CN112000775A - 一种基于分诊的数据处理方法及装置 - Google Patents
一种基于分诊的数据处理方法及装置 Download PDFInfo
- Publication number
- CN112000775A CN112000775A CN202010864621.XA CN202010864621A CN112000775A CN 112000775 A CN112000775 A CN 112000775A CN 202010864621 A CN202010864621 A CN 202010864621A CN 112000775 A CN112000775 A CN 112000775A
- Authority
- CN
- China
- Prior art keywords
- doctor
- information
- department
- message
- professional skill
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000011160 research Methods 0.000 claims abstract description 26
- 208000024891 symptom Diseases 0.000 claims description 53
- 238000012545 processing Methods 0.000 claims description 19
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 201000010099 disease Diseases 0.000 description 50
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 50
- 238000004891 communication Methods 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 10
- 238000001356 surgical procedure Methods 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 206010019233 Headaches Diseases 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 231100000869 headache Toxicity 0.000 description 5
- 230000008673 vomiting Effects 0.000 description 5
- 230000005236 sound signal Effects 0.000 description 4
- 210000004916 vomit Anatomy 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 206010041067 Small cell lung cancer Diseases 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000003556 assay Methods 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 201000005202 lung cancer Diseases 0.000 description 2
- 208000020816 lung neoplasm Diseases 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 208000000587 small cell lung carcinoma Diseases 0.000 description 2
- 208000004998 Abdominal Pain Diseases 0.000 description 1
- 208000010507 Adenocarcinoma of Lung Diseases 0.000 description 1
- 206010003011 Appendicitis Diseases 0.000 description 1
- 208000000616 Hemoptysis Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000005016 Intestinal Neoplasms Diseases 0.000 description 1
- 208000035977 Rare disease Diseases 0.000 description 1
- 206010047700 Vomiting Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004596 appetite loss Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 201000001352 cholecystitis Diseases 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009169 immunotherapy Methods 0.000 description 1
- 201000002313 intestinal cancer Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 201000007270 liver cancer Diseases 0.000 description 1
- 208000014018 liver neoplasm Diseases 0.000 description 1
- 235000021266 loss of appetite Nutrition 0.000 description 1
- 208000019017 loss of appetite Diseases 0.000 description 1
- 201000005243 lung squamous cell carcinoma Diseases 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000002626 targeted therapy Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- 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
本申请公开了一种基于分诊的数据处理方法，包括：获取用户输入的第一消息，第一消息为具备分诊意图的消息。根据第一消息获得第一专业技能，并根据第一专业技能确定第一科室以及根据医生和医生擅长的专业技能之间的对应关系，确定与第一专业技能对应的医生，并输出第一科室和所述医生的信息，所述医生所属的科室为第一科室。前述对应关系可以是预先建立的，对应关系中包括的医生擅长的专业技能，是根据医生的第一医生信息确定的，第一医生信息至少包括职务信息和/或科研学术信息。由于职务信息和/或科研学术信息的可信度比较高，因此，前述对应关系中的专业技能的准确性比较高。相应的，利用本方案，可以为用户推荐符合用户需求的医生和科室。
Description
技术领域
本申请涉及数据处理领域，特别是涉及一种基于分诊的数据处理方法及装置。
背景技术
随着生活水平的提高，人们越来越关注身体健康。当人们的身体健康出现问题时，可以前往医院进行治疗或者通过网络进行在线咨询。无论是前往医院进行治疗还是进行在线咨询，都可以提前分诊，确定就诊科室以及接诊医生。
如何为用户确定符合用户需求的就诊科室以及接诊医生，是目前急需解决的问题。
发明内容
