CN113764098A - 信息检测方法、装置、电子设备和计算机可读介质 - Google Patents

Abstract

本公开的实施例公开了信息检测方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：对初始问诊信息序列进行预处理以生成问诊信息序列；根据业务场景，对该问诊信息序列进行筛选以生成待检测问诊信息序列；根据更新后的医生基础信息序列，确定该待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息，得到目标医生标识信息序列；基于该目标医生标识信息序列，对该待检测问诊信息序列进行信息检测以生成检测信息，其中，该检测信息用于表征该待检测问诊信息序列的测试结果。该实施方式提高了线上医生被分配问诊的准确性和公平性。

Description

信息检测方法、装置、电子设备和计算机可读介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及信息检测方法、装置、电子设备和计算机可读介质。

背景技术

近年来，医院规模迅速壮大，就医人数日渐增多，门诊的工作量越来越大。患者挂号付费排队时间长、就医流程不便捷等问题显得尤为突出。因此，越来越多的医院推出线上挂号及问诊的服务。当线上问诊订单到来时，互联网医院系统会自动将线上问诊订单分配至相应的问诊科室。

然而，当采用上述方式进行信息检测时，经常会存在如下技术问题：

当线上问诊订单到来时，互联网医院系统会将问诊订单随机分配至相应科室的不同医生，进而降低了线上医生被分配问诊的均等化程度，导致线上医生问诊的效率下降。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。本公开的一些实施例提出了信息检测方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种信息检测方法，该方法包括：对初始问诊信息序列进行预处理以生成问诊信息序列；根据业务场景，对上述问诊信息序列进行筛选以生成待检测问诊信息序列；根据更新后的医生基础信息序列，确定上述待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息，得到目标医生标识信息序列；基于上述目标医生标识信息序列，对上述待检测问诊信息序列进行信息检测以生成检测信息，其中，上述检测信息用于表征上述待检测问诊信息序列的测试结果。

可选地，上述对初始问诊信息序列进行预处理以生成问诊信息序列，包括：对上述初始问诊信息序列进行异常信息剔除，以生成上述问诊信息序列。

可选地，上述根据业务场景，对上述问诊信息序列进行筛选以生成待检测问诊信息序列，包括：根据上述业务场景，确定至少一条筛选条件；从上述问诊信息序列中筛选出满足上述至少一条筛选条件的问诊信息，作为待检测问诊信息，得到上述待检测问诊信息序列。

可选地，上述根据更新后的医生基础信息序列，确定上述待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息，包括：根据更新后的医生基础信息序列，确定医生状态信息序列；根据上述医生状态信息序列，确定上述待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息。

可选地，上述基于上述目标医生标识信息序列，对上述待检测问诊信息序列进行信息检测以生成检测信息，包括：将上述待检测问诊信息序列依次转发至被测应用；基于上述目标医生标识信息序列，对目标时间段内转发的待检测问诊信息序列进行信息检测以生成上述检测信息。

可选地，上述基于上述目标医生标识信息序列，对目标时间段内转发的待检测问诊信息序列进行信息检测以生成上述检测信息，包括：基于上述目标医生标识信息序列，对上述目标时间段内转发的待检测问诊信息序列中的各个待检测问诊信息进行聚合处理，以生成至少一个问诊聚合信息；基于上述至少一个问诊聚合信息包括的问诊人数信息，生成检测值；响应于确定上述检测值大于预设阈值，生成第一检测信息。

可选地，上述对上述待检测问诊信息序列进行信息检测以生成检测信息，还包括：响应于确定上述检测值小于等于预设阈值，生成第二检测信息。

可选地，在上述根据更新后的医生基础信息序列，确定医生状态信息序列之前，上述方法还包括：获取初始医生基础信息序列；对上述初始医生基础信息序列进行异常信息剔除以生成医生基础信息序列。

可选地，上述方法还包括：确定上述医生基础信息序列中的每两个医生基础信息包括的开关诊时间的差值，以生成时间间隔，得到时间间隔序列；依次从上述时间间隔序列中选出时间间隔，基于上述时间间隔和当前时间，生成更新时间点，得到更新时间点序列；对于上述更新时间点序列中的每个更新时间点，响应于确定到达上述更新时间点，基于上述时间间隔对应的目标医生基础信息，对目标数据库中与上述目标医生基础信息对应的历史医生基础信息进行更新，以生成更新后的医生基础信息，得到更新后的医生基础信息序列。

第二方面，本公开的一些实施例提供了一种信息检测装置，装置包括：预处理单元，被配置成对初始问诊信息序列进行预处理以生成问诊信息序列；筛选单元，被配置成根据业务场景，对上述问诊信息序列进行筛选以生成待检测问诊信息序列；确定单元，被配置成根据更新后的医生基础信息序列，确定上述待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息，得到目标医生标识信息序列；信息检测单元，被配置成基于上述目标医生标识信息序列，对上述待检测问诊信息序列进行信息检测以生成检测信息，其中，上述检测信息用于表征上述待检测问诊信息序列的测试结果。

