CN109903856A - 一种线上咨询方法及*** - Google Patents

Abstract

本发明公开了一种线上咨询方法及***，用户端接收到症状咨询信息，生成并发送包括所述症状咨询信息的待咨询订单信息至服务端，服务端接收用户端发送的待咨询订单信息，建立所述用户端和医生端的咨询界面，医生端进入所述咨询界面，本发明通过用户在用户端发送咨询请求，服务端建立用户端和医生端的咨询界面，医生端进入咨询界面，使的用户能即时联系医生以进行咨询。

Description

一种线上咨询方法及***

技术领域

本发明涉及医疗、健康服务领域，特别涉及一种线上咨询方法及***。

背景技术

在育儿过程中，父母若遇到小孩生病发烧，通常的做法是看医生、打退烧针、吃退烧药、多喝水或密切观察等等。在这些行为中，受限于发烧时间的不确定性、体温起伏的不可预测性以及发烧周期的持续性，父母在遇到小孩生病发烧时，需要定时测量患者体温，以便及时做出治疗。但是人工测量耗时耗力，且患者体温升高后，无法第一时间知道，也容易延误病情。另外，临床上，大多数的父母通过口述向医生介绍孩子的体温情况，存在介绍不准确的可能，大多数医生仅能通过就诊时的体温判断病情，导致医生误诊时有发生；实际生活中，病人存在不能去医院现场就诊情况时，无有效方法以及时准确的向医生反应病人体温情况。

发明内容

本发明所要解决的技术问题是：提供一种线上咨询方法及***，使的用户能即时联系医生以进行咨询。

为了解决上述技术问题，本发明采用的技术方案为：

一种线上咨询方法，包括步骤：

S1、用户端接收到症状咨询信息，生成并发送包括所述症状咨询信息的待咨询订单信息至服务端；

S2、服务端接收用户端发送的待咨询订单信息，建立所述用户端和医生端的咨询界面；

S3、医生端进入所述咨询界面。

进一步地，所述步骤S1中包括：

S11、用户端接收所述体温计发送的实时体温数据，根据所述实时体温数据绘制体温曲线图，所述体温曲线图以时间轴为x轴，以体温轴为y轴；

S12、用户端在所述实时体温数据第一次大于高温阈值时，发出高温报警；

S13、用户端在上次报警为高温报警后且在第一预设时间后所述实时体温数据未下降至正常体温时，再次发出高温报警；

S14、用户端在上次报警为高温报警后且当所述实时体温数据下降至正常体温时，发出恢复正常体温报警。

进一步地，所述步骤S11具体为：

用户端每隔第二预设时间获取一次所述体温计发送的实时体温数据，将所述实时体温数据放入体温坐标轴中，将当前的实时体温数据与上一个第二预设时间所接收到的实时体温数据相连，以得到体温曲线图；

所述步骤S3还包括：

医生端接收用户端发送的实时体温数据，生成体温曲线图和体温列表。

进一步地，所述步骤S2包括：

S21、服务端接收用户端发送的待咨询订单信息，从所述待咨询订单信息中提取症状咨询信息；

S22、服务端提取所述症状咨询信息中与症状有关的查询关键字；

S23、服务端根据所述查询关键字找到与所述查询关键字相匹配的擅长症状标签，得到设置有所述擅长症状标签的在线医生名单。

进一步地，所述步骤S2包括：

S24、服务端接收用户端发送的待咨询订单信息，生成咨询工单，将所述咨询工单发给处于排队状态的医生端上；

S25、服务端判断在第三预设时间内是否接收到所述医生端所返回的已接单信息，若收到，则建立所述用户端和医生端的咨询界面，否则将所述咨询工单发给处于排队状态中的其他医生端。

