CN111741125A - 基于广域网实现的远程服务方法和计算机设备 - Google Patents
基于广域网实现的远程服务方法和计算机设备 Download PDFInfo
- Publication number
- CN111741125A CN111741125A CN202010691980.XA CN202010691980A CN111741125A CN 111741125 A CN111741125 A CN 111741125A CN 202010691980 A CN202010691980 A CN 202010691980A CN 111741125 A CN111741125 A CN 111741125A
- Authority
- CN
- China
- Prior art keywords
- service
- information
- server
- client
- preset
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
- H04L67/63—Routing a service request depending on the request content or context
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/012—Providing warranty services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明揭示了一种的基于广域网实现的远程服务方法和计算机设备,根据服务需求的语义确定可以提供服务的第一服务端,将服务需求信息发送给各第一服务端,将第一服务端提供的第一服务信息进行整理,得到行文规则统一的第一服务信息,并将第一服务信息进行向量化,以便于聚类计算,根据聚类结果得到同一类别向量中数量最多的多个第二向量,最后随机选择一个第二向量,将其转化成第二服务信并发送给客户端。在设置服务端的时候,服务端的服务人员是专业的人员,回答正确答案的几率很大,通过聚类计算,多个第二向量对应的服务信息的正确率会更高,解决了现有技术中只有一个服务端远程对服务需求信息进行答复,其答复的消息无法保证正确性的问题。
Description
技术领域
本发明涉及到广域网领域,特别是涉及到一种基于广域网实现的远程服务方法和计算机设备。
背景技术
广域网WAN(Wide Area Network)也叫远程网RCN(Remote Computer Network),它的作用范围可以从几十公里至几万公里。一个国家或国际间建立的网络都是广域网。在广域网内,用于通信的传输装置和传输介质可由电信部门提供。目前,世界上最大的信息网络Internet已经覆盖了180多个国家和地区,连接了数万个网络。
随着广域网技术的发展,人们往往在广域网上进行服务咨询,比如行政问题、商业问题、金融问题、管理问题等,对应的服务系统会提供大量的服务人员进行线上答复,但是基于不同的服务人员的知识水平不同,给出的答案可能是错误的,影响用户的判断,比如,用户在线咨询医疗分诊,各服务端的工作人员如果不能正确的提供服务信息,可能会影响用户的救治,比如挂错号而未能得到及时救助等,进一步地,长期利用工作人员回答服务咨询,提高人员成本,浪费人力。因此,提供如何提高基于广域网实现的远程服务的准确性和节约成本的方法是亟需解决的问题。
发明内容
本发明的主要目的为提供一种基于广域网实现的远程服务方法和计算机设备,旨在解决现有技术中基于广域网的远程服务提供的服务消息准确性无法保证以及浪费人力的技术问题。
为了实现上述发明目的,本发明提出一种基于广域网实现的远程服务方法,包括:
S1、获取客户端上传的服务需求信息;
S2、解析所述服务需求信息的需求语义;
S3、根据所述需求语义确定服务端的类别;
S4、根据所述服务端的类别,确定当前可以提供服务的第一服务端,其中,所述第一服务端包括多个;
S5、将所述服务需求信息分别转发给全部的所述第一服务端;
S6、在指定时间内,接收各所述第一服务端反馈的第一服务信息;
S7、将各所述第一服务信息分别进行语义识别得到各所述第一服务信息对应的第一语义;
S8、将各所述第一语义按照预设的行文规则进行整理,得到行文规则统一的各第一服务信息,其中,所述行文规则为在不改变所述第一语义的情况下按照主语、谓语、宾语的顺序进行编写的规则;
S9、将各所述第一服务信息向量化,得到对应各所述第一服务信息的第一向量;
S10、对各所述第一向量进行聚类计算,得到多个类别的不同的第一向量组;
S11、比较各所述第一向量组中的第一向量的数量,将所述第一向量的数量最多的第一向量组保留,其余的第一向量组删除,得到剩余的多个第二向量;
S12、在多个第二向量中随机选择一个第二向量作为反馈向量;
S13、将所述反馈向量转换成第二服务信息;
S14、将所述第二服务信息发送给所述客户端;
S15、将所述服务需求信息和所述第二服务信息关联存储到预设的数据库中,形成模型训练样本;
S16、判断所述模型训练样本是否达到预设的训练阈值;
S17、若是,则利用所述模型训练样本训练预设的双向长短期记忆模型,得到第一智能服务答复模型;
S18、当再次获取所述客户端上传的第二服务需求信息时,通过所述步骤S2-S13处理所述服务需求信息的方式处理所述第二服务需求信息,以得到第二服务需求信息对应的第四服务信息;以及通过所述第一智能服务答复模型得到对应第二服务需求信息的第三服务信息;
S19、比较所述第四服务信息和所述第三服务信息的语义是否相同;
S20、若相同,则记录所述第一智能服务答复模型正确服务一次,否则记录所述第一智能服务答复模型错误确服务一次;
S21、将服务正确的次数累计相加得到正确次数,将服务错误的次数相加得到错误次数;
S22、将所述正确次数和所述错误次数相加得到服务总次数;
S23、当所述服务总次数达到预设次数时,将所述正确次数除以所述服务总次数计算得到服务正确率;
S24、若所述服务正确率大于等于正确率阈值,则上线所述第一智能服务答复模型。
进一步地,所述将所述第二服务信息发送给所述客户端的步骤S14之前,还包括:
S141、将所述第二服务信息分别发送给各所述第一服务端;
S142、接收各所述第一服务端的反馈命令,其中所述反馈命令包括同意所述第二服务信息的内容的同意命令,以及反对所述第二服务信息的内容的反对命令;
S143、若接收到的同意命令的数量大于所述反对命令的数量,则执行所述“将所述第二服务信息发送给所述客户端”的步骤。
进一步地,所述将所述第二服务信息发送给所述客户端的步骤S14之后,还包括:
S25、统计被删除的各所述第一向量组中的各第一向量对应的第一服务端,记为第二服务端;
S26、在预设的统计列表中,在每个所述第二服务端对应的答错次数数据中加一得到当前答错次数数据,其中,所述统计列表中记录所有能为所述服务端提供服务的终端IP,以及与所述终端IP对应服务总次数数据、未被采纳服务的答错次数数据;
