示模块,用于显示所述养老费用的测算结果,其中,所述养老费用的测算结果包括所述当前用户的养老费用、当前用户在各预设养老区域的入住总时长、当前用户在每个预设养老区域的入住时长以及对应的入住费用、当前用户在每个预设养老区域的护理等级以及对应的费用中的至少一种。
在本公开的一种示例性实施例中,基于前述实施例,所述各预设养老区域为根据护理等级对养老区域进行划分而形成的区域。
根据本公开的第二方面,提供了一种养老费用的测算方法,包括:根据历史用户数据对历史用户进行聚类,并将不同用户类别的所述历史用户数据分别存储在不同的数据空间;根据输入的当前用户数据与各所述用户类别的历史用户数据的相似性,在所述数据空间中确定所述当前用户数据所属的目标数据空间;从所述目标数据空间中读取各预设养老区域的历史入住时长数据,根据所述各预设养老区域的历史入住时长数据测算当前用户在各预设养老区域的入住时长;根据所述当前用户在各预设养老区域的入住时长和各预设养老区域的单位价格,测算并输出所述当前用户的养老费用。
根据本公开的第三方面,提供一种计算机可读存储介质,其上存储有计算机程序;所述计算机程序被处理器执行时实现上述第二方面的养老费用的测算方法及其可能的实施方式。
根据本公开的第四方面,提供一种电子设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器通过执行所述可执行指令来实现上述第二方面的养老费用的测算方法及其可能的实施方式。
本公开的技术方案,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技术方案中,首先,将不同用户类别的历史用户数据存储至不同的数据空间;其次,确定当前用户数据所属的目标数据空间;然后,测算当前用户在各预设养老区域的入住时长;最后,根据当前用户在各预设养老区域的入住时长和各预设养老区域的单位价格,测算并输出当前用户的养老费用。与现有技术相比,一方面,本公开的技术方案通过将历史用户数据存储在不同的数据空间,从而可以快速的从各数据空间中确定当前用户数据所属的目标数据空间,进而提高养老费用测算的效率;另一方面,本公开的技术方案根据当前用户数据与各用户类别的历史用户数据的相似性,进行养老费用测算,可以提高数据的相关性,进而提升养老费用测算的准确性和合理性。
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示出可以应用本公开的一种养老费用测算装置的示例性应用环境的系统架构的示意图;
图2示出本公开一示例性实施例中养老费用测算装置的结构示意图;
图3示出本公开一示例性实施例中入住时长测算模块执行的测算当前用户在各预设养老区域的入住时长的方法的流程示意图;
图4示出本公开一示例性实施例中养老费用测算结果的图形用户显示界面;
图5示出本公开一示例性实施例中养老费用测算明细的图形用户显示界面;
图6示出本公开一示例性实施例中养老费用测算方法的流程示意图;
图7示出本公开一示例性实施例中计算机可读存储介质的示意图;
图8示出本公开一示例性实施例中实现上述方法的电子设备。
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。
图1示出了可以应用本发明实施例的一种养老费用装置的示例性应用环境的系统架构的示意图。
如图1所示,系统架构100可以包括终端设备101、102、103中的多个,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如无线通信链路等。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的移动终端、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
终端设备101、102、103可以是具有处理器的各种电子设备,包括但不限于智能手机、平板电脑、便携式计算机等等。服务器105可以是提供各种服务的服务器。
举例而言,在一种示例性实施例中,可以通过任意的终端设备101、102、103记录历史用户信息,并将其发送给服务器105,服务器105可以根据历史用户信息对历史用户进行聚类,并将不同用户类别的所述历史用户数据分别存储在不同的数据空间。在对当前用户进行费用测算时,同样,可以通过任意的终端设备101、102、103输入当前用户信息,并将其发送给服务器105,服务器105根据输入的当前用户数据与上述的各用户类别的历史用户数据的相似性,在上述的数据空间中确定当前用户数据所属的目标数据空间,并从目标数据空间中读取各预设养老区域的历史入住时长数据,根据各预设养老区域的历史入住时长数据测算当前用户在各预设养老区域的入住时长。最后,服务器105据当前用户在各预设养老区域的入住时长和各预设养老区域的单位价格,测算并输出当前用户的养老费用至终端设备。
本公开实施例所提供的养老费用测算装置一般设置于服务器105中。但本领域技术人员容易理解的是,本公开实施例所提供的养老费用测算装置也可以设置于终端设备101、102、103中,本示例性实施例中对此不做特殊限定。
下面,结合图2对本公开实施例所提供的养老费用测算装置进行更加具体的说明。参考图2所示,该养老费用测算装置200包括:
聚类存储模块210,用于根据历史用户数据对历史用户进行聚类,并将不同用户类别的所述历史用户数据分别存储在不同的数据空间;