可选地，预处理单元被进一步配置成：对上述初始问诊信息序列进行异常信息剔除，以生成上述问诊信息序列。

可选地，筛选单元被进一步配置成：根据上述业务场景，确定至少一条筛选条件；从上述问诊信息序列中筛选出满足上述至少一条筛选条件的问诊信息，作为待检测问诊信息，得到上述待检测问诊信息序列。

可选地，确定单元被进一步配置成：根据更新后的医生基础信息序列，确定医生状态信息序列；根据上述医生状态信息序列，确定上述待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息。

可选地，信息检测单元被进一步配置成：将上述待检测问诊信息序列依次转发至被测应用；基于上述目标医生标识信息序列，对目标时间段内转发的待检测问诊信息序列进行信息检测以生成上述检测信息。

可选地，信息检测单元被进一步配置成：基于上述目标医生标识信息序列，对上述目标时间段内转发的待检测问诊信息序列中的各个待检测问诊信息进行聚合处理，以生成至少一个问诊聚合信息；基于上述至少一个问诊聚合信息包括的问诊人数信息，生成检测值；响应于确定上述检测值大于预设阈值，生成第一检测信息。

可选地，信息检测单元被进一步配置成：响应于确定上述检测值小于等于预设阈值，生成第二检测信息。

可选地，上述装置还包括：获取初始医生基础信息序列；对上述初始医生基础信息序列进行异常信息剔除以生成医生基础信息序列。

可选地，上述装置还包括：确定上述医生基础信息序列中的每两个医生基础信息包括的开关诊时间的差值，以生成时间间隔，得到时间间隔序列；依次从上述时间间隔序列中选出时间间隔，基于上述时间间隔和当前时间，生成更新时间点，得到更新时间点序列；对于上述更新时间点序列中的每个更新时间点，响应于确定到达上述更新时间点，基于上述时间间隔对应的目标医生基础信息，对目标数据库中与上述目标医生基础信息对应的历史医生基础信息进行更新，以生成更新后的医生基础信息，得到更新后的医生基础信息序列。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的信息检测方法提高了线上医生被分配问诊的均等化程度。具体来说，造成线上医生被分配问诊的均等化程度降低的原因在于：当线上问诊订单到来时，互联网医院系统会将问诊订单随机分配至相应科室的不同医生，进而降低了线上医生被分配问诊的均等化程度，导致线上医生问诊的效率下降。基于此，本公开的一些实施例的信息检测方法，首先，对初始问诊信息序列进行预处理以生成问诊信息序列。通过剔除上述初始问诊信息序列的异常数据，提高了后续数据处理的准确性。其次，根据业务场景，对上述问诊信息序列进行筛选以生成待检测问诊信息序列。由于线上问诊信息序列的数据量较为庞大，因此，可以通过接收的不同的业务场景，筛选符合业务场景下的问诊信息序列，提高了数据处理的效率。之后，根据更新后的医生基础信息序列，确定上述待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息，得到目标医生标识信息序列。通过更新后的医生基础信息序列以确定医生的实时状态，通过医生的实时状态以分配待检测问诊信息至相应的目标医生，从而提高了线上医生被分配问诊的均等化程度。最后，基于上述目标医生标识信息序列，对上述待检测问诊信息序列进行信息检测以生成检测信息，其中，上述检测信息用于表征上述待检测问诊信息序列的测试结果。从而能够解决当线上问诊订单到来时，互联网医院系统会将问诊订单随机分配至相应科室的不同医生，进而降低了线上医生被分配问诊的均等化程度，导致线上医生问诊的效率下降的问题。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是根据本公开的一些实施例的信息检测方法的一个应用场景示意图；

图2是根据本公开的信息检测方法的一些实施例的流程图；

图3是根据本公开的信息检测方法的另一些实施例的流程图；

图4是根据本公开的信息检测方法的另一些实施例的历史医生基础信息序列的示例性示意图；

图5是根据本公开的信息检测方法的另一些实施例的更新后的医生基础信息序列的示例性示意图；

图6是根据本公开的信息检测装置的一些实施例的结构示意图；

图7是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是本公开的一些实施例的信息检测方法的一个应用场景的示意图。

