CN115938524A - 健康测评方法、装置、电子设备及介质 - Google Patents
健康测评方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN115938524A CN115938524A CN202211643738.0A CN202211643738A CN115938524A CN 115938524 A CN115938524 A CN 115938524A CN 202211643738 A CN202211643738 A CN 202211643738A CN 115938524 A CN115938524 A CN 115938524A
- Authority
- CN
- China
- Prior art keywords
- questionnaire
- sample set
- sample
- division
- test
- 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
- 230000036541 health Effects 0.000 title claims abstract description 95
- 238000011156 evaluation Methods 0.000 title claims abstract description 83
- 238000012360 testing method Methods 0.000 claims abstract description 77
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000013139 quantization Methods 0.000 claims abstract description 29
- 238000004140 cleaning Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims description 34
- 238000005192 partition Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000000546 chi-square test Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 238000000638 solvent extraction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 61
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000011002 quantification Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008030 elimination Effects 0.000 description 4
- 238000003379 elimination reaction Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及用于数字医疗领域的数据处理技术，揭露一种健康测评方法，包括：对测试问卷样本集进行问卷清洗，得到标准问卷样本集；对标准问卷样本集进行问卷量化，得到量化问卷样本集；对量化问卷样本集中的量化问卷样本进行样本划分，得到样本划分子集；计算样本划分子集对应的卡方值，将小于区分阈值的卡方值对应的样本划分子集执行剔除，得到剔除样本集；计算剔除样本集对应的评判均值，根据评判均值进行健康测评，得到健康测评结果。此外，本发明还涉及区块链技术，卡方值可存储于区块链的节点。本发明还提出一种健康测评装置、电子设备以及存储介质。本发明可以提高数字医疗领域中健康测评的效率。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种健康测评方法、装置、电子设备及存储介质。
背景技术
随着数字医疗技术的快速发展，人们对自己的健康问题也越来越注意和关心，通常是通过多个维度的健康测评指标来衡量用户的健康情况，并将进行健康测评得到的测评指标数据与评判均值进行对比，根据对比结果划分不同人群进行个性化定制服务，并智能化匹配相关健康服务和产品。而在健康测评的过程中，评判均值的选择是重中之重。
