CN113486255B - 一种基于互联网的产后线上咨询匹配系统及方法 - Google Patents

Abstract

本发明公开了一种基于互联网的产后线上咨询匹配系统及方法，所述医师匹配模块根据咨询内容采集模块获取的用户的咨询信息及训练缺陷预测模块预测的该用户训练过程中存在的缺陷进行数据分析，得到与该用户匹配的所有医师f。本发明不仅能够通过采集的用户数据预测出用户产后训练过程中存在的缺陷，还能够通过预测得到的用户产后训练过程中存在的缺陷及用户的咨询内容为用户分配对应的医师，且为了尽可能的减少用户咨询过程中的等待时间，还不断对用户对应的医师进行调整，直至确认该用户最终对应的医师。

Description

一种基于互联网的产后线上咨询匹配系统及方法

技术领域

本发明涉及咨询系统技术领域，具体为一种基于互联网的产后线上咨询匹配系统及方法。

背景技术

随着社会的发展，人们生活质量的提高，人们越来越重视自身的日常生活与身体健康，尤其是对于一些产后女性而言，产后自身的状态远不如产前，因此越来越多的女性加入产后恢复的浪潮中，但是由于自身对产后恢复领域的知识比较匮乏，因此需要向专业的医师进行咨询。

现有的产后咨询系统缺乏针对性，知识单纯的将医师与产后女性建立联系，无法针对产后女性自身的情况匹配医师，由于每个医师擅长的方向不同，因此对于存在不同产后恢复问题的女性解决的效果也不一样，当产后女性的产后恢复问题所处的方向不是医师擅长的方向时，此时对产后女性而言，咨询效果不会很理想，无法有效解决自身的产后恢复问题。

针对上述情况，我们需要一种基于互联网的产后线上咨询匹配系统及方法。

发明内容

本发明的目的在于提供一种基于互联网的产后线上咨询匹配系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于互联网的产后线上咨询匹配系统，包括：

用户数据采集模块，所述用户数据采集模块用于对用户的筛查评估结果a及筛查评估结果a对应的时间t、训练方案内容b、训练数据c及训练数据c对应的时长T进行采集；

咨询内容采集模块，所述咨询内容采集模块用于获取用户的咨询信息d；

训练缺陷预测模块，所述训练缺陷预测模块获取用户数据采集模块采集的数据，并对获取的数据内容进行数据处理，预测出用户训练过程中存在的缺陷e；

医师匹配模块，所述医师匹配模块根据咨询内容采集模块获取的用户的咨询信息及训练缺陷预测模块预测的该用户训练过程中存在的缺陷进行数据分析，得到与该用户匹配的所有医师f；

医师确定模块，所述医师确定模块获取医师匹配模块匹配到的所有医师，结合当前各个医师对应的待咨询的用户数，确定该用户最终对应的医师g。

本发明通过各个模块的协同合作，共同实现对用户数据及咨询内容的采集、对用户训练过程汇总存在的缺陷的预测，并根据用户自身的缺陷匹配对应的医师，使得对医师的匹配具有针对性，进而能够有效解决用户的产后咨询问题。预测用户存在的缺陷是为了进一步预测用户咨询医师时可能会问的问题，该方式能够实现对医师的精准匹配，且根据用户存在的缺陷匹配的医师能够有效解决用户咨询的问题，提高用户满意度。

进一步的，所述训练缺陷预测模块预测出用户训练过程中存在的缺陷e的方法包括以下步骤：

S1.1、获取用户数据采集模块采集的筛查评估结果a及筛查评估结果a对应的时间t、训练方案内容b、训练数据c及训练数据c对应的时长T，所述训练方案内容b对应的时长为Tb；

S1.2、提取步骤S1.1中训练数据c为0时训练数据c对应的时长T的值，记为T0，并获T0时的筛查评估结果a对应的值，记为a0，将a0对应的时间t的最大值记为t0，所述训练数据c为0指用户未开始进行训练，所述t0指用户在未开始进行训练状态下的时间的最大值；

S1.3、统计筛查评估结果a对应的时间t的值为t1时，此时筛查评估结果a的值记为a1、训练数据c的值记为c1，c1对应的时长为T1；

S1.4、将a1与a0的差除以t1与t0的差，得到单位时间内筛查评估结果的变化值q， 将T1与T0的差除以Tb得到的商再除以t1与t0的差，得到单位时间内用户完成训练方案的次 数w，将q除以w，得到效果系数r，即

；

S1.5、将效果系数r与对应的t1进行绑定，得到数据组（r，t1），分别获取t1为不同值时，对应的数据组（r，t1），并根据得到的数据组生成效果系数与筛查评估结果a对应的时间t的曲线；

S1.6、分析S1.5所得曲线的波动程度及曲线的走向趋势预测出用户训练过程中存在的缺陷e。

本发明训练缺陷预测模块获取单位时间内筛查评估结果的变化值q，是因为筛查评估结果是在用户训练时自动获取的，通过不同时间段内用户对应的q值，能够有效得到用户产后训练的效果，同时产后训练的效果还受用户训练时间的影响，因此，计算用户相应时间段内的单位时间内用户完成训练方案的次数w能够判断用户不同时间内产后训练的努力程度，进而将两者相除，能够得到效果系数r，r为用户平均完成一次训练方案筛查评估结果的变化值，能够较好的反应出训练方案对用户的作用程度，因此，通过数据组（r，t1）构建的曲线能够较为精准的对用户的缺陷进行预测。生成曲线是因为数据组中的数据没有规律，受用户自身训练的情况而定，因此只能拟合成曲线。