本申请所要解决的技术问题是如何为用户确定符合用户需求的就诊科室以及接诊医生，提供一种基于分诊的数据处理方法及装置。
第一方面，本申请实施例提供了一种基于分诊的数据处理方法，所述方法包括：
获取用户输入的第一消息，所述第一消息为具备分诊意图的消息；
根据所述第一消息获得第一专业技能；
根据所述第一专业技能确定第一科室，并根据医生和医生擅长的专业技能之间的对应关系，确定与所述第一专业技能对应的医生，所述对应关系中包括的医生擅长的专业技能，是根据医生的第一医生信息确定的，所述第一医生信息至少包括：职务信息，和/或，科研学术信息；
输出所述第一科室和所确定的医生的信息，所述所确定的医生所属的科室为所述第一科室。
在一种实现方式中，所述第一消息中包括所述第一专业技能。
在一种实现方式中，所述第一消息中包括症状信息，所述根据所述第一消息获得第一专业技能，包括：
根据所述症状信息和专业技能知识库，获得所述第一专业技能，所述专业技能知识库包括：症状信息和专业技能的对应关系。
在一种实现方式中，当与所述第一专业技能对应的医生的数量为多个时，所述输出所确定的医生的信息，包括：
对所述多个医生的专业评分由高到低进行排序，其中，所述多个医生包括第一医生，所述第一医生的专业评分用于指示：所述第一医生本身的权威程度，和/或，所述第一医生针对所述第一专业技能的权威程度；
根据所述排序结果输出所述多个医生的信息。
在一种实现方式中，所述第一消息中还包括第一关键词，所述方法还包括：
确定与所述第一关键词匹配的医生；
所述输出所确定的医生的信息，包括：
输出与所述第一关键词匹配、且与所述第一专业技能对应的医生的信息。
在一种实现方式中，所述方法还包括：
获取预先确定的第二关键词；
所述输出所述第一科室和所确定的医生的信息，包括：
输出与所述第二关键词匹配、并且与所述第一专业技能对应的医生的信息，以及输出与所述第二关键词匹配并且与所述第一专业技能对应的第二科室，所述第二科室与所述第一科室属于一类科室。
在一种实现方式中，所述所确定的医生的信息，包括：
用于指示所述医生的接诊费用的信息。
在一种实现方式中，所述用于指示所述医生的接诊费用的信息，包括：
职称信息。
第二方面，本申请实施例提供了一种基于分诊的数据处理装置，所述装置包括：
第一获取单元，用于获取用户输入的第一消息，所述第一消息为具备分诊意图的消息；
获得单元，用于根据所述第一消息获得第一专业技能；
第一确定单元，用于根据所述第一专业技能确定第一科室，并根据医生和医生擅长的专业技能之间的对应关系，确定与所述第一专业技能对应的医生，所述对应关系中包括的医生擅长的专业技能，是根据医生的第一医生信息确定的，所述第一医生信息至少包括：职务信息，和/或，科研学术信息；
输出单元，用于输出所述第一科室和所确定的医生的信息，所述所确定的医生所属的科室为所述第一科室。
在一种实现方式中，所述第一消息中包括所述第一专业技能。
在一种实现方式中，所述第一消息中包括症状信息，所述获得单元，用于：
根据所述症状信息和专业技能知识库，获得所述第一专业技能，所述专业技能知识库包括：症状信息和专业技能的对应关系。
在一种实现方式中，当与所述第一专业技能对应的医生的数量为多个时，所述输出单元，用于：
对所述多个医生的专业评分由高到低进行排序，其中，所述多个医生包括第一医生，所述第一医生的专业评分用于指示：所述第一医生本身的权威程度，和/或，所述第一医生针对所述第一专业技能的权威程度；
根据所述排序结果输出所述多个医生的信息。
在一种实现方式中，所述第一消息中还包括第一关键词，所述装置还包括：
第二确定单元，用于确定与所述第一关键词匹配的医生；
所述输出单元，用于：
输出与所述第一关键词匹配、且与所述第一专业技能对应的医生的信息。
在一种实现方式中，所述装置还包括：
第二获取单元，用于获取预先确定的第二关键词；
所述输出单元，用于：
输出与所述第二关键词匹配、并且与所述第一专业技能对应的医生的信息，以及输出与所述第二关键词匹配并且与所述第一专业技能对应的第二科室，所述第二科室与所述第一科室属于一类科室。
在一种实现方式中，所述所确定的医生的信息，包括：
用于指示所述医生的接诊费用的信息。
在一种实现方式中，所述用于指示所述医生的接诊费用的信息，包括：
职称信息。
第三方面，本申请实施例提供了一种医生信息的处理装置，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
获取用户输入的第一消息，所述第一消息为具备分诊意图的消息；
根据所述第一消息获得第一专业技能；
根据所述第一专业技能确定第一科室，并根据医生和医生擅长的专业技能之间的对应关系，确定与所述第一专业技能对应的医生，所述对应关系中包括的医生擅长的专业技能，是根据医生的第一医生信息确定的，所述第一医生信息至少包括：职务信息，和/或，科研学术信息；
输出所述第一科室和所确定的医生的信息，所述所确定的医生所属的科室为所述第一科室。
在一种实现方式中，所述第一消息中包括所述第一专业技能。
在一种实现方式中，所述第一消息中包括症状信息，所述根据所述第一消息获得第一专业技能，包括：
根据所述症状信息和专业技能知识库，获得所述第一专业技能，所述专业技能知识库包括：症状信息和专业技能的对应关系。
在一种实现方式中，当与所述第一专业技能对应的医生的数量为多个时，所述输出所确定的医生的信息，包括：
对所述多个医生的专业评分由高到低进行排序，其中，所述多个医生包括第一医生，所述第一医生的专业评分用于指示：所述第一医生本身的权威程度，和/或，所述第一医生针对所述第一专业技能的权威程度；
根据所述排序结果输出所述多个医生的信息。
在一种实现方式中，所述第一消息中还包括第一关键词，所述操作还包括：
确定与所述第一关键词匹配的医生；
所述输出所确定的医生的信息，包括：
输出与所述第一关键词匹配、且与所述第一专业技能对应的医生的信息。
在一种实现方式中，所述操作还包括：
获取预先确定的第二关键词；
所述输出所述第一科室和所确定的医生的信息，包括：
输出与所述第二关键词匹配、并且与所述第一专业技能对应的医生的信息，以及输出与所述第二关键词匹配并且与所述第一专业技能对应的第二科室，所述第二科室与所述第一科室属于一类科室。
在一种实现方式中，所述所确定的医生的信息，包括：
用于指示所述医生的接诊费用的信息。
在一种实现方式中，所述用于指示所述医生的接诊费用的信息，包括：
职称信息。
第四方面，本申请实施例提供了一种计算机可读介质，其上存储有指令，当由一个或多个处理器执行时，使得装置执行以上第一方面任意一项所述的方法。
与现有技术相比，本申请实施例具有以下优点：
本申请实施例提供了一种基于分诊的数据处理方法，具体地，该方法包括：获取用户输入的第一消息，第一消息为具备分诊意图的消息。获取第一消息之后，可以根据第一消息获得第一专业技能，此处提及的第一专业技能，指的是医生的专业技能。在本申请实施例中，根据第一消息获得了第一专业技能，表示为用户接诊的医生需要具备第一专业技能。因此，确定第一专业技能之后，可以根据第一专业技能确定第一科室，并根据医生和医生擅长的专业技能之间的对应关系，确定与第一专业技能对应的医生，并输出所述第一科室和所确定的医生的信息，其中，所述所确定的医生所属的科室为所述第一科室。在本申请实施例中，前述对应关系可以是预先建立的，该对应关系中包括的医生擅长的专业技能，是根据医生的第一医生信息确定的，所述第一医生信息至少包括：职务信息，和/或，科研学术信息。由于职务信息和/或科研学术信息与专业技能之间的相关度比较高，而且，职务信息和/或科研学术信息为客观信息，受主观因素影响较小，故而职务信息和/或科研学术信息的可信度比较高。因此，前述对应关系中的专业技能的准确性比较高。相应的，利用本方案，可以为用户推荐符合用户需求的医生和科室。
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中记载的一些实施例，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为本申请实施例提供的一种基于分诊的数据处理方法的流程示意图；
图2为本申请实施例提供的一种基于分诊的数据处理装置的结构示意图；