现有的健康测评方法通常是根据决策者在主观上对各指标的适配人群程度来确定，例如专家咨询法，由多位专家讨论共同决定指标的评判均值分别适应哪些人群，从而可以根据评判均值划分不同人群结果。这种方法主观性较强，且缺乏灵活性，由于人群属性的变化会导致评判均值的设置需要重新进行，因此导致健康测评的准确度不够高。故亟待提出一种准确度较高的健康测评方法。
发明内容
本发明提供一种健康测评方法、装置、电子设备及存储介质，其主要目的在于提高健康测评的准确度。
为实现上述目的，本发明提供的一种健康测评方法，包括：
获取测试问卷样本集，识别所述测试问卷样本集中的问卷缺失值，并根据所述问卷缺失值对所述测试问卷样本集进行问卷清洗处理，得到标准问卷样本集；
对所述标准问卷样本集中的多个标准问卷样本进行问卷量化，得到量化问卷样本集；
根据预设划分参考值对所述量化问卷样本集中多个量化问卷样本进行样本划分，得到样本划分子集；
利用卡方检验公式计算所述样本划分子集对应的卡方值，并将小于预设区分阈值的卡方值对应的样本划分子集执行剔除处理，得到剔除样本集；
根据评判值计算公式计算所述剔除样本集对应的评判均值，并根据所述评判均值对所述测试问卷样本集对应的用户进行健康测评处理，得到健康测评结果。
可选地，所述对所述标准问卷样本集中的多个标准问卷样本进行问卷量化，得到量化问卷样本集，包括：
识别所述标准问卷样本中问卷题目对应的题目类别，将所述题目类别的类别名称作为所述标准问卷样本的题目量化指标；
对所述问卷题目对应的多个答案选项赋予不同的量化权重，并将与所述标准问卷样本中的问卷答案一致的答案选项对应的量化权重作为答案量化指标，得到量化问卷样本集。
可选地，所述根据预设划分参考值对所述量化问卷样本集中多个量化问卷样本进行样本划分，得到样本划分子集，包括：
识别所述量化问卷样本中的样本基本信息，并将所述样本基本信息中的用户年龄作为待比较数据；
将所述待比较数据与所述预设划分参考值进行比对处理，将所待比较数据大于或者等于所述预设划分参考值对应的多个量化问卷样本作为第一划分子集；
将所待比较数据小于所述预设划分参考值对应的多个量化问卷样本作为第二划分子集；
将所述第一划分子集和所述第二划分子集进行汇总处理，得到样本划分子集。
可选地，所述利用卡方检验公式计算所述样本划分子集对应的卡方值，包括：
利用下述卡方检验公式计算所述样本划分子集对应的卡方值：
其中，pij为样本划分子集中第j个问卷用户对第i个问卷题目的卡方值，f表示所述样本划分子集中的第一划分子集，p表示所述样本划分子集中的第二划分子集，n表示所述测试问卷样本集的样本总数。
可选地，所述根据评判值计算公式计算所述剔除样本集对应的评判均值，包括：
获取所述剔除样本集中任意剔除样本中的选项得分，并根据所述选项得分计算得到用户得分；
将所述用户得分及多个预设的题目权重输入至所述评判值计算公式中，得到所述剔除样本集对应的评判均值。
可选地，所述识别所述测试问卷样本集中的问卷缺失值，包括：
利用缺失值检测语句分别对所述测试问卷样本中的问卷题目和问卷答案进行检测，得到题目缺失值和答案缺失值；
将所述题目缺失值和所述答案缺失值进行汇总，得到问卷缺失值。
可选地，所述根据所述问卷缺失值对所述测试问卷样本集进行问卷清洗处理，得到标准问卷样本集，包括：
统计所述问卷缺失值的数量，并将所述问卷缺失值的数量大于预设缺失阈值的测试问卷样本删除，得到初始问卷样本集；
将所述初始问卷样本集中不符合预设选项要求的问卷进行剔除，得到标准问卷样本集。
为了解决上述问题，本发明还提供一种健康测评装置，所述装置包括：
问卷清洗模块，用于获取测试问卷样本集，识别所述测试问卷样本集中的问卷缺失值，并根据所述问卷缺失值对所述测试问卷样本集进行问卷清洗处理，得到标准问卷样本集；
问卷量化模块，用于对所述标准问卷样本集中的多个标准问卷样本进行问卷量化，得到量化问卷样本集；
样本划分模块，用于根据预设划分参考值对所述量化问卷样本集中多个量化问卷样本进行样本划分，得到样本划分子集；
健康测评模块，用于利用卡方检验公式计算所述样本划分子集对应的卡方值，并将小于预设区分阈值的卡方值对应的样本划分子集执行剔除处理，得到剔除样本集，根据评判值计算公式计算所述剔除样本集对应的评判均值，并根据所述评判均值对所述测试问卷样本集对应的用户进行健康测评处理，得到健康测评结果。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的健康测评方法。
为了解决上述问题，本发明还提供一种存储介质，所述存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的健康测评方法。
