本技術涉及人工智能開發(fā)與數(shù)字醫(yī)療領域，尤其涉及流量分配方法、裝置、計算機設備及存儲介質。

背景技術：

1、隨著互聯(lián)網的飛速發(fā)展，醫(yī)療健康領域也迎來了數(shù)字化轉型的浪潮，其中，在線醫(yī)療咨詢平臺作為連接患者與醫(yī)生的重要橋梁，其用戶規(guī)模持續(xù)增長，服務需求日益多樣化和個性化。這些變化不僅體現(xiàn)在患者對于即時、高效醫(yī)療咨詢服務的迫切需求上，還體現(xiàn)在對服務體驗、隱私保護及專業(yè)度的高標準要求上。

2、當前，在線醫(yī)療咨詢平臺普遍采用的流量分配機制，主要是依據(jù)醫(yī)生預設的最高和最低接診人數(shù)限制，結合醫(yī)生的忙閑狀態(tài)系數(shù)(如歷史接診量、響應時間等)，動態(tài)調整每位醫(yī)生的并發(fā)接診用戶數(shù)量，這樣的流量分配方式無法精準識別用戶本次問診真實的診療需求，導致流量分配的準確性較低，進而影響用戶的問診體驗。

技術實現(xiàn)思路

1、本技術實施例的目的在于提出一種流量分配方法、裝置、計算機設備及存儲介質，以解決現(xiàn)有的醫(yī)療咨詢平臺采用的流量分配方式無法精準識別用戶本次問診真實的診療需求，導致流量分配的準確性較低，進而影響用戶的問診體驗的技術問題。

