本申请涉及计算机技术领域，特别是涉及一种在线问诊分配医生的方法、装置、计算机设备和存储介质。
背景技术
随着生活水平的提高，各方对医疗的关注度也越来越高。当一些寻常的疾病症状出现时自身却无法做出疾病诊断，由于医院距离较远，或者医院排队挂号耗时且麻烦。因此，大部分人会选择线上咨询医生。
然而，目前在线问诊分配咨询医生的方式通常是把一类问题平均分摊给同一科室的医生。但是，每个医生的接诊能力和处理速度都不尽相同，如果只是将咨询用户均分给医生，就会导致个别医生咨询用户排队过长，另一些医生门可罗雀。传统往往会将选择权给科室医生，让医生自己决定接诊人数，但是这样就又会导致部分医生为谋取个人利益而进行的大量接诊，并没有从实际上解决用户等待响应时间过长的问题。
技术实现要素：
基于此，有必要针对上述技术问题，提供一种能够缩短用户等待时间的在线问诊分配医生方法、装置、计算机设备和存储介质。
一种在线问诊分配医生方法，所述方法包括：
接收用户终端上传的问诊请求，所述问诊请求中携带了用户标识；
根据所述问诊请求为所述用户标识分配对应的科室；
获取所述科室内多个医生的动态参数；
根据所述动态参数计算多个医生的空闲程度；
根据所述空闲程度确定向用户标识分配的医生。
在其中一个实施例中，所述根据所述问诊请求为用户分配对应的科室包括：
根据所述用户标识获取多种用户信息；
对所述用户信息进行向量化处理，得到多维向量矩阵；
通过神经网络模型基于所述多维向量矩阵进行预测运算，得到与所述用户标识对应的科室；
将所述科室标记为向所述用户标识分配的科室。
在其中一个实施例中，在根据所述空闲程度确定向用户标识分配的医生之后，所述方法还包括：
获取所述医生的排队轮盘，所述排队轮盘包括多个队列；
识别用户标识对应的排队等级；
根据所述排队等级将所述用户标识存入相应队列中；
当接收到医生终端的拉取请求时，根据所述拉取请求从排队轮盘的队列中拉取用户标识。
在其中一个实施例中，所述根据所述动态参数计算多个医生的空闲程度包括：
获取医生的状态逻辑值和所述动态参数对应的权重；
根据所述医生状态逻辑值确定医生状态，所述医生状态包括在线状态；
若所述医生状态为在线状态，则分别计算所述动态参数与所述动态参数对应的权重的乘积，得到多个权重值；
将所述多个权重值进行求和确定所述医生的空闲程度。
在其中一个实施例中，在根据所述拉取请求从排队轮盘的队列中拉取用户标识之后，所述方法还包括：
更新所述医生的动态参数；
将所述更新后的动态参数覆盖更新前的动态参数。
一种在线问诊分配医生装置，所述装置包括：
接收模块，用于接收用户终端上传的问诊请求，所述问诊请求中携带了用户标识；
分配模块，用于根据所述问诊请求为所述用户标识分配对应的科室；
获取模块，用于获取所述科室内多个医生的动态参数；
计算模块，用于根据所述动态参数计算多个医生的空闲程度；
选择模块，用于根据所述空闲程度确定向用户标识分配的医生。
在其中一个实施例中，所述分配模块还用于根据所述用户标识获取多种用户信息；对所述用户信息进行向量化处理，得到多维向量矩阵；通过神经网络模型基于所述多维向量矩阵进行预测运算，得到与所述用户标识对应的科室；将所述科室标记为向所述用户标识分配的科室。
在其中一个实施例中，所述获取模块还用于获取所述医生的排队轮盘，所述排队轮盘包括多个队列；
所述装置还包括：
识别模块，用于识别用户标识对应的排队等级；
存入模块，用于根据所述排队等级将所述用户标识存入相应队列中；
拉取模块，用于当接收到医生终端的拉取请求时，根据所述拉取请求从排队轮盘的队列中拉取用户标识。
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上述任意一项所述的在线问诊分配医生方法。
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上述任意一项所述的在线问诊分配医生方法。
上述在线问诊分配医生方法、装置、计算机设备和存储介质，服务器接收用户终端上传你的问诊请求，问诊请求中携带了用户标识，并根据问诊请求为用户标识分配对应的科室。实现了当用户需要在线问诊时，无需手动选择科室。并且，在分配科室后服务器获取科室内多个医生的动态参数，根据动态参数计算多个医生的空闲程度，根据空闲程度确定向用户标识分配的医生。根据不同医生的空闲程度为用户分配医生，从而缩短了用户咨询等待的时间。
附图说明
图1为一个实施例中在线问诊分配医生方法的应用环境图；