进一步地，所述步骤S24具体为：

服务端接收用户端发送的待咨询订单信息，生成咨询工单，判断咨询工单是否为付费咨询工单，若是，则获取咨询工单中用户端选择咨询的指定付费医生端，将咨询工单发给指定付费医生端上，并生成订单提示信息，若咨询工单不是付费咨询工单，则判断咨询工单中是否包括用户端选择咨询的指定医生端，若包括，则将所述咨询工单发给指定医生端，并生成订单提示信息，否则将咨询工单发给处于排队状态的其他医生端上；

所述步骤25具体为：

服务端判断在第三预设时间内是否接收到医生端的返回信息，若收到，则判断返回信息是否为已接单信息，若是，则建立用户端和医生端的咨询界面，若返回信息为不接单信息或是在第三预设时间内未收到返回信息，则判断咨询工单中是否包括指定医生端，若是，则发送短信至指定医生端所绑定的手机号上，否则将咨询工单发给处于排队状态中的其他医生端。

进一步地，所述步骤S1之前还包括：

S01、服务端从所有体温数据中提取若干份的体温数据组，所述体温数据组包括第四预设时间和第五预设时间内的所有体温数据，所述第四预设时间的最后时间点即为所述第五预设时间的起始时间点；

S02、服务端生成并初始化卷积神经网络，将体温数据组分为训练数据集和测试数据集，将训练数据集内的体温数据组作为卷积神经网络的训练样本，以训练样本中第四预设时间内的体温数据作为条件数据，以第五预设时间内的体温数据作为结果数据，对条件数据和结果数据的关联性进行训练，以得到待测试体温预测模型；

S03、服务端将测试数据集内的体温数据组作为待测试体温预测模型的测试样本，以测试样本中第四预设时间内的体温数据作为条件数据，代入至所述待测试体温预测模型以得到预测体温数据，将预测体温数据与对应的测试样本中第五预设时间内的体温数据进行比对，若对比准确度高于预设百分比，则输出体温预测模型。

进一步地，所述步骤S03之后还包括：

S04、用户端获取第四预设时间内的所有体温数据，得到当前用户实时体温数据，调用体温预测模型对所述当前用户实时体温数据进行体温预测，以生成第五预设时间内的当前用户实时预测体温数据，根据所述当前用户实时预测体温数据，用虚线绘制出体温曲线图。

为了解决上述技术问题，本发明采用的另一种技术方案为：

一种线上咨询***，包括用户端、服务端及医生端，所述用户端包括第一存储器、第一处理器以及存储在所述第一存储器上并可在第一处理器上运行的第一计算机程序，所述服务端包括第二存储器、第二处理器以及存储在所述第二存储器上并可在第二处理器上运行的第二计算机程序，所述医生端包括第三存储器、第三处理器以及存储在所述第三存储器上并可在第三处理器上运行的第三计算机程序，所述第一处理器执行所述第一计算机程序时实现以下步骤：

S1、用户端接收到症状咨询信息，生成并发送包括所述症状咨询信息的待咨询订单信息至服务端；

所述第二处理器执行所述第二计算机程序时实现以下步骤：

S2、接收用户端发送的待咨询订单信息，建立所述用户端和医生端的咨询界面；

所述第三处理器执行所述第三计算机程序时实现以下步骤：

S3、进入所述咨询界面。

进一步地，所述第三处理器执行所述第三计算机程序时实现以下步骤：

S01、从所有体温数据中提取若干份的体温数据组，所述体温数据组包括第四预设时间和第五预设时间内的所有体温数据，所述第四预设时间的最后时间点即为所述第五预设时间的起始时间点；

S02、生成并初始化卷积神经网络，将体温数据组分为训练数据集和测试数据集，将训练数据集内的体温数据组作为卷积神经网络的训练样本，以训练样本中第四预设时间内的体温数据作为条件数据，以第五预设时间内的体温数据作为结果数据，对条件数据和结果数据的关联性进行训练，以得到待测试体温预测模型；