目标数据空间确定模块220,用于根据输入的当前用户数据与各所述用户类别的历史用户数据的相似性,在所述数据空间中确定所述当前用户数据所属的目标数据空间;
入住时长测算模块230,用于从所述目标数据空间中读取各预设养老区域的历史入住时长数据,根据所述各预设养老区域的历史入住时长数据测算当前用户在各预设养老区域的入住时长;
养老费用测算模块240,用于根据所述当前用户在各预设养老区域的入住时长和各预设养老区域的单位价格,测算并输出所述当前用户的养老费用。
在图2所示实施例所提供的养老费用测算装置中,首先,通过聚类存储模模块将不同用户类别的历史用户数据存储至不同的数据空间;其次,通过目标数据空间确定模块确定当前用户数据所属的目标数据空间;然后,通过入住时长测算模块测算当前用户在各预设养老区域的入住时长;最后,通过养老费用测算模块,根据当前用户在各预设养老区域的入住时长和各预设养老区域的单位价格,测算并输出当前用户的养老费用。与现有技术相比,一方面,本公开的养老费用测算装置通过将历史用户数据存储在不同的数据空间,从而可以快速的从各数据空间中确定当前用户数据所属的目标数据空间,进而提高养老费用测算的效率;另一方面,本公开的养老费用测算装置根据当前用户数据与各用户类别的历史用户数据的相似性,进行养老费用测算,可以提高养老费用测算的准确性和合理性。
以下对图2所示实施例中的养老费用测算装置的各个模块进行详细阐述:
在聚类存储模块210中,根据历史用户数据对历史用户进行聚类,并将不同用户类别的历史用户数据分别存储在不同的数据空间。
其中,历史用户可以是已入住养老机构的用户,历史用户数据可以包括年龄、性别、疾病种类、跌倒次数数据、护理等级数据、健康等级数据、在各预设养老区域的历史入住时长中的至少一种。
历史用户数据也可以是其它的数据,例如,居住的养老区域的类型、如果有同住人的话,还包括同住人之间的关系等,本示例性实施方式对此不做特殊限定。
示例性的,上述的聚类存储模块210可以通过执行以下方式,对历史用户进行聚类,以得到不同类别的历史用户数据:
利用k均值算法根据所述历史用户数据对历史用户进行聚类,以得到所述不同类别的历史用户数据,其中,k均值算法的聚类中心的数量根据所述历史用户数据中的用户健康等级进行确定。
举例而言,K均值算法的核心公式如下公式(1)所示:
其中,k代表确定的类别个数,xi代表数据集中的第i个样本,yk代表第k个质心点,d代表距离,p代表范数的值,即不同形式的距离。k均值算法收敛速度快,其以距离作为相似性指标,可以根据随机初始化的k个质心点,以距离的最小值为目标,通过迭代的方法自动的确定出给定数据集中的k个类别,且每个类的质心最终是根据类中所有数值的平均值得到的。在实际中,k值以及初始的质心点可根据经验或者实际需求确定。
例如,在根据历史用户数据对历史用户进行聚类时,给定的数据集可以是历史用户数据,在历史用户数据中可以选择代表4个不同用户健康等级的历史用户数据对应的数据作为初始的质心点,每个历史用户数据即为数据集中的样本数据,然后,进行最小值迭代,直到每个类别的质心点不再发生变化,则可以得到4个不同的用户类别。
具体的,4个用户健康等级分别可以是活力用户、标准用户、协护用户、专护用户。其中,活力用户可以是健康状况良好的老人,例如无跌倒记录或跌倒记录小于第一预设阈值、且基础疾病指标在合理范围内的老人;标准用户可以是健康状况一般的老人,例如无跌倒记录或跌倒记录小于第一预设阈值、但基础疾病指标超出合理范围;协护用户可以是需要协助照顾的老人,例如跌倒记录大于第一预设阈值、且基础疾病指标在合理范围内的老人;专护用户可以是需要特殊照顾的老人,例如患有阿尔兹海默症等需要特殊照顾的老人。
得到不同用户类别之后,上述的聚类存储模块210可以将不同用户类别的历史用户数据分别存储在不同的数据空间中。其中,不同的数据空间可以是能够存储不同用户类别的历史用户数据的不同的数据库。
需要说明的是,本示例性实施方式只是以4个用户健康等级为例,在实际中,也可以根据自己的需求划分任何的等级,或者进行任何方式的分类以达到为不同的用户制定合理的养老规划方案的目的,本示例性实施方式对此不做特殊限制。
聚类存储模块210将不同用户类别的历史用户数据分别存储至不同的数据空间之后,在目标数据空间确定模块220中,可以根据输入的当前用户数据与上述的各用户类别的历史用户数据的相似性,在上述的数据空间中确定当前用户数据所属的目标数据空间。
其中,当前用户数据可以包括要进行养老费用测算的用户的年龄、性别、疾病种类、跌倒次数数据中的至少一种。
示例性的,可以在图形用户界面中提供对应的控件,以使得用户通过该控件提供当前用户数据,然后,响应于用户在图形用户界面中对相应控件的操作指令,以根据用户输入的当前用户数据与各用户类别的历史用户数据的相似性,在不同用户类别对应的数据空间中确定当前用户数据所属的目标数据空间。
其中,当前用户可以是单人,也可以是双人,在当前用户是双人时,当前用户数据还包括同住人的数据,其中,同住人的数据可以包括同住人关系,例如配偶、朋友等。
在示例性的实施方式中,上述的目标数据空间确定模块220可以通过执行以下方式,确定当前用户数据所属的目标数据空间:
利用k近邻算法计算当前用户数据与各用户类别的历史用户数据的相似性,以确定所述当前用户数据所属的目标数据空间。
举例而言,K近邻算法的核心计算公式如下公式(2)所示:
具体的,在通过k近邻算法计算当前用户数据与各用户类别的历史用户数据的相似性时,可以分别遍历不同的数据空间,计算每个数据空间中的每个历史用户数据与当前用户数据的距离,对各个数据空间的所有距离进行排序,取距离最小的前k个历史用户数据,统计这k个历史用户数据中属于上述的4个不同的用户类别的个数,个数最多的用户类别对应的数据空间即为当前用户数据所属的目标数据空间。
这样,可以快速的在不同类别的数据空间中确定出当前用户数据所属的目标数据空间,且相似度的度量提高了目标数据空间和当前用户数据的相关性,进而提升养老费用测算的准确性和合理性。
在本公开一些示例性实施例中,基于前述实施例,确定出当前用户数据所属的目标数据空间之后,上述的聚类存储模块210,还用于将当前用户数据存储至目标数据空间。这样,可以丰富目标数据空间的数据,进一步提高测算装置的准确性。
继续参考图2,上述的目标数据空间确定模块220确定出当前用户所属的目标数据空间,并将其存储至目标数据空间之后,通过入住时长测算模块230,可以从目标数据空间中读取各预设养老区域的历史入住时长数据,根据各预设养老区域的历史入住时长数据测算当前用户在各预设养老区域的入住时长。
其中,各预设养老区域可以包括根据护理等级对养老区域进行划分而形成的区域。例如,不同的用户健康等级可以对应不同的的护理等级,然后根据不同的护理等级可以将养老机构内部划分为活力养老区域、标准养老区域、协护养老区域、专护养老区域,具体的,活力养老区域的护理等级最低,专护养老区域的护理等级最高。除此之外,具有不同护理等级的每种预设养老区域还可以分为单居室、双居室等。
这样,可以根据每个用户不同的健康状况配置不同的养老区域,并且可以根据用户的生理衰退过程,调整用户入住的养老区域,从而提高养老费用测算的准确性和合理性,为用户提供更加全面的养老服务。
示例性的,入住时长测算模块可以通过执行图3所示的方式测算当前用户在各预设养老区域的入住时长。参考图3,该方式可以包括步骤S310-步骤S330。
在步骤S310中,根据目标数据空间中的历史用户数据确定当前用户的寿命测算模型。
其中,目标用户类型的寿命模型可以是回归预测模型:R=ω1x1+ω2x2+...+ωnxn,式中x1,x2,...,xn为寿命影响因素,R是预测的寿命的值。
示例性的,入住时长测算模块可以通过执行以下方式,确定当前用户的寿命预测模型:
根据目标数据空间中的寿命影响因素的历史用户数据,建立回归预测模型,以确定所述当前用户的寿命预测模型。
其中,上述的寿命影响因素包括历史用户数据中的用户跌倒次数数据、疾病种类数据、行动等级数据、记忆力衰减因子中的至少一种。当然,本示例性实施方式中的影响因素也可以包含其它信息,可以影响寿命的因素都在本公开的保护范围之内。
具体的,在根据目标数据空间中的寿命影响因素的历史用数据确定当前用户的寿命预测模型时,可以是以上述的寿命影响因素为自变量,寿命为因变量,建立回归预测模型,并利用目标数据空间中的寿命影响因素的历史用户数据进行相关因素分析,从而拟合出上述的回归预测模型中的系数w1,w2,...,wn,以确定出最终的回归预测模型,此回归预测模型即为当前用户的寿命预测模型。
确定当前用户的寿命预测模型之后,在步骤S320中,获取目标数据空间中的历史用户在所述各预设养老区域的历史入住时长数据的统计学参数。
示例性的,当目标数据空间中的历史用户数据大于第二预设阈值时,可以根据样本估计整体的统计学思想,从目标数据空间中读取各预设养老区域的历史入住时长数据,根据目标数据空间中各预设养老区域的历史入住时长数据的统计学参数对当前用户在各预设养老区域的入住时长进行测算。例如,目标数据空间中各预设养老区域的历史入住时长数据的统计学参数可以是以95%的置信度对目标用户类型的用户的历史入住时长进行参数估计得到的均值。
当目标数据空间中的历史用数据小于第二预设阈值时,可以直接计算该目标用户类型中的用户的历史入住时长的统计量,其中,统计学参数可以是计算出来的统计量中的任意一个,例如,可以是中位数、均值、众数、最大值、最小值等。
获取到目标数据空间中的历史用户在各预设养老区域的历史入住时长的统计学参数之后,继续参考如3,在步骤S330中,根据,寿命预测模型和统计学参数,测算当前用户在各预设养老区域的入住时长。
示例性的,步骤S330的具体实施方式可以是,根据当前用户寿命预测模型预测当前用户的寿命,然后,根据当前用户的当前年龄确定出当前用户的剩余寿命,再通过上述目标用户类型在各预设养老区域的历史入住时长的统计学参数确定出当前用户在各预设养老区域的入住时长。
例如,上述的寿命预测模型对A用户的寿命预测是80岁,当前用户年龄是60岁,则用户的剩余寿命为20岁,上述的目标用户类型在各预设养老区域的历史入住时长的统计学参数中的中位数是活力养老区域5年、标准养老区域10年、协护养老区域10年、专护养老区域5年,那么,当前用户在各预设养老区域的入住时长可以是,活力养老区域5年,标准养老区域10年,协护养老区域5年。
测算出当前用户在各预设养老区域的入住时长之后,继续参考图2,可以通过养老费用测算模块240,根据当前用户在各预设养老区域的入住时长和各预设养老区域的单位价格,测算并输出当前用户的养老费用。
其中,各预设养老区域的单位价格可以按照年为计量单位,也可以按照月为计量单位,即单位价格费用可以是每年的单价,也可以是每月的单价。
示例性的,上述的养老费用测算模块240可以确定当前用户在各预设养老区域的入住时长与对应的各预设养老区域的单位价格费用的乘积和,所述乘积和的值即为测算的当前用户的养老费用。
