CN109801710A - 行为能力判定方法及装置、终端和计算机可读存储介质 - Google Patents
行为能力判定方法及装置、终端和计算机可读存储介质 Download PDFInfo
- Publication number
- CN109801710A CN109801710A CN201811536844.2A CN201811536844A CN109801710A CN 109801710 A CN109801710 A CN 109801710A CN 201811536844 A CN201811536844 A CN 201811536844A CN 109801710 A CN109801710 A CN 109801710A
- Authority
- CN
- China
- Prior art keywords
- capacity
- score
- ability
- information
- evaluated
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 238000012549 training Methods 0.000 claims abstract description 13
- 230000006399 behavior Effects 0.000 claims description 57
- 238000004891 communication Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000474 nursing effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种行为能力判定方法及装置、终端和计算机可读存储介质,其中,该方法包括:获取被评估者的行为能力信息;将所述被评估者的所述行为能力信息应用于行为能力判定模型,得到第一行为能力评分;根据所述第一行为能力评分所属的分值范围,确定对应的第一行为能力等级。通过本发明的技术方案,只要获取到被评估者的行为能力信息,就可通过预定的行为能力判定模型训练得出其对应的行为能力评分,从而根据该第一行为能力评分所在的范围,确定对应的行为能力等级,由此,可以大数据计算的方式取代相关技术中人工评估的方式,将不同地域甚至整个业内的失能判定标准统一起来,提升了失能判定的效率和准确性。
Description
【技术领域】
本发明涉及计算机技术领域,尤其涉及一种行为能力判定方法及装置、终端和计算机可读存储介质。
【背景技术】
目前,我国大部分养老机构执行的护理等级基本上是由人工进行评估,护理人员根据老人健康状况、经济水平、家属特殊要求来自行制定,各试点城市也采用不同的量表进行失能评估,对重度失能、中度失能和轻度失能及失能水平的划分均不统一,这为正处于起步阶段的长期护理保险的发展制造了诸多掣肘。
因此,如何便捷准确地评估老人的行为能力信息,成为目前亟待解决的技术问题。
【发明内容】
本发明实施例提供了一种行为能力判定方法及装置、终端和计算机可读存储介质,旨在解决相关技术中人工评估老人的行为能力信息不准确的技术问题,能够通过模型计算的方式便捷准确地评估老人的行为能力信息,提升了失能判定的效率和准确性。
第一方面,本发明实施例提供了一种行为能力判定方法,包括:获取被评估者的行为能力信息;将所述被评估者的所述行为能力信息应用于行为能力判定模型,得到第一行为能力评分;根据所述第一行为能力评分所属的分值范围,确定对应的第一行为能力等级。
在本发明上述实施例中,可选地,在所述获取被评估者的行为能力信息的步骤之前,还包括:将历史被评估者的历史行为能力信息作为输入,将所述历史被评估者对应的历史行为能力评分作为输出,训练得到所述行为能力判定模型。
在本发明上述实施例中,可选地,所述行为能力信息包括多种评估参数事项和每种所述评估参数事项对应的能力等级。
在本发明上述实施例中,可选地,在所述根据所述第一行为能力评分所属的分值范围,确定对应的第一行为能力等级的步骤之后,还包括:获取所述被评估者的加权行为能力信息;根据所述加权行为能力信息,确定对应的加权分值。
在本发明上述实施例中,可选地,还包括:判断所述加权分值是否处于预定加权分值范围;当判断结果为所述加权分值处于所述预定加权分值范围时,将所述加权分值与所述第一行为能力评分相加,得到第二行为能力评分;根据所述第二行为能力评分所属的分值范围,确定对应的第二行为能力等级。