进一步的，所述S1.6中通过所得曲线的波动程度及曲线的走向趋势预测出用户训练过程中存在的缺陷e的方法包括以下步骤：

S2.1、分别获取曲线中的极值，统计各个极值中分别与相邻两个极值比值的平均值y，分别统计曲线中最大值与最小值的差，对于只有一个相邻极值的极值，其对应的y即为该极值与其相邻极值的比值；

S2.2、将曲线中最大值与最小值的差与第一预设值进行比较，统计各个极值对应的平均值y中大于第二预设值的个数，生成缺陷数据组（u1，u2，u3），所述u1为曲线中最大值与最小值的差与第一预设值的差，所述u2为各个极值对应的平均值y中大于第二预设值的个数，所述u3为曲线中极值的总个数；

S2.3、将生成的缺陷数据组（u1，u2，u3）与数据库中预制的数据组进行匹配，

当缺陷数据组中的各个数据与预制的数据组中对应的数据差值的绝对值均小于等于第三预设值时，则判定该缺陷数据组与该预制的数据组匹配成功，反之，则匹配不成功；

S2.4、当缺陷数据组与该预制的数据组匹配成功时，该预制的数据组在数据库中对应的缺陷即为该用户训练过程中存在的缺陷e。

本发明预测用户训练过程中存在的缺陷是通过生成的缺陷数据组（u1，u2，u3）进行判断的，计算曲线中最大值与最小值的差与第一预设值的差值结果，能够较为直观的反馈出曲线整体的稳定趋势，当最大值与最小值的差与第一预设值的差值越大时，则判定曲线越不稳定，即对应的用户训练的效果系数r越不稳定，反之，则对应的用户训练的效果系数r越稳定。y能够反馈出部分曲线的稳定程度，且能够该部分曲线对应点的平均效果系数，求取u2是为了通过统计部分曲线的稳定程度满足预制的条件的个数来进一步分析曲线整体的稳定程度；求取u3是为了判断曲线整体波动起伏的情况，在一定程度上也能够反应出曲线的稳定情况；因此，缺陷数据组从三个方面来反应曲线的稳定程度，比较的更全面，且与预制的数据组进行匹配时，匹配的更加精准。

进一步的，所述医师匹配模块获取到用户的咨询信息d后，需要对咨询信息d对应的信息种类进行判断，所述咨询信息d对应的信息种类包括公共类信息及专属类信息，所述医师匹配模块对咨询信息d对应的信息种类进行判断的方法包括以下步骤：

S3.1、获取咨询信息d，并对咨询信息d中的关键词进行提取，并按照提取的关键词的先后顺序进行排序；

S3.2、按照提取的关键词对应的序号从小到大的顺序逐个将各序号对应的关键词分别与预制的专属类信息关键词匹配库进行匹配，

当匹配成功时，则判定该咨询信息d对应的信息种类为专属类信息，且停止继续对各序号对应的关键词的匹配，

当匹配均失败时，则分别对两个及两个以上的关键词进行排列组合，且同一组合中的关键词对应的序号唯一；

S3.3、将S3.2中各组合逐个与预制的专属类信息关键词匹配库进行匹配，判断预制的专属类信息关键词匹配库是否存在相同的关键词组合，

当匹配成功时，则判定该咨询信息d对应的信息种类为专属类信息，且停止继续对各组合对应的关键词的匹配，

当匹配均失败时，则判定该咨询信息d对应的信息种类为公共类信息，并将该咨询信息d各序号对应的关键词及各组合对应的关键词组合记录到公共类信息关键词数据库中。

本发明从关键词及关键词组合这两个方面对数据进行匹配，使得匹配结果更加精准；在关键词组合中设置同一组合中的关键词对应的序号唯一是为了防止同一序号对应的关键词出现多次，导致产生的组合数据与实际咨询信息不符；当咨询信息d为公共类信息时，将该咨询信息d各序号对应的关键词及各组合对应的关键词组合记录到公共类信息关键词数据库中是为了后续通过人工对公共类信息中的关键词及关键词组合进行检查，进而将不为公共类信息的关键词或者关键词组合挑选出来，并录入到专属类信息关键词匹配库中，实现对专属类信息关键词匹配库的更新。

进一步的，所述医师匹配模块获取咨询信息d对应的信息种类及用户训练过程中存在的缺陷e，判断咨询信息d对应的信息种类是否为专属类信息，

当咨询信息d对应的信息种类不为专属类信息时，则与该用户匹配的所有医师f为当前上班的所有医师；

当咨询信息d对应的信息种类为专属类信息时，则进一步判断用户训练过程中存在的缺陷e，匹配缺陷数据库中缺陷e对应的医师，所得医师即为该用户匹配的所有医师f。

本发明医师匹配模块判断咨询信息e的种类是否为专属类信息，是因为当咨询信息e的种类为公共类信息时，说明用户的咨询内容当前上班的所有医师均可以进行解答，进而可以直接在当前上班的所有医师中进行选择医师进行接待，而不必考虑用户的缺陷e对应的医师，可以更加合理的分配医师资源，提高该用户的咨询效率，节省用户咨询前的等待时间。