在本公开的一些示例性实施例中,上述的养老费用测算模块240,在测算当前用户的养老费用时,还可以用于根据当前测算时间戳对应的价格增长因子和现金折算因子测算当前用户在当前测算时间戳的养老费用。
具体的,继续以上述的A用户为例,其在各预设养老区域的入住时长为活力养老区域5年,标准养老区域10年,协护养老区域5年。例如,活力养老区域的当前单位价格为每年a元,标准养老区域的当前单位价格每年b元,协护养老区域的当前单位价格为每年c元,当前时间戳对应的入住前10年每年的价格增长因子为α1,后10年每年的价格增长因子为α2,当前时间戳对应的入住的前10年现金折算因子为每年是β1,后10年每年为β2,那么,养老费用测算模块可以测算出A用户在当前测算时间戳的养老费用为:
[a+a(1+α1)+a(1+α1)4+b(1+α1)5+b(1+α1)6+...+b(1+α1)9]×β1+
[b(1+α1)10+b(1+α1)11+...+b(1+α1)14+c(1+α1)15+...+c(1+α1)19]×β2
进一步的,养老费用测算模块,还可以用于根据“租金”或者“费用抵扣”等中的一种或多种养老费用支付模式进行养老费用的测算。其中,“费用抵扣”的模式,可以是以能够进行转移支付的部分金额进行部分养老费用的支付,如会员费用抵扣、长期护理保险的抵扣等,具体的,以长期护理险的抵扣为例,可以对用户进行健康评估,根据健康评估的结果为用户匹配对应的护理等级,然后进一步的自动匹配该护理等级服务于长期护理保险的金额,从而测算出用户使用长期护理险抵扣之后的养老费用,以提高养老费用测算的全面性,并提升用户的消费体验。
养老费用测算模块240测算出当前用户的养老费用之后,可以输出测算的养老费用以显示给当前用户。
示例性的,上述的养老费用测算装置还可以包括:显示模块,用于显示养老费用的测算结果,其中,养老费用的测算结果包括当前用户的养老费用、当前用户在各预设养老区域的入住总时长、当前用户在每个预设养老区域的入住时长以及对应的入住费用、当前用户在每个预设养老区域的护理等级以及对应的费用中的至少一种。
在示例性的实施方式中,显示测算模块可以通过图形用户界面,将养老费用的测算结果显示给用户。例如,在图4所示的图形用户界面400中显示养老费用测算的结果,如“您入住XX年总消费XXX元、月均XX元、年均XX元”。进一步的,参考图4,上述的养老费用测算装置在图4的图形用户界面400中还可以提供控件“查看明细”,以使得用户通过该控件查看养老费用测算的明细,例如,响应于对“查看明细”控件的触发指令,在图形用户界面显示养老费用测算的明细。
具体的,参考图5所示的图形用户界面500,养老费用测算的明细可以包括居住时间、消费总额、抵扣费用、合计费用、年均费用、月均费用、入住的预设养老区域、如图5中的活力区、标准区,在各预设养老区域入住的时长、在各预设养老区域的入住费用及该入住费用占总费用的百分比、在各预设养老区域的护理费占总费用的百分比、在各预设养老区域的护理等级及该护理等级对应的护理费用及护理时间等。
需要说明的是,任何和养老费用测算结果相关的信息都可以在测算明细的图形用户界面中显示出来,本示例性实施方式对此不做特殊限定。
与此同时,本技术方案还可以在图5所示的图形用户界面中提供满意程度确定的控件,例如图5中的控件“不能接受”、“可以考虑”、“能接受”,以通过该控件获取用户对此次测算结果的满意程度,例如,响应于对控件“不能接受”、“可以考虑”、“能接受”的触发指令,获取用户对测算结果的满意程度。统计获取到的不同用户对测算结果的满意程度,可以根据统计结果适时调整各预设养老区域的费用,以为用户提供更加合理的服务。
通过本实施例所提供的养老费用测算装置,根据当前用户数据和目标数据空间中的历史用户数据的相似性,可以自动测算当前用户在各预设养老区域的入住时长,从而能够实现养老费用的自动测算,提高养老费用的测算效率。同时,上述的养老费用测算装置,考虑到了老人的生理衰退过程,测算出老人在具有不同护理等级的预设养老区域的入住时长,从而可以为老人自动制定合理的养老方案,以提高养老费用测算的合理性与准确性。
需要说明的是,在本示例性实施方式中,当用户对当前自动测算的测算结果不满意时,或者是用户需要自主制定养老方案,以进行养老费用的测算时,还可以在图形用户界面为用户提供“自定义规划”控件,以使得用户通过该控件实现自定义的养老规划。例如,响应于用户对“自定义规划”控件的触发操作,获取用户自定义的养老规划方案,以针对用户自定义的养老规划方案进行费用测算。其中,自定义养老规划中的各预设养老区域与上述的图2中的测算装置中的各预设养老区域相同。
在本公开的示例性实施方式中,还提供了一种养老费用测算的方法,如图6所示,该养老费用测算的方法包括步骤S610-步骤S640。
步骤S610,根据历史用户数据对历史用户进行聚类,并将不同用户类别的所述历史用户数据分别存储在不同的数据空间;
步骤S620,根据输入的当前用户数据与各用户类别的历史用户数据的相似性,在数据空间中确定所述当前用户数据所属的目标数据空间;
步骤S630,从目标数据空间中读取各预设养老区域的历史入住时长数据,根据各预设养老区域的历史入住时长数据测算当前用户在各预设养老区域的入住时长;
步骤S640,根据当前用户在各预设养老区域的入住时长和各预设养老区域的单位价格,测算并输出当前用户的养老费用。
