CN115640864A - 一种基于用户预约行为的黑名单管控方法及相关设备 - Google Patents

一种基于用户预约行为的黑名单管控方法及相关设备 Download PDF

Info

Publication number
CN115640864A
CN115640864A CN202211415079.5A CN202211415079A CN115640864A CN 115640864 A CN115640864 A CN 115640864A CN 202211415079 A CN202211415079 A CN 202211415079A CN 115640864 A CN115640864 A CN 115640864A
Authority
CN
China
Prior art keywords
blackening
reservation
user
blacklist
value
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
Application number
CN202211415079.5A
Other languages
English (en)
Inventor
肖成林
刘旭
肖超
熊胜军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Boyi Technology Co ltd
Original Assignee
Shenzhen Boyi Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Boyi Technology Co ltd filed Critical Shenzhen Boyi Technology Co ltd
Priority to CN202211415079.5A priority Critical patent/CN115640864A/zh
Publication of CN115640864A publication Critical patent/CN115640864A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于用户预约行为的黑名单管控方法及相关设备，所述方法包括：获取用户的违约信息，所述违约信息包括预约项目、取消预约次数、迟到次数和爽约次数；根据所述预约项目获取系统配置的该预约项目的各个指标的加黑计算系数及加黑阈值；根据获取的所述违约信息和各个指标的加黑计算系数计算所述预约项目的加黑值；将所述加黑值与所述加黑阈值进行对比，如果所述加黑值大于或等于所述加黑阈值，则将所述用户自动加入黑名单。本发明根据每个医院对不同预约项目的不同管理要求和每个患者不同的违约行为判断是否将用户加入到黑名单，实现了预约患者黑名单的个性化、精细化、智能化管理，同时提高了医院运行效能和服务品质。