在图1的应用场景中，首先，计算设备101可以对初始问诊信息序列102(例如，[[“问诊单类型：图文问诊-复诊续方”，“商家账号：”，“问诊单号：16514”，“订单创建时间：2020年12月12日8点5分”]，[“问诊单类型：图文问诊-复诊续方”，“商家账号：888”，“问诊单号：16514”，“订单创建时间：2020年12月12日8点5分”]，[“问诊单类型：图文问诊-复诊续方”，“商家账号：889”，“问诊单号：461514”，“订单创建时间：2020年12月12日8点10分”]，[“问诊单类型：图文问诊-复诊续方”，“商家账号：890”，“问诊单号：65465”，“订单创建时间：2020年12月12日8点35分”]])进行预处理以生成问诊信息序列103(例如，[[“问诊单类型：图文问诊-复诊续方”，“商家账号：888”，“问诊单号：16514”，“订单创建时间：2020年12月12日8点5分”]，[“问诊单类型：图文问诊-复诊续方”，“商家账号：889”，“问诊单号：461514”，“订单创建时间：2020年12月12日8点10分”]，[“问诊单类型：图文问诊-复诊续方”，“商家账号：890”，“问诊单号：65465”，“订单创建时间：2020年12月12日8点35分”]])。然后，计算设备101可以根据业务场景，对上述问诊信息序列103进行筛选以生成待检测问诊信息序列104(例如，[[“问诊单类型：图文问诊-复诊续方”，“商家账号：888”，“问诊单号：16514”，“订单创建时间：2020年12月12日8点5分”]，[“问诊单类型：图文问诊-复诊续方”，“商家账号：889”，“问诊单号：461514”，“订单创建时间：2020年12月12日8点10分”]])。之后，计算设备101可以根据更新后的医生基础信息序列105，确定上述待检测问诊信息序列104中每个待检测问诊信息的目标医生标识信息，得到目标医生标识信息序列106(例如，[“liyis”，“sunyis”])。最后，计算设备101可以基于上述目标医生标识信息序列106，对上述待检测问诊信息序列104进行信息检测以生成检测信息107(例如，“分诊公平”或“分诊不公平”)，其中，上述检测信息用于表征上述待检测问诊信息序列104的测试结果。

需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式序列群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。

继续参考图2，示出了根据本公开的信息检测方法的一些实施例的流程200。该信息检测方法，包括以下步骤：

步骤201，对初始问诊信息序列进行预处理以生成问诊信息序列。

在一些实施例中，信息检测方法的执行主体(例如图1所示的计算设备101)可以对初始问诊信息序列进行预处理以生成问诊信息序列。其中，上述初始问诊信息序列中的初始问诊信息可以包括但不限于以下至少一项：问诊单类型、商家账号、问诊单号、医生组织机构和订单创建时间。上述医生组织机构信息可以用于表征医院问诊部中的不同科室。上述预处理的方法可以是将属性值进行规范化处理的方法。上述预处理的方法可以是缺失值处理方法。上述预处理的方法也可以是数据标准化方法。

作为示例，上述初始问诊信息序列可以是[[“问诊单类型：图文问诊-复诊续方”，“”，“”，“”，“”]，[“问诊单类型：图文问诊-京医速诊”，“商家账号：888”，“问诊单号：16514”，“医生组织机构：外科”，“订单创建时间：2020年12月12日8点5分”]，[“问诊单类型：图文问诊-京医速诊”，“商家账号：889”，“问诊单号：461514”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点10分”]，[“问诊单类型：图文问诊-复诊续方”，“商家账号：890”，“问诊单号：65465”，“医生组织机构：内科”，“订单创建时间：2020年12月12日8点35分”]]。对上述初始问诊信息序列进行缺失值处理以生成问诊信息序列可以是[[“问诊单类型：图文问诊-京医速诊”，“商家账号：888”，“问诊单号：16514”，“医生组织机构：外科”，“订单创建时间：2020年12月12日8点5分”]，[“问诊单类型：图文问诊-京医速诊”，“商家账号：889”，“问诊单号：461514”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点10分”]，[“问诊单类型：图文问诊-复诊续方”，“商家账号：890”，“问诊单号：65465”，“医生组织机构：内科”，“订单创建时间：2020年12月12日8点35分”]]。

步骤202，根据业务场景，对问诊信息序列进行筛选以生成待检测问诊信息序列。

在一些实施例中，上述执行主体可以根据业务场景，对问诊信息序列进行筛选以生成待检测问诊信息序列。其中，上述业务场景可以包括：执行操作和关键字段。上述执行操作可以包括但不限于以下至少一项：增加操作、删减操作和筛选操作。上述业务场景可以为“select*from问诊信息序列where订单创建时间between[2020年12月12日8点30分，2020年12月12日8点50分]”。上述业务场景也可以为“select*from问诊信息序列where商家账号＝[890]”。