示例性的,上述的步骤S620的具体实施方式可以包括:
根据目标数据空间中的历史用户数据确定当前用户的寿命预测模型;
获取目标数据空间中的历史用户在各预设养老区域的历史入住时长数据的统计学参数;
根据寿命预测模型和所述统计学参数,测算当前用户在各预设养老区域的入住时长。
在示例性的实施方式中,上述的寿命预测模型通过以下方式得到:
根据目标数据空间中的寿命影响因素的历史用户数据,建立回归预测模型,以确定当前用户的寿命预测模型;
其中,寿命影响因素包括历史用户数据中的用户跌倒次数数据、疾病种类数据、行动等级数据、记忆力衰减因子中的至少一种。
在示例性的实施方式中,上述的不同类别的历史用户数据通过以下方式得到:
利用k均值算法根据历史用户数据对历史用户进行聚类,以得到所述不同类别的历史用户数据,其中,k均值算法的聚类中心的数量根据历史用户数据中的用户健康等级进行确定。
在示例性的实施方式中,上述的当前用户数据所属的目标数据空间通过以下方式确定:
利用k近邻算法计算当前用户数据与各所述用户类别的历史用户数据的相似性,以确定所述当前用户数据所属的目标数据空间。
在示例性的实施方式中,确定所述当前用户数据所属的目标数据空间之后,还可以当前用户数据存储至该目标数据空间。
在示例性的实施方式中,上述的历史用户数据包括年龄、性别、疾病种类、跌倒次数数据、护理等级数据、健康等级数据、在各预设养老区域的历史入住时长中的至少一种。
在示例性的实施方式中,上述的步骤S640在测算当前用户的养老费用时,还可以根据当前测算时间戳对应的价格增长因子和现金折算因子测算所述当前用户在当前测算时间戳的养老费用。
在示例性的实施方式中,还可以将输出的养老费用测算结果显示在图形用户界面中,其中,养老费用的测算结果包括当前用户的养老费用、当前用户在各预设养老区域的入住总时长、当前用户在每个预设养老区域的入住时长以及对应的入住费用、当前用户在每个预设养老区域的护理等级以及对应的费用中的至少一种。
在示例性的实施方式中,上述的各预设养老区域为根据护理等级对养老区域进行划分而形成的区域。
上述方法流程中各步骤的具体细节在装置部分实施方式中已经详细说明,因而不再赘述。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
本公开的示例性实施方式还提供了一种计算机可读存储介质,如图7所示的计算机可读存储介质700,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在电子设备上运行时,程序代码用于使电子设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。该程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在电子设备,例如个人电脑上运行。然而,本公开的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图8来描述根据本公开的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于:上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830以及显示单元840。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元810执行,使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
例如,所述处理单元810可以执行如图6中所示的:步骤S610,根据历史用户数据对历史用户进行聚类,并将不同用户类别的所述历史用户数据分别存储在不同的数据空间;步骤S620,根据输入的当前用户数据与各用户类别的历史用户数据的相似性,在数据空间中确定所述当前用户数据所属的目标数据空间;步骤S630,从目标数据空间中读取各预设养老区域的历史入住时长数据,根据各预设养老区域的历史入住时长数据测算当前用户在各预设养老区域的入住时长;步骤S640,根据当前用户在各预设养老区域的入住时长和各预设养老区域的单位价格,测算并输出当前用户的养老费用。
存储单元820可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202,还可以进一步包括只读存储单元(ROM)8203。
存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204,这样的程序模块8205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备800也可以与一个或多个外部设备900(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备800交互的设备通信,和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且,电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器860通过总线830与电子设备800的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备800使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