进一步的，所述医师确定模块获取医师匹配模块匹配到的所有医师f，并分别获取当前时间内所有医师f中各个医师的待咨询的用户数h，比较当前时间内所有医师f中各个医师的待咨询的用户数h的最小值，

当待咨询的用户数h的最小值为一个时，则将该用户分配给该待咨询的用户数h的最小值对应的医师，完成对该用户的初始分配，

当待咨询的用户数h的最小值为多个时，则获取该待咨询的用户数h的最小值对应的所有医师f1，比较预制的医师排名中所有医师f1中各个医师的排名，并将该用户分配给所有医师f1中排名最高的医师，完成对该用户的初始分配。

本发明医师确定模块先对用户进行初始分配，为用户匹配一个医师，进而方便为后续调整医师时进行数据比较；当待咨询的用户数h的最小值为多个时，即多个医师对应的待咨询的用户数h相同，且均为最小值。

进一步的，所述医师确定模块获取该用户最终对应的医师g的方法包括以下步骤：

S4.1、医师确定模块分别获取f中各个医师平均接待一个用户的时间t2，还获取用户在初始分配的医师中所处的待咨询用户的排名k；

S4.2、判断k与第一阈值的大小关系，

当k大于等于第一阈值时，判定初始分配中该用户被分配的医师即为该用户最终对应的医师g，

当k小于第一阈值时，将初始分配中该用户被分配的医师平均接待一个用户的时 间记为t3，计算初始分配中该用户被分配的医师接待该用户时，该用户需要等待的时间t4， 即

；

S4.3、分别计算f中各个医师接待完当前对应的待咨询的用户所需要的时间t5，

即

；

S4.4、分别将t4与f中各个医师接待完当前对应的待咨询的用户所需要的时间t5的值作比较，判断两者的大小，

当t4均小于等于f中各个医师接待完当前对应的待咨询的用户所需要的时间t5时，则不调整该用户对应的医师，

当存在t4大于f中各个医师接待完当前对应的待咨询的用户所需要的时间t5时，则将筛选出小于等于t4的t5对应的医师，并将筛选的医师记为f2；

S4.5、比较f2中各个医师对应的待咨询的用户人数h与k-1之间的关系，

当h均大于等于k-1时，则不调整该用户对应的医师，

当存在h小于k-1时，则从f2中将小于k-1的h对应的医师提取出来，并记为f3，并调整该用户对应的医师，

比较f3中各医师对应的t5值，f3中最小t5对应的医师即为调整后该用户对应的医师，

所述调整该用户对应的医师后，该用户在对应的医师中所处的待咨询用户的排名k等于该医师对应的对应的待咨询的用户人数h加1，即h+1；

S4.6、重复S4.2至S4.5所述步骤，直至得到该用户最终对应的医师g。

本发明医师确定模块中计算t4时，用t3乘上k-1是因为用户在初始分配的医师中所处的待咨询用户的排名k，因此该用户前还有k-1个用户，将t3乘上该用户待咨询用户的排名之前的人数即k-1，即可以该用户需要等待的时间t4。

进一步的，每隔第一单位时间根据公共类信息关键词数据库中记录的关键词人为对专属类信息关键词匹配库进行一次更新，将属于专属类信息但未收录进专属类信息关键词匹配库的关键词补录到专属类信息关键词匹配库的关键词，同时将公共类信息信息关键词数据库清空。

本发明在对专属类信息关键词匹配库进行更新后，将公共类信息关键词数据库清空是为了节省数据内存，提高系统的运行效率，同时将公共类信息关键词数据库中的数据能够有效减少无用数据的量，便于下次人为对对专属类信息关键词匹配库进行更新时筛选的数据总量，进而提高更新效率。

一种基于互联网的产后线上咨询匹配方法，该方法包括以下步骤：

S1、通过用户数据采集模块对用户的筛查评估结果a及筛查评估结果a对应的时间t、训练方案内容b、训练数据c及训练数据c对应的时长T进行采集；

S2、通过咨询内容采集模块获取用户的咨询信息d；

S3、通过训练缺陷预测模块获取用户数据采集模块采集的数据，并对获取的数据内容进行数据处理，预测出用户训练过程中存在的缺陷e；

S4、在医师匹配模块中，根据咨询内容采集模块获取的用户的咨询信息及训练缺陷预测模块预测的该用户训练过程中存在的缺陷进行数据分析，得到与该用户匹配的所有医师f；

S5、通过医师确定模块获取医师匹配模块匹配到的所有医师，结合当前各个医师对应的待咨询的用户数，确定该用户最终对应的医师g。

与现有技术相比，本发明所达到的有益效果是：本发明不仅能够通过采集的用户数据预测出用户产后训练过程中存在的缺陷，还能够通过预测得到的用户产后训练过程中存在的缺陷及用户的咨询内容为用户分配对应的医师，且为了尽可能的减少用户咨询过程中的等待时间，还不断对用户对应的医师进行调整，直至确认该用户最终对应的医师。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种基于互联网的产后线上咨询匹配系统的结构示意图；