在本发明上述实施例中,可选地,在所述获取所述被评估者的加权行为能力信息的步骤之前,还包括:判断所述第一行为能力等级与人工评估等级是否一致;当判断结果为所述第一行为能力等级与人工评估等级不一致时,允许获取所述被评估者的所述加权行为能力信息,以计算对应的所述加权分值。
第二方面,本发明实施例提供了一种行为能力判定装置,包括:行为能力信息获取单元,用于获取被评估者的行为能力信息;模型评分单元,用于将所述被评估者的所述行为能力信息应用于行为能力判定模型,得到第一行为能力评分;行为能力等级确定单元,用于根据所述第一行为能力评分所属的分值范围,确定对应的第一行为能力等级。
在本发明上述实施例中,可选地,还包括:模型建立单元,用于在所述行为能力信息获取单元获取所述被评估者的所述行为能力信息之前,将历史被评估者的历史行为能力信息作为输入,将所述历史被评估者对应的历史行为能力评分作为输出,训练得到所述行为能力判定模型。
在本发明上述实施例中,可选地,所述行为能力信息包括多种评估参数事项和每种所述评估参数事项对应的能力等级。
在本发明上述实施例中,可选地,还包括:加权行为能力信息获取单元,用于在所述行为能力等级确定单元确定所述第一行为能力等级之后,获取所述被评估者的加权行为能力信息;加权分值计算单元,用于根据所述加权行为能力信息,确定对应的加权分值。
在本发明上述实施例中,可选地,还包括:第一判断单元,用于判断所述加权分值是否处于预定加权分值范围;第一执行单元,用于当判断结果为所述加权分值处于所述预定加权分值范围时,将所述加权分值与所述第一行为能力评分相加,得到第二行为能力评分,并根据所述第二行为能力评分所属的分值范围,确定对应的第二行为能力等级。
在本发明上述实施例中,可选地,还包括:第二判断单元,用于在所述加权行为能力信息获取单元获取所述被评估者的所述加权行为能力信息之前,判断所述第一行为能力等级与人工评估等级是否一致;第二执行单元,用于当判断结果为所述第一行为能力等级与人工评估等级不一致时,允许获取所述被评估者的所述加权行为能力信息,以计算对应的所述加权分值。
第三方面,本发明实施例提供了一种终端,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指令,所述指令被设置为用于执行上述第一方面中任一项所述的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行上述第一方面中任一项所述的方法流程。
以上技术方案,针对相关技术中的相关技术中人工评估老人的行为能力信息不准确的技术问题,能够通过模型计算的方式便捷准确地评估老人的行为能力信息,提升了失能判定的效率和准确性。
具体来说,被评估者的行为能力信息有多种获取方式,第一,可由人工录入***,这种获取方式方便快捷;第二,可由***获取被评估者的日常活动信息,比如,***可获取被评估者的日常活动视频、语言表述音频、行为能力测试信息等,并识别日常活动视频的关键行为的自主程度、语言表述音频中的语义清晰程度和语速快慢以及行为能力测试信息的评分等。
只要获取到被评估者的行为能力信息,就可通过预定的行为能力判定模型训练得出其对应的第一行为能力评分,从而根据该第一行为能力评分所在的范围,确定对应的第一行为能力等级。其中,行为能力判定模型是预先通过大量历史数据训练得到的,具体地,可将历史被评估者的历史行为能力信息作为输入,将所述历史被评估者对应的历史行为能力评分作为输出,训练得到该行为能力判定模型。从而,将当前的被评估者的行为能力信息输入该行为能力判定模型后,即可得到当前的被评估者的第一行为能力评分。
由于行为能力判定模型是由大量历史被评估者的历史行为能力信息及对应的可靠历史行为能力评分训练得到的,其适应并体现了行为能力信息与行为能力评分间的应有规律,故由行为能力判定模型得到的当前的被评估者的第一行为能力评分,比人工评估的结果要准确的多,故大大提升了行为能力评估的准确性。另外,由行为能力判定模型评估行为能力评分的计算过程具有自动化、便捷化的优势,相对于人工评估的方式,节省了人工成本和时间成本,大大提升了行为能力评估的效率。
总之,通过该技术方案,以大数据计算的方式取代了相关技术中人工评估的方式,将不同地域的失能判定标准统一起来,提升了失能判定的效率和准确性。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1示出了本发明的一个实施例的行为能力判定方法的流程图;
图2示出了本发明的另一个实施例的行为能力判定方法的流程图;
图3示出了本发明的一个实施例的行为能力判定装置的框图;
图4示出了本发明的一个实施例的终端的框图。