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、终端装置、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)
1.一种养老费用测算装置,其特征在于,包括:
聚类存储模块,用于根据历史用户数据对历史用户进行聚类,并将不同用户类别的所述历史用户数据分别存储在不同的数据空间;
目标数据空间确定模块,用于根据输入的当前用户数据与各所述用户类别的历史用户数据的相似性,在所述数据空间中确定所述当前用户数据所属的目标数据空间;
入住时长测算模块,用于从所述目标数据空间中读取各预设养老区域的历史入住时长数据,根据所述各预设养老区域的历史入住时长数据测算当前用户在各预设养老区域的入住时长;
养老费用测算模块,用于根据所述当前用户在各预设养老区域的入住时长和各预设养老区域的单位价格,测算并输出所述当前用户的养老费用。
2.根据权利要求1所述的养老费用测算装置,其特征在于,所述入住时长测算模块,通过执行以下方式,测算所述当前用户在各预设养老区域的入住时长:
根据目标数据空间中的历史用户数据确定所述当前用户的寿命预测模型;
获取目标数据空间中的历史用户在所述各预设养老区域的历史入住时长数据的统计学参数;
根据所述寿命预测模型和所述统计学参数,测算当前用户在各所述预设养老区域的入住时长。
3.根据权利要求2所述的养老费用测算装置,其特征在于,所述入住时长测算模块,通过执行以下方式,确定所述寿命预测模型:
根据目标数据空间中的寿命影响因素的历史用户数据,建立回归预测模型,以确定所述当前用户的寿命预测模型;
其中,所述寿命影响因素包括历史用户数据中的用户跌倒次数数据、疾病种类数据、行动等级数据、记忆力衰减因子中的至少一种。
4.根据权利要求1所述的养老费用测算装置,其特征值在于,所述聚类存储模块通过执行以下方式,对历史用户进行聚类,以得到不同类别的历史用户数据:
利用k均值算法根据所述历史用户数据对历史用户进行聚类,以得到所述不同类别的历史用户数据,其中,所述k均值算法的聚类中心的数量根据所述历史用户数据中的用户健康等级进行确定。
5.根据权利要求1所述的养老费用测算装置,其特征在于,所述目标空间确定模块,通过执行以下方式,确定所述当前用户数据所属的目标数据空间:
利用k近邻算法计算当前用户数据与各所述用户类别的历史用户数据的相似性,以确定所述当前用户数据所属的目标数据空间。
6.根据权利要求1或5所述的养老费用测算装置,其特征在于,在确定所述当前用户数据所属的目标数据空间之后,所述聚类存储模块,还用于将所述当前用户数据存储至所述目标数据空间。
7.根据权利要求1所述的养老费用测算装置,其特征在于,所述历史用户数据包括年龄、性别、疾病种类、跌倒次数数据、护理等级数据、健康等级数据、在各预设养老区域的历史入住时长中的至少一种。
8.根据权利要求1所述的养老费用测算装置,其特征在于,所述养老费用测算模块,在测算所述当前用户的养老费用时,还用于根据当前测算时间戳对应的价格增长因子和现金折算因子测算所述当前用户在当前测算时间戳的养老费用。
9.根据权利要求1所述的养老费用测算装置,其特征在于,所述养老费用测算装置还包括:
显示模块,用于显示所述养老费用的测算结果,其中,所述养老费用的测算结果包括所述当前用户的养老费用、当前用户在各预设养老区域的入住总时长、当前用户在每个预设养老区域的入住时长以及对应的入住费用、当前用户在每个预设养老区域的护理等级以及对应的费用中的至少一种。
10.根据权利要求1所述的养老费用测算装置,其特征在于,所述各预设养老区域为根据护理等级对养老区域进行划分而形成的区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010489667.8A CN111652433B (zh) | 2020-06-02 | 2020-06-02 | 养老费用测算装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010489667.8A CN111652433B (zh) | 2020-06-02 | 2020-06-02 | 养老费用测算装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111652433A true CN111652433A (zh) | 2020-09-11 |
CN111652433B CN111652433B (zh) | 2023-04-18 |
Family
ID=72345035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010489667.8A Active CN111652433B (zh) | 2020-06-02 | 2020-06-02 | 养老费用测算装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652433B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112613813A (zh) * | 2020-12-22 | 2021-04-06 | 天津五八到家货运服务有限公司 | 货运工作方案的推送方法、设备、介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001357128A (ja) * | 2000-06-13 | 2001-12-26 | Sanyo Electric Co Ltd | 有料老人ホームの入居費用見積システム |