Description

一种基于用户预约行为的黑名单管控方法及相关设备
技术领域
本发明涉及医疗诊断预约管控技术领域，尤其涉及一种基于用户预约行为的黑名单管控方法、系统、智能终端及计算机可读存储介质。
背景技术
随着互联网医院的发展，门诊挂号预约在医院基本上都已经普及，为了方便患者就医，一些医院也逐渐开展检查预约、床位预约、手术预约等，为了规范患者的预约行为，提高医院运营效率，因此对患者黑名单管理有了更高要求。
现有的医疗统一预约黑名单管理办法比较粗放，仅仅通过单一指标来管理黑名单，例如：爽约3次就加入黑名单等。没有考虑到医院对不同预约项目有不同的管理需求。比如：产前超声、PET-CT、MR等大型设备检查耗时长，检查准备复杂，如果患者迟到、爽约会对医院设备资源造成较大浪费，因此对预约此类项目的患者采取区别预约其他项目患者的管理措施，例如：此类项目爽约1次就加入黑名单。此外取消预约次数、迟到次数也需要纳入黑名单的管理范畴，目前粗放的管理方式满足不了医院精细化管理需求。
因此，现有技术还有待于改进和发展。
发明内容
本发明的主要目的在于提供一种基于用户预约行为的黑名单管控方法、系统、智能终端及计算机可读存储介质，旨在解决现有技术中对用户的预约行为进行黑名单的处理方式过于简单，没有考虑到医院对不同预约项目有不同的管理需求，无法满足医院精细化管理需求的问题。
为实现上述目的，本发明提供一种基于用户预约行为的黑名单管控方法，所述基于用户预约行为的黑名单管控方法包括如下步骤：
获取用户的违约信息，所述违约信息包括预约项目、取消预约次数、迟到次数和爽约次数；
根据所述预约项目获取系统配置的该预约项目的各个指标的加黑计算系数及加黑阈值；
根据获取的所述违约信息和各个指标的加黑计算系数计算所述预约项目的加黑值；
将所述加黑值与所述加黑阈值进行对比，如果所述加黑值大于或等于所述加黑阈值，则将所述用户自动加入黑名单。
可选地，所述的基于用户预约行为的黑名单管控方法，其中，所述获取用户的违约信息，所述违约信息包括预约项目、取消预约次数、迟到次数和爽约次数，具体包括：
根据所述用户的履约情况，获取所述用户的所述违约信息；
其中，所述违约信息包括预约项目、取消预约次数、迟到次数和爽约次数，并使用CancelTimes表示取消预约次数，使用LateTimes表示迟到次数，使用BreakTimes表示爽约次数。
可选地，所述的基于用户预约行为的黑名单管控方法，其中，所述根据所述预约项目获取系统配置的该预约项目的各个指标的加黑计算系数及加黑阈值，具体包括：
根据所述预约项目，获取系统配置的该预约项目的取消预约次数的加黑计算系数A1、迟到次数的加黑计算系数A2、爽约次数的加黑计算系数A3和加黑阈值D；
其中，每个预约项目对应的各个指标的加黑计算系数和加黑阈值不一样。
可选地，所述的基于用户预约行为的黑名单管控方法，其中，所述根据获取的所述违约信息和各个指标的加黑计算系数计算所述预约项目的加黑值，具体包括：
根据所述预约项目的取消预约次数的加黑计算系数A1、迟到次数的加黑计算系数A2、爽约次数的加黑计算系数A3计算所述预约项目的加黑值F；
其中，F＝A1*CancelTimes+A2*LateTimes+A3*BreakTimes。
可选地，所述的基于用户预约行为的黑名单管控方法，其中，所述将所述加黑值与所述加黑阈值进行对比，如果所述加黑值大于或等于所述加黑阈值，则将所述用户自动加入黑名单，具体包括：
将计算得到的所述加黑值F与获取的所述加黑阈值D进行对比；
如果所述加黑值F大于或等于所述加黑阈值D，则将所述用户自动加入黑名单。
可选地，所述的基于用户预约行为的黑名单管控方法，其中，所述基于用户预约行为的黑名单管控方法还包括：
若所述用户存在多个预约项目，当至少出现一个预约项目达到加黑条件时，将所述用户加入所述黑名单；
其中，所述加黑条件为每个预约项目对应的加黑值大于或等于加黑阈值。
可选地，所述的基于用户预约行为的黑名单管控方法，其中，所述基于用户预约行为的黑名单管控方法还包括：
根据系统设置的时间段，若所述时间段内检测到所述用户无违约行为，则将所述用户的所有违约信息进行自动清零处理。
此外，为实现上述目的，本发明还提供一种基于用户预约行为的黑名单管控系统，其中，所述基于用户预约行为的黑名单管控系统包括：
违约信息获取模块，用于获取用户的违约信息，所述违约信息包括预约项目、取消预约次数、迟到次数和爽约次数；
加黑参数获取模块，用于根据所述预约项目获取系统配置的该预约项目的各个指标的加黑计算系数及加黑阈值；