图3为本申请实施例提供的客户端的结构示意图；
图4为本申请实施例提供的服务器的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的发明人经过研究发现，当人们的身体健康出现问题时，可以前往医院进行治疗或者通过网络进行在线咨询。无论是前往医院进行治疗还是进行在线咨询，都可以提前分诊，确定就诊科室和接诊医生。其中一种确定接诊医生的方式是：首先根据用户需求确定对应的科室，然后根据该科室对应的医生列表，确定接诊医生。或者，根据用户需求确定科室之后，再结合医院官网或者患者对医生的评价，确定接诊医生。
举例说明：用户提问“头疼应该挂什么科？”，则根据“头疼应该挂什么科”确定对应的科室为“神经内科”，然后确定神经内科的医生列表，从神经内科的医生列表中确定接诊医生并向用户推荐。在一个示例中，可以从神经内科的医生列表中，随机选择其中一个或者多个医生作为接诊医生。
再举例说明：用户描述“左后脑勺和太阳穴一直疼，还呕吐了，呕吐物是晚饭食物”，则根据用户描述确定对应的科室为“神经内科”，然后确定神经内科的医生列表，根据医院官网对医生的描述以及患者对医生的评价，确定该医生列表中的医生A和医生B擅长治疗与大脑相关的疾病，故而为用户推荐医生A和医生B作为接诊医生。
但是，一方面，对于一个科室而言，各个医生擅长的专业技能可能并不相同，因此，根据科室对应的医生列表随机为用户推荐接诊医生的方式，并不能针对性的为用户确定符合用户需求的医生。
另一方面，医院官网或者患者对医生的评价的可信程度有待商榷，故而结合医院官网或者患者对医生的评价，也不能准确的为用户推荐符合用户需求的接诊医生。例如，对于医生A所在医院的官网对于医生A的介绍而言，官网对于医生A的介绍可能与官网的运营侧重点相关，其中可能会掺杂一些主观因素很强的内容。对于患者对于医生A的评价而言，评价内容受患者的主观因素影响，可信度不是很高。
本申请的发明人经过研究还发现，医生A的职务信息和/或科研学术信息，与医生A擅长的专业技能之间的相关程度比较高。因为对于医生A而言，医生A在其擅长的专业技能上会有一定的成就，例如获得相关的职务，或者产出一定的科研学术成果。而且，职务信息和/或科研学术信息是客观信息，其受主观因素影响较小。因此，职务信息和/或科研学术信息的可信度比较高。相应的，若能够结合医生A的职务信息和/或科研学术信息，确定医生擅长的专业技能，则所确定的医生擅长的专业技能的可靠性比较高。相应的，在为用户推荐接诊医生时，若能够结合根据职务信息和/或科研学术信息确定的专业技能，则可以为用户推荐符合用户需求的接诊医生。
鉴于此，本申请实施例提供了一种基于分诊的数据处理方法，能够为用户推荐符合用户需求的就诊科室和接诊医生。
下面结合附图，详细说明本申请的各种非限制性实施方式。
示例性方法
参见图1，该图为本申请实施例提供的一种基于分诊的数据处理方法的流程示意图。
图1所示的方法，可以由具备数据处理功能的控制器或者处理器执行，也可以由包括前述控制器或者处理器的设备执行，本申请实施例不具体限定。其中，包括控制器或者处理器的设备包括但不限于终端设备以及服务器。
在本实施例中，图1所示的方法例如可以通过以下步骤S101-S104实现。
S101：获取用户输入的第一消息，所述第一消息为具备分诊意图的消息。
本申请实施例的方案可以应用于智能分诊平台。本申请实施例不具体限定该智能分诊平台所应用的场景，作为一种示例，该智能分诊平台可以应用于智能问诊场景中，其中，智能问诊场景也可以被称为线上就诊场景；作为又一种示例，该智能分诊平台可以应用于搜索场景中。其中，智能问诊也可以针对某一特定的医院，例如，某医院A应用了该智能分诊平台，去医院A就诊的患者在挂号就诊之前，可以利用该智能分诊平台确定就诊科室和接诊医生。
在本申请实施例中，用户可以通过输入法输入第一消息，用户也可以通过语音输入第一消息。本申请实施例不做具体限定。此处提及的输入法，包括但不限于手写输入法、拼音输入法、五笔输入法以及语音输入法等等。
本申请实施例中提及的第一消息，是具备分诊意图的消息。此处提及的分诊意图，可以通过多种方式来体现。作为一种示例，该第一消息可以是一个提问消息，例如：“头疼挂什么科？”。作为又一种示例，第一消息不是提问消息，但是第一消息描述了用户需求，例如：“治疗头疼的科室”。作为另一种示例，第一消息可以用于描述用户症状，例如“左后脑勺和太阳穴一直疼，还呕吐了，呕吐物是晚饭食物”。虽然第二种方式和第三种方式不是直接的提问方式，但是当用户在智能分诊平台输入第一消息时，用户输入该第一消息的目的也是要进行分诊，从而进一步进行治疗。因此，这一类消息实际上隐含了分诊意图。
在本申请实施例中，一方面，考虑到用户在分诊时，可能会考虑医生需要具备的专业技能。例如，用户输入“小细胞肺癌手术挂什么科”。因此，在本申请实施例的一种实现方式中，第一消息中可以包括第一专业技能。其中，第一专业技能指的是医生所具备的专业技能。
在本申请实施例的一种实现方式中，第一专业技能可以包括：疾病和/或诊疗手段。其中：疾病例如可以包括癌症、高血压、糖尿病等等。当然，对于癌症而言，还可以进一步细分为肺癌、肝癌以及肠癌等等。对于肺癌而言，还可以进一步细分为小细胞肺癌、肺鳞癌、以及肺腺癌等。此处不一一列举说明。诊疗手段可以包括诊断手段和/或治疗手段。诊断手段例如可以包括医学影像、化验等。医学影像可以细分为电子计算机断层扫描(computedtomography，CT)、以及核磁共振等。化验可以细分为血常规、尿常规等等。治疗手段包括但不限于一下任意一项或者多项：手术、化疗、靶向治疗、放疗、免疫治疗、介入治疗等。关于疾病和诊疗手段，此处不一一列举说明。
另一方面，用户在分诊之前，可能并不知道自身所患的疾病，也不知道该疾病对应的诊疗手段，只知道自身的症状。因此，在一个示例中，第一消息中可以包括症状信息。此处提及的症状信息，指的是描述用户症状的信息，用户的症状包括但不限于“头疼”、“呕吐”、“乏力”、“食欲不振”、“咳血”等其中的一项或者多项。关于用户的症状，此处不一一列举说明。
S102：根据所述第一消息获得第一专业技能。
在本申请实施例中，考虑到在分诊之前，首先要确定用户可能所患的疾病和/或可能需要的诊疗手段。而后，才能为用户确定就诊科室以及接诊医生。因此，获取第一消息之后，可以根据该第一消息确定第一专业技能，以便于根据第一专业技能为用户确定就诊科室以及接诊医生。此处提及的第一专业技能，指的是为用户治疗所需要具备的专业技能。如上，第一专业技能包括疾病和/或诊疗手段，在本申请实施例中，根据第一消息获得的第一专业技能，可以用于指示：所述用户可能患有的疾病，和/或，所述用户可能需要的诊疗手段。
如上S101所述，在一个示例中，第一消息中可以包括第一专业技能。在又一个示例中，第一消息中包括症状信息。
当第一消息中包括第一专业技能时，S102在具体实现时，可以从第一消息中提取所述第一专业技能。
当第一消息中包括症状信息时，S102在具体实现时，可以根据症状信息和专业技能知识库，获得所述第一专业技能。其中，专业知识库中可以包括症状信息和专业技能之间的对应关系。关于该专业知识库，需要说明的是，在一个示例中，该专业知识库中，可以包括疾病和症状信息之间的对应关系。获取第一消息之后，可以将第一消息中包括的症状信息和“疾病和症状信息之间的对应关系”进行匹配，从而确定所述用户可能患有的疾病。在又一个示例中，该专业知识库中可以包括疾病、诊疗手段和症状信息之间的对应关系，获取第一消息之后，可以将第一消息中包括的症状信息和“疾病、诊疗手段和症状信息之间的对应关系”进行匹配，从而确定所述用户可能患有的疾病和所述用户可能需要的诊疗手段。