作为示例，上述问诊信息序列可以是[[“问诊单类型：图文问诊-京医速诊”，“商家账号：888”，“问诊单号：16514”，“医生组织机构：外科”，“订单创建时间：2020年12月12日8点5分”]，[“问诊单类型：图文问诊-京医速诊”，“商家账号：889”，“问诊单号：461514”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点32分”]，[“问诊单类型：图文问诊-复诊续方”，“商家账号：890”，“问诊单号：65465”，“医生组织机构：内科”，“订单创建时间：2020年12月12日8点35分”]]。上述业务场景可以是“select*from问诊信息序列where订单创建时间between[2020年12月12日8点30分，2020年12月12日8点50分]”。根据上述业务场景，对上述问诊信息序列进行筛选以生成待检测问诊信息序列可以是[[“问诊单类型：图文问诊-京医速诊”，“商家账号：889”，“问诊单号：461514”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点32分”]，[“问诊单类型：图文问诊-复诊续方”，“商家账号：890”，“问诊单号：65465”，“医生组织机构：内科”，“订单创建时间：2020年12月12日8点35分”]]。

作为又一示例，上述问诊信息序列可以是[[“问诊单类型：图文问诊-京医速诊”，“商家账号：888”，“问诊单号：16514”，“医生组织机构：外科”，“订单创建时间：2020年12月12日8点5分”]，[“问诊单类型：图文问诊-京医速诊”，“商家账号：889”，“问诊单号：461514”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点10分”]，[“问诊单类型：图文问诊-复诊续方”，“商家账号：890”，“问诊单号：65465”，“医生组织机构：内科”，“订单创建时间：2020年12月12日8点35分”]]。上述业务场景可以是“select*from问诊信息序列where商家账号＝[890]”。根据上述业务场景，对上述问诊信息序列进行筛选以生成待检测问诊信息序列可以是[“问诊单类型：图文问诊-复诊续方”，“商家账号：890”，“问诊单号：65465”，“医生组织机构：内科”，“订单创建时间：2020年12月12日8点35分”]。

步骤203，根据更新后的医生基础信息序列，确定待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息，得到目标医生标识信息序列。

在一些实施例中，上述执行主体可以根据更新后的医生基础信息序列，确定上述待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息，得到目标医生标识信息序列。其中，上述更新后的医生基础信息序列中的更新后的医生基础信息包括：医生标识信息、医生开关诊状态和开关诊时间。上述目标医生标识信息序列中的目标医生标识信息可以是医生对应的唯一标识信息。上述执行主体可以通过查询上述更新后的医生基础信息序列中医生开关诊状态处于医生开诊状态的至少一个更新后的医生基础信息。并将上述处于医生开诊状态的至少一个更新后的医生基础信息包括的医生标识信息依次确定为上述待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息。

作为示例，上述待检测问诊信息序列可以是[[“问诊单类型：图文问诊-京医速诊”，“商家账号：889”，“问诊单号：461514”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点32分”]，[“问诊单类型：图文问诊-复诊续方”，“商家账号：890”，“问诊单号：65465”，“医生组织机构：内科”，“订单创建时间：2020年12月12日8点35分”]。

上述更新后的医生基础信息序列可以是[[“医生标识信息：liyis”，“医生开关诊状态：开诊”，“开关诊时间：2020/12/12/8：32”]，[“医生标识信息：wangyis”，“医生开关诊状态：关诊”，“开关诊时间：2020/12/12/8：39”]，[“医生标识信息：sunyis”，“医生开关诊状态：开诊”，“开关诊时间：2020/12/12/8：39”]]。

上述处于医生开诊状态的至少一个更新后的医生基础信息可以是[[“医生标识信息：liyis”，“医生开关诊状态：开诊”，“开关诊时间：2020/12/12/8：32”]，[“医生标识信息：sunyis”，“医生开关诊状态：开诊”，“开关诊时间：2020/12/12/8：39”]]。上述处于医生开诊状态的至少一个更新后的医生基础信息包括的医生标识信息可以是“liyis”和“sunyis”。则目标医生标识信息序列可以是[“liyis”，“sunyis”]。

步骤204，基于目标医生标识信息序列，对待检测问诊信息序列进行信息检测以生成检测信息。

在一些实施例中，上述执行主体可以基于上述目标医生标识信息，对上述待检测问诊信息序列进行信息检测以生成检测信息。其中，上述检测信息可以用于表征待检测问诊信息序列的测试结果。上述检测信息可以是“分诊公平”或“分诊不公平”。其中，上述执行主体对待检测问诊信息序列进行信息检测以生成检测信息，可以包括以下步骤：

第一步，确定上述目标医生标识信息序列对应的医生问诊人数信息。

其中，上述医生问诊人数信息可以包括医生标识信息和医生问诊人数。

作为示例，上述目标医生标识信息序列可以是[“liyis”，“sunyis”，“liyis”，“sunyis”，“liyis”，“sunyis”，“liyis”]。则上述问诊人数信息序列可以是[“liyis：4”，“sunyis：3”，“wangyis：0”]。