【具体实施方式】
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
图1示出了本发明的一个实施例的行为能力判定方法的流程图。
如图1所示,本发明实施例提供了一种行为能力判定方法,包括:
步骤102,获取被评估者的行为能力信息。
被评估者的行为能力信息有多种获取方式,第一,可由人工录入***,这种获取方式方便快捷;第二,可由***获取被评估者的日常活动信息,比如,***可获取被评估者的日常活动视频、语言表述音频、行为能力测试信息等,并识别日常活动视频的关键行为的自主程度、语言表述音频中的语义清晰程度和语速快慢以及行为能力测试信息的评分等。
步骤104,将所述被评估者的所述行为能力信息应用于行为能力判定模型,得到第一行为能力评分。其中,在步骤102之前,可将历史被评估者的历史行为能力信息作为输入,将所述历史被评估者对应的历史行为能力评分作为输出,训练得到所述行为能力判定模型。
只要获取到被评估者的行为能力信息,就可通过预定的行为能力判定模型训练得出其对应的第一行为能力评分,从而根据该第一行为能力评分所在的范围,确定对应的第一行为能力等级。其中,行为能力判定模型是预先通过大量历史数据训练得到的,具体地,可将历史被评估者的历史行为能力信息作为输入,将所述历史被评估者对应的历史行为能力评分作为输出,训练得到该行为能力判定模型。从而,将当前的被评估者的行为能力信息输入该行为能力判定模型后,即可得到当前的被评估者的第一行为能力评分。
由于行为能力判定模型是由大量历史被评估者的历史行为能力信息及对应的可靠历史行为能力评分训练得到的,其适应并体现了行为能力信息与行为能力评分间的应有规律,故由行为能力判定模型得到的当前的被评估者的第一行为能力评分,比人工评估的结果要准确的多,故大大提升了行为能力评估的准确性。另外,由行为能力判定模型评估行为能力评分的计算过程具有自动化、便捷化的优势,相对于人工评估的方式,节省了人工成本和时间成本,大大提升了行为能力评估的效率。
步骤106,根据所述第一行为能力评分所属的分值范围,确定对应的第一行为能力等级。
在***中预先划分了多个分值范围,可根据被评估者的第一行为能力评分的大小,确定其所属的分值范围,同时,***中预先为每个分值范围设置了对应的行为能力等级,故第一行为能力评分所属的分值范围所对应的第一行为能力等级,就是被评估者的行为能力等级。每个行为能力等级代表行为能力的一个层次,故以行为能力等级来表示评估结果比使用一个行为能力评分的分值来表示评估结果更为直观。
当然,在以行为能力等级来表示评估结果的同时,也允许在***中查看或同时显示被评估者的第一行为能力评分和行为能力信息等内容,以便更全面地掌控被评估者的行为能力状况,为进一步的陪护或医疗提供基础。
总之,以上技术方案,针对相关技术中的相关技术中人工评估老人的行为能力信息不准确的技术问题,能够通过模型计算的方式便捷准确地评估老人的行为能力信息,换句话说,即以大数据计算的方式取代了相关技术中人工评估的方式,将不同地域的失能判定标准统一起来,提升了失能判定的效率和准确性。
需要补充的是,所述行为能力信息包括多种评估参数事项和每种所述评估参数事项对应的能力等级。例如,下表1示出了十种评估参数事项。
表1
其中,为评估参数事项划分了正常、轻度依赖、中度依赖和重度依赖四个能力等级,并对每个述评估参数事项下各能力等级对应的行为能力表现进行了详细表述。
图2示出了本发明的另一个实施例的行为能力判定方法的流程图。
如图2所示,本发明的另一个实施例的行为能力判定方法的流程包括以下步骤:
步骤202,获取被评估者的行为能力信息。
步骤204,将所述被评估者的所述行为能力信息应用于行为能力判定模型,得到第一行为能力评分。
步骤206,根据所述第一行为能力评分所属的分值范围,确定对应的第一行为能力等级。
步骤208,获取所述被评估者的加权行为能力信息。
加权行为能力信息是步骤202获取的行为能力信息之外的其他行为能力信息,加权行为能力信息的评估往往在需要更加精确地计算行为能力等级时加入整个评估过程。换句话说加权行为能力信息是在原有的行为能力信息以外的其他行为能力信息,在得出第一行为能力等级后,如果对第一行为能力等级有疑问,还可以进一步计算加权分值,加权分值作为评估过程的加权项,能够对第一行为能力等级进行影响。
步骤210,根据所述加权行为能力信息,确定对应的加权分值。
同样,与步骤202获取的行为能力信息相似,加权行为能力信息也包括多种评估参数事项和每种所述评估参数事项对应的能力等级。例如,下表2示出了两种评估参数事项。