本发明实施例中，通过识别测试问卷样本集中的问卷缺失值并根据问卷缺失值对测试问卷样本集进行问卷清洗处理，得到标准问卷样本集，所述问卷清洗处理可以保证标准问卷样本集中的问卷样本更准确，通过对标准问卷样本进行问卷量化及样本划分，并计算划分后样本划分子集之间的卡方值，根据卡方值对问卷进行剔除处理，保证得到的剔除样本集中降低了随机噪声带来的误差，根据评判值计算公式计算所述剔除样本集对应的评判均值，使得得到的评判均值的准确度较高。并根据所述评判均值进行健康测评处理，得到健康测评结果。因此本发明提出的健康测评方法、装置、电子设备及存储介质，可以解决提高健康测评的准确度低的问题。
附图说明
图1为本发明一实施例提供的健康测评方法的流程示意图；
图2为图1中其中一个步骤的详细实施流程示意图；
图3为本发明一实施例提供的健康测评装置的功能模块图；
图4为本发明一实施例提供的实现所述健康测评方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
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。
本申请实施例提供一种健康测评方法。所述健康测评方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述健康测评方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的健康测评方法的流程示意图。
在本实施例中，所述健康测评方法包括以下步骤S1-S4：
S1、获取测试问卷样本集，识别所述测试问卷样本集中的问卷缺失值，并根据所述问卷缺失值对所述测试问卷样本集进行问卷清洗处理，得到标准问卷样本集。
本发明实施例中，所述测试问卷样本集中包含多个不同填写内容的测试问卷样本，其中，测试问卷样本是数字医疗领域中的用户针对不同维度的健康测评所填写的问卷，
具体地，所述识别所述测试问卷样本集中的问卷缺失值，包括：
利用缺失值检测语句分别对所述测试问卷样本中的问卷题目和问卷答案进行检测，得到题目缺失值和答案缺失值；
将所述题目缺失值和所述答案缺失值进行汇总，得到问卷缺失值。
详细地，所述缺失值检测语句可以为java语句，由于所述测试问卷样本是由问卷题目和对应的问卷答案组成的，因此需要利用所述缺失值检测语句分别对所述问卷题目和所述问卷答案进行检测，得到题目缺失值和答案缺失值。其中，题目缺失值是指题目不完整，答案缺失值是指没有做出回答或者回答的不完整。
进一步地，所述根据所述问卷缺失值对所述测试问卷样本集进行问卷清洗处理，得到标准问卷样本集，包括：
统计所述问卷缺失值的数量，并将所述问卷缺失值的数量大于预设缺失阈值的测试问卷样本删除，得到初始问卷样本集；
将所述初始问卷样本集中不符合预设选项要求的问卷进行剔除，得到标准问卷样本集。
详细地，将所述问卷缺失值的数量大于预设缺失阈值的测试问卷样本删除是指去除缺失值太多的问卷，将所述初始问卷样本集中不符合预设选项要求的问卷进行剔除是指将选项自相矛盾及不符合其他要求的问卷进行删除。
S2、对所述标准问卷样本集中的多个标准问卷样本进行问卷量化，得到量化问卷样本集。
本发明实施例中，参照图2所示，所述对所述标准问卷样本集中的多个标准问卷样本进行问卷量化，得到量化问卷样本集，包括以下步骤S21-S22：
S21、识别所述标准问卷样本中问卷题目对应的题目类别，将所述题目类别的类别名称作为所述标准问卷样本的题目量化指标；
S22、对所述问卷题目对应的多个答案选项赋予不同的量化权重，并将与所述标准问卷样本中的问卷答案一致的答案选项对应的量化权重作为答案量化指标，得到量化问卷样本集。
详细地，由于指标是说明总体综合数量特征的概念，指标的评价较易量化，因此需要将多个标准问卷样本进行问卷量化，主要是指将问卷题目量化为题目量化指标，将问卷答案量化为答案量化指标。所述量化问卷样本集中包含多个量化问卷样本，其中，量化问卷样本中题目量化指标和答案量化指标。
S3、根据预设划分参考值对所述量化问卷样本集中多个量化问卷样本进行样本划分，得到样本划分子集。
本发明实施例中，所述根据预设划分参考值对所述量化问卷样本集中多个量化问卷样本进行样本划分，得到样本划分子集，包括：
识别所述量化问卷样本中的样本基本信息，并将所述样本基本信息中的用户年龄作为待比较数据；
将所述待比较数据与所述预设划分参考值进行比对处理，将所待比较数据大于或者等于所述预设划分参考值对应的多个量化问卷样本作为第一划分子集；
将所待比较数据小于所述预设划分参考值对应的多个量化问卷样本作为第二划分子集；