加黑计算处理模块，用于根据获取的所述违约信息和各个指标的加黑计算系数计算所述预约项目的加黑值；
黑名单判断记录模块，用于将所述加黑值与所述加黑阈值进行对比，如果所述加黑值大于或等于所述加黑阈值，则将所述用户自动加入黑名单；
违约信息清零处理模块，用于根据系统设置的时间段，若所述时间段内检测到所述用户无违约行为，则将所述用户的所有违约信息进行自动清零处理。
此外，为实现上述目的，本发明还提供一种智能终端，其中，所述智能终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于用户预约行为的黑名单管控程序，所述基于用户预约行为的黑名单管控程序被所述处理器执行时实现如上所述的基于用户预约行为的黑名单管控方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有基于用户预约行为的黑名单管控程序，所述基于用户预约行为的黑名单管控程序被处理器执行时实现如上所述的基于用户预约行为的黑名单管控方法的步骤。
本发明中，获取用户的违约信息，所述违约信息包括预约项目、取消预约次数、迟到次数和爽约次数；根据所述预约项目获取系统配置的该预约项目的各个指标的加黑计算系数及加黑阈值；根据获取的所述违约信息和各个指标的加黑计算系数计算所述预约项目的加黑值；将所述加黑值与所述加黑阈值进行对比，如果所述加黑值大于或等于所述加黑阈值，则将所述用户自动加入黑名单。本发明根据每个医院对不同预约项目的不同管理要求和每个患者不同的违约行为判断是否将用户加入到黑名单，实现了预约患者黑名单的个性化、精细化、智能化管理，同时提高了医院运行效能和服务品质。
附图说明
图1是本发明基于用户预约行为的黑名单管控方法的较佳实施例的流程图；
图2是本发明基于用户预约行为的黑名单管控的较佳实施例中整个黑名单管理的流程示意图；
图3是本发明基于用户预约行为的黑名单管控的较佳实施例中具体预约项目对应的各个指标的加黑计算系数及加黑阈值显示界面的示意图；
图4是本发明基于用户预约行为的黑名单管控系统的较佳实施例的原理示意图；
图5为本发明智能终端的较佳实施例的运行环境示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。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。
本发明较佳实施例所述的基于用户预约行为的黑名单管控方法，如图1所示，所述基于用户预约行为的黑名单管控方法包括以下步骤：
步骤S10、获取用户的违约信息，所述违约信息包括预约项目、取消预约次数、迟到次数和爽约次数。
具体地，根据所述用户的履约情况(例如用户或者患者在某医院的预约情况)，获取所述用户的所述违约信息；其中，所述违约信息包括预约项目、取消预约次数、迟到次数和爽约次数，并使用CancelTimes表示取消预约次数，使用LateTimes表示迟到次数，使用BreakTimes表示爽约次数；同时也可以获取到用户的姓名、性别、年龄等信息。在用户(或者患者)预约前会先判断当前用户是否已经在黑名单中，如果是，则当前用户无法进行预约。
步骤S20、根据所述预约项目获取系统配置的该预约项目的各个指标的加黑计算系数及加黑阈值。
具体地，根据所述预约项目，获取系统配置的该预约项目的取消预约次数的加黑计算系数A1、迟到次数的加黑计算系数A2、爽约次数的加黑计算系数A3和加黑阈值D；其中，每个预约项目对应的各个指标的加黑计算系数和加黑阈值不一样，在系统中可以设置预约项目的各个指标加黑计算系数和加黑阈值。
步骤S30、根据获取的所述违约信息和各个指标的加黑计算系数计算所述预约项目的加黑值。
具体地，根据所述预约项目的取消预约次数的加黑计算系数A1、迟到次数的加黑计算系数A2、爽约次数的加黑计算系数A3计算所述预约项目的加黑值F；其中，计算加黑值F公式为：F＝A1*CancelTimes+A2*LateTimes+A3*BreakTimes。
步骤S40、将所述加黑值与所述加黑阈值进行对比，如果所述加黑值大于或等于所述加黑阈值，则将所述用户自动加入黑名单
具体地，将步骤S30中计算得到的所述加黑值F与步骤S20中获取的所述加黑阈值D进行对比；如果所述加黑值F大于或等于所述加黑阈值D(即F≥D)，则将所述用户自动加入黑名单。
例如：患者违约信息jason格式数据如下：
