CN115346654A - 一种基于互联网的智慧服务系统 - Google Patents

Abstract

本发明公开了一种基于互联网的智慧服务系统，包括数据获取模块、数据分析模块和推荐服务模块，所述数据获取模块用于获取在线医疗的平台数据，所述数据分析模块用于对获取的医疗数据信息进行分析，所述推荐服务模块用于根据分析后的结果向患者推荐需要的在线诊疗医生，所述数据分析模块与数据获取模块网络连接，所述推荐服务模块与数据分析模块网络连接，所述数据获取模块包括医疗平台数据库模块、医疗信息录入模块、患者数据获取模块和数据处理模块，所述数据分析模块包括评价数据分类模块、情感数据评分模块和活跃度分析模块，所述推荐服务模块包括关键词提取模块、科室推荐模块和医生推荐模块，本发明，具有智能推荐和提高服务效率的特点。

Description

一种基于互联网的智慧服务系统

技术领域

本发明涉及智慧服务技术领域，具体为一种基于互联网的智慧服务系统。

背景技术

互联网医疗是在互联网开始发展成熟时应运而生的，其发展程度与互联网的发展息息相关。从最开始的PC互联网开始到后来的移动互联网，再到现在大数据时代，互联网医疗也从最开始的简单互联网医疗到线上咨询问诊，医院看病系统信息化，现在正在向着远程诊疗方向发展。

随着“互联网+”的迅速发展，在线医疗服务已经深入人们的生活，许多在线医疗平台也随之兴起，患者可以在这些平台中进行择医问诊服务，目前很多平台都是让患者自己选择科室和医生进行咨询，但由于在线医疗网站中的信息多且杂，很多患者不清楚自己需要咨询哪个科室，因此会产生很多无用的数据，医生需要花费时间在大量咨询数据中挑选与自己领域相关的，从而导致患者也无法得到及时的回复和有效的服务。因此，设计智能推荐和提高服务效率的一种基于互联网的智慧服务系统是很有必要的。

发明内容

本发明的目的在于提供一种基于互联网的智慧服务系统，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：一种基于互联网的智慧服务系统，包括数据获取模块、数据分析模块和推荐服务模块，所述数据获取模块用于获取在线医疗的平台数据，所述数据分析模块用于对获取的医疗数据信息进行分析，所述推荐服务模块用于根据分析后的结果向患者推荐需要的在线诊疗医生，所述数据分析模块与数据获取模块网络连接，所述推荐服务模块与数据分析模块网络连接。

根据上述技术方案，所述数据获取模块包括医疗平台数据库模块、医疗信息录入模块、患者数据获取模块和数据处理模块，所述医疗平台数据库模块用于存储医疗平台数据，所述医疗信息录入模块用于录入医疗平台的医生和科室信息，所述患者数据获取模块用于获取患者使用医疗平台时产生的数据信息，所述数据处理模块用于将获取的医疗平台数据信息进行处理。

根据上述技术方案，所述数据分析模块包括评价数据分类模块、情感数据评分模块和活跃度分析模块，所述评价数据分类模块用于将患者对医生的评价信息进行分类，所述情感数据评分模块用于对评价数据根据情感词汇进行评分，所述活跃度分析模块用于对医生的在线活跃度进行分析。

根据上述技术方案，所述推荐服务模块包括关键词提取模块、科室推荐模块和医生推荐模块，所述关键词提取模块用于对有问诊需求的患者问题进行关键词提取，所述科室推荐模块用于对患者在线问诊进行科室推荐，所述医生推荐模块用于在科室推荐后向患者推荐合适医生，所述医生推荐模块与科室推荐模块网络连接；

所述医生推荐模块包括赋权综合评分模块，所述赋权综合评分模块用于根据患者信息对医生进行综合评分。

根据上述技术方案，所述数据获取模块的运行方法主要包括以下步骤：

步骤S1：建立医疗平台数据库，将在线医疗平台的患者和医疗数据存储至数据库中；

步骤S2：平台录入在线问诊的各科室和医生信息，存储至数据库中；

步骤S3：使用爬虫获取已就诊患者的前期咨询数据和回复医生所在科室，以及问诊后对医生或平台的评价信息，同时实时获取就诊患者的问诊信息；

步骤S4：对获取到的中文文本数据进行分词和去词处理后存储至数据库中。

根据上述技术方案，所述步骤S4中的分词和去词处理具体为：使用分词组件对患者咨询数据中的重点特征词汇进行分词筛选；在经过分词处理以及词性筛选后，根据互联网中停用词表对分词筛选后的文本进行去词处理。

