CN111667200B - 一种权威度确定方法、装置、设备及存储介质 - Google Patents
一种权威度确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111667200B CN111667200B CN202010656605.1A CN202010656605A CN111667200B CN 111667200 B CN111667200 B CN 111667200B CN 202010656605 A CN202010656605 A CN 202010656605A CN 111667200 B CN111667200 B CN 111667200B
- Authority
- CN
- China
- Prior art keywords
- answer
- party
- authority
- answering
- question
- 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.)
- Active
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请实施例公开一种权威度确定方法、装置、设备及存储介质,获取问答平台上的问答数据和针对每个回答方的评价数据,根据问答数据确定回答方之间的关联关系,回答方之间具有关联关系表示回答方回答的问题所对应的对象是相同的。由于评价数据是患者对于回答方回答的真实反馈,故根据评价数据确定出的每个回答方的知识评价分,体现出回答方的真实水平,根据关目标回答方的知识评价分和关联回答方的权威度,得到的目标回答方的权威度能够反映回答方真实水平,该权威度较为公平,提高权威度确定的准确性。即使对于同等地位的回答方,不同回答方的权威度也会有所不同,从而充分发挥权威度的作用,保证提问方根据权威度判断哪个回答方的回答是正确的。
Description
技术领域
本申请涉及计算机领域,特别是涉及一种权威度确定方法、装置、设备及存储介质。
背景技术
随着互联网医疗的长足发展,各种在线医疗问答社区越来越受到患者的广泛欢迎,例如“寻医问药”和“丁香园”等。在问答社区中,一般是患者提出问题,可能有若干个医生回答。由于医疗领域具有高度的专业性,往往患者在面对形形色色的医生回答时,很难判断到底哪个医生的回答是正确的。
为此,针对医生的回答可以提供该医生的权威度,以便患者根据权威度选择医生的回答。相关技术一般根据医生所在医院的等级(一,二,三级;甲,乙等)和医生的职称(如医师,主任等)信息来计算医生的权威度。即医院等级越高,医生职级越高就意味着医生的权威度越高。
然而,这种仅关注“硬头衔”,并未考虑医生在问答社区中的实际问诊表现而确定医生权威度的方式很不科学,确定出的权威度并不准确,难以反映医生的真实水平,对那些头衔不高,但实际问诊中表现非常好的医生也不公平。另外,对于同等级医院且相同职称的医生的权威度区分不开,使得患者仍然无法根据权威度判断哪个医生的回答是正确的。
发明内容
为了解决上述技术问题,本申请提供了一种权威度确定方法、装置、设备及存储介质,得到的目标回答方的权威度能够反映回答方真实水平,该权威度较为公平。同时,通过关联关系,使得回答方之间的权威度互相影响,可以提高权威度确定的准确性。另外,依据该权威度确定方法,即使对于同等地位的回答方,权威度也会有所不同,从而充分发挥权威度的作用,保证提问方可以根据权威度判断哪个回答方的回答是正确的。
本申请实施例公开了如下技术方案:
第一方面,本申请实施例提供一种权威度确定方法,所述方法包括:
获取问答平台上的问答数据和针对每个回答方的评价数据;
根据所述问答数据确定所述回答方之间的关联关系,所述回答方之间具有所述关联关系表示所述回答方回答的问题所对应的对象是相同的;
根据所述评价数据,分别确定每个所述回答方的知识评价分;
将每个所述回答方分别作为目标回答方,根据所述目标回答方的所述知识评价分和关联回答方的权威度,得到所述目标回答方的权威度,所述关联回答方为与所述目标回答方具有关联关系的回答方。
第二方面,本申请实施例提供一种权威度确定装置,所述装置包括获取单元、第一确定单元、第二确定单元和第三确定单元:
所述获取单元,用于获取问答平台上的问答数据和针对每个回答方的评价数据;
所述第一确定单元,用于根据所述问答数据确定所述回答方之间的关联关系,所述回答方之间具有所述关联关系表示所述回答方回答的问题所对应的对象是相同的;
所述第二确定单元,用于根据所述评价数据,分别确定每个所述回答方的知识评价分;
所述第三确定单元,用于将每个所述回答方分别作为目标回答方,根据所述目标回答方的所述知识评价分和关联回答方的权威度,得到所述目标回答方的权威度,所述关联回答方为与所述目标回答方具有关联关系的回答方。
第三方面,本申请实施例提供一种用于权威度确定的电子设备,所述电子设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行第一方面所述的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行第一方面所述的方法。
由上述技术方案可以看出,本申请在确定回答方的权威度时,获取问答平台上的问答数据和针对每个回答方的评价数据,根据问答数据确定回答方之间的关联关系,回答方之间具有关联关系表示回答方回答的问题所对应的对象是相同的。由于评价数据是患者对于回答方回答的真实反馈,故根据评价数据确定出的每个回答方的知识评价分,可以体现出回答方的真实水平,根据关联关系对每个回答方例如目标回答方的知识评价分进行传递,得到的目标回答方的权威度能够反映回答方真实水平,该权威度较为公平。同时,通过关联关系,使得回答方之间的权威度互相影响,可以提高权威度确定的准确性。另外,依据该权威度确定方法,即使对于同等地位的回答方,权威度也会有所不同,从而充分发挥权威度的作用,保证提问方可以根据权威度判断哪个回答方的回答是正确的。