Patient：{"fname":"王二"，"fsex":"女"，"fage":"33岁"，"itemNames":[{"itemcode":"301"，"itemname":"心脏超声"，"CancelTimes":"1"，"LateTimes":"0"，"BreakTimes":"2"}，{"itemcode":"302"，"itemname":"PET-CT"，"CancelTimes":"1","LateTimes":"0"，"BreakTimes":"1"}]}。
可以看出，预约项目{"itemcode":"301"，"itemname":"心脏超声"}对应配置的各个指标的加黑计算系数及加黑阈值为：{"A1":"2"，"A2":"1"，"A3":"2"，"D":"8"}。
可以看出，预约项目{"itemcode":"302"，"itemname":"PET-CT"}对应配置的各个指标的加黑计算系数及加黑阈值为：{"A1":"1"，"A2":"0"，"A3":"2"，"D":"2"}。
那么，根据患者违约信息获得预约项目"心脏超声"各违约指标值，CancelTimes＝1，LateTimes＝0，BreakTimes＝2；根据预约项目"心脏超声"获取到系统配置的该预约项目的各个指标的加黑计算系数及加黑阈值为：A1＝2，A2＝1，A3＝2，D＝8(这些数据可以根据不同医院的管理需求，通过系统的配置界面配置进去)；再根据F＝A1*CancelTimes+A2*LateTimes+A3*BreakTimes＝2*1+1*0+2*2＝6，而D＝8，那么可知F<D，即预约项目"心脏超声"的加黑值F没有达到加黑阈值D，则不加入黑名单。
那么，根据患者违约信息获得预约项目"PET-CT"各违约指标值，CancelTimes＝1，LateTimes＝0，BreakTimes＝1；根据预约项目"PET-CT"获取到系统配置的该预约项目的各个指标的加黑计算系数及加黑阈值为：A1＝1，A2＝0，A3＝1，D＝2(这些数据可以根据不同医院的管理需求，通过系统的配置界面配置进去)；根据F＝A1*CancelTimes+A2*LateTimes+A3*BreakTimes＝1*1+0*0+1*2＝3，而D＝2，那么可知F>D，即预约项目"PET-CT"的加黑值F达到了加黑阈值D，所以该患者加入黑名单。
进一步地，若所述用户存在多个预约项目(例如用户同时预约产前超声、PET-CT、MR等项目)，当至少出现一个预约项目达到加黑条件时(即只要出现了一个预约项目达到加黑条件)，将所述用户加入所述黑名单；其中，所述加黑条件为每个预约项目对应的加黑值大于或等于加黑阈值，计算方式如上所述。
进一步地，可以根据系统设置的解除黑名单条件以及患者的违约信息记录，判断是否取消该患者的黑名单记录，例如，根据系统设置的时间段，若所述时间段内检测到所述用户无违约行为，则将所述用户的所有违约信息进行自动清零处理，例如30天内无违约记录就可以自动解除黑名单记录。
另外，本发明的智能统一预约黑名单管理方法的整个过程如图2所示：
步骤S101、开始；
步骤S102、根据用户(患者)的履约情况，获取用户的所述违约信息，违约信息包括预约项目、取消预约次数CancelTimes、迟到次数LateTimes和爽约次数BreakTimes；
步骤S103、根据具体的预约项目(例如产前超声、PET-CT、MR等项目)，获取系统配置的该预约项目的取消预约次数的加黑计算系数A1、迟到次数的加黑计算系数A2、爽约次数的加黑计算系数A3和加黑阈值D，每个预约项目对应的各个指标的加黑计算系数和加黑阈值不一样；
步骤S104、根据预约项目的取消预约次数的加黑计算系数A1、迟到次数的加黑计算系数A2、爽约次数的加黑计算系数A3计算所述预约项目的加黑值F，且计算公式为：F＝A1*CancelTimes+A2*LateTimes+A3*BreakTimes；
步骤S105、判断计算得到的加黑值F是否小于加黑阈值D，如否则执行步骤S106，如是则执行步骤S107；
步骤S106、将用户加入黑名单，即计算得到的所述加黑值F大于或等于加黑阈值D时，将用户自动加入黑名单，之后执行S109；
步骤S107、判断预约项目是否遍历完，因为可能存在预约项目不止一个的情况，那么这里就需要判断是否所有的预约项目是否遍历完，如否则执行步骤S108，如是则执行步骤S109；
步骤S108、获取下一个预约项目的取消预约次数的加黑计算系数A1、迟到次数的加黑计算系数A2、爽约次数的加黑计算系数A3和加黑阈值D，再返回执行步骤S104进行加黑值的计算；
步骤S109、结束。