根据上述技术方案，所述数据分析模块的运行方法主要包括以下步骤：

步骤A1：将获取到的患者对医生的评价信息进行情感分类，区分为“治疗效果信息”和“医生态度信息”；

步骤A2：从评价文本信息的第一个词语开始扫描，判断当前词语是否为情感词，如果不是则继续往后扫描，如果是情感词，则对当前词语根据情感属性的分类确定分数；

步骤A3：根据获取的医生回复信息，以一周为时间周期，统计一周内的回复数量，获取最近t分钟内的回复数量和总数量n，以此为一个时间段，计算该医生的近期回复率p，以一周的回复数和近期回复率为参数分析该医生的活跃度值S；

步骤A4：将在线医疗平台的医生活跃度分为三个等级，设置时间周期内的活跃度阈值为S₀和S₁，当S≤S₀时，活跃度等级最低，赋予3分的分值，当S₀<S<S₁时，活跃度等级为中级，赋予6分的分值，当S≥S₁时，活跃度等级为最高级，赋予10分的分值。

根据上述技术方案，所述推荐服务模块的运行方法主要包括以下步骤：

步骤B1：患者输入自身病情症状后，系统自动获取病情关键词信息；

步骤B2：将处理完毕后的咨询数据作为输入数据，根据每一科室录入系统的对应病症关键词，以及历史数据获取的指向该科室的患者咨询词语，向患者推荐对应科室；

步骤B3：对应科室确定后，患者对医生态度、医生职称、医生活跃度和治疗效果四种方面进行需求选择，系统根据患者需求对患者可选择的医生进行综合排名，患者可按照排名先后自主选择最终问诊医生。

根据上述技术方案，所述步骤B3中医生职称级别由低到高，最低级别赋予2分的分值，以此类推，每上升一个级别增加两个分值。

根据上述技术方案，所述步骤B3进一步包括以下步骤：

步骤B31：患者在在线医疗平台中描述自己的病情症状，选择自己需要的医生类型；

步骤B32：根据患者所选择的医生类型，为医生的各评分因素根据患者的排序进行权重分配，对于患者的第一选择，赋予权重为0.4，第二选择赋予权重为0.3，第三选择赋予权重为0.2，第四选择权重则为0.1；

步骤B33：将各医生的四种方面具体分值与各自权重相乘，再进行相加，得出各医生对于该患者来说的总体分值，按分数由高到低进行排序，患者可按分数自主选择想要咨询的医生。

与现有技术相比，本发明所达到的有益效果是：本发明通过设置有数据获取模块、数据分析模块和推荐服务模块，根据患者输入的病症信息，在实现对患者进行科室分诊的基础上，进一步根据患者自身需求为患者推荐与其病情相关联的医生，提供高效的医疗服务，提高患者的就诊满意度，实现医院资源的合理化使用。

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是本发明的系统模块组成示意图。

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，本发明提供技术方案：一种基于互联网的智慧服务系统，包括数据获取模块、数据分析模块和推荐服务模块，数据获取模块用于获取在线医疗的平台数据，数据分析模块用于对获取的医疗数据信息进行分析，推荐服务模块用于根据分析后的结果向患者推荐需要的在线诊疗医生，数据分析模块与数据获取模块网络连接，推荐服务模块与数据分析模块网络连接，通过设置有数据获取模块、数据分析模块和推荐服务模块，根据患者输入的病症信息，在实现对患者进行科室分诊的基础上，进一步根据患者自身需求为患者推荐与其病情相关联的医生，提供高效的医疗服务，提高患者的就诊满意度，实现医院资源的合理化使用。

数据获取模块包括医疗平台数据库模块、医疗信息录入模块、患者数据获取模块和数据处理模块，医疗平台数据库模块用于存储医疗平台数据，医疗信息录入模块用于录入医疗平台的医生和科室信息，患者数据获取模块用于获取患者使用医疗平台时产生的数据信息，数据处理模块用于将获取的医疗平台数据信息进行处理。

数据分析模块包括评价数据分类模块、情感数据评分模块和活跃度分析模块，评价数据分类模块用于将患者对医生的评价信息进行分类，情感数据评分模块用于对评价数据根据情感词汇进行评分，由于现在存在很多现实的医患事故，许多患者在就医时更倾向于选择态度更好的医生，因此就患者评论部分，可以将评论分为两种，一是对医生的治疗效果的评价，二是对医生态度的评价，可以从这两方面进行情感极性打分，更加全面的对评价信息进行分析，为患者提供更优的结果，活跃度分析模块用于对医生的在线活跃度进行分析，活跃度可以从医生在医疗平台中的回复数做参量，包括一周回复数量和近期的回复率，有些患者的咨询如果比较着急，则可以从医生活跃度这个角度帮患者选择合适的医生。