图2是本发明一种基于互联网的产后线上咨询匹配系统中训练缺陷预测模块预测出用户训练过程中存在的缺陷e的方法的流程示意图；

图3是本发明一种基于互联网的产后线上咨询匹配系统中通过所得曲线的波动程度及曲线的走向趋势预测出用户训练过程中存在的缺陷e的方法的流程示意图；

图4是本发明一种基于互联网的产后线上咨询匹配系统中医师确定模块获取该用户最终对应的医师g的方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

请参阅图1-图4，本发明提供技术方案：一种基于互联网的产后线上咨询匹配系统，包括：

用户数据采集模块，所述用户数据采集模块用于对用户的筛查评估结果a及筛查评估结果a对应的时间t、训练方案内容b、训练数据c及训练数据c对应的时长T进行采集；

咨询内容采集模块，所述咨询内容采集模块用于获取用户的咨询信息d；

训练缺陷预测模块，所述训练缺陷预测模块获取用户数据采集模块采集的数据，并对获取的数据内容进行数据处理，预测出用户训练过程中存在的缺陷e；

医师匹配模块，所述医师匹配模块根据咨询内容采集模块获取的用户的咨询信息及训练缺陷预测模块预测的该用户训练过程中存在的缺陷进行数据分析，得到与该用户匹配的所有医师f；

医师确定模块，所述医师确定模块获取医师匹配模块匹配到的所有医师，结合当前各个医师对应的待咨询的用户数，确定该用户最终对应的医师g。

本发明通过各个模块的协同合作，共同实现对用户数据及咨询内容的采集、对用户训练过程汇总存在的缺陷的预测，并根据用户自身的缺陷匹配对应的医师，使得对医师的匹配具有针对性，进而能够有效解决用户的产后咨询问题。预测用户存在的缺陷是为了进一步预测用户咨询医师时可能会问的问题，该方式能够实现对医师的精准匹配，且根据用户存在的缺陷匹配的医师能够有效解决用户咨询的问题，提高用户满意度。

所述训练缺陷预测模块预测出用户训练过程中存在的缺陷e的方法包括以下步骤：

S1.1、获取用户数据采集模块采集的筛查评估结果a及筛查评估结果a对应的时间t、训练方案内容b、训练数据c及训练数据c对应的时长T，所述训练方案内容b对应的时长为Tb；

S1.2、提取步骤S1.1中训练数据c为0时训练数据c对应的时长T的值，记为T0，并获T0时的筛查评估结果a对应的值，记为a0，将a0对应的时间t的最大值记为t0，所述训练数据c为0指用户未开始进行训练，所述t0指用户在未开始进行训练状态下的时间的最大值；

S1.3、统计筛查评估结果a对应的时间t的值为t1时，此时筛查评估结果a的值记为a1、训练数据c的值记为c1，c1对应的时长为T1；

S1.4、将a1与a0的差除以t1与t0的差，得到单位时间内筛查评估结果的变化值q， 将T1与T0的差除以Tb得到的商再除以t1与t0的差，得到单位时间内用户完成训练方案的次 数w，将q除以w，得到效果系数r，即

；

S1.5、将效果系数r与对应的t1进行绑定，得到数据组（r，t1），分别获取t1为不同值时，对应的数据组（r，t1），并根据得到的数据组生成效果系数与筛查评估结果a对应的时间t的曲线；

S1.6、分析S1.5所得曲线的波动程度及曲线的走向趋势预测出用户训练过程中存在的缺陷e。

本发明训练缺陷预测模块获取单位时间内筛查评估结果的变化值q，是因为筛查评估结果是在用户训练时自动获取的，通过不同时间段内用户对应的q值，能够有效得到用户产后训练的效果，同时产后训练的效果还受用户训练时间的影响，因此，计算用户相应时间段内的单位时间内用户完成训练方案的次数w能够判断用户不同时间内产后训练的努力程度，进而将两者相除，能够得到效果系数r，r为用户平均完成一次训练方案筛查评估结果的变化值，能够较好的反应出训练方案对用户的作用程度，因此，通过数据组（r，t1）构建的曲线能够较为精准的对用户的缺陷进行预测。生成曲线是因为数据组中的数据没有规律，受用户自身训练的情况而定，因此只能拟合成曲线。本发明中筛查评估结果a是以得分数值的形式进行表示的，满分为100。

本实施例中训练方案内容包括：神经肌肉电刺激、肌电触发电刺激、凯格尔模板训练及多媒体游戏训练这四项内容，训练方案内容对应的时长为四项内容分别对应时间的总和，为25分钟，

甲用户未开始进行训练时训练数据为0，此时训练数据对应的时长T0为0，筛查结果为60分，甲用户未开始进行训练状态下的时间的最大值t0为2021年3月1日12点20分，记为2021.03.01.12.20，