附图说明
为了更清楚地说明本申请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申请的一些实施例,对于本领域普通技术成员来讲,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为本申请实施例提供的一种权威度确定方法的系统架构示意图;
图2为本申请实施例提供的一种权威度确定方法的流程图;
图3为本申请实施例提供的患者提问区的界面示意图;
图4为本申请实施例提供的医生回复区的界面示意图;
图5为本申请实施例提供的一种医生链接图的示意图;
图6为本申请实施例提供的一种权威度确定方法的流程图;
图7为本申请实施例提供的一种权威度确定装置的结构图;
图8为本申请实施例提供一种终端设备的结构图;
图9为本申请实施例提供的一种服务器的结构图。
具体实施方式
下面结合附图,对本申请的实施例进行描述。
相关技术中提供的权威度确定方法,通常根据回答方所在医院的等级和回答方的职称等头衔信息来计算回答方的权威度,并未考虑回答方在问答社区中的实际问诊表现,这种方式很不科学,确定出的权威度并不准确,难以反映回答方的真实水平,对那些头衔不高,但实际问诊中表现非常好的回答方也不公平。另外,对于同等地位的回答方的权威度区分不开,使得提问方仍然无法根据权威度判断哪个回答方的回答是正确的。
为了解决上述技术问题,本申请实施例提供一种权威度确定方法,通过该方法得到的回答方的权威度能够反映回答方真实水平,较为公平。同时,通过关联关系,使得回答方之间的权威度互相影响,可以提高权威度确定的准确性。另外,依据该权威度确定方法,即使对于同等地位的回答方,权威度也会有所不同,从而充分发挥权威度的作用,保证提问方可以根据权威度判断哪个回答方的回答是正确的。
本申请实施例所提供的方法涉及到云技术领域,例如大数据(Big data),大数据(Big data)是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。随着云时代的来临,大数据也吸引了越来越多的关注,大数据需要特殊的技术,以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术,包括大规模并行处理数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。
本申请实施例还可以涉及人工智能领域,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
在本申请实施例中,可以涉及的人工智能技术包括自然语言处理(NatureLanguage processing,NLP),自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此,这一领域的研究将涉及自然语言,即人们日常使用的语言,所以它与语言学的研究有着密切的联系。自然语言处理技术通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等技术。本申请通过语义理解可以将问答数据转换成回答方链接图,本申请例如涉及其中的机器人问答技术。
在本申请实施例中,可以通过电子设备执行上述聚类方法,电子设备可以是服务器,也可以是终端设备。若电子设备为终端设备,则终端设备可以从服务器上获取问答平台上的问答数据,进而确定回答方的权威度,从而向提问方展示该权威度;若电子设备为服务器,则服务器可以执行本申请实施例提供的方法,确定回答方的权威度,向终端设备返回回答方的权威度,从而由终端设备向提问方展示该权威度。当然,电子设备也可以包括终端设备和服务器,二者配合完成上述权威度确定方法,本申请实施例对权威度确定方法的执行主体不做限定。
参见图1,图1为本申请实施例提供的权威度确定方法的系统架构示意图。该系统架构中包括终端设备101和服务器102,服务器102可以用于存储问答平台上产生的所有问答数据,用户通过终端设备101可以进入问答平台,若用户是提问方,则用户通过终端设备101可以在问答平台上提出问题,若用户是回答方,则用户通过终端设备101可以在问答平台上回答提问方提出的问题。其中,问答平台可以是医疗问答平台、学术问答平台等可以提出问题并获得回答的平台,若问答平台为医疗问答平台,此时提问方可以是但不限定于患者,回答方可以是但不限定于医生。本申请实施例对问答平台的类型、提问方以及回答方的身份不做限定,本申请实施例将主要以问答平台是医疗问答平台,提问方是患者,回答方是医生为例进行介绍。
服务器102可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备102可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端设备101以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
本申请实施例以终端设备101为执行主体对权威度确定方法进行介绍。终端设备101可以从服务器102获取问答平台上的问答数据和针对每个回答方的评价数据。问答数据为提问方在问答平台上提出问题,回答方对提问方提出的问题进行回答时所产生的数据,根据问答数据可以确定每个提问方提出的问题由哪些回答方回答;评价数据是某个回答方在回答问题后,用户例如提问方和/或其他回答方针对该回答方的回答进行评价产生的数据。