在本申请实施例中，考虑到不同的疾病可能会存在相同的症状。例如：阑尾炎和胆囊炎都存在腹痛的现象。因此，对于某一个症状信息而言，其可能对应多个疾病。对于这种情况，若所述第一消息中包括一个症状信息，则在一个示例中，可以将所述一个症状信息对应的多个疾病均确定为所述用户可能患有的疾病。在又一个示例中，可以根据所述多个疾病的先验概率，确定用户可能患有的疾病，其中，一个疾病的先验概率，可以根据全民就诊信息确定。例如，第一消息中包括症状信息1，症状信息1对应疾病1和疾病2，疾病1是一种罕见的疾病，根据当前全民就诊信息，患疾病1的用户数量极少，换言之，疾病1的先验概率非常小；而疾病2是一种常见疾病，很多用户都患有疾病2，换言之，疾病2的先验概率比较大。因此，可以将疾病2确定为所述用户可能患有的疾病。若第一消息中包括多个症状信息，则可以根据各个症状信息分别确定对应的疾病，而后，根据所确定的一个或者多个疾病，确定所述用户可能患有的疾病。在一个示例中，可以将各个症状信息分别确定对应的疾病的交集，确定为所述用户可能患有的疾病。例如，第一消息中包括症状信息1和症状信息2，症状信息1对应的疾病1和疾病2，症状信息2对应的疾病2和疾病3。因此，可以将疾病2确定为所述用户可能患有的疾病。因为当用户患有疾病2时，用户可能同时具备症状信息1指示的症状和症状信息2指示的症状。
S103：根据所述第一专业技能确定第一科室，并根据医生和医生擅长的专业技能之间的对应关系，确定与所述第一专业技能对应的医生。所述对应关系中包括的医生擅长的专业技能，是根据医生的第一医生信息确定的，所述第一医生信息至少包括：职务信息，和/或，科研学术信息。
在本申请实施例中，可以预先建立专业技能和科室之间的对应关系，确定第一专业技能之后，可以根据专业技能和科室之间的对应关系，确定与第一专业技能对应的第一科室。其中，专业技能与科室之间的对应关系，例如可以为疾病和科室之间的对应关系，又如可以为疾病、诊疗手段以及科室三者之间的对应关系，本申请实施例不做具体限定。当第一专业技能包括疾病时，可以将疾病和科室之间的对应关系和第一专业技能进行匹配，从而得到第一科室。当第一专业技能包括疾病和诊疗手段时，可以将疾病、诊疗手段以及科室三者之间的对应关系与第一专业技能进行匹配，从而得到第一科室。
在本申请实施例中，可以预先根据医生的第一医生信息，确定医生擅长的专业技能。其中，第一医生信息，可以包括职务信息，和/或，科研学术信息。
在本申请实施例中，职务信息指的是医生在各机构所担任的职务，例如，职务信息包括但不限于以下其中一项或者多项：两院院士、期刊的编委或者审稿人、期刊会议的编委或者审稿人、以及相关学会例如医生专业学会中的职务。
在本申请实施例中，科研学术信息指的是在科研学术上的所取得的成果。例如，科研学术信息可以包括以下任意一项或者多项：发表的论文，负责的基金例如国家自然科学基金、所获得奖项等。其中，所获得奖项包括但不限于科学进步、以及医学专项奖等。
由于对于医生而言，医生的职务信息和/或科研学术信息，与医生擅长的专业技能之间的相关程度比较高。而且，职务信息和/或科研学术信息是客观信息，其受主观因素影响较小。因此，职务信息和/或科研学术信息的可信度比较高。因此，医生的职务信息和/或科研学术信息，则能够准确的确定医生擅长的专业技能。
为了使得所确定的医生的专业技能更加准确，在本申请实施例的一种实现方式中，还可以结合医生所在的医院、医生所在的科室、医生的专业技能介绍以及用户评价来确定医生的专业技能。换言之，前述第一医生信息除了包括职务信息和/或科研学术信息之外，还可以包括所在的医院、所在的科室、专业技能介绍以及用户评价中的其中一种或者多种。
此处提及的用户评价，指的是用户对于医生的评价，此处提及的用户例如可以为患者。
确定医生和医生擅长的专业技能之后，可以保存医生和医生擅长的专业技能之间的对应关系。当获取到第一专业技能之后，可以根据该对应关系，确定第一专业技能对应的医生。由于该对应关系中包括的医生擅长的专业技能比较准确，因此，利用该对应关系，也能够准确的确定出与第一专业技能对应的医生。此处提及的与第一专业技能对应的医生，指的是擅长第一专业技能的医生。
关于根据第一医生信息确定医生擅长的专业技能的具体实现，本申请实施例不做具体限定。
S104：输出所述第一科室和所确定的医生的信息。
在S103确定第一科室以及与第一专业技能对应的医生之后，可以输出第一科室以及所确定的医生的信息。此处提及的医生的信息，可以是与该医生相关的信息，例如，可以包括医生的姓名、性别、所在的医院、所在的科室等信息。又如，考虑到医生的擅长的专业技能是根据医生的第一医生信息确定的，因此，该医生相关的信息也可以是医生的第一医生信息，这样一来，用户则可以根据医生的第一医生信息判断选择哪一个医生接诊。
在本申请实施例中，S104在具体实现时，可以有多种实现方式。作为一种示例，可以在屏幕上显示所述回答；作为又一种示例，可以通过扬声器、喇叭等装置播放对应的语音。
在一些实施例中，考虑到对于第一专业技能而言，擅长第一专业技能的医生的数量可能有多个。在本申请实施例的一种实现方式中，在输出所确定的医生的信息时，可以对所确定的多个医生的专业评分进行排序，并根据排序结果输出所述多个医生的信息。在一个示例中，在显示屏上显示所述多个医生的信息时，专业评分越高，该医生的信息则越靠前。例如，与第一专业技能对应的医生为10个，显示屏上显示10条医生信息，专业评分最高的医生的信息排在第一条，依次类推，专业评分第二的医生的信息排在第二条，专业评分最低的医生的信息排在最后一条。
此处需要说明的是，为方便描述，将该多个医生中的任意一个医生称为“第一医生”，第一医生的专业评分，用于体现第一医生针对第一专业技能的权威程度和/或第一医生本身的权威程度。在一个示例中，若第一医生的专业评分用于体现第一医生针对第一专业技能的权威程度，则第一医生的专业评分越高，说明第一医生针对第一专业技能的权威程度越高，其中，第一医生针对第一专业技能的权威程度，可以表征第一医生对第一专业技能的擅长程度；在又一个示例中，若第一医生的专业评分用于体现第一医生本身的权威程度，则第一医生的专业评分越高，说明第一医生本身的权威程度越高；在又一个示例中，若第一医生的专业评分用于体现第一医生针对第一专业技能的权威程度以及第一医生本身的权威程度，则第一医生的专业评分越高，说明第一医生的综合权威程度越高，其中，综合权威程度可以根据医生针对第一专业技能的权威程度和医生本身的权威程度确定。举例说明，医生A的专业评分高于医生B的专业评分，则说明医生A与医生B相比，医生A更加擅长第一专业技能；或者，说明医生A本身的权威程度比医生B本身的权威程度高；或者，说明医生A的综合权威程度，比医生B的综合权威程度更高。
在本申请实施例中，正是因为第一医生的专业评分，可以体现第一医生针对第一专业技能的权威程度和/或第一医生本身的权威程度。而用户在选择接诊医生时，可能会考虑医生针对第一专业技能的权威程度，也可能会考虑医生本身的权威程度，还可能既考虑医生本身的权威程度，又考虑医生针对第一专业技能的权威程度。因此，采用上述输出所述多个医生的信息的方式，可以优先为用户提供符合用户需求的接诊医生。
在本申请实施例的一些实现方式中，第一消息中除了包括前述症状信息或者第一专业技能之外，还可以包括其它限制信息。例如，用户的医保在某地区可以使用，用户希望在该地就医。因此，该用户输入的第一消息中，还可以包括前述地区。又如，某医院是用户的医保定点医院，用户希望在该医院就医。则该用户输入的第一消息中，还可以包括该医院，等等。
鉴于此，在本申请实施例的一种实现方式中，前述第一消息中除了包括第一专业技能或者症状信息之外，还可以包括第一关键词。此处提及的第一关键词包括但不限于地区、医院、科室等等，第一关键词例如还可以为性别，年龄等。
当第一消息中还包括第一关键词时，在本申请实施例中，还可以进一步确定与所述第一关键词匹配的医生。相应的，在为用户推荐接诊医生时，输出与所述第一关键词匹配、并且与所述第一专业技能对应的医生的信息。
在本申请实施例中，确定与第一关键词匹配的医生在具体实现时，可以将医生的信息和所述第一关键词进行匹配，从而确定与所述第一关键词匹配的医生。
在本申请实施例中，确定与第一关键词匹配的医生，可以在S103之前执行，也可以在S103之后执行，还可以和S103同时执行，本申请实施例不做具体限定。
当确定与第一关键词匹配的医生，在S103之前执行或者与S103同时执行时，则可以确定出第一医生列表和第二医生列表，第一医生列表为与第一关键词匹配的医生列表，第二医生列表为与第一专业技能对应的医生列表。而后，可以确定第一医生列表和第二医生列表的交集，得到与所述第一关键词匹配、并且与所述第一专业技能对应的医生。