如图3所示，表示系统设置相关参数的界面，可以看出当前系统类型为超声系统，预约项目包括双乳及腋窝、腹腔积液、胸腔、肾上腺、腹腔、枕部肿物、心脏、胸锁乳突肌、腹部血管，自动设置加黑阈值为60，表示达到多少阈值就自动加黑(0表示不自动加黑)，可根据实际情况进行设置，自动加黑指标系数(即各个指标的加黑计算系数)设置，例如取消预约次数的加黑计算系数A1、迟到次数的加黑计算系数A2和爽约次数的加黑计算系数A3的设置，加黑值F＝A1*CancelTimes(取消预约次数)+A2*LateTimes(迟到次数)+A3*BreakTimes(爽约次数)，最后一行显示的是自动解除黑名单设置的条件，即30天内无违约记录就可以自动解除黑名单记录。
也就是说，现有技术只考虑了爽约次数指标，没有考虑到取消预约次数、迟到次数的综合情况，且没有考虑到医院对不同预约项目有不同的管理需求，满足不了医院的精细化管理需求，即现有技术没有考虑到不同医院对指标的加黑计算系数要求不同，管理方式比较粗放，满足不了医院个性化需求。
而本发明公开的智能统一预约黑名单管理方法，解决目前对预约患者黑名单无法个性化、精细化、智能化管理的问题，获取患者的违约信息，违约信息包含预约项目、取消预约次数、迟到次数、爽约次数，获取系统配置预约项目的各个指标的加黑计算系数及加黑阈值，根据获取的违约信息和各个指标的加黑计算系数计算加黑值，根据计算结果和加黑阈值对比，如果大于等于加黑阈值就把此人自动加入黑名单，能够根据每个医院的不同管理要求和每个患者不同的违约行为，实现预约患者黑名单的个性化、精细化、智能化管理。
本发明将取消预约次数、迟到次数、爽约次数纳入管理指标，考虑到医院对不同预约项目有不同的管理需求，满足了医院的精细化管理需求，且考虑到了不同医院对违约指标的加黑计算系数不同，满足不医院个性化需求。本发明的目的在于智能统一预约黑名单管理，可以满足医院统一预约的精细化和个性化管理需求，提高医院运行效能，提高服务品质。
进一步地，如图4所示，基于上述基于用户预约行为的黑名单管控方法，本发明还相应提供了一种基于用户预约行为的黑名单管控系统，其中，所述基于用户预约行为的黑名单管控系统包括：
违约信息获取模块51，用于获取用户的违约信息，所述违约信息包括预约项目、取消预约次数、迟到次数和爽约次数；
加黑参数获取模块52，用于根据所述预约项目获取系统配置的该预约项目的各个指标的加黑计算系数及加黑阈值；
加黑计算处理模块53，用于根据获取的所述违约信息和各个指标的加黑计算系数计算所述预约项目的加黑值；
黑名单判断记录模块54，用于将所述加黑值与所述加黑阈值进行对比，如果所述加黑值大于或等于所述加黑阈值，则将所述用户自动加入黑名单；
违约信息清零处理模块55，用于根据系统设置的时间段，若所述时间段内检测到所述用户无违约行为，则将所述用户的所有违约信息进行自动清零处理。
进一步地，如图5所示，基于上述基于用户预约行为的黑名单管控方法和系统，本发明还相应提供了一种智能终端，所述智能终端包括处理器10、存储器20及显示器30。图5仅示出了智能终端的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述智能终端的内部存储单元，例如智能终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述智能终端的外部存储设备，例如所述智能终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器20还可以既包括所述智能终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述智能终端的应用软件及各类数据，例如所述安装智能终端的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有基于用户预约行为的黑名单管控程序40，该基于用户预约行为的黑名单管控程序40可被处理器10所执行，从而实现本申请中基于用户预约行为的黑名单管控方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述基于用户预约行为的黑名单管控方法等。
所述显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。所述显示器30用于显示在所述智能终端的信息以及用于显示可视化的用户界面。所述智能终端的部件10-30通过系统总线相互通信。
在一实施例中，当处理器10执行所述存储器20中基于用户预约行为的黑名单管控程序40时实现以下步骤：
获取用户的违约信息，所述违约信息包括预约项目、取消预约次数、迟到次数和爽约次数；
根据所述预约项目获取系统配置的该预约项目的各个指标的加黑计算系数及加黑阈值；