S27、计算各所述第二服务端的当前答错次数数据比上其对应的服务总次数数据,得到各所述第二服务端的服务数据;
S28、在各所述第二服务端中查找服务数据大于预设阈值的第二服务端,并将所述服务数据大于预设阈值的第二服务端记为第三服务端;
S29、向所述第三服务端发送告警信息,以及停止所述第三服务端的服务功能。
进一步地,所述向所述第三服务端发送告警信息,以及停止所述第三服务端的服务功能的步骤S29之后,还包括:
S30、获取所述客户端的服务支付信息,其中,所述服务支付信息中包括支付金额;
S31、根据所述第一服务端的第一数量,将所述支付金额平均分成第一数量份的基准金额;
S32、将对应所述第二服务端的第二数量的基准金额相加得到第一支付金额;以及使用支付金额减去所述第一支付金额得到第二支付金额;
S33、将所述第二支付金额按照1:1的比列分成两份,得到第一分配金额和第二分配金额;
S34、将所述第一分配金额加上所述第一支付金额之和除以所述第二数量得到第一支付数据,并按照所述第一支付数据给各所述第二服务端支付服务佣金;以及,
S35、将所述第二分配金额平均分配给除所述第二服务端之外的其他第一服务端。
进一步地,所述将所述第二服务信息发送给所述客户端的步骤S14之后,包括:
S36、接收所述客户端的反馈信息,其中,所述反馈信息中包括需要前往服务机构接收服务的实地服务需求信息,以及放弃前往服务机构接收服务的放弃实地服务信息;
S37、若所述反馈信息为实地服务需求信息,则获取所述客户端的位置信息;
S38、依据所述位置信息和所述第二服务信息,生成推荐结果,其中,所述推荐结果包括第一服务机构,以及前往所述第一服务机构位置的出行计划。
进一步地,所述依据所述位置信息和所述第二服务信息,生成推荐结果的步骤S38,包括:
S381、基于所述第二服务信息,确定服务类型,以及确定服务紧急度,其中,服务紧急度的包括急需服务和一般服务;
S382、基于所述服务类型,在预设的服务机构库中查找可以提供针对所述服务类型的服务的第二服务机构及其第二位置信息,其中,所述第二服务机构包括多个;
S383、获取各所述第二服务机构的对应所述服务类型的评分;
S384、根据所述服务紧急度、位置信息、评分和所述第二位置信息,生成推荐结果。
进一步地,根据所述服务紧急度、位置信息、评分和所述第二位置信息,生成推荐结果的步骤S384,包括:
S3841、基于所述位置信息和所述第二位置信息,计算从所述位置信息处出发到各所述第二服务机构的最短用时;
S3842、若所述服务紧急度为急需服务,则选择各所述最短用时小于预设时间阈值的各所述第二服务机构作为备选服务机构;
S3843、在各所述备选服务机构中选择评分最高的服务机构作为所述第一服务机构;
S3844、基于所述位置信息和所述第一服务机构的位置信息生成最短用时的所述出行计划;
S3845、基于所述第一服务机构和所述出行计划生成所述推荐结果。
进一步地,所述获取各所述第二服务机构的对应所述服务类型的评分的步骤S383,包括:
S3831、基于爬虫技术到指定的论坛中爬取各所述第二服务机构的对应所述服务类型的服务评价;
S3832、计算所述服务评价中关于“好”和“不差”出现的第一次数,以及“不好”和“差”出现的第二次数;
S3833、将所述第一次数和第二次数相加得到总次数;
S3834、以所述第一次数除以所述总次数,得到所述评分。
进一步地,所述依据所述位置信息和所述第二服务信息,生成推荐结果的步骤S38之后,包括:
S3801、获取所述位置信息所处区域的对应所述第二服务信息的服务资源数据,并将所述服务资源数据输入预设的服务压力级别预测模型中进行处理,从而得到所述服务压力级别预测模型输出的服务压力预测级别;其中所述服务压力级别预测模型基于神经网络模型训练而成;其中,所述第一服务机构的位置在所述位置信息所处区域内;
S3802、判断所述服务压力预测级别是否大于预设的压力阈值;
S3803、若所述服务压力预测级别大于预设的压力阈值,则根据预设的相似用户选取方法,获取与所述客户端对应的第一用户对应的第二用户;
S3804、构建所述第一用户和所述第二用户的用户组合;
S3805、获取所述第一服务机构中的指定服务人员的服务时间表,并获取所述第一用户的第一空闲时间和所述第二用户的第二空闲时间;
S3806、根据所述服务时间表、所述第一空闲时间和所述第二空闲时间,生成所述用户组合共同前往的第一服务机构的指定服务时间;
S3807、生成服务约定,其中所述服务约定要求所述用户组合在所述指定服务时间共同前往指定服务人员处接受服务。
进一步地,所述将所述第二服务信息发送给所述客户端的步骤S14之后,还包括:
S39、判断所述客户端是否启动生理信号采集功能,其中,所述客户端上设置有微动传感器,客户端的用户通过启动所述微动传感器采集用户的生理信息;
S40、若是,则发送需要二次答复的消息给各所述第二服务端,以及等到客户端上传其采集到的生理信号;
S41、若在第二指定时间内接收到所述生理信号,则将所述生理信号发送给各所述第二服务端;
S42、接收各所述第二服务端反馈的二次答复信息,并依照处理所述第一服务信息的方式处理所述二次答复信息,得到对应对应所述生理信号的第二服务信息。
本申请还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请的基于广域网实现的远程服务方法和计算机设备,首先根据服务需求的语义确定可以提供服务的第一服务端,然后将服务需求信息发送给各第一服务端,然后将第一服务端提供的第一服务信息进行整理,得到行文规则统一的第一服务信息,并将行文规则统一的第一服务信息进行向量化,以便于聚类计算,然后根据聚类结果得到同一类别向量中数量最多的多个第二向量,最后随机选择一个第二向量,将其转化成第二服务信并发送给客户端。因为在设置服务端的时候,服务端的服务人员基本都是专业的人员,所以回答正确答案的几率会很大,然后通过聚类计算,那么多个第二向量对应的服务信息的正确率会更高,解决了现有技术中只有一个服务端远程对服务需求信息进行答复,其答复的消息无法保证正确性的问题。另外,本申请将第一服务信息整理成行文规则统一的各第一服务信息,在后期的聚类计算中,可以更准确的进行分类,进一步地提高答复服务需求信息的第二服务信息的准确性。另外,在多个客户端进行服务的过程,不断地积累样本数据,最终实现模型训练,最终实现模型替代人力,实现节约人力的目的。而在训练模型的时候采用并行(客户端完成答复和第一智能服务答复模型同时答复但是不发出)的方式进行验证,当满足要求是才会上线第一智能服务答复模型,保证第一智能服务答复模型的准确性。在本申请中,还提供智能生成推荐结果的方法,通过解析第二服务信息等手段判断出用户的服务需求,解决如何选择服务机构、以及智能规划出行计划技术问题。
附图说明
图1 为本申请一实施例的基于广域网实现的远程服务方法的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,本申请实施例提供一种基于广域网实现的远程服务方法,其执行主体是服务器,包括以下步骤:
S1、获取客户端上传的服务需求信息;
S2、解析所述服务需求信息的需求语义;
S3、根据所述需求语义确定服务端的类别;
S4、根据所述服务端的类别,确定当前可以提供服务的第一服务端,其中,所述第一服务端包括多个;
S5、将所述服务需求信息分别转发给全部的所述第一服务端;
S6、在指定时间内,接收各所述第一服务端反馈的第一服务信息;
S7、将行文规则统一的各所述第一服务信息分别进行语义识别得到各所述第一服务信息对应的第一语义;
S8、将各所述第一语义按照预设的行文规则进行整理,得到行文规则统一的各第一服务信息;
S9、将各所述第一服务信息向量化,得到对应各所述第一服务信息的第一向量;
S10、对各所述第一向量进行聚类计算,得到多个类别的不同的第一向量组;
S11、比较各所述第一向量组中的第一向量的数量,将所述第一向量的数量最多的第一向量组保留,其余的第一向量组删除,得到剩余的多个第二向量;
S12、在多个第二向量中随机选择一个第二向量作为反馈向量;
S13、将所述反馈向量转换成第二服务信息;
S14、将所述第二服务信息发送给所述客户端。
如上述步骤S1所述,上述客户端可以是智能手机、电脑等具有运行计算机程序的电子设备,其具有登录广域网,实现网络数据传输交互的能力,其上运行有上传上述服务需求信息和接收第二服务信息的应用程序或者网页等。上述服务需求信息包括多种,比如远程问诊的需求信息、远程咨询分诊的需求信息等需要具有医学相关知识的服务人员进行答复的医疗领域的服务需求信息。又或者是关于法律的法律领域的服务需求信息等。
如上述步骤S2所述,解析上述服务需求信息的需求语义的办法可以利用现有技术中的任意一种语义识别办法,比如,基于simple RNN(time-delay neural network)的语言模型等实现服务需求信息的语义识别。获取到需求语义后,可以准确的了解客户端的用户的意图,以便于提供准确的服务。
如上述步骤S3所述,当了解到需求语义,则可以确定服务端的类别。上述服务端是指可以提供远程服务答案的终端,可以是计算机或者智能手机等,各服务端可以是在同一个工作地点的服务端,也可以是在不同地点的服务端,举例地,服务端可以分布在全球任意一个可以连接广域网的位置。服务端的类别主要是根据服务端在注册时,提供的注册信息进行分类,注册信息一般包括服务人员的信息、擅长的领域、佣金账户等,比如,第一注册信息为:张三、呼吸科护士、擅长呼吸急救和/或分诊、佣金账户等;第二注册信息为:李四、呼吸科医生、擅长上呼吸道疾病治疗和手术、佣金账户等。此时,通过第一注册信息和第二注册信息对服务端进行分类,其对应的服务端的类别也就不同,一类是呼吸科护士、一类是呼吸科医生,当服务需求信息为分诊时,则第一注册信息对应的服务端较为合适,当服务需求信息为呼吸道问诊时,则第二注册信息对应的服务端较为合适。
如上述步骤S4和S5所述,具有答复上述服务需求信息的服务端有多个,但是当前的时间段是否有时间进行答复,则不一定,所以本申请需要确定当前可以提供服务的第一服务端,其中,确定当前可以提供服务的第一服务端的方法包括多种,比如,服务器向服务端发送握手信号,如果检测到服务端反馈相应的反馈信号,则确定服务端当前可以提供服务;又或者,各服务端在提供注册信息的时候注明可以提供服务的时间段,然后根据各服务端提供的时间段选择与当前匹配的服务端为第一服务端等。确定服务端的类别之后,可以确定哪些服务端可以答复服务需求信息,然后在再将当前可以答复的第一服务端挑选出来,最后将所述服务需求信息分别转发给各所述第一服务端,因为第一服务端是挑选出来的,将所述服务需求信息发给各第一服务端的数据量要远小于发给全部的可以答复服务需求信息的服务端的数据量小很多,节约网络资源。
如上述步骤S6所述,上述指定时间是一个时间阈值,当超过这个时间阈值后,反馈服务信息将不会被采纳。上述第一服务信息是各服务端的服务人员针对服务需求信息的答复信息。以远程问诊为例,第一服务信息即为专业的医生等回复的专业答复等。在本实施例中,各服务端的答复是具有佣金提成的,所以要求其快速答复,当答复不及时,则无法得到相应的佣金提成,进一步地提高服务端的服务人员的服务积极性,另一方面,可以让客户端及时的得到相应的反馈,提高客户端的用户的体验。
如上述步骤S7至S9所述,先将各第一服务信息进行语义识别,然后根据语义识别结果重新生成相应的行文规则统一的第一服务信息,然后将其向量化,得到对应各所述第一服务信息的第一向量。在本实施例中,因为每个服务人员的表达方式不同,所以回答同一个服务需求信息的时候,即使是表达同一个意思,其表述的方式也不同,在机器学习分类的时候,容易出现分类错误等情况,所以本申请会先进行语义识别,然后得到行文统一服务信息,然后将其向量化后,在进行聚类计算的时候,计算的准确性更高。上述行文规则统一是指将第一服务信息统一按照主语、谓语、宾语的顺序进行编写,将倒装句、反问句等进行调整,得到描述方式一致的句式,进一步地,还会将语句的前后顺序进行调整,比如描述事件的主语、时间用语、地点用语等在不破坏语义的情况下重新整理等。
如上述步骤S10至S14所述,即为对各上述第一向量进行聚类计算的过程。在聚类过程中,聚类分组后,得到多组第一向量组。如上述,因为回答问题的服务端的服务人员都是具有专业知识的人,所以回答正确率是较高的,所以在聚类过程中,得到的分类中数量较多的一组向量组中的各向量对应的答案应该是正确的,而且各答案较为相似。所以,本申请会将第一向量的数量最多的第一向量组保留,其余的第一向量组删除,得到剩余的多个第二向量,将其余的第一向量组删除,可以节约服务的存储空间。因为回答问题的服务端的服务人员都是具有专业知识的人,所以回答正确率是较高的,所以在聚类过程中,得到的分类中数量较多的一组向量组中的各向量对应的答案应该是正确的,而且各答案的较为相似,因此,随机在多个第二向量中选择一个作为答复客户的反馈向量即可,因为反馈向量用户是看不懂的,所以将其逆向的转换成第二服务信息,第二服务信息为文字信息。最后将服务信息发送给客户端,供客户端的用户查看。
在一个具体实施例中,上述在多个第二向量中随机选择一个第二向量作为反馈向量的步骤,还可以替换成:将多个所述第二向量进行聚合,得到一个总体向量;将所述总体向量输入到预设的语义识别模型中进行语义过滤计算,得到实际反馈向量;然后将实际反馈向量转换成答复服务需求信息的服务信息并发送给客户端。
在本实施例中,上述语义识别模型是一种预先训练好的神经网络模型,其可以将重复出现的向量,根据语义进行过滤等,上述第二向量因为其对应的语义基本相同,所以将全部的第二向量进行聚合后,会得到大量重复的向量表达,所以在保证转化出来的服务信息为上述预设的行文规则之下,进行去重处理,从而得到更多的向量表达,再将实反馈向量转换成答复服务需求信息的服务信息时,服务信息的表达会更加完整,进一步地提高答复的正确性。在一个实时中,上述将所述第二服务信息发送给所述客户端的步骤S14之后,还包括:
S15、将所述服务需求信息和所述第二服务信息关联存储到预设的数据库中,形成模型训练样本;
S16、判断所述模型训练样本是否达到预设的训练阈值;