第二步，确定上述医生问诊人数信息中包括的医生问诊人数的标准差值。

第三步，响应于确定上述标准差值值小于等于预设阈值，生成检测信息。

其中，上述预设阈值可以为2。上述检测信息可以是“分诊公平”。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的信息检测方法提高了线上医生被分配问诊的均等化程度。具体来说，造成线上医生被分配问诊的均等化程度降低的原因在于：当线上问诊订单到来时，互联网医院系统会将问诊订单随机分配至相应科室的不同医生，进而降低了线上医生被分配问诊的均等化程度，导致线上医生问诊的效率下降。基于此，本公开的一些实施例的信息检测方法，首先，对初始问诊信息序列进行预处理以生成问诊信息序列。通过剔除上述初始问诊信息序列的异常数据，提高了后续数据处理的准确性。其次，根据业务场景，对上述问诊信息序列进行筛选以生成待检测问诊信息序列。由于线上问诊信息序列的数据量较为庞大，因此，可以通过接收的不同的业务场景，筛选符合业务场景下的问诊信息序列，提高了数据处理的效率。之后，根据更新后的医生基础信息序列，确定上述待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息，得到目标医生标识信息序列。通过更新后的医生基础信息序列以确定医生的实时状态，通过医生的实时状态以分配待检测问诊信息至相应的目标医生，从而提高了线上医生被分配问诊的均等化程度。最后，基于上述目标医生标识信息序列，对上述待检测问诊信息序列进行信息检测以生成检测信息，其中，上述检测信息用于表征上述待检测问诊信息序列的测试结果。从而能够解决当线上问诊订单到来时，互联网医院系统会将问诊订单随机分配至相应科室的不同医生，进而降低了线上医生被分配问诊的均等化程度，导致线上医生问诊的效率下降的问题。

进一步参考图3，其示出了信息检测方法的另一些实施例的流程300。该信息检测方法的流程300，包括以下步骤：

步骤301，对初始问诊信息序列进行预处理以生成问诊信息序列。

在一些实施例中，上述执行主体可以对初始问诊信息序列进行异常信息剔除以生成问诊信息序列。其中，上述初始问诊信息序列中的初始问诊信息可以包括但不限于以下至少一项：问诊单号、医生组织机构和订单创建时间。上述异常信息可以是乱码。

作为示例，上述初始问诊信息序列可以是[[“XXXX”，“XXXX”，“XXXX”]，[“问诊单号：16514”，“医生组织机构：外科”，“订单创建时间：2020年12月12日8点5分”]，[“问诊单号：461514”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点10分”]，[“问诊单号：65465”，“医生组织机构：内科”，“订单创建时间：2020年12月12日8点35分”]，[“问诊单号：45154”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点36分”]，[“问诊单号：56465”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点37分”]，[“问诊单号：461514”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点45分”]]。对上述初始问诊信息序列进行异常信息剔除以生成问诊信息序列可以是[[“问诊单号：16514”，“医生组织机构：外科”，“订单创建时间：2020年12月12日8点5分”]，[“问诊单号：461514”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点10分”]，[“问诊单号：65465”，“医生组织机构：内科”，“订单创建时间：2020年12月12日8点35分”]，[“问诊单号：45154”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点36分”]，[“问诊单号：56465”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点37分”]，[“问诊单号：461514”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点45分”]]。

步骤302，根据业务场景，对问诊信息序列进行筛选以生成待检测问诊信息序列。

在一些实施例中，上述执行主体对上述问诊信息序列进行筛选以生成待检测问诊信息序列，可以包括以下步骤：

第一步，根据上述业务场景，确定至少一条筛选条件。

作为示例，上述业务场景可以为“select*from问诊信息序列where订单创建时间between[2020年12月12日8点30分，2020年12月12日8点50分]and医生组织机构＝[妇科]”。则上述至少一条筛选条件可以是[“问诊信息包括的订单创建时间在2020年12月12日8点30分至2020年12月12日8点50分的范围内”，“问诊信息包括的医生组织机构为妇科”]。

第二步，从上述问诊信息序列中筛选出满足上述至少一条筛选条件的问诊信息，作为待检测问诊信息，得到上述待检测问诊信息序列。

作为示例，上述至少一条筛选条件可以是[“问诊信息包括的订单创建时间在2020年12月12日8点30分至2020年12月12日8点50分的范围内”，“问诊信息包括的医生组织机构为妇科”]。

上述问诊信息序列可以是[[“问诊单号：16514”，“医生组织机构：外科”，“订单创建时间：2020年12月12日8点5分”]，[“问诊单号：461514”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点10分”]，[“问诊单号：65465”，“医生组织机构：内科”，“订单创建时间：2020年12月12日8点35分”]，[“问诊单号：45154”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点36分”]，[“问诊单号：56465”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点37分”]，[“问诊单号：461514”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点45分”]]。

则上述待检测问诊信息序列可以是[[“问诊单号：45154”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点36分”]，[“问诊单号：56465”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点37分”]，[“问诊单号：461514”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点45分”]]。