将所述第一划分子集和所述第二划分子集进行汇总处理，得到样本划分子集。
详细地，所述预设划分参考值可以为年龄为50岁，将所述待比较数据即用户年龄与预设划分参考值即年龄为50岁进行比较，将用户年龄大于或者等于50岁的量化问卷样本集作为第一划分子集，将用户年龄小于50岁的量化问卷样本集作为第二划分子集，将所述第一划分子集和所述第二划分子集进行汇总处理，得到样本划分子集。
S4、利用卡方检验公式计算所述样本划分子集对应的卡方值，并将小于预设区分阈值的卡方值对应的样本划分子集执行剔除处理，得到剔除样本集。
本发明实施例中，所述利用卡方检验公式计算所述样本划分子集对应的卡方值，包括：
利用下述卡方检验公式计算所述样本划分子集对应的卡方值：
其中，pij为样本划分子集中第j个问卷用户对第i个问卷题目的卡方值，f表示所述样本划分子集中的第一划分子集，p表示所述样本划分子集中的第二划分子集，n表示所述测试问卷样本集的样本总数。
详细地，利用所述卡方检验公式计算出的卡方值描述了所述样本划分子集之间的相关程度。其中，pij越大，表示实际与期望差距越大，两个划分子集之独立性越小，也就是越相关，pij越小，表示实际与期望的情况近似，那么独立性越大，相关性越小。所以可以使用pij值来做特征选择等相关的工作，从而得到更加精准的特征。
具体地，将所述卡方值小于预设区分阈值的样本划分子集执行剔除处理，得到剔除样本集，其中，预设区分阈值可以为0.05，当所述卡方值小于0.05时，说明该样本划分子集中的问卷题目在不同的样本划分子集中存在显著的区别，因此需要将所述问卷题目执行剔除处理，得到剔除样本集。
S5、根据评判值计算公式计算所述剔除样本集对应的评判均值，并根据所述评判均值对所述测试问卷样本集对应的用户进行健康测评处理，得到健康测评结果。
本发明实施例中，所述根据评判值计算公式计算所述剔除样本集对应的评判均值，包括：
获取所述剔除样本集中任意剔除样本中的选项得分，并根据所述选项得分计算得到用户得分；
将所述用户得分及多个预设的题目权重输入至所述评判值计算公式中，得到所述剔除样本集对应的评判均值。
详细地，本发明实施例获取所述剔除样本集中任意剔除样本的用户j在题目i的选项得分Sij，根据所述选项得分Sij计算得到题目i的用户得分为
其中，n表示所述测试问卷样本集的样本总数。
具体地，所述评判值计算公式为：
其中，Vj为所述剔除样本集中用户j的选项得分的评判均值，Wi为所述题目权重，Vi是指题目i的用户得分，n表示所述测试问卷样本集的样本总数。
进一步地，根据所述评判均值进行健康测评处理，通过获取得到的测评指标数据与所述评判均值对比，得到健康测评结果，并根据所述健康测评结果划分不同人群进行个性化定制服务，智能化匹配相关健康服务与保险产品，带动业务发展。
本发明实施例中，通过识别测试问卷样本集中的问卷缺失值并根据问卷缺失值对测试问卷样本集进行问卷清洗处理，得到标准问卷样本集，所述问卷清洗处理可以保证标准问卷样本集中的问卷样本更准确，通过对标准问卷样本进行问卷量化及样本划分，并计算划分后样本划分子集之间的卡方值，根据卡方值对问卷进行剔除处理，保证得到的剔除样本集中降低了随机噪声带来的误差，根据评判值计算公式计算所述剔除样本集对应的评判均值，使得得到的评判均值的准确度较高。并根据所述评判均值进行健康测评处理，得到健康测评结果。因此本发明提出的健康测评方法可以解决提高健康测评的准确度低的问题。
如图3所示，是本发明一实施例提供的健康测评装置的功能模块图。
本发明所述健康测评装置100可以安装于电子设备中。根据实现的功能，所述健康测评装置100可以包括问卷清洗模块101、问卷量化模块102、样本划分模块103及健康测评模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述问卷清洗模块101，用于获取测试问卷样本集，识别所述测试问卷样本集中的问卷缺失值，并根据所述问卷缺失值对所述测试问卷样本集进行问卷清洗处理，得到标准问卷样本集；
所述问卷量化模块102，用于对所述标准问卷样本集中的多个标准问卷样本进行问卷量化，得到量化问卷样本集；
所述样本划分模块103，用于根据预设划分参考值对所述量化问卷样本集中多个量化问卷样本进行样本划分，得到样本划分子集；
所述健康测评模块104，用于利用卡方检验公式计算所述样本划分子集对应的卡方值，并将小于预设区分阈值的卡方值对应的样本划分子集执行剔除处理，得到剔除样本集，根据评判值计算公式计算所述剔除样本集对应的评判均值，并根据所述评判均值对所述测试问卷样本集对应的用户进行健康测评处理，得到健康测评结果。