S17、若是,则利用所述模型训练样本训练预设的双向长短期记忆模型,得到第一智能服务答复模型;
S18、当再次获取所述客户端上传的第二服务需求信息时,通过所述步骤S2-S13处理所述服务需求信息的方式处理所述第二服务需求信息,以得到第二服务需求信息对应的第四服务信息;以及通过所述第一智能服务答复模型得到对应第二服务需求信息的第三服务信息;
S19、比较所述第四服务信息和所述第三服务信息的语义是否相同;
S20、若相同,则记录所述第一智能服务答复模型正确服务一次,否则记录所述第一智能服务答复模型错误确服务一次;
S21、将服务正确的次数累计相加得到正确次数,将服务错误的次数相加得到错误次数;
S22、将所述正确次数和所述错误次数相加得到服务总次数;
S23、当所述服务总次数达到预设次数时,将所述正确次数除以所述服务总次数计算得到服务正确率;
S24、若所述服务正确率大于等于正确率阈值,则上线所述第一智能服务答复模型。
在本实施例中,如果长时间的使用服务端的服务人员进行问题答复,会浪费人员资源,消耗人力,所以本申请提出了通过训练上述第一训练智能服务答复模型的技术方案。本申请与现有的模型训练过程存在不同的地方是,本申请是在实践中不断地收集模型训练样本,即每得到一个第二服务信息(对应第二服务需求信息的第四服务信息)的时候,都会将第二服务信息,及其对应的服务需求信息关联地保存起来,相当于对样本进行了标注,当得到的样本数据达到指定数量后,开始对预设的双向长短期记忆模型进行训练,因为上述样本数据的生成具有时间信息,所以使用双向长短期记忆模型进行训练,基于双向长短期记忆模型的特点,训练得到的第一智能服务答复模型更加好用。然后,并没有将第一智能服务答复模型直接上线,而是与上述获取第二服务信息的技术方案并行一段时间,当第一智能服务答复模型完成所述服务总次数达到预设次数时,计算第一智能服务答复模型的服务正确率,当服务正确率大于等于正确率阈值,上线所述第一智能服务答复模型,此时可以停止上述各服务端的人工输入服务信息,而是利用服务器中的第一智能服务答复模型实现完成客户端上传的服务需求信息的答复。本申请的样本全部是实际产生的样本,且对生成的第一智能服务答复模型进行验证的方式,是与人工答复并行的方式进行验证,提高上线后第一智能服务答复模型的作战能力,即保证答复服务需求信息的准确性。如果服务正确率小于正确率阈值,则继续训练第一智能服务答复模型一段时间,然后在此进行验证,直到服务正确率大于等于正确率阈值为止。
在一个实施例中,上述将所述第二服务信息发送给所述客户端的步骤S14之前,还包括:
S141、将所述第二服务信息分别发送给各所述第一服务端;
S142、接收各所述第一服务端的反馈命令,其中所述反馈命令包括同意所述第二服务信息的内容的同意命令,以及反对所述第二服务信息的内容的反对命令;
S143、若接收到的同意命令的数量大于所述反对命令的数量,则执行所述“将所述第二服务信息发送给所述客户端”的步骤。
在本实施例中,并没有直接将第二服务信息发送给客户端,而是将第二服务信息再次发送给全部的第一服务端,让第一服务端进行反馈,即要提供服务的服务人员对第二服务信息进行确认。第一服务端的服务人员,如果认为所述第二服务信息的内容正确,则反馈同意命令,如果认为所述第二服务信息的内容错误,则反馈同意命令反对命令。此时,如果刚刚答复的内容的为与第二服务信息不同的第一服务端的服务人员可以重新审视服务需求信息,进而纠正自己的错误,在下一次答题的时候提高答题正确性,如果仍然认为自己没有错误,则可以反馈上述的反对命令。只有接收到的同意命令的数量大于所述反对命令的数量时,才会将将所述第二服务信息发送给所述客户端。
在一个实施例中,如果接收到的同意命令的数量小于等于所述反对命令的数量,则说明提供的第二服务信息大概率是错的,所以要求上述各第一服务端重新提交服务信息,重复上述步骤S6至S143步骤直到接收到的同意命令的数量大于所述反对命令的数量位置,然后执行步骤S14,使用户得到准确的答复。
在一个实施例中,上述将所述第二服务信息发送给所述客户端的步骤S14之后,还包括:
S25、统计被删除的各所述第一向量组中的各第一向量对应的第一服务端,记为第二服务端;
S26、在预设的统计列表中,在每个所述第二服务端对应的答错次数数据中加一得到当前答错次数数据,其中,所述统计列表中记录所有能为所述服务端提供服务的终端IP,以及与所述终端IP对应服务总次数数据、未被采纳服务的答错次数数据;
S27、计算各所述第二服务端的当前答错次数数据比上其对应的服务总次数数据,得到各所述第二服务端的服务数据;
S28、在各所述第二服务端中查找服务数据大于预设阈值的第二服务端,并将所述服务数据大于预设阈值的第二服务端记为第三服务端;
S29、向所述第三服务端发送告警信息,以及停止所述第三服务端的服务功能。
在本实施例中,即为筛选出不合格的服务端的过程。具体地,统计各第二服务端的未被采纳服务的答错次数数据和服务总次数数据,然后以答错次数数据为分子、服务总次数数据为分母计算出各所述第二服务端的服务数据。当服务数据大于预设阈值,则说明其对应的第二服务端(即为上述的第三服务端)不合格,总是提供错误的答案,因此发送告警信息,以通知第三服务端的服务人员,其不合格,同时锁定第三服务端对应的服务账号,禁止向该服务账号发送服务需求信息,以提高服务端的服务人员的服务质量等。
在一个实施例中,上述向所述第三服务端发送告警信息,以及停止所述第三服务端的服务功能的步骤S29之后,还包括:
S30、获取所述客户端的服务支付信息,其中,所述服务支付信息中包括支付金额;
S31、根据所述第一服务端的第一数量,将所述支付金额平均分成第一数量份的基准金额;
S32、将对应所述第二服务端的第二数量的基准金额相加得到第一支付金额;以及使用支付金额减去所述第一支付金额得到第二支付金额;
S33、将所述第二支付金额按照1:1的比列分成两份,得到第一分配金额和第二分配金额;
S34、将所述第一分配金额加上所述第一支付金额之和除以所述第二数量得到第一支付数据,并按照所述第一支付数据给各所述第二服务端支付服务佣金;以及,
S35、将所述第二分配金额平均分配给除所述第二服务端之外的其他第一服务端。
在本实施例中,即为分配佣金的过程。客户端每提出一个服务需求信息,都会支付一定的佣金,即上述的支付金额等,本申请中会根据答题的人数,以及答题被采纳和未被采纳的数量进行动态调整佣金的分配。具体地,将支付金额除以第一服务端的数量,得到基准金额,然后将被采纳的数量(第二服务端的数量)个基准金额进行相加(基准金额乘以第二服务端的数量)得到第一支付金额,之后使用支付金额减去减去第一支付金额得到第二支付金额,将第二支付进行进行平分得到第一分配金额和第二分配金额,最后,将第一支付金额加上第一分配金额后的总金额平均支付给每一个第二服务端对应的佣金账户,剩余的第二分配金额平均分配给除去第二服务端的其他第一服务端。本申请实施例中,可以动态的分配支付金额,让回答正确的服务端多分一些佣金,而回答错误的少分一些佣金,而具体的分配金额并不是一成不变的,而是据聚类之后第二服务端的数量动态分配,分配方式简单,且公平,使参与的服务端均由佣金的收获。