步骤303，获取初始医生基础信息序列。

在一些实施例中，上述执行主体可以通过有线连接方式或者无线连接方式获取初始医生基础信息序列。其中，上述初始医生基础信息序列中的初始医生基础信息可以包括但不限于以下至少一项：医生标识信息、医生开关诊状态、医生在线时长和开关诊时间。

作为示例，上述获取初始医生基础信息序列可以如表1所示：

表1

步骤304，对初始医生基础信息序列进行异常信息剔除以生成医生基础信息序列。

在一些实施例中，上述执行主体可以对初始医生基础信息序列进行异常信息剔除以生成医生基础信息序列。上述异常信息剔除可以剔除上述初始医生基础信息序列中信息为空的初始医生基础信息。

作为示例，上述异常信息剔除以生成医生基础信息序列可以如表2所示：

表2

医生标识信息	医生开关诊状态	医生在线时长	开关诊时间
				sunyis	开诊	2小时	8:10
wangyis	关诊	1小时	8:11
				wangyis	开诊	1小时	8:16
liyis	关诊	10分钟	8:20
				liyis	开诊	10分钟	8:28
wangyis	关诊	1小时14分钟	8:30

步骤305，确定医生基础信息序列中的每两个医生基础信息包括的开关诊时间的差值，以生成时间间隔，得到时间间隔序列。

在一些实施例中，上述执行主体可以首先确定医生基础信息序列中的每两个医生基础信息包括的开关诊时间的差值，以生成时间间隔，得到时间间隔序列。其次将预设时间添加至上述时间间隔序列中。其中，上述预设时间可以是0。

作为示例，上述时间间隔序列可以是[“0”，“1分钟”，“5分钟”，“4分钟”，“8分钟”，“2分钟”]。

步骤306，依次从时间间隔序列中选出时间间隔，基于时间间隔和当前时间，生成更新时间点，得到更新时间点序列。

在一些实施例中，上述执行主体可以依次从时间间隔序列中选出时间间隔，基于上述时间间隔和当前时间，生成更新时间点，得到更新时间点序列。其中，上述执行主体可以将时间间隔和当前时间进行相加处理以生成更新时间点。

步骤307，对于更新时间点序列中的每个更新时间点，响应于确定到达更新时间点，基于时间间隔对应的目标医生基础信息，对目标数据库中与目标医生基础信息对应的历史医生基础信息进行更新，以生成更新后的医生基础信息，得到更新后的医生基础信息序列。

在一些实施例中，上述执行主体可以对于更新时间点序列中的每个更新时间点，响应于确定到达更新时间点，基于时间间隔对应的目标医生基础信息，对目标数据库中与目标医生基础信息对应的历史医生基础信息进行更新，以生成更新后的医生基础信息，得到更新后的医生基础信息序列。其中，上述目标医生基础信息可以为上述时间间隔信息对应的两个医生基础信息中的第二个医生基础信息。上述第二个医生基础信息可以是按照上述医生基础信息序列中上述两个医生基础信息的排列顺序，选取排列顺序位于第二位的医生基础信息作为第二个医生基础信息。上述目标数据库可以是存储有上述医生基础信息序列对应的历史医生基础信息序列的数据库。上述执行主体可以响应于确定到达上述更新时间点，对目标数据库中与目标医生基础信息对应的历史医生基础信息包括的医生在线时长和医生开关诊状态进行更新以生成更新后的医生基础信息，得到更新后的医生基础信息序列。

作为示例，上述历史医生基础信息序列可以如图4所示：

上述更新后的医生基础信息序列可以如图5所示：

步骤308，根据更新后的医生基础信息序列，确定医生状态信息序列。

在一些实施例中，上述执行主体可以根据更新后的医生基础信息序列，确定医生状态信息序列。其中，上述医生状态信息序列中的医生状态信息可以包括医生标识和医生状态得分。其中，上述医生状态得分可以用于表征线上医生被分配目标问诊订单的概率值。即，上述医生状态得分越大，医生被分配目标问诊订单的概率值就越大。反之，则越小。上述执行主体首先可以从上述更新后的医生基础信息序列中筛选出医生开关诊状态为开诊状态的更新后的医生基础信息所对应的医生标识信息。其次，上述执行主体可以将筛选出的医生标识信息按照医生在线时长由低到高进行排序编号，并将排序编号确定为医生状态得分。

作为示例，上述医生开关诊状态为开诊状态的更新后的医生基础信息所对应的医生标识信息可以是[“sunyis”，“liyis”，“wangyis”]。将筛选出的医生标识信息按照医生在线时长由低到高进行排序可以是[“1，liyis”，“2，wangyis”，“3，sunyis”]。则上述医生状态信息序列可以是[[“liyis”，“1”]，[“wangyis”，“2”]，[“sunyis”，“3”]]。