推荐服务模块包括关键词提取模块、科室推荐模块和医生推荐模块，关键词提取模块用于对有问诊需求的患者问题进行关键词提取，科室推荐模块用于对患者在线问诊进行科室推荐，患者在择医问诊时基本都是自己选择科室和医生，在选择科室时由于很多患者不清楚具体咨询哪个科室，因此根据患者描述的病情文本判断其属于哪个科室的病情，针对性的，减少患者错误选择科室的几率，以及医生在许多咨询数据中选择自己领域问题的来回答的时间，同时方便患者和医生，加快择医问诊时间，医生推荐模块用于在科室推荐后向患者推荐合适医生，由于每个科室的医生有多位，患者在进行选择时还是会困惑要选择哪一位，一般患者都会先去搜索医生的个人信息以及网上对其的评价来了解科室各个医生，从而决定去找哪一位医生进行问诊，这样的过程还是会花费不少时间，因此在进行科室推荐之后需要进一步对科室的医生进行推荐，医生推荐模块与科室推荐模块网络连接；

医生推荐模块包括赋权综合评分模块，赋权综合评分模块用于根据患者信息对医生进行综合评分。

数据获取模块的运行方法主要包括以下步骤：

步骤S1：建立医疗平台数据库，将在线医疗平台的患者和医疗数据存储至数据库中；

步骤S2：平台录入在线问诊的各科室和医生信息，存储至数据库中；

步骤S3：使用爬虫获取已就诊患者的前期咨询数据和回复医生所在科室，以及问诊后对医生或平台的评价信息，同时实时获取就诊患者的问诊信息；

步骤S4：对获取到的中文文本数据进行分词和去词处理后存储至数据库中，由于中文文本在进行分类模型的构建时，无法直接识别中文语句，只能识别文本表示后非结构化的数据，而文本表示是对词语类的数据进行的，因此进行中文文本处理时首先需要就是将句子转换成词语，主要包括分词和去词。

步骤S4中的分词和去词处理具体为：使用分词组件对患者咨询数据中的重点特征词汇进行分词筛选，由于在科室分类中，患者咨询数据中的重点特征词都是名词、形容词等词，因此在进行分词时，对分词的词性进行筛选，保留名词、动词、动名词、副词、和形容词，并将标点符号和一些对分类无用的个别词筛选出去，从而将原数据中的几个关键描述病情类的词语保留下来；在经过分词处理以及词性筛选后，根据互联网中停用词表对分词筛选后的文本进行去词处理，停用词是指为了节省存储空间和计算效率，在处理自然语言数据或文本之前或之后需要过滤掉的一些词。在经过分词处理以及词性筛选后，已经将一大部分无用词进行剔除，但是依旧存在一些漏掉的无用词，因此可以通过停用词表进一步对数据进行更深一层的处理，将对于患者描述的病情来说不算有用的词语去除，比如“医生、病人”之类的称呼名词。

数据分析模块的运行方法主要包括以下步骤：

步骤A1：将获取到的患者对医生的评价信息进行情感分类，区分为“治疗效果信息”和“医生态度信息”，由于获取的评价数据是无标签的，因此需要对评价数据进行标记区分，将描述医生医术好坏、在治疗后病情变化的评价标记为1，描述医生在治疗中态度的评价标记为2；

步骤A2：从评价文本信息的第一个词语开始扫描，判断当前词语是否为情感词，如果不是则继续往后扫描，如果是情感词，则对当前词语根据情感属性的分类确定分数，为积极情感属性词语则加1，为消极情感属性词语则减1；之后判断其前一个词是否为程度级别词语或者否定词，如果都不是，则将当前分数保存后继续扫描当前情感词之后的词语，如果为程度级别词语，判断其是否为否定词，如果是否定词，则对当前情感词的分数乘以-1，否则将分数保存继续扫描文本信息，最终得出该条评价信息的最终得分，并以当前咨询者之前的所有历史数据评分总和除以评价总数，得到各医生的历史治疗效果和医生态度的平均得分，作为推荐参考数据；

步骤A3：根据获取的医生回复信息，以一周为时间周期，统计一周内的回复数量，获取最近t分钟内的回复数量和总数量n，以此为一个时间段，计算该医生的近期回复率p，具体为：