在一个实施例中,上述将所述第二服务信息发送给所述客户端的步骤S14之后,还包括:
S36、接收所述客户端的反馈信息,其中,所述反馈信息中包括需要前往服务机构接收服务的实地服务需求信息,以及放弃前往服务机构接收服务的放弃实地服务信息;
S37、若所述反馈信息为实地服务需求信息,则获取所述客户端的位置信息;
S38、依据所述位置信息和所述第二服务信息,生成推荐结果,其中,所述推荐结果包括第一服务机构,以及前往所述第一服务机构位置的出行计划。
在本实施例中,当客户端接收到上述的第二服务信息之后,会输入相应的反馈信息,反馈信息中包括需要前往服务机构接收服务的实地服务需求信息,以及放弃前往服务机构接收服务的放弃实地服务信息。如果需要实地服务需求信息,则生成推荐结果。比如,去哪一个服务机构,怎么去等。
具体地,依据所述位置信息和所述第二服务信息,生成推荐结果的步骤S38,包括:
S381、基于所述第二服务信息,确定服务类型,以及确定服务紧急度,其中,服务紧急度的包括急需服务和一般服务;
S382、基于所述服务类型,在预设的服务机构库中查找可以提供针对所述服务类型的服务的第二服务机构及其第二位置信息,其中,所述第二服务机构包括多个;
S383、获取各所述第二服务机构的对应所述服务类型的评分;
S384、根据所述服务紧急度、位置信息、评分和所述第二位置信息,生成推荐结果。
上述第二服务信息的内容可以确定服务类型,以及服务紧急度,比如,服务需求信息是“左下腹疼痛难忍、发热、呕吐,这是怎么了,到哪里在治疗”,而第二服务信息为“初步判断是急性阑尾炎,需要马上到医院治疗”,此时,既可以通过语义识别技术得到第二服务信息的语义,其需要服务的类型是医疗,服务紧急度为急需服务,所以就会在医疗的服务机构库中查找可以提供针对所述服务类型的服务的第二服务机构(医疗机构)及其第二位置信息,然后获取各所述第二服务机构的对应所述服务类型的评分;根据所述服务紧急度、位置信息、评分和所述第二位置信息,生成推荐结果等。
进一步地,上述根据所述服务紧急度、位置信息、评分和所述第二位置信息,生成推荐结果的步骤S384,包括:
S3841、基于所述位置信息和所述第二位置信息,计算从所述位置信息处出发到各所述第二服务机构的最短用时;
S3842、若所述服务紧急度为急需服务,则选择各所述最短用时小于预设时间阈值的各所述第二服务机构作为备选服务机构;
S3843、在各所述备选服务机构中选择评分最高的服务机构作为所述第一服务机构;
S3844、基于所述位置信息和所述第一服务机构的位置信息生成最短用时的所述出行计划;
S3845、基于所述第一服务机构和所述出行计划生成所述推荐结果。
在本实施例中,利用计算机技术,解决如何快速确定服务机构和得到出行计划的技术问题,其快速地结合出行用时、第二服务机构的服务水平(打分)等给出推荐结果,既可以保住用户及时得到服务,又可以得到较高的服务质量。
在一个实施例中,上述获取各所述第二服务机构的对应所述服务类型的评分的步骤S383,包括:
S3831、基于爬虫技术到指定的论坛中爬取各所述第二服务机构的对应所述服务类型的服务评价;
S3832、计算所述服务评价中关于“好”和“不差”出现的第一次数,以及“不好”和“差”出现的第二次数;
S3833、将所述第一次数和第二次数相加得到总次数;
S3834、以所述第一次数除以所述总次数,得到所述评分。
在本实施例中,上述指定论坛是指博客、百度贴吧、服务留言区、某服务机构的服务网页等可以发表服务之后的感受的应用。本申请中,利用爬虫技术到指定的论坛中爬取各所述第二服务机构的对应所述服务类型的服务评价,然后通过对“好”和“不差”,“不好”和“差”等关键词的出现次数等,按照上述计算规则进行计算得到评分。本申请的方法,不是直接得到各第二服务机构的打分(如某医院的某科室在其对应的应用APP上的打分),而是通过对服务评价中的关键词进行提取统计,从而客观的进行打分。
在另一个实施例中,所上述依据所述位置信息和所述第二服务信息,生成推荐结果的步骤S38之后,包括:
S3801、获取所述位置信息所处区域的对于应所述第二服务信息的服务资源数据,并将所述服务资源数据输入预设的服务压力级别预测模型中进行处理,从而得到所述服务压力级别预测模型输出的服务压力预测级别;其中所述服务压力级别预测模型基于神经网络模型训练而成;其中,所述第一服务机构的位置在所述位置信息所处区域内;
S3802、判断所述服务压力预测级别是否大于预设的压力阈值;
S3803、若所述服务压力预测级别大于预设的压力阈值,则根据预设的相似用户选取方法,获取与所述客户端对应的第一用户对应的第二用户;
S3804、构建所述第一用户和所述第二用户的用户组合;
S3805、获取所述第一服务机构中的指定服务人员的服务时间表,并获取所述第一用户的第一空闲时间和所述第二用户的第二空闲时间;
S3806、根据所述服务时间表、所述第一空闲时间和所述第二空闲时间,生成所述用户组合共同前往的第一服务机构的指定服务时间;
S3807、生成服务约定,其中所述服务约定要求所述用户组合在所述指定服务时间共同前往指定服务人员处接受服务。
在现有技术中,当本地的服务资源压力过大的时候,服务器服务自动地调配服务资源,而本实施例中,服务器获取所述位置信息(客户端的位置)所处区域的服务资源数据,并将服务资源数据输入预设的服务压力级别预测模型中进行处理,从而得到所述服务压力级别预测模型输出的服务压力预测级别;若所述服务压力预测级别大于预设的压力阈值,则获取与所述第一用户对应的第二用户,第一用户为客户端对应的用户,而第二用户是与第一用户具同样服务需求的用户,两者的相似度计算可以通过性别、年龄、服务需求等进行计算,其中第二用户的服务需求是通过第二用户在第一服务机构预约服务的数据中获取;构建所述第一用户和所述第二用户的用户组合;生成所述用户组合共同前往服务的指定服务时间,最后生成服务约定,从而实现了自动化智能化的服务安排,解决了普通人无法了解服务资源的分配情况而无法准确地去服务机构接收服务的问题,并且通过用户组合的方式,解决了服务资源无法合理调配的技术问题。上述第一空闲时间是第一用户在终端上传的时间段,第二空闲时间是第二用户在第一服务机构预约服务的数据中记录的时间段。上述服务压力级别预测模型的训练数据可以是基于服务机构数量、服务机构的历史服务数据和历史服务数据对应的压力级别等数据,然后基于预设的神经网络模型训练而得,具体的训练过程采用监督学习的方式进行训练。
在一个实时中,上述将所述第二服务信息发送给所述客户端的步骤S14之后,还包括:
S39、判断所述客户端是否启动生理信号采集功能;
S40、若是,则发送需要二次答复的消息给各所述第二服务端,以及等到客户端上传其采集到的生理信号;
S41、若在第二指定时间内接收到所述生理信号,则将所述生理信号发送给各所述第二服务端;
S42、接收各所述第二服务端反馈的二次答复信息,并依照处理所述第一服务信息的方式处理所述二次答复信息,得到对应对应所述生理信号的第二服务信息。