表2
其中,为加权行为能力信息的评估参数事项划分了正常、轻度依赖、中度依赖和重度依赖四个能力等级,并对每个述评估参数事项下各能力等级对应的行为能力表现进行了详细表述。
步骤212,判断所述加权分值是否处于预定加权分值范围,当判断结果为是时,进入步骤214,当判断结果为否时,进入步骤218。
其中,加权分值处于预定加权分值范围时,说明加权行为能力信息的评估参数事项具有的负面影响已足够影响第一行为能力等级的准确性了。
步骤214,将所述加权分值与所述第一行为能力评分相加,得到第二行为能力评分。
步骤216,根据所述第二行为能力评分所属的分值范围,确定对应的第二行为能力等级。
当判断结果为所述加权分值处于所述预定加权分值范围时,也就是说,当加权分值足够大时,证明前面计算的第一行为能力评分有较大偏差,故可以将第一行为能力评分与加权分值相加后再确定对应的第二行为能力等级作为实际的行为能力等级,以适应被评估者的实际情况,提升失能评估的准确性。
步骤218,输出所述第一行为能力等级。当判断结果为所述加权分值未处于所述预定加权分值范围时,加权行为能力信息的评估参数事项具有的负面影响不足以影响第一行为能力等级的准确性,故可直接输出第一行为能力等级作为最后的评估结果。
通过以上技术方案,可通过引入加权分值的计算来进一步保证或修正评估结果的准确性。
在本发明的一种实现方式中,并不是每次评估都需要引入加权分值,因此,需要对是否需要进一步引入加权分值进行判断,故可执行以下步骤:在步骤208之前,还包括:判断所述第一行为能力等级与人工评估等级是否一致;当判断结果为所述第一行为能力等级与人工评估等级不一致时,允许获取所述被评估者的所述加权行为能力信息,以计算对应的所述加权分值。
也就是说,可在自动评估的同时,进行粗略的人工评估,当第一行为能力等级与人工评估等级不一致的情况下,说明第一行为能力等级的可靠性不足,此时,可引入加权分值的计算,从而有助于提升失能评估的准确性。
图3示出了本发明的一个实施例的行为能力判定装置的框图。
如图3所示,本发明实施例提供了一种行为能力判定装置300,包括:行为能力信息获取单元302,用于获取被评估者的行为能力信息;模型评分单元304,用于将所述被评估者的所述行为能力信息应用于行为能力判定模型,得到第一行为能力评分;行为能力等级确定单元306,用于根据所述第一行为能力评分所属的分值范围,确定对应的第一行为能力等级。
该行为能力判定装置300使用图1和图2示出的实施例中任一项所述的方案,因此,具有上述所有技术效果,在此不再赘述。行为能力判定装置300还具有以下技术特征:
在本发明上述实施例中,可选地,还包括:模型建立单元,用于在所述行为能力信息获取单元302获取所述被评估者的所述行为能力信息之前,将历史被评估者的历史行为能力信息作为输入,将所述历史被评估者对应的历史行为能力评分作为输出,训练得到所述行为能力判定模型。
在本发明上述实施例中,可选地,所述行为能力信息包括多种评估参数事项和每种所述评估参数事项对应的能力等级。
在本发明上述实施例中,可选地,还包括:加权行为能力信息获取单元,用于在所述行为能力等级确定单元306确定所述第一行为能力等级之后,获取所述被评估者的加权行为能力信息;加权分值计算单元,用于根据所述加权行为能力信息,确定对应的加权分值。
在本发明上述实施例中,可选地,还包括:第一判断单元,用于判断所述加权分值是否处于预定加权分值范围;第一执行单元,用于当判断结果为所述加权分值处于所述预定加权分值范围时,将所述加权分值与所述第一行为能力评分相加,得到第二行为能力评分,并根据所述第二行为能力评分所属的分值范围,确定对应的第二行为能力等级。
在本发明上述实施例中,可选地,还包括:第二判断单元,用于在所述加权行为能力信息获取单元获取所述被评估者的所述加权行为能力信息之前,判断所述第一行为能力等级与人工评估等级是否一致;第二执行单元,用于当判断结果为所述第一行为能力等级与人工评估等级不一致时,允许获取所述被评估者的所述加权行为能力信息,以计算对应的所述加权分值。
图4示出了本发明的一个实施例的终端的框图。
如图4所示,本发明的一个实施例的终端400,包括至少一个存储器402;以及,与所述至少一个存储器402通信连接的处理器404;其中,所述存储器存储有可被所述至少一个处理器404执行的指令,所述指令被设置为用于执行上述图1和图2实施例中任一项所述的方案。因此,该终端400具有和图1和图2实施例中任一项相同的技术效果,在此不再赘述。