以一周的回复数和近期回复率为参数分析该医生的活跃度值S，具体为：S＝N×p，如果患者比较着急进行咨询，那么可以重点考虑这个因素；

步骤A4：将在线医疗平台的医生活跃度分为三个等级，设置时间周期内的活跃度阈值为S₀和S₁，当S≤S₀时，活跃度等级最低，赋予3分的分值，当S₀<S<S₁时，活跃度等级为中级，赋予6分的分值，当S≥S₁时，活跃度等级为最高级，赋予10分的分值，按医生一个时间周期内的患者回复数量以及近期时间段内的回复率，作为判断其在线活跃度的标准，并对其分级处理，赋予对应分值，作为患者选择医生的参考数据，最终进行综合得分统计。

推荐服务模块的运行方法主要包括以下步骤：

步骤B1：患者输入自身病情症状后，系统自动获取病情关键词信息；

步骤B2：将处理完毕后的咨询数据作为输入数据，根据每一科室录入系统的对应病症关键词，以及历史数据获取的指向该科室的患者咨询词语，向患者推荐对应科室，在线下的就医过程中，患者可以在医院前台进行咨询来了解自己应该挂哪个科室，而在在线医疗平台中，对于患者来说，患者在对自己的病情不是很了解的情况下，在众多科室中很难定位到合适的科室，若找到错的科室不仅不能解决问题而且还浪费许多时间，耽误病情；对于医生来说，由于患者的医学知识的缺乏，会导致很多人咨询错科室和医生，而医生在回答咨询问题时还要对问题进行筛选，选择与自己领域相关能够回答的问题，这样也浪费了医生回答问题的时间，消耗了医生和患者大量时间，也降低了咨询效率，失去了线上咨询的意义；

步骤B3：对应科室确定后，患者对医生态度、医生职称、医生活跃度和治疗效果四种方面进行需求选择，系统根据患者需求对患者可选择的医生进行综合排名，患者可按照排名先后自主选择最终问诊医生，医生推荐主要根据医生的个人信息以及患者对其的评价信息综合进行打分，从而从更全面的方向为患者推荐医生，患者也可以根据自己的喜好和需求来选择适合自己的医生，主要是对患者评价数据进行情感倾向分析，判断其时患者对医生医术方面还是态度方面评价，之后再计算这两个角度的医生的情感打分。

步骤B3中医生职称级别由低到高，最低级别赋予2分的分值，以此类推，每上升一个级别增加两个分值，将医生职称级别数字化，便于后期为患者进行医生选择时的综合评分。

步骤B3进一步包括以下步骤：

步骤B31：患者在在线医疗平台中描述自己的病情症状，选择自己需要的医生类型；

步骤B32：根据患者所选择的医生类型，为医生的各评分因素根据患者的排序进行权重分配，对于患者的第一选择，赋予权重为0.4，第二选择赋予权重为0.3，第三选择赋予权重为0.2，第四选择权重则为0.1；

步骤B33：将各医生的四种方面具体分值与各自权重相乘，再进行相加，得出各医生对于该患者来说的总体分值，按分数由高到低进行排序，患者可按分数自主选择想要咨询的医生，由于每个患者对于医生的各个因素的重要程度不一样，因此最终还将每个医生每个因素的评分也展示给患者，患者也可以根据自己更看重的方面来进行医生的选择。

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 (10)

1.一种基于互联网的智慧服务系统，包括数据获取模块、数据分析模块和推荐服务模块，其特征在于：所述数据获取模块用于获取在线医疗的平台数据，所述数据分析模块用于对获取的医疗数据信息进行分析，所述推荐服务模块用于根据分析后的结果向患者推荐需要的在线诊疗医生，所述数据分析模块与数据获取模块网络连接，所述推荐服务模块与数据分析模块网络连接。

2.根据权利要求1所述的一种基于互联网的智慧服务系统，其特征在于：所述数据获取模块包括医疗平台数据库模块、医疗信息录入模块、患者数据获取模块和数据处理模块，所述医疗平台数据库模块用于存储医疗平台数据，所述医疗信息录入模块用于录入医疗平台的医生和科室信息，所述患者数据获取模块用于获取患者使用医疗平台时产生的数据信息，所述数据处理模块用于将获取的医疗平台数据信息进行处理。