若筛查评估结果对应的时间t的值t1为2021.3.11.12.20时，甲用户的筛查评估结果为65分，训练数据对应的时长T1为500分钟，

则t1与t0的差为10天，即10×24×60=14400分钟，

单位时间内筛查评估结果的变化值

，

单位时间内用户完成训练方案的次数

，

效果系数

，

进而得到对应的数据组为（0.25，2021.3.11.12.20）。

所述S1.6中通过所得曲线的波动程度及曲线的走向趋势预测出用户训练过程中存在的缺陷e的方法包括以下步骤：

S2.1、分别获取曲线中的极值，统计各个极值中分别与相邻两个极值比值的平均值y，分别统计曲线中最大值与最小值的差，对于只有一个相邻极值的极值，其对应的y即为该极值与其相邻极值的比值；

S2.2、将曲线中最大值与最小值的差与第一预设值进行比较，统计各个极值对应的平均值y中大于第二预设值的个数，生成缺陷数据组（u1，u2，u3），所述u1为曲线中最大值与最小值的差与第一预设值的差，所述u2为各个极值对应的平均值y中大于第二预设值的个数，所述u3为曲线中极值的总个数；

S2.3、将生成的缺陷数据组（u1，u2，u3）与数据库中预制的数据组进行匹配，

当缺陷数据组中的各个数据与预制的数据组中对应的数据差值的绝对值均小于等于第三预设值时，则判定该缺陷数据组与该预制的数据组匹配成功，反之，则匹配不成功；

S2.4、当缺陷数据组与该预制的数据组匹配成功时，该预制的数据组在数据库中对应的缺陷即为该用户训练过程中存在的缺陷e。

本发明预测用户训练过程中存在的缺陷是通过生成的缺陷数据组（u1，u2，u3）进行判断的，计算曲线中最大值与最小值的差与第一预设值的差值结果，能够较为直观的反馈出曲线整体的稳定趋势，当最大值与最小值的差与第一预设值的差值越大时，则判定曲线越不稳定，即对应的用户训练的效果系数r越不稳定，反之，则对应的用户训练的效果系数r越稳定。y能够反馈出部分曲线的稳定程度，且能够该部分曲线对应点的平均效果系数，求取u2是为了通过统计部分曲线的稳定程度满足预制的条件的个数来进一步分析曲线整体的稳定程度；求取u3是为了判断曲线整体波动起伏的情况，在一定程度上也能够反应出曲线的稳定情况；因此，缺陷数据组从三个方面来反应曲线的稳定程度，比较的更全面，且与预制的数据组进行匹配时，匹配的更加精准。

本实施例中对应的曲线中有5个极值，分别为极大值0.3、极小值0.25、极大值0.4及极小值0.35，第一预设值为0.1，第二预设值为1，

则极大值0.3对应的y值为

，

极小值0.25对应的y值为

，

极大值0.4对应的y值为

，

则极小值0.35对应的y值为

，

最大值与最小值的差为为

，

则生成的缺陷数据组中的

，

由于

，则生成的缺陷数据组中的

，

由于曲线中有5个极值，则生成的缺陷数据组中的

，

即生成的缺陷数据组为（0.05，2，5）。

所述医师匹配模块获取到用户的咨询信息d后，需要对咨询信息d对应的信息种类进行判断，所述咨询信息d对应的信息种类包括公共类信息及专属类信息，所述医师匹配模块对咨询信息d对应的信息种类进行判断的方法包括以下步骤：

S3.1、获取咨询信息d，并对咨询信息d中的关键词进行提取，并按照提取的关键词的先后顺序进行排序；

S3.2、按照提取的关键词对应的序号从小到大的顺序逐个将各序号对应的关键词分别与预制的专属类信息关键词匹配库进行匹配，

当匹配成功时，则判定该咨询信息d对应的信息种类为专属类信息，且停止继续对各序号对应的关键词的匹配，

当匹配均失败时，则分别对两个及两个以上的关键词进行排列组合，且同一组合中的关键词对应的序号唯一；

S3.3、将S3.2中各组合逐个与预制的专属类信息关键词匹配库进行匹配，判断预制的专属类信息关键词匹配库是否存在相同的关键词组合，

当匹配成功时，则判定该咨询信息d对应的信息种类为专属类信息，且停止继续对各组合对应的关键词的匹配，

当匹配均失败时，则判定该咨询信息d对应的信息种类为公共类信息，并将该咨询信息d各序号对应的关键词及各组合对应的关键词组合记录到公共类信息关键词数据库中。

本发明从关键词及关键词组合这两个方面对数据进行匹配，使得匹配结果更加精准；在关键词组合中设置同一组合中的关键词对应的序号唯一是为了防止同一序号对应的关键词出现多次，导致产生的组合数据与实际咨询信息不符；当咨询信息d为公共类信息时，将该咨询信息d各序号对应的关键词及各组合对应的关键词组合记录到公共类信息关键词数据库中是为了后续通过人工对公共类信息中的关键词及关键词组合进行检查，进而将不为公共类信息的关键词或者关键词组合挑选出来，并录入到专属类信息关键词匹配库中，实现对专属类信息关键词匹配库的更新。