另外,本发明实施例提供了一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行上述图1和图2实施例中任一项所述的方法流程。
以上结合附图详细说明了本发明的技术方案,通过本发明的技术方案,以大数据计算的方式取代了相关技术中人工评估的方式,将不同地域的失能判定标准统一起来,提升了失能判定的效率和准确性。
应当理解,尽管在本发明实施例中可能采用术语第一、第二等来描述行为能力等级,但这些行为能力等级不应限于这些术语。这些术语仅用来将行为能力等级彼此区分开。例如,在不脱离本发明实施例范围的情况下,第一行为能力等级也可以被称为第二行为能力等级,类似地,第二行为能力等级也可以被称为第一行为能力等级。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
需要说明的是,本发明实施例中所涉及的终端可以包括但不限于个人计算机(Personal Computer,PC)、个人数字助理(Personal Digital Assistant,PDA)、无线手持设备、平板电脑(Tablet Computer)、手机、MP3播放器、MP4播放器等。
在本发明所提供的几个实施例中,应该理解到,所揭露的***、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,所述单元的划分,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,例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元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单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种行为能力判定方法,其特征在于,包括:
获取被评估者的行为能力信息;
将所述被评估者的所述行为能力信息应用于行为能力判定模型,得到第一行为能力评分;
根据所述第一行为能力评分所属的分值范围,确定对应的第一行为能力等级。
2.根据权利要求1所述的行为能力判定方法,其特征在于,在所述获取被评估者的行为能力信息的步骤之前,还包括:
将历史被评估者的历史行为能力信息作为输入,将所述历史被评估者对应的历史行为能力评分作为输出,训练得到所述行为能力判定模型。
3.根据权利要求1所述的行为能力判定方法,其特征在于,
所述行为能力信息包括多种评估参数事项和每种所述评估参数事项对应的能力等级。
4.根据权利要求1所述的行为能力判定方法,其特征在于,在所述根据所述第一行为能力评分所属的分值范围,确定对应的第一行为能力等级的步骤之后,还包括:
获取所述被评估者的加权行为能力信息;
根据所述加权行为能力信息,确定对应的加权分值。
5.根据权利要求4所述的行为能力判定方法,其特征在于,还包括:
判断所述加权分值是否处于预定加权分值范围;
当判断结果为所述加权分值处于所述预定加权分值范围时,将所述加权分值与所述第一行为能力评分相加,得到第二行为能力评分;
根据所述第二行为能力评分所属的分值范围,确定对应的第二行为能力等级。
6.根据权利要求4所述的行为能力判定方法,其特征在于,在所述获取所述被评估者的加权行为能力信息的步骤之前,还包括:
判断所述第一行为能力等级与人工评估等级是否一致;
当判断结果为所述第一行为能力等级与人工评估等级不一致时,允许获取所述被评估者的所述加权行为能力信息,以计算对应的所述加权分值。
7.一种行为能力判定装置,其特征在于,包括:
行为能力信息获取单元,用于获取被评估者的行为能力信息;
模型评分单元,用于将所述被评估者的所述行为能力信息应用于行为能力判定模型,得到第一行为能力评分;
行为能力等级确定单元,用于根据所述第一行为能力评分所属的分值范围,确定对应的第一行为能力等级。
8.根据权利要求7所述的行为能力判定装置,其特征在于,还包括:
模型建立单元,用于在所述行为能力信息获取单元获取所述被评估者的所述行为能力信息之前,将历史被评估者的历史行为能力信息作为输入,将所述历史被评估者对应的历史行为能力评分作为输出,训练得到所述行为能力判定模型。