根据获取的所述违约信息和各个指标的加黑计算系数计算所述预约项目的加黑值；
将所述加黑值与所述加黑阈值进行对比，如果所述加黑值大于或等于所述加黑阈值，则将所述用户自动加入黑名单。
其中，所述获取用户的违约信息，所述违约信息包括预约项目、取消预约次数、迟到次数和爽约次数，具体包括：
根据所述用户的履约情况，获取所述用户的所述违约信息；
其中，所述违约信息包括预约项目、取消预约次数、迟到次数和爽约次数，并使用CancelTimes表示取消预约次数，使用LateTimes表示迟到次数，使用BreakTimes表示爽约次数。
其中，所述根据所述预约项目获取系统配置的该预约项目的各个指标的加黑计算系数及加黑阈值，具体包括：
根据所述预约项目，获取系统配置的该预约项目的取消预约次数的加黑计算系数A1、迟到次数的加黑计算系数A2、爽约次数的加黑计算系数A3和加黑阈值D；
其中，每个预约项目对应的各个指标的加黑计算系数和加黑阈值不一样。
其中，所述根据获取的所述违约信息和各个指标的加黑计算系数计算所述预约项目的加黑值，具体包括：
根据所述预约项目的取消预约次数的加黑计算系数A1、迟到次数的加黑计算系数A2、爽约次数的加黑计算系数A3计算所述预约项目的加黑值F；
其中，F＝A1*CancelTimes+A2*LateTimes+A3*BreakTimes。
其中，所述将所述加黑值与所述加黑阈值进行对比，如果所述加黑值大于或等于所述加黑阈值，则将所述用户自动加入黑名单，具体包括：
将计算得到的所述加黑值F与获取的所述加黑阈值D进行对比；
如果所述加黑值F大于或等于所述加黑阈值D，则将所述用户自动加入黑名单。
其中，所述基于用户预约行为的黑名单管控方法还包括：
若所述用户存在多个预约项目，当至少出现一个预约项目达到加黑条件时，将所述用户加入所述黑名单；
其中，所述加黑条件为每个预约项目对应的加黑值大于或等于加黑阈值。
其中，所述基于用户预约行为的黑名单管控方法还包括：
根据系统设置的时间段，若所述时间段内检测到所述用户无违约行为，则将所述用户的所有违约信息进行自动清零处理。
本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有基于用户预约行为的黑名单管控程序，所述基于用户预约行为的黑名单管控程序被处理器执行时实现如上所述的基于用户预约行为的黑名单管控方法的步骤。
综上所述，本发明提供一种基于用户预约行为的黑名单管控方法、系统、智能终端及计算机可读存储介质，所述方法包括：获取用户的违约信息，所述违约信息包括预约项目、取消预约次数、迟到次数和爽约次数；根据所述预约项目获取系统配置的该预约项目的各个指标的加黑计算系数及加黑阈值；根据获取的所述违约信息和各个指标的加黑计算系数计算所述预约项目的加黑值；将所述加黑值与所述加黑阈值进行对比，如果所述加黑值大于或等于所述加黑阈值，则将所述用户自动加入黑名单。本发明根据每个医院对不同预约项目的不同管理要求和每个患者不同的违约行为判断是否将用户加入到黑名单，实现了预约患者黑名单的个性化、精细化、智能化管理，同时提高了医院运行效能和服务品质。
需要说明的是，在本文中，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、物品或者智能终端不仅包括那些要素，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、物品或者智能终端所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者智能终端中还存在另外的相同要素。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的计算机可读存储介质中，所述程序在执行时可包括如上述各方法实施例的流程。其中所述的计算机可读存储介质可为存储器、磁碟、光盘等。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种基于用户预约行为的黑名单管控方法，其特征在于，所述基于用户预约行为的黑名单管控方法包括：
获取用户的违约信息，所述违约信息包括预约项目、取消预约次数、迟到次数和爽约次数；
根据所述预约项目获取系统配置的该预约项目的各个指标的加黑计算系数及加黑阈值；
根据获取的所述违约信息和各个指标的加黑计算系数计算所述预约项目的加黑值；
将所述加黑值与所述加黑阈值进行对比，如果所述加黑值大于或等于所述加黑阈值，则将所述用户自动加入黑名单。