JP2002099724A (ja) * | 2000-09-25 | 2002-04-05 | Fujitsu Ltd | 年金受給開始年齢特定装置、年金受け取りを担保としての融資計画立案装置、及び記録媒体 |
JP2005025259A (ja) * | 2003-06-30 | 2005-01-27 | Seikatsu Service System:Kk | 高齢者コミュニティ事業シミュレーションシステム |
JP2006318076A (ja) * | 2005-05-11 | 2006-11-24 | Pfps Research Corp | 確定拠出年金拠出支援方法、確定拠出年金拠出支援システム及び年金アドバイスサーバ |
JP2013097397A (ja) * | 2011-10-27 | 2013-05-20 | Fujilife Insurance Co Ltd | 保険サービス管理システム、保険サービス管理サーバ、保険サービス管理方法、および、プログラム |
US20130226836A1 (en) * | 2012-02-24 | 2013-08-29 | Fmr Llc | Generating a Funding and Investment Strategy Associated with an Underfunded Pension Plan |
CN104574159A (zh) * | 2015-01-30 | 2015-04-29 | 华为技术有限公司 | 数据存储、查询方法和装置 |
CN106354574A (zh) * | 2016-08-30 | 2017-01-25 | 浪潮(北京)电子信息产业有限公司 | 一种用于大数据K‑Mean聚类算法的加速系统和方法 |
CN106919999A (zh) * | 2016-09-30 | 2017-07-04 | 深圳智盛信息技术股份有限公司 | 养老保险缴费收入预测方法及预测装置 |
CN109634968A (zh) * | 2018-12-28 | 2019-04-16 | 河南城建学院 | 一种基于大数据及人工智能的数据处理方法及系统 |
CN109767270A (zh) * | 2019-01-17 | 2019-05-17 | 建信养老金管理有限责任公司 | 基于人工智能的存房养老信息推荐方法及系统 |
CN110727769A (zh) * | 2018-06-29 | 2020-01-24 | 优视科技(中国)有限公司 | 语料库生成方法及装置、人机交互处理方法及装置 |
CN111008724A (zh) * | 2019-10-17 | 2020-04-14 | 珠海格力电器股份有限公司 | 一种价格预测方法、装置、电子设备及可读存储介质 |
CN111047394A (zh) * | 2019-11-20 | 2020-04-21 | 泰康保险集团股份有限公司 | 商品推荐方法、装置、电子设备及计算机可读介质 |
-
2020
- 2020-06-02 CN CN202010489667.8A patent/CN111652433B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001357128A (ja) * | 2000-06-13 | 2001-12-26 | Sanyo Electric Co Ltd | 有料老人ホームの入居費用見積システム |
JP2002099724A (ja) * | 2000-09-25 | 2002-04-05 | Fujitsu Ltd | 年金受給開始年齢特定装置、年金受け取りを担保としての融資計画立案装置、及び記録媒体 |
JP2005025259A (ja) * | 2003-06-30 | 2005-01-27 | Seikatsu Service System:Kk | 高齢者コミュニティ事業シミュレーションシステム |
JP2006318076A (ja) * | 2005-05-11 | 2006-11-24 | Pfps Research Corp | 確定拠出年金拠出支援方法、確定拠出年金拠出支援システム及び年金アドバイスサーバ |
JP2013097397A (ja) * | 2011-10-27 | 2013-05-20 | Fujilife Insurance Co Ltd | 保険サービス管理システム、保険サービス管理サーバ、保険サービス管理方法、および、プログラム |
US20130226836A1 (en) * | 2012-02-24 | 2013-08-29 | Fmr Llc | Generating a Funding and Investment Strategy Associated with an Underfunded Pension Plan |
CN104574159A (zh) * | 2015-01-30 | 2015-04-29 | 华为技术有限公司 | 数据存储、查询方法和装置 |