终端设备101可以根据问答数据确定回答方之间的关联关系,回答方之间具有关联关系表示回答方回答的问题所对应的对象是相同的。由于评价数据是提问方对于回答方回答的真实反馈,故终端设备101根据评价数据确定出的每个回答方的知识评价分,可以体现出回答方的真实水平。这样,终端设备101根据目标回答方的知识评价分和关联回答方的权威度,便可得到较为准确的目标回答方的权威度。其中,关联回答方为与目标回答方具有关联关系的回答方。
权威度可以表示回答方的回答的可信赖程度,当终端设备101向提问方展示回答方的回答时,展示该权威度,便于提问方根据权威度选择正确的回答。
接下来,将以终端设备为执行主体,结合附图对本申请实施例提供的权威度确定方法进行详细介绍。
参见图2,图2示出了一种权威度确定方法的流程图,所述方法包括:
S201、获取问答平台上的问答数据和针对每个回答方的评价数据。
其中,问答平台可以包括提问方提问区和回答方回复区,在医疗问答社区中,此时,提问方可以是患者,回答方可以是医生。患者提问区的界面可以参见图3所示,患者可以在患者提问区提出自己所关心的问题,例如患者A提出问题“我比较肥胖,21岁身高162体重155斤!通过检查血糖高了,请问在吃方面应该注意哪些,可以有效降血糖”;医生回复区的界面可以参见图4所示,该界面可以展示医生的头像、姓名、所在医院、职称(例如主治医师)、所在科室、所擅长疾病、权威度以及医生针对患者提出的问题做出的回答,例如医生针对患者A提出问题的回答“需要清淡饮食,限制高脂高热量食物,多吃青菜,适当运动,控制体重”等,其中可以包括多个医生的回复。
问答数据为提问方在问答平台上提出问题,回答方对提问方提出的问题进行回答时所产生的数据,终端设备可以获取问答数据,根据问答数据可以知晓每个提问方提出的问题由哪些回答方回答。
评价数据是某个回答方在回答问题后,用户例如提问方和/或其他回答方针对该回答方的回答进行评价产生的数据。
S202、根据所述问答数据确定所述回答方之间的关联关系。
终端设备可以根据问答数据确定回答方之间的关联关系,回答方之间具有关联关系表示回答方回答的问题所对应的对象是相同的。
其中,由于一个提问方提出的问题,可能有多个回答方回答,对同一个提问方提出的问题做出回答的回答方可以具有关联关系;或者,关于一种疾病的问题,可能有多个回答方回答,对同一种疾病所对应的问题做出回答的回答方可以具有关联关系。因此,在本申请实施例总,对象可以是提问方或疾病。
在一种可能的实施例中,为了清晰、明确的体现出回答方之间的关联关系,即体现出哪些回答方回答了同一对象对应的问题,S202的实现方式可以是终端设备根据所述问答数据中所述回答方回答的问题所对应的对象,构建回答方链接图,该回答方链接图用于体现回答方之间的关联关系。
回答方链接图包括节点和边,节点表示回答方,边表示回答方之间具有关联关系。回答了同一个对象所对应问题的不同回答方之间存在一个边。这样遍历所有的问答数据,即可得到一张回答方链接图。
参见图5所示,以对象是提问方,提问方是患者,回答方是医生为例,医生包括医生1、医生2、医生3、……、医生i、医生j、医生k,若医生1和医生2回答了同一患者提出的问题,则医生1和医生2之间具有一条边;若医生2和医生3回答了同一患者提出的问题,则医生2和医生3之间具有一条边;若医生1和医生i回答了同一患者提出的问题,则医生1和医生i之间具有一条边;若医生1和医生j回答了同一患者提出的问题,则医生1和医生j之间具有一条边,等等。故以医生1、医生2、医生3、……、医生i、医生j、医生k作为节点,可以构建出图5所示的医生链接图。
S203、根据所述评价数据,分别确定每个所述回答方的知识评价分。
通常情况下,评价数据是问答平台上的用户根据回答方的实际回答表现作出评价产生的,因此,评价数据可以体现回答方在问答社区中的实际回答表现。故终端设备根据评价数据确定每个回答方的知识评价分,可以体现出回答方的真实水平。
评价数据可以包括点赞情况、评价得分、评价留言中一种或多种的组合。根据评价数据可以确定回答方受认可度,从而根据回答方受认可度确定知识评价分,例如可以将回答方受认可度作为知识评价分。
回答方受认可度的计算公式可以表示为:
Sat_Score(i)=Star_Num/(Total_Question_Num+1)
其中,Sat_Score(i)表示回答方i的回答方受认可度,Star_Num表示该回答方i在该特定时间段内受认可的问题回答数,Total_Question_Num则指的是回答问题总数。分母同时加1的原因是防止除零操作。特定时间段可以随机设置,例如可以取30天。
若评价数据包括点赞情况,则受认可的问题回答数可以通过点赞数表示;若评价数据包括评价得分,则受认可的问题回答数可以是评价得分高于某一阈值的回答数;若评价数据包括评价留言,则可以对评价留言进行情感分析,从而根据情感分析结果确定受认可的问题回答数。
在一种可能的实施例中,由于有些回答方回答的问题可能较少,评价数据也会较少,从而导致评价数据所反映的回答方问诊表现具有偶然性,为了降低评价数据的数量的影响,提高知识评价分计算的准确性,终端设备还可以根据问答数据确定回答方的活跃度。
假设一个回答方在问答平台上回答问题很少,频率很低,那显然该回答方是不活跃的,一个不活跃的回答方往往很难认为其在该问答平台上是权威回答方。故,本实施例可以定义回答方i的活跃度计算方法为其特定时间段内回答提问方问题的平均次数,公式表达如下:
Active_Score(i)=Answer_Count(i)/Period
其中,Active_Score(i)为回答方i的活跃度,Answer_Count(i)为特定时间段内回答方i回答问题的次数,Period为时间周期常数(即特定时间段),例如可以取30天。
在这种情况下,S203中根据评价数据,分别确定每个回答方的知识评价分的实现方式可以是根据评价数据和活跃度,分别确定每个回答方的知识评价分。