S03、将测试数据集内的体温数据组作为待测试体温预测模型的测试样本，以测试样本中第四预设时间内的体温数据作为条件数据，代入至所述待测试体温预测模型以得到预测体温数据，将预测体温数据与对应的测试样本中第五预设时间内的体温数据进行比对，若对比准确度高于预设百分比，则输出体温预测模型。

本发明的有益效果在于：一种线上咨询方法及***，用户在用户端发送咨询请求，服务端建立用户端和医生端的咨询界面，医生端进入咨询界面，使的用户能即时联系医生以进行咨询。

附图说明

图1为本发明实施例的一种线上咨询方法的流程示意图；

图2为本发明实施例的一种体温曲线图的界面示意图；

图3为本发明实施例的另外一种体温曲线图的界面示意图；

图4为本发明实施例的一种线上咨询***的结构示意图。

标号说明：

10、一种线上咨询***；1、用户端；2、第一处理器；3、第一存储器；4、服务端；5、第二处理器；6、第二存储器；7、医生端；8、第三处理器；9、第三存储器。

具体实施方式

为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。

实施例一

如图1至图3所示，一种线上咨询方法，包括步骤：

S1、用户端接收到症状咨询信息，生成并发送包括症状咨询信息的待咨询订单信息至服务端；

S2、服务端接收用户端发送的待咨询订单信息，建立用户端和医生端的咨询界面；

S3、医生端进入咨询界面。

其中，用户在用户端发送咨询请求，服务端建立用户端和医生端的咨询界面，医生端进入咨询界面，使的用户能即时联系医生以进行咨询。

实施例二

如图1至图3所示，一种线上咨询方法，在上述实施例一的基础上，步骤S1中包括：

S11、用户端每隔第二预设时间获取一次体温计发送的实时体温数据，将实时体温数据放入体温坐标轴中，将当前的实时体温数据与上一个第二预设时间所接收到的实时体温数据相连，以得到体温曲线图，体温曲线图以时间轴为x轴，以体温轴为y轴，在本实施例中，体温曲线图可参考图2及图3，接收体温计发送的实时体温数据的频率在0.1秒至5分钟内的任一数值均可，本实施例中的第二预设时间优选为1秒；

S12、用户端在实时体温数据第一次大于高温阈值时，发出高温报警，如图2所示，在本实施例中，假设用户设置的高温阈值为37.4°，则当在图2中画圈加标箭头处所对应的时间第一次超过37.4°，发出高温报警，高温报警按照用户设置进行响铃或振动，图2中画圈加标箭头处所对应的时间假设为12点33分；

S13、用户端在上次报警为高温报警后且在第一预设时间后实时体温数据未下降至正常体温时，再次发出高温报警，如图2所示，在本实施例中，第一预设时间为1分钟至10分钟内的任一数值，本实施例中第一预设时间为5分钟，则在12点33分到12点38分内，虽然实时体温数据大于37.4°，但不进行报警，只有在12点38分时再进行报警，以此类推；

S14、用户端在上次报警为高温报警后且当实时体温数据下降至正常体温时，发出恢复正常体温报警，如图3所示，假设用户设置的高温阈值为37.5°，正常体温设置为37.0°，则图3中所示约12点49分处发出恢复正常体温报警，恢复正常体温报警按照用户设置进行响铃或振动，而在12点55分和13点04处虽然下降至正常体温，但是上次报警为恢复正常体温报警，故而不发出恢复正常体温报警。

其中，步骤S3还包括：

医生端接收用户端发送的实时体温数据，生成体温曲线图和体温列表。

由此可知，通过上述步骤S11可以更加直观的观察到当前体温及体温变化，使得用户对当前体温及体温变化能够一目了然，也使得医生端可以清楚的知道患者的体温变化，从而做出更为有效的治疗；通过步骤S12至步骤S14，可以实现体温的智能监测，使得用户无需一直观看体温数据，也能在第一时间内做出治疗措施。