详细地，所述健康测评装置100各模块的具体实施方式如下：
步骤一、获取测试问卷样本集，识别所述测试问卷样本集中的问卷缺失值，并根据所述问卷缺失值对所述测试问卷样本集进行问卷清洗处理，得到标准问卷样本集。
本发明实施例中，所述测试问卷样本集中包含多个不同填写内容的测试问卷样本，其中，测试问卷样本是数字医疗领域中的用户针对不同维度的健康测评所填写的问卷，
具体地，所述识别所述测试问卷样本集中的问卷缺失值，包括：
利用缺失值检测语句分别对所述测试问卷样本中的问卷题目和问卷答案进行检测，得到题目缺失值和答案缺失值；
将所述题目缺失值和所述答案缺失值进行汇总，得到问卷缺失值。
详细地，所述缺失值检测语句可以为java语句，由于所述测试问卷样本是由问卷题目和对应的问卷答案组成的，因此需要利用所述缺失值检测语句分别对所述问卷题目和所述问卷答案进行检测，得到题目缺失值和答案缺失值。其中，题目缺失值是指题目不完整，答案缺失值是指没有做出回答或者回答的不完整。
进一步地，所述根据所述问卷缺失值对所述测试问卷样本集进行问卷清洗处理，得到标准问卷样本集，包括：
统计所述问卷缺失值的数量，并将所述问卷缺失值的数量大于预设缺失阈值的测试问卷样本删除，得到初始问卷样本集；
将所述初始问卷样本集中不符合预设选项要求的问卷进行剔除，得到标准问卷样本集。
详细地，将所述问卷缺失值的数量大于预设缺失阈值的测试问卷样本删除是指去除缺失值太多的问卷，将所述初始问卷样本集中不符合预设选项要求的问卷进行剔除是指将选项自相矛盾及不符合其他要求的问卷进行删除。
步骤二、对所述标准问卷样本集中的多个标准问卷样本进行问卷量化，得到量化问卷样本集。
本发明实施例中，所述对所述标准问卷样本集中的多个标准问卷样本进行问卷量化，得到量化问卷样本集，包括：
识别所述标准问卷样本中问卷题目对应的题目类别，将所述题目类别的类别名称作为所述标准问卷样本的题目量化指标；
对所述问卷题目对应的多个答案选项赋予不同的量化权重，并将与所述标准问卷样本中的问卷答案一致的答案选项对应的量化权重作为答案量化指标，得到量化问卷样本集。
详细地，由于指标是说明总体综合数量特征的概念，指标的评价较易量化，因此需要将多个标准问卷样本进行问卷量化，主要是指将问卷题目量化为题目量化指标，将问卷答案量化为答案量化指标。所述量化问卷样本集中包含多个量化问卷样本，其中，量化问卷样本中题目量化指标和答案量化指标。
步骤三、根据预设划分参考值对所述量化问卷样本集中多个量化问卷样本进行样本划分，得到样本划分子集。
本发明实施例中，所述根据预设划分参考值对所述量化问卷样本集中多个量化问卷样本进行样本划分，得到样本划分子集，包括：
识别所述量化问卷样本中的样本基本信息，并将所述样本基本信息中的用户年龄作为待比较数据；
将所述待比较数据与所述预设划分参考值进行比对处理，将所待比较数据大于或者等于所述预设划分参考值对应的多个量化问卷样本作为第一划分子集；
将所待比较数据小于所述预设划分参考值对应的多个量化问卷样本作为第二划分子集；
将所述第一划分子集和所述第二划分子集进行汇总处理，得到样本划分子集。
详细地，所述预设划分参考值可以为年龄为50岁，将所述待比较数据即用户年龄与预设划分参考值即年龄为50岁进行比较，将用户年龄大于或者等于50岁的量化问卷样本集作为第一划分子集，将用户年龄小于50岁的量化问卷样本集作为第二划分子集，将所述第一划分子集和所述第二划分子集进行汇总处理，得到样本划分子集。
步骤四、利用卡方检验公式计算所述样本划分子集对应的卡方值，并将小于预设区分阈值的卡方值对应的样本划分子集执行剔除处理，得到剔除样本集。
本发明实施例中，所述利用卡方检验公式计算所述样本划分子集对应的卡方值，包括：
利用下述卡方检验公式计算所述样本划分子集对应的卡方值：
其中，pij为样本划分子集中第j个问卷用户对第i个问卷题目的卡方值，f表示所述样本划分子集中的第一划分子集，p表示所述样本划分子集中的第二划分子集，n表示所述测试问卷样本集的样本总数。
详细地，利用所述卡方检验公式计算出的卡方值描述了所述样本划分子集之间的相关程度。其中，pij越大，表示实际与期望差距越大，两个划分子集之独立性越小，也就是越相关，pij越小，表示实际与期望的情况近似，那么独立性越大，相关性越小。所以可以使用pij值来做特征选择等相关的工作，从而得到更加精准的特征。
具体地，将所述卡方值小于预设区分阈值的样本划分子集执行剔除处理，得到剔除样本集，其中，预设区分阈值可以为0.05，当所述卡方值小于0.05时，说明该样本划分子集中的问卷题目在不同的样本划分子集中存在显著的区别，因此需要将所述问卷题目执行剔除处理，得到剔除样本集。