所述医师匹配模块获取咨询信息d对应的信息种类及用户训练过程中存在的缺陷e，判断咨询信息d对应的信息种类是否为专属类信息，

当咨询信息d对应的信息种类不为专属类信息时，则与该用户匹配的所有医师f为当前上班的所有医师；

当咨询信息d对应的信息种类为专属类信息时，则进一步判断用户训练过程中存在的缺陷e，匹配缺陷数据库中缺陷e对应的医师，所得医师即为该用户匹配的所有医师f。

本发明医师匹配模块判断咨询信息e的种类是否为专属类信息，是因为当咨询信息e的种类为公共类信息时，说明用户的咨询内容当前上班的所有医师均可以进行解答，进而可以直接在当前上班的所有医师中进行选择医师进行接待，而不必考虑用户的缺陷e对应的医师，可以更加合理的分配医师资源，提高该用户的咨询效率，节省用户咨询前的等待时间。

所述医师确定模块获取医师匹配模块匹配到的所有医师f，并分别获取当前时间内所有医师f中各个医师的待咨询的用户数h，比较当前时间内所有医师f中各个医师的待咨询的用户数h的最小值，

当待咨询的用户数h的最小值为一个时，则将该用户分配给该待咨询的用户数h的最小值对应的医师，完成对该用户的初始分配，

当待咨询的用户数h的最小值为多个时，则获取该待咨询的用户数h的最小值对应的所有医师f1，比较预制的医师排名中所有医师f1中各个医师的排名，并将该用户分配给所有医师f1中排名最高的医师，完成对该用户的初始分配。

本发明医师确定模块先对用户进行初始分配，为用户匹配一个医师，进而方便为后续调整医师时进行数据比较；当待咨询的用户数h的最小值为多个时，即多个医师对应的待咨询的用户数h相同，且均为最小值。

所述医师确定模块获取该用户最终对应的医师g的方法包括以下步骤：

S4.1、医师确定模块分别获取f中各个医师平均接待一个用户的时间t2，还获取用户在初始分配的医师中所处的待咨询用户的排名k；

S4.2、判断k与第一阈值的大小关系，

当k大于等于第一阈值时，判定初始分配中该用户被分配的医师即为该用户最终对应的医师g，

当k小于第一阈值时，将初始分配中该用户被分配的医师平均接待一个用户的时 间记为t3，计算初始分配中该用户被分配的医师接待该用户时，该用户需要等待的时间t4， 即

；

S4.3、分别计算f中各个医师接待完当前对应的待咨询的用户所需要的时间t5，

即

；

S4.4、分别将t4与f中各个医师接待完当前对应的待咨询的用户所需要的时间t5的值作比较，判断两者的大小，

当t4均小于等于f中各个医师接待完当前对应的待咨询的用户所需要的时间t5时，则不调整该用户对应的医师，

当存在t4大于f中各个医师接待完当前对应的待咨询的用户所需要的时间t5时，则将筛选出小于等于t4的t5对应的医师，并将筛选的医师记为f2；

S4.5、比较f2中各个医师对应的待咨询的用户人数h与k-1之间的关系，

当h均大于等于k-1时，则不调整该用户对应的医师，

当存在h小于k-1时，则从f2中将小于k-1的h对应的医师提取出来，并记为f3，并调整该用户对应的医师，

比较f3中各医师对应的t5值，f3中最小t5对应的医师即为调整后该用户对应的医师，

所述调整该用户对应的医师后，该用户在对应的医师中所处的待咨询用户的排名k等于该医师对应的对应的待咨询的用户人数h加1，即h+1；

S4.6、重复S4.2至S4.5所述步骤，直至得到该用户最终对应的医师g。

本发明医师确定模块中计算t4时，用t3乘上k-1是因为用户在初始分配的医师中所处的待咨询用户的排名k，因此该用户前还有k-1个用户，将t3乘上该用户待咨询用户的排名之前的人数即k-1，即可以该用户需要等待的时间t4。

每隔第一单位时间根据公共类信息关键词数据库中记录的关键词人为对专属类信息关键词匹配库进行一次更新，将属于专属类信息但未收录进专属类信息关键词匹配库的关键词补录到专属类信息关键词匹配库的关键词，同时将公共类信息信息关键词数据库清空。

本发明在对专属类信息关键词匹配库进行更新后，将公共类信息关键词数据库清空是为了节省数据内存，提高系统的运行效率，同时将公共类信息关键词数据库中的数据能够有效减少无用数据的量，便于下次人为对对专属类信息关键词匹配库进行更新时筛选的数据总量，进而提高更新效率。

一种基于互联网的产后线上咨询匹配方法，该方法包括以下步骤：

S1、通过用户数据采集模块对用户的筛查评估结果a及筛查评估结果a对应的时间t、训练方案内容b、训练数据c及训练数据c对应的时长T进行采集；

S2、通过咨询内容采集模块获取用户的咨询信息d；

S3、通过训练缺陷预测模块获取用户数据采集模块采集的数据，并对获取的数据内容进行数据处理，预测出用户训练过程中存在的缺陷e；

S4、在医师匹配模块中，根据咨询内容采集模块获取的用户的咨询信息及训练缺陷预测模块预测的该用户训练过程中存在的缺陷进行数据分析，得到与该用户匹配的所有医师f；

S5、通过医师确定模块获取医师匹配模块匹配到的所有医师，结合当前各个医师对应的待咨询的用户数，确定该用户最终对应的医师g。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于互联网的产后线上咨询匹配系统，其特征在于，包括：