另外，当与体温计的连接断开时，发出断连报警，断连报警按照用户设置进行响铃或振动。

用户在收到断连报警时，可以进行重连并继续监测，可有效避免因蓝牙连接断开而无法正常监测体温。

其中，对于接收到的实时体温数据还包括：

用户端保存所接收到的实时体温数据，得到本地体温数据，即在本实施例中，无论用户是否登录，都会将接收的实时体温数据持续保存在本地存储空间内，用户可以通过清理手机应用缓存数据来清理本地体温数据；

用户端获取当前用户登录信息，判断是否为首次登录，若是，则将登录前N分钟内的最高体温数据上传至服务端，否则实时上传最高体温数据，在本实施例中，N为10至180的任一数值，本实施例中优选N为30，即将登录前30分钟的最高体温数据上传至服务端，服务端将该数据和当前用户登录信息进行绑定；

生成最高体温数据的步骤为：

获取在M内接收到的所有体温数据，选取M内接收到的所有体温数据中体温值最高的实时体温数据，得到最高体温数据，在本实施例中，M为10秒至5分钟的任一数值，本实施例优选的M为1分钟，即1秒上传一次，一分钟内有60个体温数据，将其中最高的一个体温数据作为最高体温数据。

由此可知，通过上述步骤使得后续更换电子设备进行登录的过程，可以向服务端请求以获得历史体温数据；同时，由于短时间内的体温变化相对较为平稳，故而使用最高体温数据就能反应这一整个短时间的体温，即在不影响历史体温数据准确性的情况下，缓解服务端的存储压力。

实施例三

如图1至图3所示，一种线上咨询方法，在上述实施例一的基础上，步骤S2包括：

S21、服务端接收用户端发送的待咨询订单信息，从待咨询订单信息中提取症状咨询信息；

S22、服务端提取症状咨询信息中与症状有关的查询关键字；

S23、服务端根据查询关键字找到与查询关键字相匹配的擅长症状标签，得到设置有擅长症状标签的在线医生名单。

其中，步骤S22中具体为：

对症状咨询信息进行错别字筛选，若筛选出确定错误词汇，则将确定错误词汇修改为正确词汇，若筛选出可能错误词汇，则记录可能错误词汇与其对应的可能正确词汇，用户输入的症状咨询信息可能有错别字，现有的技术有成熟的词汇判断规则，可以判断是否是错误词汇，比如赶冒，会将其先修改为感冒，而像一些不确定是否是正确词汇的，则将有可能的词汇都记录下来；

对已修改为正确词汇且包含可能错误词汇以及可能正确词汇的症状咨询信息逐字拆分为独立词汇，如上，在本实施例中，将有可能的词汇都记录下来，则分为成为一个独立词汇；

将独立词汇与症状字符库中的所有数据进行匹配，若匹配成功，则将独立词汇保存为字符串结构的查询字符，比如症状咨询信息为：我感冒了，则分成独立词汇为我、感冒、了三个，其中，感冒了与症状字符库中的数据匹配，则感冒为查询字符；

对所有的查询字符进行去重，以得到查询关键字，并记录查询关键字与症状字符库的匹配关系，在上述的举例中未有重复的查询字符，则感冒为查询关键字。

其中，步骤23具体为：

获取每一个匹配字符所在的症状以及所占的权重值，匹配字符为症状字符库里与查询关键字相匹配的数据；

对查询关键字里所匹配的所有匹配字符按照权重值进行相加，得到各个症状的比例值，将其中比例值最大的症状标记为与查询关键字相匹配的擅长症状标签；

获取设置有擅长症状标签且当前在线的所有医生，得到并显示在线医生名单。

在上述举例中，感冒为查询关键字，则擅长症状标签可能为伤风、急性鼻炎或上呼吸道感染等等。

其中，症状字符库的生成步骤为：

获取ICD-10中的所有疾病分类以及与疾病对应的疾病描述，ICD是InternationalClassification of Diseases的缩写，意为国际疾病分类，故而ICD-10是国际疾病分类第10版；