步骤五、根据评判值计算公式计算所述剔除样本集对应的评判均值，并根据所述评判均值对所述测试问卷样本集对应的用户进行健康测评处理，得到健康测评结果。
本发明实施例中，所述根据评判值计算公式计算所述剔除样本集对应的评判均值，包括：
获取所述剔除样本集中任意剔除样本中的选项得分，并根据所述选项得分计算得到用户得分；
将所述用户得分及多个预设的题目权重输入至所述评判值计算公式中，得到所述剔除样本集对应的评判均值。
详细地，本发明实施例获取所述剔除样本集中任意剔除样本的用户j在题目i的选项得分Sij，根据所述选项得分Sij计算得到题目i的用户得分为
其中，n表示所述测试问卷样本集的样本总数。
具体地，所述评判值计算公式为：
其中，Vj为所述剔除样本集中用户j的选项得分的评判均值，Wi为所述题目权重，Vi是指题目i的用户得分，n表示所述测试问卷样本集的样本总数。
进一步地，根据所述评判均值进行健康测评处理，通过获取得到的测评指标数据与所述评判均值对比，得到健康测评结果，并根据所述健康测评结果划分不同人群进行个性化定制服务，智能化匹配相关健康服务与保险产品，带动业务发展。
本发明实施例中，通过识别测试问卷样本集中的问卷缺失值并根据问卷缺失值对测试问卷样本集进行问卷清洗处理，得到标准问卷样本集，所述问卷清洗处理可以保证标准问卷样本集中的问卷样本更准确，通过对标准问卷样本进行问卷量化及样本划分，并计算划分后样本划分子集之间的卡方值，根据卡方值对问卷进行剔除处理，保证得到的剔除样本集中降低了随机噪声带来的误差，根据评判值计算公式计算所述剔除样本集对应的评判均值，使得得到的评判均值的准确度较高。并根据所述评判均值进行健康测评处理，得到健康测评结果。因此本发明提出的健康测评装置可以解决提高健康测评的准确度低的问题。
如图4所示，是本发明一实施例提供的实现健康测评方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如健康测评程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing Unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行健康测评程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、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11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如健康测评程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是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。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的健康测评程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取测试问卷样本集，识别所述测试问卷样本集中的问卷缺失值，并根据所述问卷缺失值对所述测试问卷样本集进行问卷清洗处理，得到标准问卷样本集；
对所述标准问卷样本集中的多个标准问卷样本进行问卷量化，得到量化问卷样本集；
根据预设划分参考值对所述量化问卷样本集中多个量化问卷样本进行样本划分，得到样本划分子集；
利用卡方检验公式计算所述样本划分子集对应的卡方值，并将小于预设区分阈值的卡方值对应的样本划分子集执行剔除处理，得到剔除样本集；
根据评判值计算公式计算所述剔除样本集对应的评判均值，并根据所述评判均值对所述测试问卷样本集对应的用户进行健康测评处理，得到健康测评结果。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。所述存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取测试问卷样本集，识别所述测试问卷样本集中的问卷缺失值，并根据所述问卷缺失值对所述测试问卷样本集进行问卷清洗处理，得到标准问卷样本集；
对所述标准问卷样本集中的多个标准问卷样本进行问卷量化，得到量化问卷样本集；
根据预设划分参考值对所述量化问卷样本集中多个量化问卷样本进行样本划分，得到样本划分子集；
利用卡方检验公式计算所述样本划分子集对应的卡方值，并将小于预设区分阈值的卡方值对应的样本划分子集执行剔除处理，得到剔除样本集；
