数据处理方法、装置、计算机设备和可读存储介质与流程

本技术涉及医疗，特别是涉及一种数据处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

背景技术：

1、随着医学技术的迅速发展，医学检查已经变得越来越复杂和精细。为了确保医疗资源的充分利用，减少待检查用户的等待时间，提高就医体验，需要通过数据处理方法确定待检查用户的各检查项目的检查时间，进而根据检查时间预约检查项目。

2、目前的数据处理方法，获取待检查用户对应的各检查项目的历史检查时间集合，并对每一历史检查时间集合进行均值处理，得到每一检查项目的历史检查时间均值。然后，将每一检查项目的历史检查时间均值确定为该检查项目的检查时间，并将各检查项目的检查时间之和确定待检查用户的检查时间。

3、但是，目前的数据处理方法，不同待检查用户之间的检查时间存在较大的差异，进而将历史检查时间作为检查时间是不准确的，导致待检查用户的检查时间也不准确。因此，目前的数据处理方法的准确性较低。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种数据处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种数据处理方法，包括：

3、获取待检查用户的用户数据和检查项目；

4、基于所述检查项目、所述检查项目的数量和所述用户数据，构建检查项目数据集；

5、基于预测模型和所述检查项目数据集确定所述待检查用户的检查时间；所述预测模型包括多个预测子模型，所述预测子模型在所述预测模型的位置基于所述预测子模型的预测偏差率确定；所述检查项目数据集基于所述预测模型的位置依次通过多个所述预测子模型处理，得到所述待检查用户的检查时间。

6、在其中一个实施例中，所述基于所述检查项目、所述检查项目的数量和所述用户数据，构建检查项目数据集，包括：

7、若所述检查项目的数量为1，根据所述用户数据和所述检查项目构建检查项目数据子集，并确定所述检查项目数据子集为检查项目数据集。

8、在其中一个实施例中，所述基于所述检查项目、所述检查项目的数量和所述用户数据，构建检查项目数据集，包括：

9、若所述检查项目的数量不为 1，根据预设的约束条件对各检查项目进行组合，得到各检查项目组；

10、将每一所述检查项目组和所述用户数据进行组合，得到各所述检查项目数据子集；

11、将每一所述检查项目和所述用户数据进行组合，得到各所述检查项目数据子集；

12、根据各所述检查项目数据子集构建检查项目数据集。

13、在其中一个实施例中，所述基于预测模型和所述检查项目数据集确定所述待检查用户的检查时间之前，所述方法还包括：

14、获取历史数据样本集；所述历史数据样本集包含训练样本集和验证样本集；

15、根据所述训练样本集对预设的各机器学习模型进行训练，得到各训练后的机器学习模型；

16、根据所述验证样本集确定各所述训练后的机器学习模型的预测偏差率，并基于各所述预测偏差率和各所述训练后的机器学习模型构建预测模型。

17、在其中一个实施例中，所述根据所述验证样本集确定各所述训练后的机器学习模型的预测偏差率，并基于各所述预测偏差率和各所述训练后的机器学习模型构建预测模型，包括：

18、针对每一所述训练后的机器学习模型，基于所述训练后的机器学习模型对所述验证样本集中每一用户的特征数据样本集进行预测处理，得到每一所述用户的各所述检查项目的预测检查时间；

19、根据偏差率算法，对各所述预测检查时间和所述验证样本集中各所述检查项目的历史检查时间进行数据处理，得到所述训练后的机器学习模型的预测偏差率；

20、按照预设的预测数量和各所述训练后的机器学习模型的预测偏差率，对各所述训练后的机器学习模型进行筛选，得到各预测子模型；

21、按照各所述预测子模型的预测偏差率由低到高的顺序确定各所述预测子模型的顺序，并对各所述预测子模型进行堆叠集成处理，得到预测模型。

22、在其中一个实施例中，所述基于预测模型和所述检查项目数据集确定所述待检查用户的检查时间，包括：

23、针对所述检查项目数据集中的每一检查项目数据子集，通过所述预测模型中的每一所述预测子模型对所述检查项目数据子集进行预测处理，得到所述检查项目数据子集的预测时间；