对疾病和疾病描述逐字拆分为症状字符，存储症状字符以得到症状字符库。

由上可知，通过步骤S21至步骤S23，根据用户输入的症状咨询信息，找到与之匹配的擅长症状标签，从而找到擅长咨询症状的医生，即能够自动快速分配合适的医生；步骤22的具体步骤提供了一种获取查询关键字的技术方案，其中，修改错误词汇可以保证匹配的准确性，保留可能错误词汇，以保证匹配过程的全面性；步骤S23的具体步骤则提供了一种找到合适医生的技术方案，其中，通过权重值进行赋值，可以更加精确的找到相匹配的意思。

另外，步骤S23之后还包括：

获取当前登录账户在预设时间内所有的查询关键字和擅长症状标签，在本实施例中为三天至三年的任一数值，本实施例优选为一年，比如获取了该用户在一年内多次查询和感冒相关的话题；

统计查询关键字和擅长症状标签在预设时间内的出现频率，得到当前登录账户在预设时间内的健康状况，在本实施例中，感冒的出现频率较高，由此推断该用户的抵抗力较弱；

生成并推送与当前登录账户的健康状况相匹配的营养保健品、药品、包括推荐饮食、推荐运动以及推荐作息的健康报告，在本实施例中可以向该用户推荐和感冒相关的营养保健品、药品、包括推荐饮食、推荐运动以及推荐作息的健康报告。

实施例四

如图1至图3所示，一种线上咨询方法，在上述实施例一的基础上，步骤S2包括：

S24、服务端接收用户端发送的待咨询订单信息，生成咨询工单，将咨询工单发给处于排队状态的医生端上；

服务端与用户端、医生端分别进行连接，用户在用户端上发出请求医生的咨询工单，医生端在点击进入派单后才会处于排队状态，即，服务端将咨询工单发给的是准备接单的医生端，从而使得用户的咨询工单能够及时有效的被处理；

S25、服务端判断在第三预设时间内是否接收到医生端所返回的已接单信息，若收到，则建立用户端和医生端的咨询界面，否则将咨询工单发给处于排队状态中的其他医生端。

其中，处于排队状态中的医生端形成一个接单队列，按照顺序依次派单，但在等待的过程中，处于医生端的医生有可能因为突发事情而不能及时接单，故而步骤S2设置有第三预设时间，在本实施例中第三预设时间为[10秒，60秒]内的任一数值，优选的为20秒。

其中，步骤S24具体为：

服务端接收用户端的咨询工单，判断咨询工单是否为付费咨询工单，若是，则获取咨询工单中用户选择咨询的指定付费医生端，将咨询工单发给指定付费医生端上，并生成订单提示信息；

其中，在本实施例中，工单包括付费咨询工单、免费咨询工单以及2元快速咨询工单，其中付费咨询工单的价格根据用户的咨询内容和要咨询的医生而定，其中免费咨询工单、2元快速咨询工单也分为是否有指定医生。当为付费咨询工单，指定付费医生端位于在线状态即可，不必处于排队状态，指定付费医生端会收到订单提示信息以提示用户进行接单；

若咨询工单不是付费咨询工单，则判断咨询工单中是否包括用户选择咨询的指定医生端，若包括，则将所述咨询工单发给指定医生端，并生成订单提示信息，否则将咨询工单发给处于排队状态的其他医生端上。

其中，在本实施例中，若不是付费咨询工单，则判断是否有指定医生，当有指定医生时，指定医生端位于在线状态即可，不必处于排队状态，指定医生端会收到订单提示信息以提示用户进行接单；若没有指定医生，则按照排队顺序派单即可。