根据评判值计算公式计算所述剔除样本集对应的评判均值，并根据所述评判均值对所述测试问卷样本集对应的用户进行健康测评处理，得到健康测评结果。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种健康测评方法，其特征在于，所述方法包括：
获取测试问卷样本集，识别所述测试问卷样本集中的问卷缺失值，并根据所述问卷缺失值对所述测试问卷样本集进行问卷清洗处理，得到标准问卷样本集；
对所述标准问卷样本集中的多个标准问卷样本进行问卷量化，得到量化问卷样本集；
根据预设划分参考值对所述量化问卷样本集中多个量化问卷样本进行样本划分，得到样本划分子集；
利用卡方检验公式计算所述样本划分子集对应的卡方值，并将小于预设区分阈值的卡方值对应的样本划分子集执行剔除处理，得到剔除样本集；
根据评判值计算公式计算所述剔除样本集对应的评判均值，并根据所述评判均值对所述测试问卷样本集对应的用户进行健康测评处理，得到健康测评结果。
2.如权利要求1所述的健康测评方法，其特征在于，所述对所述标准问卷样本集中的多个标准问卷样本进行问卷量化，得到量化问卷样本集，包括：
识别所述标准问卷样本中问卷题目对应的题目类别，将所述题目类别的类别名称作为所述标准问卷样本的题目量化指标；
对所述问卷题目对应的多个答案选项赋予不同的量化权重，并将与所述标准问卷样本中的问卷答案一致的答案选项对应的量化权重作为答案量化指标，得到量化问卷样本集。
3.如权利要求1所述的健康测评方法，其特征在于，所述根据预设划分参考值对所述量化问卷样本集中多个量化问卷样本进行样本划分，得到样本划分子集，包括：
识别所述量化问卷样本中的样本基本信息，并将所述样本基本信息中的用户年龄作为待比较数据；
将所述待比较数据与所述预设划分参考值进行比对处理，将所待比较数据大于或者等于所述预设划分参考值对应的多个量化问卷样本作为第一划分子集；
将所待比较数据小于所述预设划分参考值对应的多个量化问卷样本作为第二划分子集；
将所述第一划分子集和所述第二划分子集进行汇总处理，得到样本划分子集。
4.如权利要求1所述的健康测评方法，其特征在于，所述利用卡方检验公式计算所述样本划分子集对应的卡方值，包括：
利用下述卡方检验公式计算所述样本划分子集对应的卡方值：
其中，pij为样本划分子集中第j个问卷用户对第i个问卷题目的卡方值，f表示所述样本划分子集中的第一划分子集，p表示所述样本划分子集中的第二划分子集，n表示所述测试问卷样本集的样本总数。
5.如权利要求1所述的健康测评方法，其特征在于，所述根据评判值计算公式计算所述剔除样本集对应的评判均值，包括：
获取所述剔除样本集中任意剔除样本中的选项得分，并根据所述选项得分计算得到用户得分；
将所述用户得分及多个预设的题目权重输入至所述评判值计算公式中，得到所述剔除样本集对应的评判均值。
6.如权利要求1所述的健康测评方法，其特征在于，所述识别所述测试问卷样本集中的问卷缺失值，包括：
利用缺失值检测语句分别对所述测试问卷样本中的问卷题目和问卷答案进行检测，得到题目缺失值和答案缺失值；
将所述题目缺失值和所述答案缺失值进行汇总，得到问卷缺失值。
7.如权利要求1或6所述的健康测评方法，其特征在于，所述根据所述问卷缺失值对所述测试问卷样本集进行问卷清洗处理，得到标准问卷样本集，包括：
统计所述问卷缺失值的数量，并将所述问卷缺失值的数量大于预设缺失阈值的测试问卷样本删除，得到初始问卷样本集；
将所述初始问卷样本集中不符合预设选项要求的问卷进行剔除，得到标准问卷样本集。
8.一种健康测评装置，其特征在于，所述装置包括：
问卷清洗模块，用于获取测试问卷样本集，识别所述测试问卷样本集中的问卷缺失值，并根据所述问卷缺失值对所述测试问卷样本集进行问卷清洗处理，得到标准问卷样本集；
问卷量化模块，用于对所述标准问卷样本集中的多个标准问卷样本进行问卷量化，得到量化问卷样本集；
样本划分模块，用于根据预设划分参考值对所述量化问卷样本集中多个量化问卷样本进行样本划分，得到样本划分子集；
健康测评模块，用于利用卡方检验公式计算所述样本划分子集对应的卡方值，并将小于预设区分阈值的卡方值对应的样本划分子集执行剔除处理，得到剔除样本集，根据评判值计算公式计算所述剔除样本集对应的评判均值，并根据所述评判均值对所述测试问卷样本集对应的用户进行健康测评处理，得到健康测评结果。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的健康测评方法。