当确定与第一关键词匹配的医生，在S103之后执行时，在本申请实施例的一种实现方式中，例如可以将第二医生列表中的医生的信息与第一关键词进行匹配，得到与所述第一关键词匹配、并且与所述第一专业技能对应的医生。采用这种方案，可以无需将所有医生的信息与第一关键词进行匹配，从而减少了确定与所述第一关键词匹配、并且与所述第一专业技能对应的医生的资源消耗。
如前文，本申请实施例的方案可以应用于智能分诊平台。在一个示例中，该智能分诊平台可以应用于智能问诊场景中，而智能问诊可以针对特定的医院，例如，医院A应用了该智能分诊平台，去医院A就诊的患者在挂号就诊之前，可以利用该智能分诊平台确定就诊科室和接诊医生。对于这种情况，用户在该智能分诊平台进行分诊的目的，就是为了获知在医院A进行就诊的就诊科室以及接诊医生。对于这种情况，在一个示例中，还可以获取预先确定的第二关键词，该第二关键词根据应用线下智能分诊平台的医院确定。例如，第二关键词可以为医院A。
对于这种情况，S104中的“输出所确定的医生的信息”在具体实现时，可以输出与第二关键词匹配，并且与第一专业技能对应的医生的信息。举例说明，S103中所确定的医生包括医生A和医生B，医生A为医院A的医生，医生B为医院B的医生，则输出医生A的信息。
相应的，S104中的“输出第一科室”在具体实现时，可以输出与第二关键词匹配并且与第一专业技能对应的第二科室，其中，所述第二科室与所述第一科室属于同一类科室。关于第一科室和第二科室，需要说明的是，考虑到在实际应用中，医院的数量很多，各医院的科室设置会有所不同。对于同一类科室，不同医院的科室名称可能会有所不同。例如，医院A中设置有口腔科，而医院B中设置有口腔外科。此处提及的第一科室可以理解成通用性较高的科室名称，例如口腔科，而第二科室则指的是医院针对第一科室而设置的科室，例如前述口腔外科。在本申请实施例中，可以预先针对应用该智能分诊平台的医院构建第一科室和第二科室的对应关系，当确定第一科室之后，根据该第一科室和第二科室的对应关系，确定第二科室。另外，确定第二科室时，还可以结合S103中所确定的医生的信息来确定，因为医生的信息中可以包括医生所属的科室。
举例说明：医院A应用了智能分诊平台，S103中所确定的医生包括医生A和医生B，医生A为医院A的医生，医生B为医院B的医生，因此，S104中所输出的医生的信息为医生A的信息。另外，S103中所确定的科室为口腔科。而医生A的信息指示医生A所属的科室为口腔外科，S104所输出的科室可以为口腔外科。
再举例说明：医院A应用了智能分诊平台，S103中所确定的医生包括医生A和医生B，医生A为医院A的医生，医生B为医院B的医生，则S104中输出的医生的信息为医生A的信息。另外，针对医院A，预先构建口腔科和口腔外科之间的对应关系，在S103确定口腔科之后，可以根据口腔科和口腔外科之间的对应关系，确定S104中输出的科室为口腔外科。
考虑到在实际应用中，用户去医院就诊或者在线就诊，需要为接诊医生支付一定的接诊费用。举例说明：用户去医院就诊，需要支付挂号费。用户选择在线就诊，需要支付咨询费。而接诊费用也是用户选择接诊医生的一个因素。鉴于此，在本申请实施例的一种实现方式中，S104中所输出的医生的信息，还可以包括用于指示医生的接诊费用的信息，以便于用户根据所述用于指示医生的接诊费用的信息，选择接诊医生。
本申请实施例不具体限定所述用于指示所述医生的接诊费用的信息。考虑到医生的职称可以在一定程度上体现医生的接诊费用。此处提及的职称包括但不限于：特需专家、主任医师、副主任医师以及普通医师等。一般情况下，特需专家对应的接诊费用(例如挂号费)高于主任医师的接诊费用，主任医师的接诊费用高于副主任医师的接诊费用，副主任医师的接诊费用高于普通医师的接诊费用。因此，作为一个示例，所述用于指示所述医生的接诊费用的信息，可以是医生的职称信息。
示例性设备
基于以上实施例提供的方法，本申请实施例还提供了一种装置，以下结合附图介绍该装置。
参见图2，该图为本申请实施例提供的一种基于分诊的数据处理装置的结构示意图。图2所示的基于分诊的数据处理装置，例如可以包括第一获取单元201、获得单元202、第一确定单元203和输出单元204。
第一获取单元201，用于获取用户输入的第一消息，所述第一消息为具备分诊意图的消息；
获得单元202，用于根据所述第一消息获得第一专业技能；
第一确定单元203，用于根据所述第一专业技能确定第一科室，并根据医生和医生擅长的专业技能之间的对应关系，确定与所述第一专业技能对应的医生，所述对应关系中包括的医生擅长的专业技能，是根据医生的第一医生信息确定的，所述第一医生信息至少包括：职务信息，和/或，科研学术信息；
输出单元204，用于输出所述第一科室和所确定的医生的信息，所述所确定的医生所属的科室为所述第一科室。
在一种实现方式中，所述第一消息中包括所述第一专业技能。
在一种实现方式中，所述第一消息中包括症状信息，所述获得单元202，用于：
根据所述症状信息和专业技能知识库，获得所述第一专业技能，所述专业技能知识库包括：症状信息和专业技能的对应关系。
在一种实现方式中，当与所述第一专业技能对应的医生的数量为多个时，所述输出单元204，用于：
对所述多个医生的专业评分由高到低进行排序，其中，所述多个医生包括第一医生，所述第一医生的专业评分用于指示：所述第一医生本身的权威程度，和/或，所述第一医生针对所述第一专业技能的权威程度；
根据所述排序结果输出所述多个医生的信息。
在一种实现方式中，所述第一消息中还包括第一关键词，所述装置还包括：
第二确定单元，用于确定与所述第一关键词匹配的医生；
所述输出单元204，用于：
输出与所述第一关键词匹配、且与所述第一专业技能对应的医生的信息。
在一种实现方式中，所述装置还包括：
第二获取单元，用于获取预先确定的第二关键词；
所述输出单元204，用于：
输出与所述第二关键词匹配、并且与所述第一专业技能对应的医生的信息，以及输出与所述第二关键词匹配并且与所述第一专业技能对应的第二科室，所述第二科室与所述第一科室属于一类科室。
在一种实现方式中，所述所确定的医生的信息，包括：
用于指示所述医生的接诊费用的信息。
在一种实现方式中，所述用于指示所述医生的接诊费用的信息，包括：
职称信息。
由于所述装置200是与以上方法实施例提供的方法对应的装置，所述装置200的各个单元的具体实现，均与以上方法实施例为同一构思，因此，关于所述装置200的各个单元的具体实现，可以参考以上方法实施例的描述部分，此处不再赘述。
本申请实施例提供的方法，可以由客户端执行也可以由服务器执行，以下对执行上述方法的客户端和服务器分别进行说明。
图3示出了一种客户端300的框图。例如，客户端300可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图3，客户端300可以包括以下一个或多个组件：处理组件302，存储器304，电源组件306，多媒体组件308，音频组件310，输入/输出(I/O)的接口33，传感器组件314，以及通信组件316。
处理组件302通常控制客户端300的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件302可以包括一个或多个处理器320来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件302可以包括一个或多个模块，便于处理组件302和其他组件之间的交互。例如，处理部件302可以包括多媒体模块，以方便多媒体组件308和处理组件302之间的交互。
存储器304被配置为存储各种类型的数据以支持在客户端300的操作。这些数据的示例包括用于在客户端300上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件306为客户端300的各种组件提供电力。电源组件306可以包括电源管理系统，一个或多个电源，及其他与为客户端300生成、管理和分配电力相关联的组件。