另外,由于回答方的头衔在一定程度上可以反映出回答方的水平,可以作为回答方是否为权威回答方的依据。例如回答方位医生时,医生所在医院等级以及职称等级可以作为音声是否为权威医生的依据。医生所在医院和职称等级等通常登记在个人信息页中,基于此,在一些可能的实施例中,终端设备可以获取回答方的个人信息,根据个人信息中的医院信息和职称等级信息,确定回答方的学术素养分。
例如,医院等级一般可以包括1~3级医院+甲,乙两等,共计6个等级,分别从高到低记Hospital_Rank为6~1分。另外职称等级至少分为助理医师、医师、副主任医师、主任医师等级别,分别记为Pro_Rank为2,4,7,8。根据个人信息中记录的回答方所在医院,结合互联网上事先公开可得的医院级别资格表数据可以确定医院等级,进而根据医院等级和职称等级确定回答方的学术素养分。此处学术素养分可以表达为:
Specialty_Score(i)=Hospital_Rank*Pro_Rank
其中,Specialty_Score(i)表示回答方i的学术素养分,Hospital_Rank表示回答方i所在医院的医院等级分,Pro_Rank表示回答方i的职称等级分。
在这种情况下,确定每个回答方的知识评价分的方式可以是根据评价数据、活跃度和学术素养分,分别确定每个回答方的知识评价分。此时,知识评价分可以表达为:
Doctor_Score=Active_Score(i)*Sat_Score(i)*log(Specialty_Score(i))
当然,在一些情况下,也可以根据评价数据和学术素养分,分别确定每个回答方的知识评价分,本申请实施例对此不做限定。
S204、将每个所述回答方分别作为目标回答方,根据所述目标回答方的所述知识评价分和关联回答方的权威度,得到所述目标回答方的权威度。
关联回答方为与目标回答方具有关联关系的回答方。在本申请实施例中,可以采用多种算法得到目标回答方的权威度,例如包括网页排名(PageRank)算法、Hits算法(一种网页权威度算法)等。本申请是实施例以PageRank算法为例进行介绍。
PageRank算法本质上是一种以网页之间的超链接个数和质量作为主要因素粗略地分析网页的重要性的算法。其基本假设是:更重要的页面往往更多地被其他页面引用(或称其他页面中会更多地加入通向该页面的超链接)。其将从A页面到B页面的链接解释为“A页面给B页面投票”,并根据投票来源(甚至来源的来源,即链接到A页面的页面)和投票对象的等级来决定被投票页面的等级。简单的说,一个高等级的页面可以提升其他低等级的页面的重要性。
基于此,可以将本申请实施例中不同回答方相当于一个个网页,而且不同回答方之间传递的信息量不是平等的,是自带权重的(即不同回答方的知识评价分不同)。终端设备实现S204的具体方式可以是获取与目标回答方具有关联关系的关联回答方的权威度,将目标回答方的知识评价分作为目标回答方的初始权威度,根据初始权威度和关联回答方的权威度,确定目标回答方的权威度。其中,关联回答方的权威度也是通过本申请实施例提供的权威度计算方法得到的,以此类推,经过若干次迭代可以得到目标回答方的权威度。
在PageRank算法的基础上演变得到的计算回答方权威度的公式为:
其中,Auth(ei)表示回答方ei的权威度,d为常数,考虑到回答方链接图相对一般网页链接图规模较小,且关联关系可能比较稀疏,为了快速收敛,此处d取较大值0.4。f(ei)表示向回答方ei提出问题的提问方集合。C(ei,u)表示提问方u向回答方ei分配的Auth值的比例,C(ei,u)等于回答方ei的知识评价分占所有给提问方u回答过问题的回答方对应的知识评价分之和的比值。Auth(ej)表示第j个关联回答方的权威度,N表示关联回答方的个数。
在一些可能的实施例中,还可以仅考虑最好的关联回答方对目标回答方的权威度的影响,此时,可以确定多个关联回答方的权威度中的最大权威度,从而根据目标回答方的知识评价分和最大权威度,确定目标回答方的权威度。
此时,计算回答方权威度的公式为:
其中,Auth(ej)表示多个关联回答方的权威度中的最大权威度,其余参数的含义与公式(1)相同。
本申请实施例综合了知识评价分和关联回答方的权威度,使得回答方之间的权威度互相影响,从而提高权威度确定的准确性。
在确定出回答方的权威度后,若某个提问方例如目标提问方提出问题,众多回答方回答问题,则可以在向目标提问方展示回答方的回答时,确定回答目标提问方提出的问题的回答方集合,从而展示回答方集合中每个回答方的权威度。这样,目标提问方可以根据权威度判断哪个回答方的回答是正确的。
接下来,将结合实际应用场景对本申请实施例提供的权威度确定方法进行介绍。在该应用场景中,提问方是患者,回答方是医生,当某一患者例如目标患者登录问答平台,提出问题时,目标患者可能得到众多医生的回答,为了便于目标患者可以从众多回答中判断出那个医生的回答是正确的,终端设备可以在向目标患者展示回答的同时,展示每个医生的权威度。为此,本申请实施例提供一种权威度确定方法,参见图6,包括:
S601、获取问答平台上的问答数据、点赞数和个人信息。
S602、根据问答数据中所述医生回答的问题所对应的患者,构建医生链接图。
S603、根据问答数据确定医生的活跃度。
S604、根据问答数据和点赞数确定医生受认可度。
S605、根据个人信息中的医院信息和职称等级信息,确定医生的学术素养分。
S606、根据医生的活跃度、医生受认可度和学术素养分计算医生知识评价分。
S607、将每个医生分别作为目标医生,根据医生链接图确定与目标医生具有关联关系的关联医生。
S608、根据目标医生的知识评价分和关联医生的权威度,得到目标医生的权威度。
基于图2对应实施例提供的权威度确定方法,本申请实施例还提供一种权威度确定装置,参见图7,所述装置包括获取单元701、第一确定单元702、第二确定单元703和第三确定单元704:
所述获取单元701,用于获取问答平台上的问答数据和针对每个回答方的评价数据;
所述第一确定单元702,用于根据所述问答数据确定所述回答方之间的关联关系,所述回答方之间具有所述关联关系表示所述回答方回答的问题所对应的对象是相同的;
所述第二确定单元703,用于根据所述评价数据,分别确定每个所述回答方的知识评价分;
所述第三确定单元704,用于将每个所述回答方分别作为目标回答方,根据所述目标回答方的所述知识评价分和关联回答方的权威度,得到所述目标回答方的权威度,所述关联回答方为与所述目标回答方具有关联关系的回答方。
在一种可能的实现方式中,所述第一确定单元702,用于:
根据所述问答数据中所述回答方回答的问题所对应的对象,构建回答方链接图;所述回答方链接图包括节点和边,所述节点表示回答方,所述边表示回答方之间具有所述关联关系。
在一种可能的实现方式中,所述对象是提问方或者疾病。
在一种可能的实现方式中,所述第二确定单元703,还用于:
根据所述问答数据确定回答方的活跃度;
所述第二确定单元703,根据所述评价数据,分别确定每个所述回答方的知识评价分,包括:
根据所述评价数据和所述活跃度,分别确定每个所述回答方的知识评价分。
在一种可能的实现方式中,若所述回答方为医生,所述获取单元701,用于:
获取所述回答方的个人信息;
所述第二确定单元703,还用于根据所述个人信息中的医院信息和职称等级信息,确定所述回答方的学术素养分;
所述第二确定单元703根据所述评价数据和所述活跃度,分别确定每个所述回答方的知识评价分,包括:
根据所述评价数据、所述活跃度和所述学术素养分,分别确定每个所述回答方的知识评价分。
在一种可能的实现方式中,若存在多个关联回答方,所述第三确定单元704,用于:
确定多个关联回答方的权威度中的最大权威度;
根据所述目标回答方的知识评价分和所述最大权威度,确定所述目标回答方的权威度。
在一种可能的实现方式中,所述装置还包括展示单元:
所述展示单元,用于确定回答目标提问方提出的问题的回答方集合;展示所述回答方集合中每个回答方的权威度。
本申请实施例还提供了一种用于权威度确定的电子设备,该电子设备用于执行本申请实施例提供的权威度确定方法。下面结合附图对该电子设备进行介绍。请参见图8所示,本申请实施例提供了一种电子设备,该电子设备可以是终端设备,以终端设备为智能手机为例:
图8示出的是与本申请实施例提供的终端设备相关的智能手机的部分结构的框图。参考图8,智能手机包括:射频(英文全称:Radio Frequency,英文缩写:RF)电路810、存储器820、输入单元830、显示单元840、传感器850、音频电路860、无线保真(英文全称:wireless fidelity,英文缩写:WiFi)模块870、处理器880、以及电源890等部件。本领域技术人员可以理解,图8中示出的智能手机结构并不构成对智能手机的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
存储器820可用于存储软件程序以及模块,处理器880通过运行存储在存储器820的软件程序以及模块,从而执行智能手机的各种功能应用以及数据处理。存储器820可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据智能手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器820可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器880是智能手机的控制中心,利用各种接口和线路连接整个智能手机的各个部分,通过运行或执行存储在存储器820内的软件程序和/或模块,以及调用存储在存储器820内的数据,执行智能手机的各种功能和处理数据,从而对智能手机进行整体监控。可选的,处理器880可包括一个或多个处理单元;优选的,处理器880可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器880中。
在本实施例中,所述终端设备中的处理器880可以执行以下步骤;
获取问答平台上的问答数据和针对每个回答方的评价数据;
根据所述问答数据确定所述回答方之间的关联关系,所述回答方之间具有所述关联关系表示所述回答方回答的问题所对应的对象是相同的;
根据所述评价数据,分别确定每个所述回答方的知识评价分;
将每个所述回答方分别作为目标回答方,根据所述目标回答方的所述知识评价分和关联回答方的权威度,得到所述目标回答方的权威度,所述关联回答方为与所述目标回答方具有关联关系的回答方。
该电子设备还可以包括服务器,本申请实施例还提供服务器,请参见图9所示,图9为本申请实施例提供的服务器900的结构图,服务器900可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(Central Processing Units,简称CPU)922(例如,一个或一个以上处理器)和存储器932,一个或一个以上存储应用程序942或数据944的存储介质930(例如一个或一个以上海量存储设备)。其中,存储器932和存储介质930可以是短暂存储或持久存储。存储在存储介质930的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器922可以设置为与存储介质930通信,在服务器900上执行存储介质930中的一系列指令操作。
服务器900还可以包括一个或一个以上电源926,一个或一个以上有线或无线网络接口950,一个或一个以上输入输出接口958,和/或,一个或一个以上操作系统941,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
在本实施例中,所述服务器900中的中央处理器922可以执行以下步骤;