图2为一个实施例中在线问诊分配医生方法的流程示意图；
图3为一个实施例中根据问诊请求为用户标识分配对应的科室步骤的流程示意图；
图4为另一个实施例中在线问诊分配医生方法的流程示意图；
图5为一个实施例中在线问诊分配医生装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的在线问诊分配医生方法，可以应用于如图1所示的应用环境中。包括用户终端102、医生终端106以及服务器104。其中，用户终端102通过网络与服务器104进行通信。医生终端106通过网络与服务器104进行通信。用户终端102以及医生终端106可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。具体地，当用户需要在线咨询医生时，可以通过用户终端102向服务器104上传问诊请求。服务器104接收用户终端102上传的问诊请求，问诊请求中携带了用户标识。服务器104根据问诊请求为用户标识分配对应的科室。服务器104为用户分配科室后，还获取科室内多个医生动态参数，并根据动态参数计算多个医生的空闲程度，根据空闲程度选择最闲的医生，将最闲的医生确定向用户标识分配的医生。服务器104分配医生后，即可建立用户终端102和医生终端106之间的通信连接，实现在线问诊。
在一个实施例中，如图2所示，提供了一种在线问诊分配医生方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：
s202，接收用户终端上传的问诊请求，问诊请求中携带了用户标识。
用户终端上安装了在线问诊的应用程序。在登录该应用程序之前，用户需要进行注册。注册信息中包含了用户标识、性别等基本信息。当用户希望在线咨询医生时，无需手动选择科室，可以点击应用程序中的问诊按钮，生成问诊请求，通过应用程序向服务器发送问诊请求。
s204，根据问诊请求为用户标识分配对应的科室。
服务器根据问诊请求中携带的用户标识收集多种用户信息。通过对多种用户信息进行向量化处理，可以得到相应的多维向量矩阵。服务器调用深层神经网络模型，通过深层神经网络模型基于多维向量矩阵进行预测运算，由此准确得到向用户标识分配的科室。从而实现无需用户手动选择科室，能够自动为用户分配科室。
s206，获取科室内多个医生动态参数。
s208，根据动态参数计算多个医生的空闲程度。
动态参数包括排队数、并发数、接诊能力值以及距离最后一次拉人的时间。其中，排队数表示在当前医生队列中进行排队等候咨询的用户数量。并发数表示当前医生实际接诊人数，即医生当前同时处理的咨询用户数量。接诊能力值表示医生的接诊能力，以医生可以接诊的人数为准。服务器通过从数据库中或者医生终端上获取上述动态参数，然后将上述动态参数代入计算公式计算出医生的空闲程度，同时可以计算多个医生的空闲程度。
s210，根据空闲程度确定向用户标识分配的医生。
每个医生的空闲程度不一样，空闲程度越低的医生越繁忙。如果将用户分给繁忙的医生，则用户等待响应的时间也就越长。所以，当科室内医生的空闲程度都不一样时，根据空闲程度选择当前科室内最闲的医生，将最闲的医生确定为向用户标识分配的医生。当科室内有多名医生的空闲程度相同时，服务器则从数据库中获取医生的医生信息表，医生信息表包括医生姓名、性别等基本个人资料、所属科室以及医生职称等信息。根据医生职称从多名空闲程度相同的医生中选择职称级别最高的医生确定为向用户标识分配的医生。若同时有多名职称级别相等的医生，则由服务器进行随机选择一名医生确定为向用户标识分配的医生。
上述在线问诊分配医生方法中，服务器接收用户终端上传的问诊请求，问诊请求中携带了用户标识，并根据问诊请求为用户标识分配对应的科室。实现了当用户需要在线问诊时，无需手动选择科室。并且，在分配科室后服务器获取科室内多个医生的动态参数，根据动态参数计算多个医生的空闲程度，根据空闲程度确定向用户标识分配的医生。根据不同医生的空闲程度为用户分配医生，从而缩短了用户咨询等待的时间。
在一个实施例中，如图3所示，根据问诊请求为用户标识分配对应的科室包括以下步骤：
s302，根据用户标识获取多种用户信息。
服务器接收用户终端通过应用程序上传的问诊请求。问诊请求中携带了用户标识。服务器根据用户标识获取多种用户信息，包括：主诉信息、基本信息、历史信息等。