CN106354574A (zh) * | 2016-08-30 | 2017-01-25 | 浪潮(北京)电子信息产业有限公司 | 一种用于大数据K‑Mean聚类算法的加速系统和方法 |
CN106919999A (zh) * | 2016-09-30 | 2017-07-04 | 深圳智盛信息技术股份有限公司 | 养老保险缴费收入预测方法及预测装置 |
CN110727769A (zh) * | 2018-06-29 | 2020-01-24 | 优视科技(中国)有限公司 | 语料库生成方法及装置、人机交互处理方法及装置 |
CN109634968A (zh) * | 2018-12-28 | 2019-04-16 | 河南城建学院 | 一种基于大数据及人工智能的数据处理方法及系统 |
CN109767270A (zh) * | 2019-01-17 | 2019-05-17 | 建信养老金管理有限责任公司 | 基于人工智能的存房养老信息推荐方法及系统 |
CN111008724A (zh) * | 2019-10-17 | 2020-04-14 | 珠海格力电器股份有限公司 | 一种价格预测方法、装置、电子设备及可读存储介质 |
CN111047394A (zh) * | 2019-11-20 | 2020-04-21 | 泰康保险集团股份有限公司 | 商品推荐方法、装置、电子设备及计算机可读介质 |
Non-Patent Citations (2)
Title |
---|
严海兵;吴银芳;崔志明;: "基于结构聚类的XML数据存储研究" * |
李薇;张学英;刘俊;赵蕴;: "基于需求分析的天津市长期照护保险制度建设研究" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112613813A (zh) * | 2020-12-22 | 2021-04-06 | 天津五八到家货运服务有限公司 | 货运工作方案的推送方法、设备、介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111652433B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101957760B1 (ko) | 유사도 점수에 기초하여 결정된 거래사례 부동산을 이용한 부동산 시세 추정 시스템 및 방법 | |
CN110890146B (zh) | 一种用于智慧病房的床旁智能交互系统 | |
CN110751326B (zh) | 一种光伏日前功率预测方法、装置以及存储介质 | |
US11176471B1 (en) | Explainable machine learning models | |
WO2018157808A1 (zh) | 互联网征信评估方法和系统 | |
CN106909560B (zh) | 兴趣点排序方法 | |
CN110910201B (zh) | 信息推荐的控制方法、装置、计算机设备及存储介质 | |
JP6282783B2 (ja) | 分析システム及び分析方法 | |
CN109598302B (zh) | 就诊费用预测方法、装置、设备及计算机可读存储介质 | |
CN110766481A (zh) | 客户数据处理方法、装置、电子设备及计算机可读介质 | |
CN111652433B (zh) | 养老费用测算装置 | |
Mancini et al. | Marked point process models for the admissions of heart failure patients | |
CN114118570A (zh) | 业务数据预测方法及装置、电子设备和存储介质 | |
CN113902260A (zh) | 信息预测方法、装置、电子设备和介质 | |
WO2019134873A1 (en) | Prediction model preparation and use for socioeconomic data and missing value prediction | |
CN115730125A (zh) | 对象识别方法、装置、计算机设备和存储介质 | |
CN111126629B (zh) | 模型的生成方法、刷单行为识别方法、系统、设备和介质 | |
CN111709825A (zh) | 异常产品识别方法及系统 | |
CN111340540A (zh) | 广告推荐模型的监控方法、推荐方法及装置 | |
CN114298825A (zh) | 还款积极度评估方法及装置 | |
CN111383123A (zh) | 临床医疗开销的统计方法、装置、存储介质及电子设备 | |
CN112926879B (zh) | 疾病诊断相关分组的支付方案决策方法、装置及设备 | |
CN112070564B (zh) | 广告拉取方法、装置、系统与电子设备 | |
CN113435748A (zh) | 网点状态确定方法、装置、电子设备以及存储介质 | |
CN111161042A (zh) | 个人风险评估方法、装置、终端及存储介质 |
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 |