其中，步骤S25具体为：

服务端判断在第三预设时间内是否接收到医生端的返回信息，若收到，则判断返回信息是否为已接单信息，若是，则建立用户端和医生端的咨询界面；

其中，对于服务端发给医生端上的工单，服务端会收到两种返回信息：已接单信息以及不接单信息，加上超出第三预设时间的未收到返回信息；

若返回信息为不接单信息或是在第三预设时间内未收到返回信息，则判断咨询工单中是否包括指定医生端，若是，则发送短信至指定医生端所绑定的手机号上，否则将咨询工单发给处于排队状态中的其他医生端。

其中，对于有指定医生的工单，在用户未取消的情况下，服务端会在第一预设时间后发送短信至指定医生端所绑定的手机号上，以提醒用户及时接单。

其中，步骤S24之后还包括：

服务端所接收的返回信息为不接单信息或是在第三预设时间内未收到返回信息，则将医生端踢出接单队列；

其中，若医生端返回的是不接单信息或是在第三预设时间内未返回信息，则说明医生端上的医生处于无法处理工单的状态，故而将其踢出接单队列，后续通过点击进入派单即可重新排队；

服务端判断医生端进入咨询界面的时间是否超过L，若是，则将医生端放入接单队列中。

其中，在本实施例中L为[10秒，60秒]内的任一数值，优选的为30秒，在本实施例中断医生端进入咨询界面的时间超过30秒后会将医生端放入接单队列中，使其继续排队；

若咨询工单未被处于排队状态的医生端所接单，则将咨询工单放入至抢单大厅中，并向处于在线状态的其他医生端发送抢单提示；

其中，若没有被处于排队状态的医生端接单，则放入抢单大厅，并发送抢单提示，使得在线医生可以及时通过抢单大厅进行抢单。

另外，用户提问后，超过3分钟医生未回复，服务端自动发送转接提示消息到用户咨询界面，用户可以通过消息中的转接链接选择其他医生进行服务。

由此可知，通过上述步骤，用户可以指定医生，服务端根据是否指定医生而采取不同的派单策略，通过提示和短信以提醒被指定的医生及时接单，以保证用户的咨询工单能够被所指定的医生所处理，提供了更加灵活且更加人性化的咨询服务同时，保证用户的咨询工单能够被及时处理；通过设置L，在不影响咨询服务的情况下再次进行排队，以减少医生的操作，从而增加抢单效率。

其中，步骤S24还包括：

接收用户端的咨询工单，获取咨询工单中的咨询症状；

其中，需要用户先行输入需要咨询的问题，这是由于每个医生都有自己擅长的症状和不擅长的症状，只有先行描述，才能找到合适的医生进行咨询；

获取用户端的历史咨询工单，判断在所有历史咨询工单内是否存在与咨询症状相匹配且用户评价高于平均评价的第一历史咨询工单，若存在，则获取第一历史咨询工单上所记录的历史咨询医生端；

其中，用户评价高于平均评价，则说明该用户对该医生的服务较为满意，可以再次为他推荐，从而提高用户体验。

判断历史咨询医生端是否处于排队状态，若是，则将咨询工单发给历史咨询医生端，否则将咨询工单按照排队顺序发给处于排队状态的医生端上。

由此可知，通过查询历史咨询工单，通过匹配咨询症状，从而将用户的咨询工单派送给专业符合程度更高且服务效果期望值更高的历史咨询医生端，以保证用户的咨询服务体验。

实施例五

如图1至图3所示，一种线上咨询方法，在上述实施例二的基础上，步骤S1之前还包括：

S01、服务端从所有体温数据中提取若干份的体温数据组，体温数据组包括第四预设时间和第五预设时间内的所有体温数据，第四预设时间的最后时间点即为第五预设时间的起始时间点，本实施例中第四预设时间和第五预设时间为10分钟到3小时内的任一数值，两者可以相同也可以相同，本实施例优选第四预设时间和第五预设时间为相同的1小时，即体温数据组包括当前1小时内的体温数据和后1小时的体温数据；