主诉信息包括用户当前通过应用程序上传的症状信息。服务器接收到问诊请求时，向用户终端返回相应的问题。用户可以通过用户终端回答这些问题。用户在回答这些问题时，可以描述与当前症状相关的内容。用户终端将用户的回答上传至服务器，服务器将其标记为主诉信息。
服务器在收集用户标识对应的主诉信息的同时，还会并行收集相应的基本信息和历史信息。基本信息可以是用户注册应用程序时，通过用户终端上传至服务器的信息，包括：年龄、性别等。不同年龄或者不同性别的用户，有可能主诉信息存在相似之处，但在问诊时需要分配至不同的科室。例如，主诉信息中包括“下腹疼痛”，女性用户可能会被分配至妇科，男性用户可能会被分配至内科。
历史信息包括用户通过应用程序进行在线问诊的历史记录、现在诊疗机构的诊疗记录等。由于用户复诊时通常会进入与初诊时相同的科室，如果用户本次在线问诊为复诊，则进入同一科室的概率就会较高。因此用户的历史信息能够有助于提高科室分配的准确性。
s304，对用户信息进行向量化处理，得到多维向量矩阵。
服务器对收集到的多种用户信息进行预处理。预处理包括：分词、去停用词、繁转简等。服务器在在预处理后的多种用户信息中进行特征选择，得到多个特征。服务器将选择出的每个特征转换为对应的一维向量，通过词向量模型对多个特征对应的一维向量进行转换，得到与用户标识对应的多维向量矩阵。
s306，通过深层神经网络模型基于多维向量矩阵进行预测运算，得到与用户标识对应的科室。
s308，将科室标记为向用户标识分配的科室。
用户信息中主诉信息、基本信息以及历史信息也可以分别视为深层神经网络的输入类别。服务器可以通过词向量模型先得到每个输入类别对应的多维向量矩阵，再将多个输入类别对应的多维向量矩阵进行合并，生成深层神经网络模型对应的输入向量矩阵。
服务器调用深层神经网络模型，将输入向量矩阵作为深层神经网络模型的输入，深层神经网络模型进行运算，预测该多维向量矩阵对应的科室的概率。服务器可以将概率最高的科室作为用户标识对应的科室，并将该科室确定为向用户标识分配的科室。由于输入向量矩阵中包含了基本信息、历史信息以及主诉信息等内容，因此能够通过深层神经网络模型准确的分析得到用户在线问诊所需的科室。
深层神经网络模型可以是卷积神经网络，包括卷积层、全连接层以及输出层。卷积层、全连接层以及输出层中包括多个神经元。神经元也就是深层神经网络模型中进行计算与存储的单元。卷积层、全连接层以及输出层的神经元数量各不相同。卷积层的神经元数量可以与每个输入类别的维度数量相同。输入类别的维度数量可以是输入类别对应的多维向量矩阵的维度数量。例如，多维向量矩阵为256*256维矩阵，则卷积层的神经元数量可以是256。不同的输入类别的对应的多维向量矩阵可以是相同维度的。卷积层可以包括多个，每个卷积层的神经元数量可以相同。全连接层的神经元数量大于卷积层的神经元数量，例如，全连接层的神经元数量是卷积层的神经元数量的倍数等。输出层的神经元数量可以与科室的数量相同。
其中，深层神经网络模型是预先经过训练的。在训练之前，深层神经网络模型的卷积层、全连接层以及输出层都被设置了相应的初始化参数。其中，初始化参数的方差可以逐层增加，由此可以使得深层神经网络模型中的初始化参数越来越分散，有助于在训练过程中提高深层神经网络模型的学习速度以及预测的准确性。卷积层还设置了相应的激活函数和池化层，其中，不同的卷积层可以采用不同的池化层也可以采用相应的池化层，不同的卷积层可以采用不同的激活函数。通过多个卷积层可以计算每个维度的特征之间的相互关系，通过池化层能够减少与特征不相关的数据干扰，减少过拟合，训练得到与特征更相近的结果。
在本实施例中，当用户需要在线问诊时，无需手动选择科室，可以通过用户终端上传问诊请求。服务器根据问诊请求中携带的用户标识收集多种用户信息。通过对多种用户信息进行向量化处理，可以得到相应的多维向量矩阵。服务器调用深层神经网络模型，通过深层神经网络模型基于多维向量矩阵进行预测运算，由此准确得到向用户标识分配的科室。从而实现了在客户在线问诊时能够为用户自动分配科室并且有效提高科室分配的准确性。
在一个实施例中，如图4所示，在根据空闲程度确定向用户标识分配的医生之后还包括以下步骤：
s402，获取医生的排队轮盘，排队轮盘中包括多个队列。
每个医生都配备一个对应的排队轮盘，可以支持由医生独立的配置。即医生可以根据实际情况划分刻度数量和队列数量，还可以针对性自行设置队列等级，等级越高即代表该队列占据的刻度数量越多，意味着在该队列等待问诊的待咨询用户出队的概率越大，等待响应时间越短。