获取问答平台上的问答数据和针对每个回答方的评价数据;
根据所述问答数据确定所述回答方之间的关联关系,所述回答方之间具有所述关联关系表示所述回答方回答的问题所对应的对象是相同的;
根据所述评价数据,分别确定每个所述回答方的知识评价分;
将每个所述回答方分别作为目标回答方,根据所述目标回答方的所述知识评价分和关联回答方的权威度,得到所述目标回答方的权威度,所述关联回答方为与所述目标回答方具有关联关系的回答方。
根据本申请的一个方面,提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行前述各个实施例所述的权威度确定方法。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述实施例各种可选实现方式中提供的权威度确定方法。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术成员应当理解: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申请各实施例技术方案的精神和范围。
Claims (10)
1.一种权威度确定方法,其特征在于,所述方法包括:
获取问答平台上的问答数据和针对每个回答方的评价数据;
根据所述问答数据确定所述回答方之间的关联关系,所述回答方之间具有所述关联关系表示所述回答方回答的问题所对应的对象是相同的;
根据所述评价数据,分别确定每个所述回答方的知识评价分;
将每个所述回答方分别作为目标回答方,根据所述目标回答方的所述知识评价分和关联回答方的权威度,得到所述目标回答方的权威度,所述关联回答方为与所述目标回答方具有关联关系的回答方。
2.根据权利要求1所述的方法,其特征在于,所述根据所述问答数据确定所述回答方之间的关联关系,包括:
根据所述问答数据中所述回答方回答的问题所对应的对象,构建回答方链接图;所述回答方链接图包括节点和边,所述节点表示回答方,所述边表示回答方之间具有所述关联关系。
3.根据权利要求1或2所述的方法,其特征在于,所述对象是患者或者疾病。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述问答数据确定回答方的活跃度;
所述根据所述评价数据,分别确定每个所述回答方的知识评价分,包括:
根据所述评价数据和所述活跃度,分别确定每个所述回答方的知识评价分。
5.根据权利要求4所述的方法,其特征在于,若所述回答方为医生,所述方法还包括:
获取所述回答方的个人信息;
根据所述个人信息中的医院信息和职称等级信息,确定所述回答方的学术素养分;
所述根据所述评价数据和所述活跃度,分别确定每个所述回答方的知识评价分,包括:
根据所述评价数据、所述活跃度和所述学术素养分,分别确定每个所述回答方的知识评价分。
6.根据权利要求1所述的方法,其特征在于,若存在多个关联回答方,所述根据所述目标回答方的所述知识评价分和关联回答方的权威度,得到所述目标回答方的权威度,包括:
确定多个关联回答方的权威度中的最大权威度;
根据所述目标回答方的知识评价分和所述最大权威度,确定所述目标回答方的权威度。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定回答目标患者提出的问题的回答方集合;
展示所述回答方集合中每个回答方的权威度。
8.一种权威度确定装置,其特征在于,所述装置包括获取单元、第一确定单元、第二确定单元和第三确定单元:
所述获取单元,用于获取问答平台上的问答数据和针对每个回答方的评价数据;
所述第一确定单元,用于根据所述问答数据确定所述回答方之间的关联关系,所述回答方之间具有所述关联关系表示所述回答方回答的问题所对应的对象是相同的;
所述第二确定单元,用于根据所述评价数据,分别确定每个所述回答方的知识评价分;
所述第三确定单元,用于将每个所述回答方分别作为目标回答方,根据所述目标回答方的所述知识评价分和关联回答方的权威度,得到所述目标回答方的权威度,所述关联回答方为与所述目标回答方具有关联关系的回答方。
9.一种用于权威度确定的电子设备,其特征在于,所述电子设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010656605.1A CN111667200B (zh) | 2020-07-09 | 2020-07-09 | 一种权威度确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010656605.1A CN111667200B (zh) | 2020-07-09 | 2020-07-09 | 一种权威度确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111667200A CN111667200A (zh) | 2020-09-15 |
CN111667200B true CN111667200B (zh) | 2023-09-19 |
Family
ID=72391767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010656605.1A Active CN111667200B (zh) | 2020-07-09 | 2020-07-09 | 一种权威度确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111667200B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136267A (zh) * | 2011-12-01 | 2013-06-05 | 腾讯科技(深圳)有限公司 | 一种基于社区的专家挖掘方法与装置 |