S02、服务端生成并初始化卷积神经网络，将体温数据组分为训练数据集和测试数据集，将训练数据集内的体温数据组作为卷积神经网络的训练样本，以训练样本中第四预设时间内的体温数据作为条件数据，以第五预设时间内的体温数据作为结果数据，对条件数据和结果数据的关联性进行训练，以得到待测试体温预测模型，在本实施例中，卷积神经网络包括设置有与体温数据相对应神经元的输入模块、由多个卷积层、函数层和池化层构成的特征模块以及由连接层组成的感知模块，最终要训练的是前1小时内的体温数据和后1小时的体温数据的关联性；

S03、服务端将测试数据集内的体温数据组作为待测试体温预测模型的测试样本，以测试样本中第四预设时间内的体温数据作为条件数据，代入至待测试体温预测模型以得到预测体温数据，将预测体温数据与对应的测试样本中第五预设时间内的体温数据进行比对，若对比准确度高于预设百分比，则输出体温预测模型。

在步骤S03生成体温预测模型时，还包括步骤：

S04、用户端获取第四预设时间内的所有体温数据，得到当前用户实时体温数据，调用体温预测模型对当前用户实时体温数据进行体温预测，以生成第五预设时间内的当前用户实时预测体温数据，根据当前用户实时预测体温数据，用虚线绘制出体温曲线图。

由此可知，通过步骤S01至S03生成一个体温预测模型，后续可以通过该模型进行预测体温；其中，由于卷积神经网络是自我学习，无需人为干预，在数据足够大的情况下，由卷积神经网络所生成体温预测模型能够达到很好的体温预测效果，从而更好更准确的给用户呈现出体温数据的未来趋势。

另外，本实施例中的步骤S01可以替换为：

服务端获取所有体温数据，从所有体温数据中提取若干份处于同一地区、处于相同年龄且为相同性别的体温数据组，若符合条件的体温数据组的数量不足预设数量，则提取同一地区、同一性别且年龄相差一岁的体温数据组，直到体温数据组的数量达到预设数量，在本实施例中，地区和性别保持相同，年龄尽量同龄，如果数据不够，从相差一岁的体温数据取出，若还不够，则从相差两岁的体温数据取出，到了相差三岁的时候停止，从附近地区的体温数据中再获取，直到样本数量达到预设值为止；

体温数据组包括第四预设时间和第五预设时间内的所有体温数据，第四预设时间的最后时间点即为第五预设时间的起始时间点；

则步骤S04中调用体温预测模型对当前用户实时体温数据进行体温预测具体为：

获取当前用户端上需要监测的患者的地区、年龄和性别，调用地区相同、性别相同且年龄相差不足一岁的体温预测模型对当前用户实时体温数据进行体温预测。

实施例六

如图4所示，一种线上咨询***10，包括用户端1、服务端4及医生端7，用户端1包括第一存储器3、第一处理器2以及存储在第一存储器3上并可在第一处理器2上运行的第一计算机程序，服务端4包括第二存储器6、第二处理器5以及存储在第二存储器6上并可在第二处理器5上运行的第二计算机程序，医生端7包括第三存储器9、第三处理器8以及存储在第三存储器9上并可在第三处理器8上运行的第三计算机程序，第一处理器2执行第一计算机程序时实现上述实施例一中的步骤S1，第二处理器5执行第二计算机程序时实现上述实施例一中的步骤S2，第三处理器8执行第三计算机程序时实现上述实施例一中的步骤S3。

其中，第一处理器2执行第一计算机程序时实现上述实施例二至五中的相应步骤、第二处理器5执行第二计算机程序时实现上述实施例二至五中的相应步骤以及第三处理器8执行第三计算机程序时实现上述实施例二至五中的相应步骤所形成的其他实施例视为本实施例的等同实施例。