步骤309，根据医生状态信息序列，确定待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息。

在一些实施例中，上述执行主体可以根据医生状态信息序列，确定待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息。其中，上述执行主体可以根据将上述医生状态信息序列中的每个医生状态信息包括的医生标识信息，依次确定上述待检测问诊信息序列中的每个待检测问诊信息对应的目标医生标识信息。

作为示例，上述医生状态信息序列可以是[[“liyis”，“1”]，[“wangyis”，“2”]，[“sunyis”，“3”]]。上述待检测问诊信息序列可以是[[“问诊单号：45154”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点36分”]，[“问诊单号：56465”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点37分”]，[“问诊单号：461514”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点45分”]]。

则上述待检测问诊信息序列中的每个待检测问诊信息对应的目标医生标识信息可以是[“liyis”，“wangyis”，“sunyis”]。

步骤310，基于目标医生标识信息序列，对待检测问诊信息序列进行信息检测以生成检测信息。

在一些实施例中，上述执行主体基于目标医生标识信息序列，对待检测问诊信息序列进行信息检测以生成检测信息，可以包括以下步骤：

第一步，将上述待检测问诊信息序列依次转发至被测应用。

第二步，基于上述目标医生标识信息，对目标时间段内转发的待检测问诊信息序列进行信息检测以生成上述检测信息。

其中，基于上述目标医生标识信息，对目标时间段内转发的待检测问诊信息序列进行信息检测以生成上述检测信息，可以包括以下子步骤：

第一子步骤，基于上述目标医生标识信息序列，对上述目标时间段内转发的待检测问诊信息序列中的各个待检测问诊信息进行聚合处理，以生成至少一个问诊聚合信息。

其中，上述至少一个问诊聚合信息中的问诊聚合信息可以包括聚合标识信息和问诊人数。上述聚合处理可以是同一目标医生标识信息的待检测问诊信息进行聚合。

作为示例，上述待检测问诊信息序列可以是[[“问诊单号：45154”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点36分”]，[“问诊单号：56465”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点37分”]，[“问诊单号：461514”，“医生组织机构：妇科”，“订单创建时间：2020年12月12日8点45分”]]。上述待检测问诊信息序列中的各个待检测问诊信息对应的目标医生标识信息可以[“liyis”，“wangyis”，“liyis”]。则所生成至少一个问诊聚合信息可以是[“liyis”：2，“wangyis”：1]。

第二子步骤，基于上述至少一个问诊聚合信息包括的问诊人数，生成检测值。

其中，上述执行主体可以将上述至少一个问诊聚合信息包括的问诊人数的方差作为上述检测值。上述执行主体也可以将上述至少一个问诊聚合信息包括的问诊人数的标准差作为上述检测值。

第三子步骤，响应于确定上述检测值大于预设阈值，生成第一检测信息。

其中，上述预设阈值可以是2。上述第一检测信息可以是“分诊不公平”。

第四子步骤，响应于确定上述检测值小于等于预设阈值，生成第二检测信息。

其中，上述预设阈值可以是2。上述第二检测信息可以是“分诊公平”。

从图3可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的信息检测方法的流程300。首先，对初始问诊信息序列进行预处理以生成问诊信息序列。通过对上述初始问诊信息序列进行异常数据剔除，从而提高了检测的准确性。其次，根据业务场景，对上述问诊信息序列进行筛选以生成待检测问诊信息序列。由于上述问诊信息序列的数据量较为庞大。可以通过接收的不同的业务场景，去设定筛选条件以提取所需数据，从而减低了后续检测的效率。之后，根据更新后的医生基础信息序列，确定上述待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息，得到目标医生标识信息序列。基于更新后的医生基本信息以生成的医生状态得分可以用于表征线上医生被分配目标问诊订单的概率。即，上述医生状态得分越大，医生被分配目标问诊订单的概率就越大。反之，则越小。通过医生的线上实时状态以分配待检测问诊信息至相应的目标医生，从而提高了线上医生被分配问诊的均等化程度。最后，基于上述目标医生标识信息序列，对上述待检测问诊信息序列进行信息检测以生成检测信息。从而能够解决当线上问诊订单到来时，互联网医院系统会将问诊订单随机分配至相应科室的不同医生，进而降低了线上医生被分配问诊的均等化程度，导致线上医生问诊的效率下降的问题。

进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种信息检测装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，一些实施例的信息检测装置600包括：预处理单元601、筛选单元602、确定单元603和信息检测单元604。其中，预处理单元601，被配置成对初始问诊信息序列进行预处理以生成问诊信息序列。筛选单元602，被配置成根据业务场景，对上述问诊信息序列进行筛选以生成待检测问诊信息序列。确定单元603，被配置成根据更新后的医生基础信息序列，确定上述待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息，得到目标医生标识信息序列。信息检测单元604，被配置成基于上述目标医生标识信息序列，对上述待检测问诊信息序列进行信息检测以生成检测信息，其中，上述检测信息用于表征上述待检测问诊信息序列的测试结果。