排队轮盘是指一种以轮盘形式进行排队的方式，轮盘可以设置多个刻度，刻度数量可以根据实际需求进行设定。排队轮盘包括多个队列，队列由多个刻度组成，即一个队列包括至少一个刻度。因此，只要设置了队列，即能在排队轮盘上找到属于该队列至少一格的刻度数。队列的数量同样可以有多个，排队轮盘中具体的队列数量同样可以根据实际需求进行设定。并且，队列都设有不同的等级，等级的高低由组成该队列的刻度数量决定，组成队列的刻度数量越多，队列的等级也就越高。刻度数量只能决定队列等级的高低和该队列在轮盘转动一圈时能够出队的用户标识数量，不能决定队列中可以排队的用户标识数量。也就是说，队列所能容纳的排队数量与刻度数量无关，刻度数量只能代表用户等级的高低，因为队列所占的刻度数量越多，轮盘转动一圈该队列的出队概率越高。因此，队列所能容纳的排队数量可以根据实际情况随意设定。所以，使用轮盘式的出队方式是在保证等级高的用户可以享有一定的优先权的同时还可以减少低等级用户的等待时间。
s404，识别用户标识对应的排队等级。
问诊请求中携带了用户标识。服务器根据用户标识获取多种用户信息，包括：主诉信息、基本信息、历史信息等。每个用户在注册时都会将排队等级保存在基本信息中，因此可以从基本信息中获取到用户的排队等级。
s406，根据排队等级将用户标识存入相应队列中。
不同的队列有不同的等级，每个队列中所等候的用户标识的排队等级与队列等级是保持一致的。也就是说，每个排队等级都能在排队轮盘中找到等级相对应的队列，若用户标识的排队等级为2，则进入的队列为排队轮盘中等级为2的队列。因此，根据用户的排队等级将用户标识存入到与排队等级相对应队列等级的队列中。
s408，当接收到医生终端的拉取请求时，根据拉取请求从排队轮盘的队列中拉取用户标识。
拉取请求中指携带了排队轮盘信息。其中，排队轮盘信息包括与该排队轮盘相对应医生的账号信息，每个医生都有自己的排队轮盘，即服务器根据医生的账号信息可以确定医生所对应的排队轮盘。具体地，服务器从第二终端接收到包含排队轮盘信息的拉取请求，根据拉取请求从相对应的排队轮盘中的队列拉取用户标识。因为用户标识具有唯一性，所以在拉取到用户标识后，即可根据用户标识确定相对应的用户终端，服务器即可建立用户终端和医生终端的在线通信连接。
在本实施例中，服务器根据用户标识的排队等级将其存入医生的排队轮盘相对应的队列中。当医生对待咨询用户进行在线问诊时，可以通过医生终端上传拉取请求给服务器，从而在轮盘式的排队中拉取相对应的用户标识，从而实现确保不同等级的用户均能以最快的速度得到响应。
在一个实施中，如图5所示，根据动态参数计算多个医生的空闲程度包括：，获取医生的状态逻辑值和动态参数对应的权重；根据医生状态逻辑值确定医生状态，医生状态包括在线状态；若医生状态为在线状态，则分别计算动态参数与动态参数对应的权重的乘机，得到多个权重值；将多个权重值进行求和确定医生的空闲程度。
服务器在获取医生动态参数计算空闲程度之前，需要判断医生状态。医生状态不仅包括在线状态还包括离线状态，当医生为离线状态的时候是无法进行接诊工作的。因此，服务器首先获取该科室医生的状态逻辑值，若服务器获取到的状态逻辑值为1，则表示医生当前为离线状态。离线状态的医生直接从需要计算空闲程度的医生中排除，不进行计算。若获取到的状态逻辑值为0，则表示当前医生为在线状态，可以计算该医生的空闲程度。
动态参数包括排队数、并发数、接诊能力值以及距离上一次拉取用户的时间间隔，每个动态参数都可以设置相应的权重。其中，由于排队数和并发数表示的是当前医生的队列中已经排队或正在咨询的人数，而排队数和咨询数越多表示医生越繁忙。而接诊能力值和距离上一次拉取用户时间间隔分别表示的医生能同时接诊的数量和到当前为止已经休息时间的长短，因此接诊能力值和距离上一次拉取用户时间间隔越高则表示医生越空闲。因此，排队数和并发数为繁忙动态参数，接诊能力值和距离上一次拉取用户的时间间隔是空闲动态参数。
在计算医生整体的空闲程度时不仅仅只用空闲动态参数去计算医生的空闲程度，为了保证与实际医生忙闲状态的准确性，还要考虑繁忙动态参数所带来的影响。并且，由于最终是采用多个权重值求和的方式计算空闲程度。所以，为了抵消医生的繁忙动态参数对实际空闲程度的影响，繁忙动态参数的权重可以用负数表示，空闲动态参数的权重可以用正数表示。例如，排队数对应的权重是-0.4、并发数对应的权重是-0.2、接诊能力值对应的权重是0.1以及距离上一次拉取用户的时间间隔对应的权重为0.3。