CN104636456A (zh) * | 2015-02-03 | 2015-05-20 | 大连理工大学 | 一种基于词向量的问题路由方法 |
CN105677896A (zh) * | 2016-02-03 | 2016-06-15 | 北京光年无限科技有限公司 | 基于主动学习的交互方法及交互系统 |
CN106339948A (zh) * | 2016-08-26 | 2017-01-18 | 微梦创科网络科技(中国)有限公司 | 一种基于社交网络的关联用户的挖掘方法及装置 |
CN106790698A (zh) * | 2017-02-22 | 2017-05-31 | 镇江康恒信息科技有限公司 | 一种在线互动问答的系统 |
CN107169873A (zh) * | 2017-06-16 | 2017-09-15 | 北京信息科技大学 | 一种多特征融合的微博用户权威度评价方法 |
US10019513B1 (en) * | 2014-08-12 | 2018-07-10 | Google Llc | Weighted answer terms for scoring answer passages |
CN109189940A (zh) * | 2018-09-05 | 2019-01-11 | 南京大学 | 一种基于众包及图谱技术的知识共享服务方法 |
CN110111010A (zh) * | 2019-05-10 | 2019-08-09 | 山东大学 | 一种基于众智网络的问答任务分配方法及系统 |
CN110321421A (zh) * | 2019-07-04 | 2019-10-11 | 南京邮电大学 | 用于网站知识社区系统的专家推荐方法及计算机存储介质 |
CN110472744A (zh) * | 2019-08-01 | 2019-11-19 | 腾讯科技(深圳)有限公司 | 网络内容处理方法、装置、介质及电子设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3061018A4 (en) * | 2013-10-25 | 2017-05-10 | Sysomos L.P. | Systems and methods for dynamically determining influencers in a social data network using weighted analysis |
US20160196313A1 (en) * | 2015-01-02 | 2016-07-07 | International Business Machines Corporation | Personalized Question and Answer System Output Based on Personality Traits |
-
2020
- 2020-07-09 CN CN202010656605.1A patent/CN111667200B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136267A (zh) * | 2011-12-01 | 2013-06-05 | 腾讯科技(深圳)有限公司 | 一种基于社区的专家挖掘方法与装置 |
US10019513B1 (en) * | 2014-08-12 | 2018-07-10 | Google Llc | Weighted answer terms for scoring answer passages |
CN104636456A (zh) * | 2015-02-03 | 2015-05-20 | 大连理工大学 | 一种基于词向量的问题路由方法 |
CN105677896A (zh) * | 2016-02-03 | 2016-06-15 | 北京光年无限科技有限公司 | 基于主动学习的交互方法及交互系统 |
CN106339948A (zh) * | 2016-08-26 | 2017-01-18 | 微梦创科网络科技(中国)有限公司 | 一种基于社交网络的关联用户的挖掘方法及装置 |
CN106790698A (zh) * | 2017-02-22 | 2017-05-31 | 镇江康恒信息科技有限公司 | 一种在线互动问答的系统 |
CN107169873A (zh) * | 2017-06-16 | 2017-09-15 | 北京信息科技大学 | 一种多特征融合的微博用户权威度评价方法 |
CN109189940A (zh) * | 2018-09-05 | 2019-01-11 | 南京大学 | 一种基于众包及图谱技术的知识共享服务方法 |
CN110111010A (zh) * | 2019-05-10 | 2019-08-09 | 山东大学 | 一种基于众智网络的问答任务分配方法及系统 |
CN110321421A (zh) * | 2019-07-04 | 2019-10-11 | 南京邮电大学 | 用于网站知识社区系统的专家推荐方法及计算机存储介质 |
CN110472744A (zh) * | 2019-08-01 | 2019-11-19 | 腾讯科技(深圳)有限公司 | 网络内容处理方法、装置、介质及电子设备 |
Non-Patent Citations (1)
Title |
---|
开源问答服务系统专家推荐混合模型;赵文普等;计算机应用与软件;第35卷(第06期);42-47+121 * |
Also Published As
Publication number | Publication date |
---|---|