用户数据采集模块，所述用户数据采集模块用于对用户的筛查评估结果a及筛查评估结果a对应的时间t、训练方案内容b、训练数据c及训练数据c对应的时长T进行采集；

咨询内容采集模块，所述咨询内容采集模块用于获取用户的咨询信息d；

训练缺陷预测模块，所述训练缺陷预测模块获取用户数据采集模块采集的数据，并对获取的数据内容进行数据处理，预测出用户训练过程中存在的缺陷e；

医师匹配模块，所述医师匹配模块根据咨询内容采集模块获取的用户的咨询信息及训练缺陷预测模块预测的该用户训练过程中存在的缺陷进行数据分析，得到与该用户匹配的所有医师f；

医师确定模块，所述医师确定模块获取医师匹配模块匹配到的所有医师，结合当前各个医师对应的待咨询的用户数，确定该用户最终对应的医师g；

所述训练缺陷预测模块预测出用户训练过程中存在的缺陷e的方法包括以下步骤：

S1.1、获取用户数据采集模块采集的筛查评估结果a及筛查评估结果a对应的时间t、训练方案内容b、训练数据c及训练数据c对应的时长T，所述训练方案内容b对应的时长为Tb；

S1.2、提取步骤S1.1中训练数据c为0时训练数据c对应的时长T的值，记为T0，并获T0时的筛查评估结果a对应的值，记为a0，将a0对应的时间t的最大值记为t0，所述训练数据c为0指用户未开始进行训练，所述t0指用户在未开始进行训练状态下的时间的最大值；

S1.3、统计筛查评估结果a对应的时间t的值为t1时，此时筛查评估结果a的值记为a1、训练数据c的值记为c1，c1对应的时长为T1；

S1.4、将a1与a0的差除以t1与t0的差，得到单位时间内筛查评估结果的变化值q，将T1与T0的差除以Tb得到的商再除以t1与t0的差，得到单位时间内用户完成训练方案的次数w，将q除以w，得到效果系数r，即

；

S1.5、将效果系数r与对应的t1进行绑定，得到数据组（r，t1），分别获取t1为不同值时，对应的数据组（r，t1），并根据得到的数据组生成效果系数与筛查评估结果a对应的时间t的曲线；

S1.6、分析S1.5所得曲线的波动程度及曲线的走向趋势预测出用户训练过程中存在的缺陷e。

2.根据权利要求1所述的一种基于互联网的产后线上咨询匹配系统，其特征在于：所述S1.6中通过所得曲线的波动程度及曲线的走向趋势预测出用户训练过程中存在的缺陷e的方法包括以下步骤：

S2.1、分别获取曲线中的极值，统计各个极值中分别与相邻两个极值比值的平均值y，分别统计曲线中最大值与最小值的差，对于只有一个相邻极值的极值，其对应的y即为该极值与其相邻极值的比值；

S2.2、将曲线中最大值与最小值的差与第一预设值进行比较，统计各个极值对应的平均值y中大于第二预设值的个数，生成缺陷数据组（u1，u2，u3），所述u1为曲线中最大值与最小值的差与第一预设值的差，所述u2为各个极值对应的平均值y中大于第二预设值的个数，所述u3为曲线中极值的总个数；

S2.3、将生成的缺陷数据组（u1，u2，u3）与数据库中预制的数据组进行匹配，

当缺陷数据组中的各个数据与预制的数据组中对应的数据差值的绝对值均小于等于第三预设值时，则判定该缺陷数据组与该预制的数据组匹配成功，反之，则匹配不成功；

S2.4、当缺陷数据组与该预制的数据组匹配成功时，该预制的数据组在数据库中对应的缺陷即为该用户训练过程中存在的缺陷e。

3.根据权利要求1所述的一种基于互联网的产后线上咨询匹配系统，其特征在于：所述医师匹配模块获取到用户的咨询信息d后，需要对咨询信息d对应的信息种类进行判断，所述咨询信息d对应的信息种类包括公共类信息及专属类信息，所述医师匹配模块对咨询信息d对应的信息种类进行判断的方法包括以下步骤：