在本实施例中,当上述服务需求信息是远程问诊的时候,服务端的服务人员可能不能根据服务需求信息很好的回答正确的答案,所以需要进行二次答复,而二次答复的依据是客户端上传对应的生理参数,比如心跳信号、呼吸信号、温度信号等。具体地,在将第二服务信息发送给客户端之后,服务器监听客户端是否启动相应的人体生理信号采集的功能,如启动客户端携带的微动传感器采集人体当前产生的振动信号,然后解析振动信号得到人体的心跳信号、呼吸信号等生理信号,又或者启动红外温度传感器采集人体的温度信号等。当确定客户端启动生理信号采集功能,则通知第二客户端不要下线等,以等待进行二次答复,在此期间禁止给个第二客户端下发新的服务需求。当服务器在第二指定时间内没有接收到生理信号,则发送停止二次服务的消息给各第二服务端,并恢复各第二客户端接收新的服务需求的能力。若在若在第二指定时间内接收到所述生理信号,则将所述生理信号发送给各所述第二服务端以得到各第二服务端的二次答复信息,然后以处理第一服务信息的方式处理二次答复信息,得到对应对应所述生理信号的第二服务信息,使客户端的用户得到更加准确的问询结果。本申请中,采集心跳信号和呼吸信号的时候,直接使用客户端的3D Touch屏幕,其可感应不同的感压力度触控,本申请设定3D Touch屏幕的采集频率符合心率和呼吸率的要求即可,提高生理信号采集的便利性。
进一步地,本申请还会基于服务需求信息、第二服务信息、生理信号、对应生理信号的第二服务信息进行关联,然后基于步骤S15至S24的原理训练第二智能服务答复模型,区别在于训练第二智能服务答复模型的参数增加了生理信号和对应生理信号的第二服务信息。
本申请的上述各实施例的技术方案,主要应用于广域网的远程问诊和分诊处理等。
本申请还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项实施例中所述方法的步骤。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种基于广域网实现的远程服务方法,其特征在于,包括:
S1、获取客户端上传的服务需求信息;
S2、解析所述服务需求信息的需求语义;
S3、根据所述需求语义确定服务端的类别;
S4、根据所述服务端的类别,确定当前可以提供服务的第一服务端,其中,所述第一服务端包括多个;
S5、将所述服务需求信息分别转发给全部的所述第一服务端;
S6、在指定时间内,接收各所述第一服务端反馈的第一服务信息;
S7、将各所述第一服务信息分别进行语义识别得到各所述第一服务信息对应的第一语义;
S8、将各所述第一语义按照预设的行文规则进行整理,得到行文规则统一的各第一服务信息;
S9、将各所述第一服务信息向量化,得到对应各所述第一服务信息的第一向量;
S10、对各所述第一向量进行聚类计算,得到多个类别的不同的第一向量组;
S11、比较各所述第一向量组中的第一向量的数量,将所述第一向量的数量最多的第一向量组保留,其余的第一向量组删除,得到剩余的多个第二向量;
S12、在多个第二向量中随机选择一个第二向量作为反馈向量;
S13、将所述反馈向量转换成第二服务信息;
S14、将所述第二服务信息发送给所述客户端;
S15、将所述服务需求信息和所述第二服务信息关联存储到预设的数据库中,形成模型训练样本;
S16、判断所述模型训练样本是否达到预设的训练阈值;
S17、若是,则利用所述模型训练样本训练预设的双向长短期记忆模型,得到第一智能服务答复模型;
S18、当再次获取所述客户端上传的第二服务需求信息时,通过所述步骤S2-S13处理所述服务需求信息的方式处理所述第二服务需求信息,以得到第二服务需求信息对应的第四服务信息;以及通过所述第一智能服务答复模型得到对应第二服务需求信息的第三服务信息;
S19、比较所述第四服务信息和所述第三服务信息的语义是否相同;
S20、若相同,则记录所述第一智能服务答复模型正确服务一次,否则记录所述第一智能服务答复模型错误确服务一次;
S21、将服务正确的次数累计相加得到正确次数,将服务错误的次数相加得到错误次数;
S22、将所述正确次数和所述错误次数相加得到服务总次数;
S23、当所述服务总次数达到预设次数时,将所述正确次数除以所述服务总次数计算得到服务正确率;
S24、若所述服务正确率大于等于正确率阈值,则上线所述第一智能服务答复模型;
所述将所述第二服务信息发送给所述客户端的步骤S14之后,还包括:
S36、接收所述客户端的反馈信息,其中,所述反馈信息中包括需要前往服务机构接收服务的实地服务需求信息,以及放弃前往服务机构接收服务的放弃实地服务信息;
S37、若所述反馈信息为实地服务需求信息,则获取所述客户端的位置信息;
S38、依据所述位置信息和所述第二服务信息,生成推荐结果,其中,所述推荐结果包括第一服务机构,以及前往所述第一服务机构位置的出行计划;
所述依据所述位置信息和所述第二服务信息,生成推荐结果的步骤S38,包括:
S381、基于所述第二服务信息,确定服务类型,以及确定服务紧急度;
S382、基于所述服务类型,在预设的服务机构库中查找可以提供针对所述服务类型的服务的第二服务机构及其第二位置信息,其中,所述第二服务机构包括多个;
S383、获取各所述第二服务机构的对应所述服务类型的评分;
S384、根据所述服务紧急度、位置信息、评分和所述第二位置信息,生成推荐结果;
所述根据所述服务紧急度、位置信息、评分和所述第二位置信息,生成推荐结果的步骤S384,包括:
S3841、基于所述位置信息和所述第二位置信息,计算从所述位置信息处出发到各所述第二服务机构的最短用时;
S3842、若所述服务紧急度为急需服务,则选择各所述最短用时小于预设时间阈值的各所述第二服务机构作为备选服务机构;
S3843、在各所述备选服务机构中选择评分最高的服务机构作为所述第一服务机构;
S3844、基于所述位置信息和所述第一服务机构的位置信息生成最短用时的所述出行计划;
S3845、基于所述第一服务机构和所述出行计划生成所述推荐结果。
2.根据权利要求1所述的基于广域网实现的远程服务方法,其特征在于,所述将所述第二服务信息发送给所述客户端的步骤S14之前,还包括:
S141、将所述第二服务信息分别发送给各所述第一服务端;
S142、接收各所述第一服务端的反馈命令,其中所述反馈命令包括同意所述第二服务信息的内容的同意命令,以及反对所述第二服务信息的内容的反对命令;
S143、若接收到的同意命令的数量大于所述反对命令的数量,则执行所述“将所述第二服务信息发送给所述客户端”的步骤。
3.根据权利要求2所述的基于广域网实现的远程服务方法,其特征在于,所述将所述第二服务信息发送给所述客户端的步骤S14之后,还包括:
S25、统计被删除的各所述第一向量组中的各第一向量对应的第一服务端,记为第二服务端;
S26、在预设的统计列表中,在每个所述第二服务端对应的答错次数数据中加一得到当前答错次数数据,其中,所述统计列表中记录所有能为所述服务端提供服务的终端IP,以及与所述终端IP对应服务总次数数据、未被采纳服务的答错次数数据;