2.根据权利要求1所述的基于用户预约行为的黑名单管控方法，其特征在于，所述获取用户的违约信息，所述违约信息包括预约项目、取消预约次数、迟到次数和爽约次数，具体包括：
根据所述用户的履约情况，获取所述用户的所述违约信息；
其中，所述违约信息包括预约项目、取消预约次数、迟到次数和爽约次数，并使用CancelTimes表示取消预约次数，使用LateTimes表示迟到次数，使用BreakTimes表示爽约次数。
3.根据权利要求2所述的基于用户预约行为的黑名单管控方法，其特征在于，所述根据所述预约项目获取系统配置的该预约项目的各个指标的加黑计算系数及加黑阈值，具体包括：
根据所述预约项目，获取系统配置的该预约项目的取消预约次数的加黑计算系数A1、迟到次数的加黑计算系数A2、爽约次数的加黑计算系数A3和加黑阈值D；
其中，每个预约项目对应的各个指标的加黑计算系数和加黑阈值不一样。
4.根据权利要求3所述的基于用户预约行为的黑名单管控方法，其特征在于，所述根据获取的所述违约信息和各个指标的加黑计算系数计算所述预约项目的加黑值，具体包括：
根据所述预约项目的取消预约次数的加黑计算系数A1、迟到次数的加黑计算系数A2、爽约次数的加黑计算系数A3计算所述预约项目的加黑值F；
其中，F＝A1*CancelTimes+A2*LateTimes+A3*BreakTimes。
5.根据权利要求4所述的基于用户预约行为的黑名单管控方法，其特征在于，所述将所述加黑值与所述加黑阈值进行对比，如果所述加黑值大于或等于所述加黑阈值，则将所述用户自动加入黑名单，具体包括：
将计算得到的所述加黑值F与获取的所述加黑阈值D进行对比；
如果所述加黑值F大于或等于所述加黑阈值D，则将所述用户自动加入黑名单。
6.根据权利要求1所述的基于用户预约行为的黑名单管控方法，其特征在于，所述基于用户预约行为的黑名单管控方法还包括：
若所述用户存在多个预约项目，当至少出现一个预约项目达到加黑条件时，将所述用户加入所述黑名单；
其中，所述加黑条件为每个预约项目对应的加黑值大于或等于加黑阈值。
7.根据权利要求1所述的基于用户预约行为的黑名单管控方法，其特征在于，所述基于用户预约行为的黑名单管控方法还包括：
根据系统设置的时间段，若所述时间段内检测到所述用户无违约行为，则将所述用户的所有违约信息进行自动清零处理。
8.一种基于用户预约行为的黑名单管控系统，其特征在于，所述基于用户预约行为的黑名单管控系统包括：
违约信息获取模块，用于获取用户的违约信息，所述违约信息包括预约项目、取消预约次数、迟到次数和爽约次数；
加黑参数获取模块，用于根据所述预约项目获取系统配置的该预约项目的各个指标的加黑计算系数及加黑阈值；
加黑计算处理模块，用于根据获取的所述违约信息和各个指标的加黑计算系数计算所述预约项目的加黑值；
黑名单判断记录模块，用于将所述加黑值与所述加黑阈值进行对比，如果所述加黑值大于或等于所述加黑阈值，则将所述用户自动加入黑名单；
违约信息清零处理模块，用于根据系统设置的时间段，若所述时间段内检测到所述用户无违约行为，则将所述用户的所有违约信息进行自动清零处理。
9.一种智能终端，其特征在于，所述智能终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于用户预约行为的黑名单管控程序，所述基于用户预约行为的黑名单管控程序被所述处理器执行时实现如权利要求1-7任一项所述的基于用户预约行为的黑名单管控方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有基于用户预约行为的黑名单管控程序，所述基于用户预约行为的黑名单管控程序被处理器执行时实现如权利要求1-7任一项所述的基于用户预约行为的黑名单管控方法的步骤。
CN202211415079.5A 2022-11-11 2022-11-11 一种基于用户预约行为的黑名单管控方法及相关设备 Pending CN115640864A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211415079.5A CN115640864A (zh) 2022-11-11 2022-11-11 一种基于用户预约行为的黑名单管控方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211415079.5A CN115640864A (zh) 2022-11-11 2022-11-11 一种基于用户预约行为的黑名单管控方法及相关设备