9.一种终端,其特征在于,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指令,所述指令被设置为用于执行上述权利要求1至6中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,存储有计算机可执行指令,所述计算机可执行指令用于执行如权利要求1至6中任一项所述的方法流程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811536844.2A CN109801710A (zh) | 2018-12-14 | 2018-12-14 | 行为能力判定方法及装置、终端和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811536844.2A CN109801710A (zh) | 2018-12-14 | 2018-12-14 | 行为能力判定方法及装置、终端和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109801710A true CN109801710A (zh) | 2019-05-24 |
Family
ID=66556814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811536844.2A Pending CN109801710A (zh) | 2018-12-14 | 2018-12-14 | 行为能力判定方法及装置、终端和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109801710A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111755120A (zh) * | 2020-06-29 | 2020-10-09 | 西南民族大学 | 一种基于边缘智能和多模感知的认知障碍预测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201200401Y (zh) * | 2008-01-31 | 2009-03-04 | 中国人民解放军第三军医大学第三附属医院 | 一种老年性痴呆的诊断装置 |
CN106203813A (zh) * | 2016-07-05 | 2016-12-07 | 北京理工大学 | 老年人生活自理能力量化计算方法 |
US20160364673A1 (en) * | 2015-06-09 | 2016-12-15 | Development Dimensions International, Inc. | Method and system for automated and integrated assessment rating and reporting |
CN106599542A (zh) * | 2016-11-11 | 2017-04-26 | 中南大学 | 一种老年人综合能力评估方法和评估*** |
CN107169451A (zh) * | 2017-05-16 | 2017-09-15 | 温州医科大学附属第二医院、温州医科大学附属育英儿童医院 | 一种全身运动质量智能评估*** |
CN107679475A (zh) * | 2017-09-25 | 2018-02-09 | 平安科技(深圳)有限公司 | 门店监控评价方法、装置及存储介质 |
CN108875687A (zh) * | 2018-06-28 | 2018-11-23 | 泰康保险集团股份有限公司 | 一种护理质量的评估方法及装置 |
CN108922621A (zh) * | 2018-06-26 | 2018-11-30 | 泰康保险集团股份有限公司 | 一种失能等级的评估方法及装置 |
-
2018
- 2018-12-14 CN CN201811536844.2A patent/CN109801710A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201200401Y (zh) * | 2008-01-31 | 2009-03-04 | 中国人民解放军第三军医大学第三附属医院 | 一种老年性痴呆的诊断装置 |
US20160364673A1 (en) * | 2015-06-09 | 2016-12-15 | Development Dimensions International, Inc. | Method and system for automated and integrated assessment rating and reporting |
CN106203813A (zh) * | 2016-07-05 | 2016-12-07 | 北京理工大学 | 老年人生活自理能力量化计算方法 |