3.根据权利要求2所述的一种基于互联网的智慧服务系统，其特征在于：所述数据分析模块包括评价数据分类模块、情感数据评分模块和活跃度分析模块，所述评价数据分类模块用于将患者对医生的评价信息进行分类，所述情感数据评分模块用于对评价数据根据情感词汇进行评分，所述活跃度分析模块用于对医生的在线活跃度进行分析。

4.根据权利要求3所述的一种基于互联网的智慧服务系统，其特征在于：所述推荐服务模块包括关键词提取模块、科室推荐模块和医生推荐模块，所述关键词提取模块用于对有问诊需求的患者问题进行关键词提取，所述科室推荐模块用于对患者在线问诊进行科室推荐，所述医生推荐模块用于在科室推荐后向患者推荐合适医生，所述医生推荐模块与科室推荐模块网络连接；

所述医生推荐模块包括赋权综合评分模块，所述赋权综合评分模块用于根据患者信息对医生进行综合评分。

5.根据权利要求4所述的一种基于互联网的智慧服务系统，其特征在于：所述数据获取模块的运行方法主要包括以下步骤：

步骤S1：建立医疗平台数据库，将在线医疗平台的患者和医疗数据存储至数据库中；

步骤S2：平台录入在线问诊的各科室和医生信息，存储至数据库中；

步骤S3：使用爬虫获取已就诊患者的前期咨询数据和回复医生所在科室，以及问诊后对医生或平台的评价信息，同时实时获取就诊患者的问诊信息；

步骤S4：对获取到的中文文本数据进行分词和去词处理后存储至数据库中。

6.根据权利要求5所述的一种基于互联网的智慧服务系统，其特征在于：所述步骤S4中的分词和去词处理具体为：使用分词组件对患者咨询数据中的重点特征词汇进行分词筛选；在经过分词处理以及词性筛选后，根据互联网中停用词表对分词筛选后的文本进行去词处理。

7.根据权利要求6所述的一种基于互联网的智慧服务系统，其特征在于：所述数据分析模块的运行方法主要包括以下步骤：

步骤A1：将获取到的患者对医生的评价信息进行情感分类，区分为“治疗效果信息”和“医生态度信息”；

步骤A2：从评价文本信息的第一个词语开始扫描，判断当前词语是否为情感词，如果不是则继续往后扫描，如果是情感词，则对当前词语根据情感属性的分类确定分数；

步骤A3：根据获取的医生回复信息，以一周为时间周期，统计一周内的回复数量，获取最近t分钟内的回复数量和总数量n，以此为一个时间段，计算该医生的近期回复率p，以一周的回复数和近期回复率为参数分析该医生的活跃度值S；

步骤A4：将在线医疗平台的医生活跃度分为三个等级，设置时间周期内的活跃度阈值为S₀和S₁，当S≤S₀时，活跃度等级最低，赋予3分的分值，当S₀<S<S₁时，活跃度等级为中级，赋予6分的分值，当S≥S₁时，活跃度等级为最高级，赋予10分的分值。

8.根据权利要求7所述的一种基于互联网的智慧服务系统，其特征在于：所述推荐服务模块的运行方法主要包括以下步骤：

步骤B1：患者输入自身病情症状后，系统自动获取病情关键词信息；

步骤B2：将处理完毕后的咨询数据作为输入数据，根据每一科室录入系统的对应病症关键词，以及历史数据获取的指向该科室的患者咨询词语，向患者推荐对应科室；

步骤B3：对应科室确定后，患者对医生态度、医生职称、医生活跃度和治疗效果四种方面进行需求选择，系统根据患者需求对患者可选择的医生进行综合排名，患者可按照排名先后自主选择最终问诊医生。

9.根据权利要求8所述的一种基于互联网的智慧服务系统，其特征在于：所述步骤B3中医生职称级别由低到高，最低级别赋予2分的分值，以此类推，每上升一个级别增加两个分值。

10.根据权利要求9所述的一种基于互联网的智慧服务系统，其特征在于：所述步骤B3进一步包括以下步骤：

步骤B31：患者在在线医疗平台中描述自己的病情症状，选择自己需要的医生类型；

步骤B32：根据患者所选择的医生类型，为医生的各评分因素根据患者的排序进行权重分配，对于患者的第一选择，赋予权重为0.4，第二选择赋予权重为0.3，第三选择赋予权重为0.2，第四选择权重则为0.1；

步骤B33：将各医生的四种方面具体分值与各自权重相乘，再进行相加，得出各医生对于该患者来说的总体分值，按分数由高到低进行排序，患者可按分数自主选择想要咨询的医生。

Images