多媒体组件308包括在所述客户端300和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件308包括一个前置摄像头和/或后置摄像头。当客户端300处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件310被配置为输出和/或输入音频信号。例如，音频组件310包括一个麦克风(MIC)，当客户端300处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器304或经由通信组件316发送。在一些实施例中，音频组件310还包括一个扬声器，用于输出音频信号。
I/O接口为处理组件302和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件314包括一个或多个传感器，用于为客户端300提供各个方面的状态评估。例如，传感器组件314可以检测到设备300的打开/关闭状态，组件的相对定位，例如所述组件为客户端300的显示器和小键盘，传感器组件314还可以检测客户端300或客户端300一个组件的位置改变，用户与客户端300接触的存在或不存在，客户端300方位或加速/减速和客户端300的温度变化。传感器组件314可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件314还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件314还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件316被配置为便于客户端300和其他设备之间有线或无线方式的通信。客户端300可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件316经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件316还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，客户端300可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行下述方法：
获取用户输入的第一消息，所述第一消息为具备分诊意图的消息；
根据所述第一消息获得第一专业技能；
根据所述第一专业技能确定第一科室，并根据医生和医生擅长的专业技能之间的对应关系，确定与所述第一专业技能对应的医生，所述对应关系中包括的医生擅长的专业技能，是根据医生的第一医生信息确定的，所述第一医生信息至少包括：职务信息，和/或，科研学术信息；
输出所述第一科室和所确定的医生的信息，所述所确定的医生所属的科室为所述第一科室。
在一种实现方式中，所述第一消息中包括所述第一专业技能。
在一种实现方式中，所述第一消息中包括症状信息，所述根据所述第一消息获得第一专业技能，包括：
根据所述症状信息和专业技能知识库，获得所述第一专业技能，所述专业技能知识库包括：症状信息和专业技能的对应关系。
在一种实现方式中，当与所述第一专业技能对应的医生的数量为多个时，所述输出所确定的医生的信息，包括：
对所述多个医生的专业评分由高到低进行排序，其中，所述多个医生包括第一医生，所述第一医生的专业评分用于指示：所述第一医生本身的权威程度，和/或，所述第一医生针对所述第一专业技能的权威程度；
根据所述排序结果输出所述多个医生的信息。
在一种实现方式中，所述第一消息中还包括第一关键词，所述方法还包括：
确定与所述第一关键词匹配的医生；
所述输出所确定的医生的信息，包括：
输出与所述第一关键词匹配、且与所述第一专业技能对应的医生的信息。
在一种实现方式中，所述方法还包括：
获取预先确定的第二关键词；
所述输出所述第一科室和所确定的医生的信息，包括：
输出与所述第二关键词匹配、并且与所述第一专业技能对应的医生的信息，以及输出与所述第二关键词匹配并且与所述第一专业技能对应的第二科室，所述第二科室与所述第一科室属于一类科室。
在一种实现方式中，所述所确定的医生的信息，包括：
用于指示所述医生的接诊费用的信息。
在一种实现方式中，所述用于指示所述医生的接诊费用的信息，包括：
职称信息。
图4是本申请实施例中服务器的结构示意图。该服务器400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，CPU)422(例如，一个或一个以上处理器)和存储器432，一个或一个以上存储应用程序442或数据444的存储介质430(例如一个或一个以上海量存储设备)。其中，存储器432和存储介质430可以是短暂存储或持久存储。存储在存储介质430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422可以设置为与存储介质430通信，在服务器400上执行存储介质430中的一系列指令操作。
更进一步地，中央处理器422可以执行下述方法：
获取用户输入的第一消息，所述第一消息为具备分诊意图的消息；
根据所述第一消息获得第一专业技能；
根据所述第一专业技能确定第一科室，并根据医生和医生擅长的专业技能之间的对应关系，确定与所述第一专业技能对应的医生，所述对应关系中包括的医生擅长的专业技能，是根据医生的第一医生信息确定的，所述第一医生信息至少包括：职务信息，和/或，科研学术信息；
输出所述第一科室和所确定的医生的信息，所述所确定的医生所属的科室为所述第一科室。
在一种实现方式中，所述第一消息中包括所述第一专业技能。
在一种实现方式中，所述第一消息中包括症状信息，所述根据所述第一消息获得第一专业技能，包括：
根据所述症状信息和专业技能知识库，获得所述第一专业技能，所述专业技能知识库包括：症状信息和专业技能的对应关系。
在一种实现方式中，当与所述第一专业技能对应的医生的数量为多个时，所述输出所确定的医生的信息，包括：
对所述多个医生的专业评分由高到低进行排序，其中，所述多个医生包括第一医生，所述第一医生的专业评分用于指示：所述第一医生本身的权威程度，和/或，所述第一医生针对所述第一专业技能的权威程度；
根据所述排序结果输出所述多个医生的信息。
在一种实现方式中，所述第一消息中还包括第一关键词，所述方法还包括：
确定与所述第一关键词匹配的医生；
所述输出所确定的医生的信息，包括：
输出与所述第一关键词匹配、且与所述第一专业技能对应的医生的信息。
在一种实现方式中，所述方法还包括：
获取预先确定的第二关键词；
所述输出所述第一科室和所确定的医生的信息，包括：
输出与所述第二关键词匹配、并且与所述第一专业技能对应的医生的信息，以及输出与所述第二关键词匹配并且与所述第一专业技能对应的第二科室，所述第二科室与所述第一科室属于一类科室。
在一种实现方式中，所述所确定的医生的信息，包括：
用于指示所述医生的接诊费用的信息。
在一种实现方式中，所述用于指示所述医生的接诊费用的信息，包括：
职称信息。
服务器400还可以包括一个或一个以上电源426，一个或一个以上有线或无线网络接口450，一个或一个以上输入输出接口456，一个或一个以上键盘456，和/或，一个或一个以上操作系统441，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。
本申请实施例还提供了一种计算机可读介质，其上存储有指令，当由一个或多个处理器执行时，使得装置执行以上方法实施例提供的基于分诊的数据处理方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、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申请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，本申请的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于分诊的数据处理方法，其特征在于，所述方法包括：
获取用户输入的第一消息，所述第一消息为具备分诊意图的消息；
根据所述第一消息获得第一专业技能；