可以理解的是，该装置600中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置600及其中包含的单元，在此不再赘述。

下面参考图7，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)700的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和信息。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置704；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换信息。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的信息信号，其中承载了计算机可读的程序代码。这种传播的信息信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字信息通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：对初始问诊信息序列进行预处理以生成问诊信息序列；根据业务场景，对上述问诊信息序列进行筛选以生成待检测问诊信息序列；根据更新后的医生基础信息序列，确定上述待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息，得到目标医生标识信息序列；基于上述目标医生标识信息序列，对上述待检测问诊信息序列进行信息检测以生成检测信息，其中，上述检测信息用于表征上述待检测问诊信息序列的测试结果。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括预处理单元、筛选单元、确定单元和信息检测单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，预处理单元还可以被描述为“对初始问诊信息序列进行预处理以生成问诊信息序列的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用序列成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种信息检测方法，包括：

对初始问诊信息序列进行预处理以生成问诊信息序列；

根据业务场景，对所述问诊信息序列进行筛选以生成待检测问诊信息序列；

根据更新后的医生基础信息序列，确定所述待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息，得到目标医生标识信息序列；

基于所述目标医生标识信息序列，对所述待检测问诊信息序列进行信息检测以生成检测信息，其中，所述检测信息用于表征所述待检测问诊信息序列的测试结果。

2.根据权利要求1所述的方法，其中，所述对初始问诊信息序列进行预处理以生成问诊信息序列，包括：

对所述初始问诊信息序列进行异常信息剔除，以生成所述问诊信息序列。

3.根据权利要求1所述的方法，其中，所述根据业务场景，对所述问诊信息序列进行筛选以生成待检测问诊信息序列，包括：

根据所述业务场景，确定至少一条筛选条件；

从所述问诊信息序列中筛选出满足所述至少一条筛选条件的问诊信息，作为待检测问诊信息，得到所述待检测问诊信息序列。

4.根据权利要求1所述的方法，其中，所述根据更新后的医生基础信息序列，确定所述待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息，包括：

根据更新后的医生基础信息序列，确定医生状态信息序列；

根据所述医生状态信息序列，确定所述待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息。

5.根据权利要求1所述的方法，其中，所述基于所述目标医生标识信息序列，对所述待检测问诊信息序列进行信息检测以生成检测信息，包括：

将所述待检测问诊信息序列依次转发至被测应用；

基于所述目标医生标识信息序列，对目标时间段内转发的待检测问诊信息序列进行信息检测以生成所述检测信息。

6.根据权利要求5所述的方法，其中，所述基于所述目标医生标识信息序列，对目标时间段内转发的待检测问诊信息序列进行信息检测以生成所述检测信息，包括：

基于所述目标医生标识信息序列，对所述目标时间段内转发的待检测问诊信息序列中的各个待检测问诊信息进行聚合处理，以生成至少一个问诊聚合信息；

基于所述至少一个问诊聚合信息包括的问诊人数信息，生成检测值；

响应于确定所述检测值大于预设阈值，生成第一检测信息。

7.根据权利要求6所述的方法，其中，所述对所述待检测问诊信息序列进行信息检测以生成检测信息，还包括：

响应于确定所述检测值小于等于预设阈值，生成第二检测信息。

8.根据权利要求4所述的方法，其中，在所述根据更新后的医生基础信息序列，确定医生状态信息序列之前，所述方法还包括：

获取初始医生基础信息序列；

对所述初始医生基础信息序列进行异常信息剔除以生成医生基础信息序列。

9.根据权利要求8所述的方法，其中，所述方法还包括：

确定所述医生基础信息序列中的每两个医生基础信息包括的开关诊时间的差值，以生成时间间隔，得到时间间隔序列；

依次从所述时间间隔序列中选出时间间隔，基于所述时间间隔和当前时间，生成更新时间点，得到更新时间点序列；

对于所述更新时间点序列中的每个更新时间点，响应于确定到达所述更新时间点，基于所述时间间隔对应的目标医生基础信息，对目标数据库中与所述目标医生基础信息对应的历史医生基础信息进行更新，以生成更新后的医生基础信息，得到更新后的医生基础信息序列。

10.一种信息检测装置，包括：

预处理单元，被配置成对初始问诊信息序列进行预处理以生成问诊信息序列；

筛选单元，被配置成根据业务场景，对所述问诊信息序列进行筛选以生成待检测问诊信息序列；

确定单元，被配置成根据更新后的医生基础信息序列，确定所述待检测问诊信息序列中每个待检测问诊信息的目标医生标识信息，得到目标医生标识信息序列；

信息检测单元，被配置成基于所述目标医生标识信息序列，对所述待检测问诊信息序列进行信息检测以生成检测信息，其中，所述检测信息用于表征所述待检测问诊信息序列的测试结果。

11.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-9任一所述的方法。

Images