CN106599542A (zh) * | 2016-11-11 | 2017-04-26 | 中南大学 | 一种老年人综合能力评估方法和评估*** |
CN107169451A (zh) * | 2017-05-16 | 2017-09-15 | 温州医科大学附属第二医院、温州医科大学附属育英儿童医院 | 一种全身运动质量智能评估*** |
CN107679475A (zh) * | 2017-09-25 | 2018-02-09 | 平安科技(深圳)有限公司 | 门店监控评价方法、装置及存储介质 |
CN108922621A (zh) * | 2018-06-26 | 2018-11-30 | 泰康保险集团股份有限公司 | 一种失能等级的评估方法及装置 |
CN108875687A (zh) * | 2018-06-28 | 2018-11-23 | 泰康保险集团股份有限公司 | 一种护理质量的评估方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111755120A (zh) * | 2020-06-29 | 2020-10-09 | 西南民族大学 | 一种基于边缘智能和多模感知的认知障碍预测方法 |
CN111755120B (zh) * | 2020-06-29 | 2023-07-21 | 西南民族大学 | 一种基于边缘智能和多模感知的认知障碍预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108833458B (zh) | 一种应用推荐方法、装置、介质及设备 | |
CN109597805A (zh) | 一种数据处理方法、电子设备及存储介质 | |
CN103517304B (zh) | 一种获取移动终端安全状态的方法及装置 | |
CN111178537B (zh) | 一种特征提取模型训练方法及设备 | |
CN116848490A (zh) | 使用模型相交进行文档分析 | |
CN112418341A (zh) | 模型融合方法、预测方法、装置、设备及存储介质 | |
CN109830272A (zh) | 数据标准化方法、装置、计算机设备及存储介质 | |
CN102929897A (zh) | 用于检测文本中不良信息的方法和设备 | |
CN111126492A (zh) | 光伏电网的故障类型的确定方法及装置 | |
CN110348215A (zh) | 异常对象识别方法、装置、电子设备及介质 | |
CN109801710A (zh) | 行为能力判定方法及装置、终端和计算机可读存储介质 | |
CN114003475A (zh) | 软件产品成熟度评估方法、装置、计算机设备和存储介质 | |
CN113934937A (zh) | 一种内容智能推荐方法、装置、终端和存储介质 | |
CN107808336B (zh) | 一种财务指标的计算方法及装置 | |
CN110287302B (zh) | 一种国防科技领域开源信息置信度确定方法及*** | |
CN110134945A (zh) | 习题考点识别方法、装置、设备和存储介质 | |
CN114782224A (zh) | 基于用户特征的网页考评作弊监测方法、装置及电子设备 | |
CN111191049B (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
CN106682020B (zh) | 评估模型重要性的方法和装置 | |
CN112560430B (zh) | 文本中数值内容的纠错方法、装置及电子设备 | |
CN111444315A (zh) | 纠错词组候选项的筛选方法、装置、设备及存储介质 | |
CN110633474A (zh) | 一种数学算式识别方法、装置、设备及可读存储介质 | |
CN111966978B (zh) | 异常用户的确定方法、电子设备和存储介质 | |
CN109981327A (zh) | 一种业务量的预测方法及*** | |
Yang et al. | Research on SPSS’Application in Probability and Statistics Course with Principal Components Analysis |
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 |