空闲程度计算公式为：排队数权重*排队数+并发数权重*并发数+接诊能力值权重*(接诊能力值-并发数)+距离上一次拉取用户的时间间隔权重*距离上一次拉取用户的时间间隔。
其中，接诊能力值为医生能同时接诊的人数，并发数表示为医生当前已经同时接诊的人数，所以接诊能力值和并发数之间的差值才能表示当前医生实际的接诊能力值。所以，计算公式中为接诊能力值权重*(接诊能力值-并发数)。通过公式可以表明，排队数和并发数越大，空闲程度的分值越低，接诊能力值与并发数的差值越大，以及距离上一次拉取用户的时间间隔越久，则空闲程度的分值越高。
在计算多个医生的空闲程度时，最终数值可能会根据医生动态参数的不同而出现部分医生空闲程度数值为负数，部分医生空闲程度数值而正数。所以，为了最终计算结果格式保持一致便于查看，可以在计算公式前增加一个基础值，例如基础值为1000，则计算公式为：10000+排队数权重*排队数+并发数权重*并发数+接诊能力值权重*(接诊能力值-并发数)+距离上一次拉取用户的时间间隔权重*距离上一次拉取用户的时间间隔。
距离上一次拉取用户的时间间隔是以分钟为单位，如距离上一次拉取用户的时间为0.5小时，则换算为30分钟。即为30*距离上一次拉取用户的时间间隔权重。假设，排队数为30、并发数为20、接诊能力值为50以及距离上一次拉取用户的时间间隔为30分钟，则由计算公式计算的空闲程度结果为：
10000-0.4*30-0.2*20+0.1*(50-20)+0.3*30＝9996
其中，可以直接用计算结果的分值划分医生的空闲程度，例如，当有医生分值比9996分值高，则该医生的空闲程度大于9996分值的医生。比9996分值低的医生的空闲程度小于9996分值的医生。同样的，可以通过对分值划分区间，设置每个区间的空闲程度等级不一样。例如，分值在[9000,10000]区间的医生空闲程度等级为1级，分值在[8000，9000)区间的医生空闲等级为2级，具体空闲程度表达方式可根据实际情况设定。
在本实施例中，通过获取动态参数和动态参数的对应的不同的权重，并通过计算动态参数与对应权重的乘积得到多个权重分值，进行求和后获取空闲程度的分值。利用可以表明医生空闲或繁忙的实际动态参数，使得计算出来的空闲程度的分值与实际上医生的空闲状况保持一致，保证了计算空闲程度分值的准确性。
在一个实施例中，在根据拉取请求从排队轮盘的队列中拉取用户标识之后包括：更新医生的动态参数；利用更新后的动态参数覆盖更新前的动态参数。
用户标识从医生的排队轮盘被拉取出去之后，医生的排队数和并发数都是有所变化的。而空闲程度应该根据最新的动态参数进行计算才能更加贴近实际状况。因此，在有用户标识被拉取之后，应该对该医生的动态参数进行更新，并且将更新后的动态参数覆盖更新之前的动态参数。保证在下一次计算的时候能够使用最新的动态参数进行计算。
上述在线问诊分配医生方法中，服务器接收用户终端上传你的问诊请求，问诊请求中携带了用户标识，并根据问诊请求为用户标识分配对应的科室。实现了当用户需要在线问诊时，无需手动选择科室。并且，在分配科室后服务器获取科室内多个医生的动态参数，根据动态参数计算多个医生的空闲程度，根据空闲程度选择最闲的医生，将所述最闲的医生确定向用户标识分配的医生。根据不同医生的空闲程度为用户分配最闲的医生，从而缩短了用户咨询等待的时间。
应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种在线问诊分配医生装置600，包括：接收模块602、分配模块604、获取模块606、计算模块608和选择模块610，其中：
接收模块602，用于接收用户终端上传的问诊请求，问诊请求中携带了用户标识。
分配模块604，用于根据问诊请求为用户标识分配对应的科室。
获取模块606，用于获取科室内多个医生的动态参数。
计算模块608，用于根据动态参数计算多个医生的空闲程度。
选择模块610，用于根据空闲程度确定向用户标识分配的医生。
在一个实施例中，所述分配模块604还用于根据用户标识获取多种用户信息。对用户信息进行向量化处理，得到多维向量矩阵。通过神经网络模型基于多维向量矩阵进行预测运算，得到与用户标识对应的科室。将科室标记为向用户标识分配的科室。
在一个实施例中，获取模块还用于获取医生的排队轮盘，排队轮盘包括多个队列。
装置600还包括：
识别模块，用于识别用户标识对应的排队等级。
存入模块，用于根据排队等级将用户标识存入相应队列中。
拉取模块，用于当接收到医生终端的拉取请求时，根据拉取请求从排队轮盘的队列中拉取用户标识。