10.一种存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的健康测评方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211643738.0A CN115938524A (zh) | 2022-12-20 | 2022-12-20 | 健康测评方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211643738.0A CN115938524A (zh) | 2022-12-20 | 2022-12-20 | 健康测评方法、装置、电子设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115938524A true CN115938524A (zh) | 2023-04-07 |
Family
ID=86555579
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211643738.0A Pending CN115938524A (zh) | 2022-12-20 | 2022-12-20 | 健康测评方法、装置、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115938524A (zh) |
-
2022
- 2022-12-20 CN CN202211643738.0A patent/CN115938524A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112231586A (zh) | 基于迁移学习的课程推荐方法、装置、设备及介质 | |
| CN112883190A (zh) | 文本分类方法、装置、电子设备及存储介质 | |
| CN112288337B (zh) | 行为推荐方法、装置、设备及介质 | |
| CN115081538A (zh) | 基于机器学习的客户关系识别方法、装置、设备及介质 | |
| CN114840531B (zh) | 基于血缘关系的数据模型重构方法、装置、设备及介质 | |
| CN114491047A (zh) | 多标签文本分类方法、装置、电子设备及存储介质 | |
| CN112560465A (zh) | 批量异常事件的监控方法、装置、电子设备及存储介质 | |
| CN113868529A (zh) | 知识推荐方法、装置、电子设备及可读存储介质 | |
| CN114862140A (zh) | 基于行为分析的潜力评估方法、装置、设备及存储介质 | |
| CN111652282A (zh) | 基于大数据的用户偏好分析方法、装置及电子设备 | |
| CN114840684A (zh) | 基于医疗实体的图谱构建方法、装置、设备及存储介质 | |
| CN113837631A (zh) | 员工评价方法、装置、电子设备及可读存储介质 | |
| CN112052310A (zh) | 基于大数据的信息获取方法、装置、设备及存储介质 | |
| CN116403693A (zh) | 问诊单派单方法、装置、设备及存储介质 | |
| CN116521867A (zh) | 文本聚类方法、装置、电子设备及存储介质 | |
| CN115966274A (zh) | 问卷题目筛选的方法、装置、电子设备及存储介质 | |
| CN113435746B (zh) | 用户工作量的评分方法、装置、电子设备及存储介质 | |
| CN115099339A (zh) | 欺诈行为识别方法、装置、电子设备及存储介质 | |
| CN115938524A (zh) | 健康测评方法、装置、电子设备及介质 | |
| CN114722280A (zh) | 基于用户画像的课程推荐方法、装置、设备及存储介质 | |
| CN114219367A (zh) | 用户评分方法、装置、设备及存储介质 | |
| CN114239595B (zh) | 回访名单智能生成方法、装置、设备及存储介质 | |
| CN114781833B (zh) | 基于业务人员的能力测评方法、装置、设备及存储介质 | |
| CN115225489B (zh) | 队列业务流量阈值动态控制方法、电子设备及存储介质 | |
| CN114331734B (zh) | 产品购买的风险评估方法、装置、设备及存储介质 |
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 |