2、為了解決上述技術問題，本技術實施例提供一種流量分配方法，采用了如下所述的技術方案：

3、判斷是否接收到用戶提交的問診請求；

4、若是，獲取用戶的賬戶信息，并基于所述賬戶信息查詢出所述用戶的歷史信息；

5、收集所述用戶的主訴信息，以及獲取各個醫(yī)生的接診信息；

6、基于預設的因子生成策略對所述歷史信息、所述主訴信息以及所述接診信息進行因子生成處理，得到對應的初始關鍵因子；

7、基于預設的有效性篩選策略從所述初始關鍵因子中篩選出與問診流量分配相關的目標關鍵因子；其中，所述目標關鍵因子的數(shù)量包括多個；

8、生成與所述目標關鍵因子對應的目標權重；

9、基于所述目標關鍵因子與所述目標權重構建對應的多流量因子分配模型，并基于所述多流量因子分配模型計算各個所述醫(yī)生的流程分配優(yōu)先級值；

10、從所有所述醫(yī)生中篩選出流程分配優(yōu)先級值最高的目標醫(yī)生，并將所述用戶分配給所述目標醫(yī)生。

11、進一步的，所述基于預設的有效性篩選策略從所述初始關鍵因子中篩選出與問診流量分配相關的目標關鍵因子的步驟，具體包括：

12、對所述初始關鍵因子進行預處理，得到對應的第一因子；

13、對所述第一因子進行相關性分析，得到所述第一因子與問診質量之間的相關系數(shù)值；

14、基于預設的機器學習模型對所述第一因子進行重要性評估，得到所述第一因子的重要性評分；

15、基于所述相關系數(shù)值與所述重要性評分從所有所述第一因子中篩選出符合預設篩選條件的第二因子；

16、基于所述第二因子生成與問診流量分配相關的目標關鍵因子。

17、進一步的，所述基于所述第二因子生成與問診流量分配相關的目標關鍵因子的步驟，具體包括：

18、從所述第二因子中篩選出符合預設的相關性閾值，且符合預設的重要性閾值的第三因子；

19、對所述第三因子進行冗余因子去除處理，得到對應的第四因子；

20、獲取所有被過濾的指定因子的業(yè)務意義信息；

21、基于業(yè)務意義信息從所述指定因子中提取出重要因子；

22、基于所述重要因子對所述第四因子進行補充處理，得到對應的第五因子；

23、將所述第五因子作為所述目標關鍵因子。

24、進一步的，所述生成與所述目標關鍵因子對應的目標權重的步驟，具體包括：

25、獲取預設的權重分配算法；

26、基于權重分配算法對所述目標關鍵因子進行權重計算處理，得到與所述目標關鍵因子對應的初始權重；

27、接收輸入的權重反饋信息；

28、基于所述權重反饋信息對所述目標關鍵因子的初始權重進行微調處理，得到微調后的初始權重；

29、將所述微調后的初始權重作為所述目標關鍵因子的目標權重。

30、進一步的，所述基于所述目標關鍵因子與所述目標權重構建對應的多流量因子分配模型的步驟，具體包括：

31、基于所述目標關鍵因子與所述目標權重構建用于計算流量分配優(yōu)先級的計算公式；

32、基于所述計算公式生成對應的目標計算邏輯；

33、基于所述目標計算邏輯進行模型構建處理，得到所述多流量因子分配模型。

34、進一步的，在所述從所有所述醫(yī)生中篩選出流程分配優(yōu)先級值最高的目標醫(yī)生，并將所述用戶分配給所述目標醫(yī)生的步驟之后，還包括：

35、在所述用戶完成問診后，收集所述用戶對于問診的評價數(shù)據(jù)；

36、獲取所述目標醫(yī)生對于與所述用戶對應的流量分配的反饋意見；

37、對所述評價數(shù)據(jù)與所述反饋意見進行數(shù)據(jù)分析，得到對應的數(shù)據(jù)分析結果；

38、基于所述數(shù)據(jù)分析結果對所述多流量因子分配模型進行模型優(yōu)化處理。

39、進一步的，在所述從所有所述醫(yī)生中篩選出流程分配優(yōu)先級值最高的目標醫(yī)生，并將所述用戶分配給所述目標醫(yī)生的步驟之后，還包括：

40、獲取所述目標醫(yī)生的接診狀態(tài)，以及獲取所述用戶的問診狀態(tài)；

41、對所述目標醫(yī)生的接診狀態(tài)進行更新處理；

42、對所述用戶的問診狀態(tài)進行更新處理。

43、為了解決上述技術問題，本技術實施例還提供一種流量分配裝置，采用了如下所述的技術方案：

44、判斷模塊，用于判斷是否接收到用戶提交的問診請求；

45、查詢模塊，用于若是，獲取用戶的賬戶信息，并基于所述賬戶信息查詢出所述用戶的歷史信息；

46、第一處理模塊，用于收集所述用戶的主訴信息，以及獲取各個醫(yī)生的接診信息；

47、第一生成模塊，用于基于預設的因子生成策略對所述歷史信息、所述主訴信息以及所述接診信息進行因子生成處理，得到對應的初始關鍵因子；

48、篩選模塊，用于基于預設的有效性篩選策略從所述初始關鍵因子中篩選出與問診流量分配相關的目標關鍵因子；其中，所述目標關鍵因子的數(shù)量包括多個；

49、第二生成模塊，用于生成與所述目標關鍵因子對應的目標權重；

50、第二處理模塊，用于基于所述目標關鍵因子與所述目標權重構建對應的多流量因子分配模型，并基于所述多流量因子分配模型計算各個所述醫(yī)生的流程分配優(yōu)先級值；