根据所述第一专业技能确定第一科室，并根据医生和医生擅长的专业技能之间的对应关系，确定与所述第一专业技能对应的医生，所述对应关系中包括的医生擅长的专业技能，是根据医生的第一医生信息确定的，所述第一医生信息至少包括：职务信息，和/或，科研学术信息；
输出所述第一科室和所确定的医生的信息，所述所确定的医生所属的科室为所述第一科室。
2.根据权利要求1所述的方法，其特征在于，所述第一消息中包括所述第一专业技能。
3.根据权利要求1所述的方法，其特征在于，所述第一消息中包括症状信息，所述根据所述第一消息获得第一专业技能，包括：
根据所述症状信息和专业技能知识库，获得所述第一专业技能，所述专业技能知识库包括：症状信息和专业技能的对应关系。
4.根据权利要求1所述的方法，其特征在于，当与所述第一专业技能对应的医生的数量为多个时，所述输出所确定的医生的信息，包括：
对所述多个医生的专业评分由高到低进行排序，其中，所述多个医生包括第一医生，所述第一医生的专业评分用于指示：所述第一医生本身的权威程度，和/或，所述第一医生针对所述第一专业技能的权威程度；
根据所述排序结果输出所述多个医生的信息。
5.根据权利要求1-4所述的方法，其特征在于，所述第一消息中还包括第一关键词，所述方法还包括：
确定与所述第一关键词匹配的医生；
所述输出所确定的医生的信息，包括：
输出与所述第一关键词匹配、且与所述第一专业技能对应的医生的信息。
6.根据权利要求1-5任意一项所述的方法，其特征在于，所述方法还包括：
获取预先确定的第二关键词；
所述输出所述第一科室和所确定的医生的信息，包括：
输出与所述第二关键词匹配、并且与所述第一专业技能对应的医生的信息，以及输出与所述第二关键词匹配并且与所述第一专业技能对应的第二科室，所述第二科室与所述第一科室属于一类科室。
7.根据权利要求1-6任意一项所述的方法，其特征在于，所述所确定的医生的信息，包括：
用于指示所述医生的接诊费用的信息。
8.一种基于分诊的数据处理装置，其特征在于，所述装置包括：
第一获取单元，用于获取用户输入的第一消息，所述第一消息为具备分诊意图的消息；
获得单元，用于根据所述第一消息获得第一专业技能；
第一确定单元，用于根据所述第一专业技能确定第一科室，并根据医生和医生擅长的专业技能之间的对应关系，确定与所述第一专业技能对应的医生，所述对应关系中包括的医生擅长的专业技能，是根据医生的第一医生信息确定的，所述第一医生信息至少包括：职务信息，和/或，科研学术信息；
输出单元，用于输出所述第一科室和所确定的医生的信息，所述所确定的医生所属的科室为所述第一科室。
9.一种医生信息的处理装置，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
获取用户输入的第一消息，所述第一消息为具备分诊意图的消息；
根据所述第一消息获得第一专业技能；
根据所述第一专业技能确定第一科室，并根据医生和医生擅长的专业技能之间的对应关系，确定与所述第一专业技能对应的医生，所述对应关系中包括的医生擅长的专业技能，是根据医生的第一医生信息确定的，所述第一医生信息至少包括：职务信息，和/或，科研学术信息；
输出所述第一科室和所确定的医生的信息，所述所确定的医生所属的科室为所述第一科室。
10.一种计算机可读介质，其上存储有指令，当由一个或多个处理器执行时，使得装置执行权利要求1至7任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010864621.XA CN112000775A (zh) | 2020-08-25 | 2020-08-25 | 一种基于分诊的数据处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010864621.XA CN112000775A (zh) | 2020-08-25 | 2020-08-25 | 一种基于分诊的数据处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112000775A true CN112000775A (zh) | 2020-11-27 |
Family
ID=73471910
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010864621.XA Pending CN112000775A (zh) | 2020-08-25 | 2020-08-25 | 一种基于分诊的数据处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112000775A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112542236A (zh) * | 2020-12-18 | 2021-03-23 | 微医云(杭州)控股有限公司 | 在线任务派发方法、装置、电子设备及存储介质 |
| CN114093496A (zh) * | 2021-11-23 | 2022-02-25 | 纳里健康科技有限公司 | 一种互联网医院医疗信息的处理方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102129526A (zh) * | 2011-04-02 | 2011-07-20 | 中国医学科学院医学信息研究所 | 面向公众的就医向导式自助分诊挂号方法及系统 |
| WO2016183930A1 (zh) * | 2015-05-16 | 2016-11-24 | 深圳市贝沃德克生物技术研究院有限公司 | 基于人体部位的导诊方法、客户端和服务器 |
| WO2017070253A1 (en) * | 2015-10-19 | 2017-04-27 | Healthtap, Inc. | Systems and methods for evaluating and selecting a healthcare professional using a healthcare operating system |
| CN107705842A (zh) * | 2017-10-13 | 2018-02-16 | 合肥工业大学 | 智能分诊系统及其工作方法 |
| CN109102867A (zh) * | 2018-08-13 | 2018-12-28 | 贵阳叁玖互联网医疗有限公司 | 远程医疗的智能分诊方法及智能分诊平台 |
| CN110489566A (zh) * | 2019-08-22 | 2019-11-22 | 上海软中信息系统咨询有限公司 | 一种智能导诊服务机器人的导诊方法 |
| CN110619959A (zh) * | 2019-08-09 | 2019-12-27 | 贵阳叁玖互联网医疗有限公司 | 一种智能分诊的方法及系统 |
| CN110866038A (zh) * | 2019-11-12 | 2020-03-06 | 维沃移动通信有限公司 | 信息推荐方法及终端设备 |
| CN110993078A (zh) * | 2019-11-27 | 2020-04-10 | 华中科技大学同济医学院附属协和医院 | 一种医疗分诊方法、装置和存储介质 |
-
2020
- 2020-08-25 CN CN202010864621.XA patent/CN112000775A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102129526A (zh) * | 2011-04-02 | 2011-07-20 | 中国医学科学院医学信息研究所 | 面向公众的就医向导式自助分诊挂号方法及系统 |
| WO2016183930A1 (zh) * | 2015-05-16 | 2016-11-24 | 深圳市贝沃德克生物技术研究院有限公司 | 基于人体部位的导诊方法、客户端和服务器 |
| WO2017070253A1 (en) * | 2015-10-19 | 2017-04-27 | Healthtap, Inc. | Systems and methods for evaluating and selecting a healthcare professional using a healthcare operating system |