S3.1、获取咨询信息d，并对咨询信息d中的关键词进行提取，并按照提取的关键词的先后顺序进行排序；

S3.2、按照提取的关键词对应的序号从小到大的顺序逐个将各序号对应的关键词分别与预制的专属类信息关键词匹配库进行匹配，

当匹配成功时，则判定该咨询信息d对应的信息种类为专属类信息，且停止继续对各序号对应的关键词的匹配，

当匹配均失败时，则分别对两个及两个以上的关键词进行排列组合，且同一组合中的关键词对应的序号唯一；

S3.3、将S3.2中各组合逐个与预制的专属类信息关键词匹配库进行匹配，判断预制的专属类信息关键词匹配库是否存在相同的关键词组合，

当匹配成功时，则判定该咨询信息d对应的信息种类为专属类信息，且停止继续对各组合对应的关键词的匹配，

当匹配均失败时，则判定该咨询信息d对应的信息种类为公共类信息，并将该咨询信息d各序号对应的关键词及各组合对应的关键词组合记录到公共类信息关键词数据库中。

4.根据权利要求3所述的一种基于互联网的产后线上咨询匹配系统，其特征在于：所述医师匹配模块获取咨询信息d对应的信息种类及用户训练过程中存在的缺陷e，判断咨询信息d对应的信息种类是否为专属类信息，

当咨询信息d对应的信息种类不为专属类信息时，则与该用户匹配的所有医师f为当前上班的所有医师；

当咨询信息d对应的信息种类为专属类信息时，则进一步判断用户训练过程中存在的缺陷e，匹配缺陷数据库中缺陷e对应的医师，所得医师即为该用户匹配的所有医师f。

5.根据权利要求4所述的一种基于互联网的产后线上咨询匹配系统，其特征在于：所述医师确定模块获取医师匹配模块匹配到的所有医师f，并分别获取当前时间内所有医师f中各个医师的待咨询的用户数h，比较当前时间内所有医师f中各个医师的待咨询的用户数h的最小值，

当待咨询的用户数h的最小值为一个时，则将该用户分配给该待咨询的用户数h的最小值对应的医师，完成对该用户的初始分配，

当待咨询的用户数h的最小值为多个时，则获取该待咨询的用户数h的最小值对应的所有医师f1，比较预制的医师排名中所有医师f1中各个医师的排名，并将该用户分配给所有医师f1中排名最高的医师，完成对该用户的初始分配。

6.根据权利要求5所述的一种基于互联网的产后线上咨询匹配系统，其特征在于：所述医师确定模块获取该用户最终对应的医师g的方法包括以下步骤：

S4.1、医师确定模块分别获取f中各个医师平均接待一个用户的时间t2，还获取用户在初始分配的医师中所处的待咨询用户的排名k；

S4.2、判断k与第一阈值的大小关系，

当k大于等于第一阈值时，判定初始分配中该用户被分配的医师即为该用户最终对应的医师g，

当k小于第一阈值时，将初始分配中该用户被分配的医师平均接待一个用户的时间记为t3，计算初始分配中该用户被分配的医师接待该用户时，该用户需要等待的时间t4，即

；

S4.3、分别计算f中各个医师接待完当前对应的待咨询的用户所需要的时间t5，

即

；

S4.4、分别将t4与f中各个医师接待完当前对应的待咨询的用户所需要的时间t5的值作比较，判断两者的大小，

当t4均小于等于f中各个医师接待完当前对应的待咨询的用户所需要的时间t5时，则不调整该用户对应的医师，

当存在t4大于f中各个医师接待完当前对应的待咨询的用户所需要的时间t5时，则将筛选出小于等于t4的t5对应的医师，并将筛选的医师记为f2；

S4.5、比较f2中各个医师对应的待咨询的用户人数h与k-1之间的关系，

当h均大于等于k-1时，则不调整该用户对应的医师，

当存在h小于k-1时，则从f2中将小于k-1的h对应的医师提取出来，并记为f3，并调整该用户对应的医师，

比较f3中各医师对应的t5值，f3中最小t5对应的医师即为调整后该用户对应的医师，

所述调整该用户对应的医师后，该用户在对应的医师中所处的待咨询用户的排名k等于该医师对应的对应的待咨询的用户人数h加1，即h+1；

S4.6、重复S4.2至S4.5所述步骤，直至得到该用户最终对应的医师g。

7.根据权利要求3所述的一种基于互联网的产后线上咨询匹配系统，其特征在于：每隔第一单位时间根据公共类信息关键词数据库中记录的关键词人为对专属类信息关键词匹配库进行一次更新，将属于专属类信息但未收录进专属类信息关键词匹配库的关键词补录到专属类信息关键词匹配库的关键词，同时将公共类信息信息关键词数据库清空。

8.应用权利要求1-7任意一项所述的一种基于互联网的产后线上咨询匹配系统的基于互联网的产后线上咨询匹配方法，其特征在于，该方法包括以下步骤：

S1、通过用户数据采集模块对用户的筛查评估结果a及筛查评估结果a对应的时间t、训练方案内容b、训练数据c及训练数据c对应的时长T进行采集；

S2、通过咨询内容采集模块获取用户的咨询信息d；

S3、通过训练缺陷预测模块获取用户数据采集模块采集的数据，并对获取的数据内容进行数据处理，预测出用户训练过程中存在的缺陷e；

S4、在医师匹配模块中，根据咨询内容采集模块获取的用户的咨询信息及训练缺陷预测模块预测的该用户训练过程中存在的缺陷进行数据分析，得到与该用户匹配的所有医师f；

S5、通过医师确定模块获取医师匹配模块匹配到的所有医师，结合当前各个医师对应的待咨询的用户数，确定该用户最终对应的医师g。

Images