24、以所述待检查用户的全量检查项目为目标，对各所述项目数据子集进行组合，得到各项目数据子集组；

25、针对每一所述项目数据子集组，根据所述项目数据子集组中所述检查项目数据子集的预测时间，确定所述项目数据子集组的检查时间，并将所述检查时间确定为所述待检查用户的检查时间。

26、在其中一个实施例中，所述预测模型包含第一预测子模型、第二预测子模型和第三预测子模型，所述针对所述检查项目数据集中的每一检查项目数据子集，通过所述预测模型中的每一所述预测子模型对所述检查项目数据子集进行预测处理，得到所述检查项目数据子集的预测时间，包括：

27、针对所述检查项目数据集中的每一检查项目数据子集，基于所述第一预测子模型对所述检查项目数据子集进行预测处理，得到第一预测时间；

28、通过所述第二预测子模型对所述检查项目数据子集和第一预测时间进行预测处理，得到第二预测时间；

29、通过所述第三预测子模型对所述检查项目数据子集和第二预测时间进行预测处理，得到第三预测时间，并将所述第三预测时间确定为所述检查项目数据子集的检查时间。

30、第二方面，本技术还提供了一种数据处理装置，包括：

31、获取模块，用于获取待检查用户的用户数据和检查项目；

32、构建模块，用于基于所述检查项目、所述检查项目的数量和所述用户数据，构建检查项目数据集；

33、确定模块，用于基于预测模型和所述检查项目数据集确定所述待检查用户的检查时间；所述预测模型包括多个预测子模型，所述预测子模型在所述预测模型的位置基于所述预测子模型的预测偏差率确定；所述检查项目数据集基于所述预测模型的位置依次通过多个所述预测子模型处理，得到所述检查用户的检查时间。

34、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

35、获取待检查用户的用户数据和检查项目；

36、基于所述检查项目、所述检查项目的数量和所述用户数据，构建检查项目数据集；

37、基于预测模型和所述检查项目数据集确定所述待检查用户的检查时间；所述预测模型包括多个预测子模型，所述预测子模型在所述预测模型的位置基于所述预测子模型的预测偏差率确定；所述检查项目数据集基于所述预测模型的位置依次通过多个所述预测子模型处理，得到所述待检查用户的检查时间。

38、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

39、获取待检查用户的用户数据和检查项目；

40、基于所述检查项目、所述检查项目的数量和所述用户数据，构建检查项目数据集；

41、基于预测模型和所述检查项目数据集确定所述待检查用户的检查时间；所述预测模型包括多个预测子模型，所述预测子模型在所述预测模型的位置基于所述预测子模型的预测偏差率确定；所述检查项目数据集基于所述预测模型的位置依次通过多个所述预测子模型处理，得到所述待检查用户的检查时间。

42、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

43、获取待检查用户的用户数据和检查项目；

44、基于所述检查项目、所述检查项目的数量和所述用户数据，构建检查项目数据集；

45、基于预测模型和所述检查项目数据集确定所述待检查用户的检查时间；所述预测模型包括多个预测子模型，所述预测子模型在所述预测模型的位置基于所述预测子模型的预测偏差率确定；所述检查项目数据集基于所述预测模型的位置依次通过多个所述预测子模型处理，得到所述待检查用户的检查时间。

46、上述数据处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，获取待检查用户的用户数据和检查项目；基于所述检查项目、所述检查项目的数量和所述用户数据，构建检查项目数据集；基于预测模型和所述检查项目数据集确定所述待检查用户的检查时间；所述预测模型包括多个预测子模型，所述预测子模型在所述预测模型的位置基于所述预测子模型的预测偏差率确定；所述检查项目数据集基于所述预测模型的位置依次通过多个所述预测子模型处理，得到所述检查用户的检查时间。采用本方法，基于检查项目的数量和用户数据和检查项目，构建检查项目数据集，得到了表征待检查用户个性化信息的检查项目数据集，并通过预测模型处理包含待检查用户个性化信息的检查项目数据，得到待检查用户的检查时间，考虑了待检查用户的个性化差异，提高了待检查用户的检查时间的准确性，进而提高了数据处理方法的准确性。