CN111667200A (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10910109B2 (en) | Computing system implementing mortality prediction using a correlative health assertion library | |
US20220344058A1 (en) | Computing system predicting health using correlated health assertion library | |
US11133111B2 (en) | Methods and systems for an artificial intelligence support network for vibrant constitutional guidance | |
US10650474B2 (en) | System and method for using social network content to determine a lifestyle category of users | |
WO2017022140A1 (ja) | 健康管理サーバ及びその制御方法並びに健康管理メッセージアプリケーションプログラム | |
US20160140642A1 (en) | System and method for providing a health service benefit based on a knowledge-based prediction of a person's health | |
Yule et al. | The International Index of Erectile Function: a methodological critique and suggestions for improvement | |
JP6516414B2 (ja) | 体重管理システム | |
Rohrich et al. | The key to long-term success in liposuction: A guide for plastic surgeons and patients | |
US20160140859A1 (en) | System and method for determining and using knowledge about human health | |
Tang et al. | Goodness-of-fit tests for correlated paired binary data | |
AU2017331252A1 (en) | System and method for predicting mortality amongst a user base | |
CN114758781B (zh) | 一种生成用户的健康画像方法和系统、装置及存储介质 | |
Alexander | Health risk appraisal | |
CN111667029B (zh) | 一种聚类方法、装置、设备及存储介质 | |
Mansson et al. | Trait affection given and received: A test of Hofstede’s theoretical framework | |
WO2020206172A1 (en) | Confidence evaluation to measure trust in behavioral health survey results | |
Taylor et al. | Using virtual representations in mHealth application interventions for health-related behaviour change: a systematic review | |
US20210265064A1 (en) | System and method for providing model-based predictions of quality of life implications of a treatment via individual-specific machine learning models | |
CN111667200B (zh) | 一种权威度确定方法、装置、设备及存储介质 | |
JP2011128922A (ja) | 美容サポートシステム及び美容サポート方法 | |
Topf et al. | Got CKD? There's an app for that! | |
US20220254508A1 (en) | Method for identifying manifold clusters using statistically significant association patterns | |
Gao et al. | Large Group Decision‐Making Approach Based on Stochastic MULTIMOORA: An Application of Doctor Evaluation in Healthcare Service | |
US11144543B2 (en) | Computer-readable recording medium, estimation method and estimation device |
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 |