51、分配模塊，用于從所有所述醫(yī)生中篩選出流程分配優(yōu)先級值最高的目標醫(yī)生，并將所述用戶分配給所述目標醫(yī)生。

52、為了解決上述技術問題，本技術實施例還提供一種計算機設備，采用了如下所述的技術方案：

53、判斷是否接收到用戶提交的問診請求；

54、若是，獲取用戶的賬戶信息，并基于所述賬戶信息查詢出所述用戶的歷史信息；

55、收集所述用戶的主訴信息，以及獲取各個醫(yī)生的接診信息；

56、基于預設的因子生成策略對所述歷史信息、所述主訴信息以及所述接診信息進行因子生成處理，得到對應的初始關鍵因子；

57、基于預設的有效性篩選策略從所述初始關鍵因子中篩選出與問診流量分配相關的目標關鍵因子；其中，所述目標關鍵因子的數(shù)量包括多個；

58、生成與所述目標關鍵因子對應的目標權重；

59、基于所述目標關鍵因子與所述目標權重構建對應的多流量因子分配模型，并基于所述多流量因子分配模型計算各個所述醫(yī)生的流程分配優(yōu)先級值；

60、從所有所述醫(yī)生中篩選出流程分配優(yōu)先級值最高的目標醫(yī)生，并將所述用戶分配給所述目標醫(yī)生。

61、為了解決上述技術問題，本技術實施例還提供一種計算機可讀存儲介質，采用了如下所述的技術方案：

62、判斷是否接收到用戶提交的問診請求；

63、若是，獲取用戶的賬戶信息，并基于所述賬戶信息查詢出所述用戶的歷史信息；

64、收集所述用戶的主訴信息，以及獲取各個醫(yī)生的接診信息；

65、基于預設的因子生成策略對所述歷史信息、所述主訴信息以及所述接診信息進行因子生成處理，得到對應的初始關鍵因子；

66、基于預設的有效性篩選策略從所述初始關鍵因子中篩選出與問診流量分配相關的目標關鍵因子；其中，所述目標關鍵因子的數(shù)量包括多個；

67、生成與所述目標關鍵因子對應的目標權重；

68、基于所述目標關鍵因子與所述目標權重構建對應的多流量因子分配模型，并基于所述多流量因子分配模型計算各個所述醫(yī)生的流程分配優(yōu)先級值；

69、從所有所述醫(yī)生中篩選出流程分配優(yōu)先級值最高的目標醫(yī)生，并將所述用戶分配給所述目標醫(yī)生。

70、與現(xiàn)有技術相比，本技術實施例主要有以下有益效果：

71、本技術首先判斷是否接收到用戶提交的問診請求；若是，獲取用戶的賬戶信息，并基于所述賬戶信息查詢出所述用戶的歷史信息；然后收集所述用戶的主訴信息，以及獲取各個醫(yī)生的接診信息；之后基于預設的因子生成策略對所述歷史信息、所述主訴信息以及所述接診信息進行因子生成處理，得到對應的初始關鍵因子；并基于預設的有效性篩選策略從所述初始關鍵因子中篩選出與問診流量分配相關的目標關鍵因子；其中，所述目標關鍵因子的數(shù)量包括多個；后續(xù)生成與所述目標關鍵因子對應的目標權重；進一步基于所述目標關鍵因子與所述目標權重構建對應的多流量因子分配模型，并基于所述多流量因子分配模型計算各個所述醫(yī)生的流程分配優(yōu)先級值；最后從所有所述醫(yī)生中篩選出流程分配優(yōu)先級值最高的目標醫(yī)生，并將所述用戶分配給所述目標醫(yī)生，如此，本技術通過基于因子生成策略以及有效性篩選策略的使用可以準確地確定出若干個符合醫(yī)療場景且與問診流量分配相關的目標關鍵因子，并會基于與所述目標關鍵因子對應的目標權重構建對應的多流量因子分配模型，進而基于多流量因子分配模型的使用計算各個所述醫(yī)生的流程分配優(yōu)先級值，并從所有醫(yī)生中篩選出流程分配優(yōu)先級值最高的目標醫(yī)生，最后將用戶分配給目標醫(yī)生，以實現(xiàn)自動準確地完成對于用戶的問診流量分配處理，有效地提高了問診流量分配的處理準確性，進而有利于提高用戶的問診體驗。