| CN107705842A (zh) * | 2017-10-13 | 2018-02-16 | 合肥工业大学 | 智能分诊系统及其工作方法 |
| CN109102867A (zh) * | 2018-08-13 | 2018-12-28 | 贵阳叁玖互联网医疗有限公司 | 远程医疗的智能分诊方法及智能分诊平台 |
| CN110619959A (zh) * | 2019-08-09 | 2019-12-27 | 贵阳叁玖互联网医疗有限公司 | 一种智能分诊的方法及系统 |
| CN110489566A (zh) * | 2019-08-22 | 2019-11-22 | 上海软中信息系统咨询有限公司 | 一种智能导诊服务机器人的导诊方法 |
| CN110866038A (zh) * | 2019-11-12 | 2020-03-06 | 维沃移动通信有限公司 | 信息推荐方法及终端设备 |
| CN110993078A (zh) * | 2019-11-27 | 2020-04-10 | 华中科技大学同济医学院附属协和医院 | 一种医疗分诊方法、装置和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112542236A (zh) * | 2020-12-18 | 2021-03-23 | 微医云(杭州)控股有限公司 | 在线任务派发方法、装置、电子设备及存储介质 |
| CN114093496A (zh) * | 2021-11-23 | 2022-02-25 | 纳里健康科技有限公司 | 一种互联网医院医疗信息的处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Parsa-Parsi | The revised declaration of Geneva: a modern-day physician’s pledge | |
| Martinez et al. | Association between antibiotic prescribing for respiratory tract infections and patient satisfaction in direct-to-consumer telemedicine | |
| Bentley et al. | Conducting clinical trials—costs, impacts, and the value of clinical trials networks: a scoping review | |
| Patel et al. | Effect of an automated patient dashboard using active choice and peer comparison performance feedback to physicians on statin prescribing: the PRESCRIBE cluster randomized clinical trial | |
| US20170011188A1 (en) | System And Method Of Patient Account Registration In A Telemedicine System | |
| Fiske et al. | The double-edged sword of digital self-care: Physician perspectives from Northern Germany | |
| Janda et al. | Evaluating healthcare practitioners’ views on store-and-forward teledermoscopy services for the diagnosis of skin cancer | |
| US20210327582A1 (en) | Method and system for improving the health of users through engagement, monitoring, analytics, and care management | |
| Gunasekera et al. | High-resolution direct ophthalmoscopy with an unmodified iPhone X | |
| Higgins et al. | Mobile web-based follow-up for postoperative ACL reconstruction: a single-center experience | |
| CN112000775A (zh) | 一种基于分诊的数据处理方法及装置 | |
| Anthony et al. | Delivery of patient-reported outcome instruments by automated mobile phone text messaging | |
| Sun et al. | The future of ultrawide field imaging for diabetic retinopathy: pondering the retinal periphery | |
| Mitka | Getting religion seen as help in being well | |
| Zou et al. | Potential effects of virtual interventions for menopause management: a systematic review | |
| Menon et al. | A comparison of characteristics of patients seen in a tertiary hospital diabetes telehealth service versus specialist face-to-face outpatients | |
| Mitka | Colorectal cancer screening rates still fall far short of recommended levels | |
| O’Donoghue | Association of University Student Gatherings with Community COVID-19 infections before and after the NCAA march madness tournament | |
| Perlis | Mending the holes in the suicide safety net | |
| Kanaya | India’s Call to Action—Prioritize Chronic Cardiovascular Disease | |
| Podmore et al. | Colorectal Cancer Screening After Sequential Outreach Components in a Demographically Diverse Cohort | |
| CN112000774A (zh) | 一种医生推荐方法及装置 | |
| CN112000811A (zh) | 一种医生信息的处理方法及装置 | |
| CN113076430B (zh) | 一种基于医疗问题的数据处理方法及装置 | |
| O’Hare | How useful is an age-neutral model of chronic kidney disease? |
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 |