S27、计算各所述第二服务端的当前答错次数数据比上其对应的服务总次数数据,得到各所述第二服务端的服务数据;
S28、在各所述第二服务端中查找服务数据大于预设阈值的第二服务端,并将所述服务数据大于预设阈值的第二服务端记为第三服务端;
S29、向所述第三服务端发送告警信息,以及停止所述第三服务端的服务功能。
4.根据权利要求3所述的基于广域网实现的远程服务方法,其特征在于,所述向所述第三服务端发送告警信息,以及停止所述第三服务端的服务功能的步骤S29之后,还包括:
S30、获取所述客户端的服务支付信息,其中,所述服务支付信息中包括支付金额;
S31、根据所述第一服务端的第一数量,将所述支付金额平均分成第一数量份的基准金额;
S32、将对应所述第二服务端的第二数量的基准金额相加得到第一支付金额;以及使用支付金额减去所述第一支付金额得到第二支付金额;
S33、将所述第二支付金额按照1:1的比列分成两份,得到第一分配金额和第二分配金额;
S34、将所述第一分配金额加上所述第一支付金额之和除以所述第二数量得到第一支付数据,并按照所述第一支付数据给各所述第二服务端支付服务佣金;以及,
S35、将所述第二分配金额平均分配给除所述第二服务端之外的其他第一服务端。
5.根据权利要求1所述的基于广域网实现的远程服务方法,其特征在于,所述依据所述位置信息和所述第二服务信息,生成推荐结果的步骤S38之后,包括:
S3801、获取所述位置信息所处区域的对应所述第二服务信息的服务资源数据,并将所述服务资源数据输入预设的服务压力级别预测模型中进行处理,从而得到所述服务压力级别预测模型输出的服务压力预测级别;其中所述服务压力级别预测模型基于神经网络模型训练而成;其中,所述第一服务机构的位置在所述位置信息所处区域内;
S3802、判断所述服务压力预测级别是否大于预设的压力阈值;
S3803、若所述服务压力预测级别大于预设的压力阈值,则根据预设的相似用户选取方法,获取与所述客户端对应的第一用户对应的第二用户;
S3804、构建所述第一用户和所述第二用户的用户组合;
S3805、获取所述第一服务机构中的指定服务人员的服务时间表,并获取所述第一用户的第一空闲时间和所述第二用户的第二空闲时间;
S3806、根据所述服务时间表、所述第一空闲时间和所述第二空闲时间,生成所述用户组合共同前往的第一服务机构的指定服务时间;
S3807、生成服务约定,其中所述服务约定要求所述用户组合在所述指定服务时间共同前往指定服务人员处接受服务。
6.根据权利要求1所述的基于广域网实现的远程服务方法,其特征在于,所述将所述第二服务信息发送给所述客户端的步骤S14之后,还包括:
S39、判断所述客户端是否启动生理信号采集功能,其中,所述客户端上设置有微动传感器,客户端的用户通过启动所述微动传感器采集用户的生理信息;
S40、若是,则发送需要二次答复的消息给各所述第二服务端,以及等到客户端上传其采集到的生理信号;
S41、若在第二指定时间内接收到所述生理信号,则将所述生理信号发送给各所述第二服务端;
S42、接收各所述第二服务端反馈的二次答复信息,并依照处理所述第一服务信息的方式处理所述二次答复信息,得到对应对应所述生理信号的第二服务信息。
7.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010691980.XA CN111741125B (zh) | 2020-07-17 | 2020-07-17 | 基于广域网实现的远程服务方法和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010691980.XA CN111741125B (zh) | 2020-07-17 | 2020-07-17 | 基于广域网实现的远程服务方法和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111741125A true CN111741125A (zh) | 2020-10-02 |
CN111741125B CN111741125B (zh) | 2020-11-17 |
Family
ID=72654891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010691980.XA Active CN111741125B (zh) | 2020-07-17 | 2020-07-17 | 基于广域网实现的远程服务方法和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111741125B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112559736A (zh) * | 2020-10-21 | 2021-03-26 | 山东亦贝数据技术有限公司 | 一种随机消息智能分发系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050246425A1 (en) * | 2002-05-13 | 2005-11-03 | Tetsuro Motoyama | Verification method of manufacturer and model for remote diagnostics, maintenance and control system over SNMP |
US20070136095A1 (en) * | 2005-12-09 | 2007-06-14 | Arizona Board Of Regents On Behalf Of The University Of Arizona | Icon Queues for Workflow Management |
US20110178794A1 (en) * | 2006-09-21 | 2011-07-21 | Philippe Michelin | Methods and systems for interpreting text using intelligent glossaries |
CN103942402A (zh) * | 2013-01-18 | 2014-07-23 | 江苏睿博信息科技有限公司 | 基于云平台的远程医疗服务系统及远程医疗服务控制方法 |
CN109285600A (zh) * | 2018-09-14 | 2019-01-29 | 苏州德品医疗科技股份有限公司 | 基于临床大数据的护理平台系统 |
CN110457675A (zh) * | 2019-06-26 | 2019-11-15 | 平安科技(深圳)有限公司 | 预测模型训练方法、装置、存储介质及计算机设备 |
CN110504010A (zh) * | 2018-05-18 | 2019-11-26 | 南京埃利莎生物技术有限公司 | 智能诊疗管理方法、系统及应用其的智能诊所 |
-
2020