Publications (1)

Publication Number Publication Date
CN115640864A true CN115640864A (zh) 2023-01-24

Family

ID=84949018

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211415079.5A Pending CN115640864A (zh) 2022-11-11 2022-11-11 一种基于用户预约行为的黑名单管控方法及相关设备

Country Status (1)

Country Link
CN (1) CN115640864A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040111292A1 (en) * 2002-12-06 2004-06-10 Hutchins Patton A. Healthcare credit evaluation method
CN106897930A (zh) * 2017-03-03 2017-06-27 山东浪潮云服务信息科技有限公司 一种信用评估的方法及装置
CN110189208A (zh) * 2019-06-04 2019-08-30 北京百度网讯科技有限公司 乘客评价方法、装置及存储介质
CN110957024A (zh) * 2019-10-25 2020-04-03 卫宁健康科技集团股份有限公司 一种医疗信用评估方法、装置及存储介质
CN113487057A (zh) * 2021-07-19 2021-10-08 量势(深圳)控股有限公司 一种预约充电管理系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040111292A1 (en) * 2002-12-06 2004-06-10 Hutchins Patton A. Healthcare credit evaluation method
CN106897930A (zh) * 2017-03-03 2017-06-27 山东浪潮云服务信息科技有限公司 一种信用评估的方法及装置
CN110189208A (zh) * 2019-06-04 2019-08-30 北京百度网讯科技有限公司 乘客评价方法、装置及存储介质
CN110957024A (zh) * 2019-10-25 2020-04-03 卫宁健康科技集团股份有限公司 一种医疗信用评估方法、装置及存储介质
CN113487057A (zh) * 2021-07-19 2021-10-08 量势(深圳)控股有限公司 一种预约充电管理系统及方法

Similar Documents

Publication Publication Date Title
KR101818074B1 (ko) 인공지능 기반 의료용 자동 진단 보조 방법 및 그 시스템
CN109087696B (zh) 医技检查自动化推荐预约方法、系统、设备及存储介质
US7562026B2 (en) Healthcare procedure and resource scheduling system
US20110246216A1 (en) Online Pre-Registration for Patient Intake
US20160239619A1 (en) A unique methodology combining user roles and context aware algorithms for presenting clinical information, audio, video and communication controls to safely capture caregiver attention, reduce information overload, and optimize workflow and decision support
US10810552B2 (en) Clinical pathway management device
US20060080142A1 (en) System for managing patient clinical data
US9304761B2 (en) System and method for collaborative programming of data entry workflows between system developers, end users, and third party developers
CN110660482A (zh) 一种基于大数据的中医处方智能推荐系统及其控制方法
US20050228696A1 (en) Method of making appointments for medical examinations for patients in medical facilities and appointment-making system
US20180330820A1 (en) Content-driven problem list ranking in electronic medical records
US20130297340A1 (en) Learning and optimizing care protocols
JP5978476B2 (ja) 診療ワークフローシステムとそのためのプログラム
US20080222541A1 (en) Method and User Interface For Managing and Displaying Solutions For Multiple Resources in an Appointment Scheduling System
US9785892B2 (en) Automating displays based on admissions, discharges, and transfers
US20040008223A1 (en) Electronic healthcare management form navigation
CN115640864A (zh) 一种基于用户预约行为的黑名单管控方法及相关设备
CN109599189B (zh) 用药异常反应监测的方法、装置、电子设备和存储介质
CN116864089A (zh) 一种门诊放号方法、装置、设备及可读存储介质
US11238995B2 (en) Intelligent touch care corresponding to a patient question
CN110622255B (zh) 用于通过综合下游需求来确定阅读环境的设备、系统和方法
US8660879B2 (en) Method for processing a linked list of time segments
CN113223677A (zh) 针对患者的医生匹配方法及装置
US20100057497A1 (en) Dynamic sponsored research development
CN113284598B (zh) 诊断请求消息的提醒方法、设备及可读存储介质

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