在一个实施例中，计算模块608还用于获取医生的状态逻辑值和动态参数对应的权重。根据医生状态逻辑值确定医生状态，医生状态包括在线状态。若医生状态为在线状态，则分别计算动态参数与动态参数对应的权重的乘积，得到多个权重值。将多个权重值进行求和确定医生的空闲程度。
在一个实施例中，装置600还包括更新模块，用于更新医生的动态参数。利用更新后的动态参数覆盖更新前的动态参数。
关于在线问诊分配医生装置的具体限定可以参见上文中对于在线问诊分配医生方法的限定，在此不再赘述。上述在线问诊分配医生装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储用户标识、动态参数等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种在线问诊分配医生方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
接收用户终端上传的问诊请求，问诊请求中携带了用户标识；
根据问诊请求为用户标识分配对应的科室；
获取科室内多个医生动态参数；
根据动态参数计算多个医生的空闲程度；
根据空闲程度确定向用户标识分配的医生。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据用户标识获取多种用户信息；
对用户信息进行向量化处理，得到多维向量矩阵；
通过深层神经网络模型基于多维向量矩阵进行预测运算，得到与用户标识对应的科室；
将科室标记为向用户标识分配的科室。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取医生的排队轮盘，排队轮盘中包括多个队列；
识别用户标识对应的排队等级；
根据排队等级将用户标识存入相应队列中；
当接收到医生终端的拉取请求时，根据拉取请求从排队轮盘的队列中拉取用户标识。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取医生的状态逻辑值和动态参数对应的权重；根据医生状态逻辑值确定医生状态，医生状态包括在线状态；若医生状态为在线状态，则分别计算动态参数与动态参数对应的权重的乘机，得到多个权重值；将多个权重值进行求和确定医生的空闲程度。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：更新医生的动态参数；利用更新后的动态参数覆盖更新前的动态参数。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
接收用户终端上传的问诊请求，问诊请求中携带了用户标识；
根据问诊请求为用户标识分配对应的科室；
获取科室内多个医生动态参数；
根据动态参数计算多个医生的空闲程度；
根据空闲程度确定向用户标识分配的医生。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据用户标识获取多种用户信息；
对用户信息进行向量化处理，得到多维向量矩阵；
通过深层神经网络模型基于多维向量矩阵进行预测运算，得到与用户标识对应的科室；
将科室标记为向用户标识分配的科室。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取医生的排队轮盘，排队轮盘中包括多个队列；
识别用户标识对应的排队等级；
根据排队等级将用户标识存入相应队列中；
当接收到医生终端的拉取请求时，根据拉取请求从排队轮盘的队列中拉取用户标识。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取医生的状态逻辑值和动态参数对应的权重；根据医生状态逻辑值确定医生状态，医生状态包括在线状态；若医生状态为在线状态，则分别计算动态参数与动态参数对应的权重的乘机，得到多个权重值；将多个权重值进行求和确定医生的空闲程度。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：更新医生的动态参数；利用更新后的动态参数覆盖更新前的动态参数。
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的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。