- 2020-07-17 CN CN202010691980.XA patent/CN111741125B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050246425A1 (en) * | 2002-05-13 | 2005-11-03 | Tetsuro Motoyama | Verification method of manufacturer and model for remote diagnostics, maintenance and control system over SNMP |
US20070136095A1 (en) * | 2005-12-09 | 2007-06-14 | Arizona Board Of Regents On Behalf Of The University Of Arizona | Icon Queues for Workflow Management |
US20110178794A1 (en) * | 2006-09-21 | 2011-07-21 | Philippe Michelin | Methods and systems for interpreting text using intelligent glossaries |
CN103942402A (zh) * | 2013-01-18 | 2014-07-23 | 江苏睿博信息科技有限公司 | 基于云平台的远程医疗服务系统及远程医疗服务控制方法 |
CN110504010A (zh) * | 2018-05-18 | 2019-11-26 | 南京埃利莎生物技术有限公司 | 智能诊疗管理方法、系统及应用其的智能诊所 |
CN109285600A (zh) * | 2018-09-14 | 2019-01-29 | 苏州德品医疗科技股份有限公司 | 基于临床大数据的护理平台系统 |
CN110457675A (zh) * | 2019-06-26 | 2019-11-15 | 平安科技(深圳)有限公司 | 预测模型训练方法、装置、存储介质及计算机设备 |
Non-Patent Citations (1)
Title |
---|
罗军舟 等: ""云端融合的工业互联网体系结构及关键技术"", 《中国科学:信息科学》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112559736A (zh) * | 2020-10-21 | 2021-03-26 | 山东亦贝数据技术有限公司 | 一种随机消息智能分发系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111741125B (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ćwiklicki et al. | The adaptiveness of the healthcare system to the fourth industrial revolution: A preliminary analysis | |
CN110570941B (zh) | 一种基于文本语义向量模型评估心理状态的系统和装置 | |
CN112150298B (zh) | 数据处理方法、系统、设备及可读介质 | |
CN112017789B (zh) | 分诊数据处理方法、装置、设备及介质 | |
CN114187988A (zh) | 数据处理的方法及装置、系统、存储介质 | |
US20160306937A1 (en) | Smart health management service and system by using automation platform installed in smart phones | |
Richards et al. | Risk and protective factors for batterer intervention treatment program attrition: How completers are distinct from dropouts and no-shows | |
CN111741125B (zh) | 基于广域网实现的远程服务方法和计算机设备 | |
CN107705227A (zh) | 一种用于提供法律金融服务的网络系统 | |
CN116646065B (zh) | 互联网医院数据安全管理方法和装置 | |
KR102476612B1 (ko) | 인공지능에 기반한 심리 맞춤 솔루션 제공 방법 및 시스템 | |
CN110675928A (zh) | 基于互联网与物联网的医药配送方法及系统 | |
KR102430418B1 (ko) | 반려동물을 위한 빅데이터 기반의 서비스 제공 방법 및 장치 | |
JP6429840B2 (ja) | 健康管理サーバおよび健康管理サーバ制御方法並びに健康管理プログラム | |
Carpinello et al. | Designing a system for managing the performance of mental health managed care: An example from New York State's prepaid mental health plan | |
CN114758778A (zh) | 一种学生心理健康管理系统及方法 | |
JP7231186B2 (ja) | 技術力判断支援システム | |
CN112164450A (zh) | 一种医疗服务的签约方法和系统 | |
CN110931113A (zh) | 一种基于互联网云平台的医院管理运营系统和方法 | |
CN110600102A (zh) | 一种医药配送方法及系统 | |
Hancock et al. | Repurposing the quality adjusted life year: inferring and navigating wellness cliques from high sample rate multi-factor QALY | |
JP7340138B1 (ja) | 与信判定システム、与信判定プログラム及び与信判定方法 | |
CN114549078B (zh) | 基于时序的客户行为处理方法、装置及相关设备 | |
AU2015234400A1 (en) | Smart Health Management Service and System by Using Smart Index and Automation Platform Installed in Smart Phones | |
CN113012788B (zh) | 用于戒毒人员的心理干预方法及装置 |
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 |