综上所述，本发明提供的一种线上咨询方法及***，用户在用户端发送咨询请求，服务端建立用户端和医生端的咨询界面，医生端进入咨询界面，使的用户能即时联系医生以进行咨询；通过温度曲线可以更加直观的观察到当前体温及体温变化；通过设置高温报警、恢复正常温度报警以及断连报警等等，可以实现体温的智能监测，使得用户无需一直观看体温数据，也能在第一时间内做出治疗措施；通过体温预测模型，并根据地区、年龄、气温和性别进行区分，可以更好更准确的给用户呈现出体温数据的未来趋势，从而使得用户能够提前做好预防；通过设置订单处理逻辑，能够保证接单的及时性，使得用户的咨询工单能够及时有效的被处理，也提供了更加灵活且更加人性化的咨询服务，同时能增加抢单效率；医生通过标签管理，设置擅长的症状标签，使得患者用户在选择医生咨询时，可以通过医生标签快速寻找合适的医生进行咨询，同时***会根据用户的咨询信息，快速的匹配到擅长该症状的医生名单供用户选择。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种线上咨询方法，其特征在于，包括步骤：

S1、用户端接收到症状咨询信息，生成并发送包括所述症状咨询信息的待咨询订单信息至服务端；

S2、服务端接收用户端发送的待咨询订单信息，建立所述用户端和医生端的咨询界面；

S3、医生端进入所述咨询界面。

2.根据权利要求1所述的一种线上咨询方法，其特征在于，所述步骤S1中包括：

S11、用户端接收所述体温计发送的实时体温数据，根据所述实时体温数据绘制体温曲线图，所述体温曲线图以时间轴为x轴，以体温轴为y轴；

S12、用户端在所述实时体温数据第一次大于高温阈值时，发出高温报警；

S13、用户端在上次报警为高温报警后且在第一预设时间后所述实时体温数据未下降至正常体温时，再次发出高温报警；

S14、用户端在上次报警为高温报警后且当所述实时体温数据下降至正常体温时，发出恢复正常体温报警。

3.根据权利要求2所述的一种线上咨询方法，其特征在于，所述步骤S11具体为：

用户端每隔第二预设时间获取一次所述体温计发送的实时体温数据，将所述实时体温数据放入体温坐标轴中，将当前的实时体温数据与上一个第二预设时间所接收到的实时体温数据相连，以得到体温曲线图；

所述步骤S3还包括：

医生端接收用户端发送的实时体温数据，生成体温曲线图和体温列表。

4.根据权利要求1所述的一种线上咨询方法，其特征在于，所述步骤S2包括：

S21、服务端接收用户端发送的待咨询订单信息，从所述待咨询订单信息中提取症状咨询信息；

S22、服务端提取所述症状咨询信息中与症状有关的查询关键字；

S23、服务端根据所述查询关键字找到与所述查询关键字相匹配的擅长症状标签，得到设置有所述擅长症状标签的在线医生名单。

5.根据权利要求1所述的一种线上咨询方法，其特征在于，所述步骤S2包括：

S24、服务端接收用户端发送的待咨询订单信息，生成咨询工单，将所述咨询工单发给处于排队状态的医生端上；

S25、服务端判断在第三预设时间内是否接收到所述医生端所返回的已接单信息，若收到，则建立所述用户端和医生端的咨询界面，否则将所述咨询工单发给处于排队状态中的其他医生端。

6.根据权利要求5所述的一种线上咨询方法，其特征在于，所述步骤S24具体为：

服务端接收用户端发送的待咨询订单信息，生成咨询工单，判断咨询工单是否为付费咨询工单，若是，则获取咨询工单中用户端选择咨询的指定付费医生端，将咨询工单发给指定付费医生端上，并生成订单提示信息，若咨询工单不是付费咨询工单，则判断咨询工单中是否包括用户端选择咨询的指定医生端，若包括，则将所述咨询工单发给指定医生端，并生成订单提示信息，否则将咨询工单发给处于排队状态的其他医生端上；

所述S25具体为：

服务端判断在第三预设时间内是否接收到医生端的返回信息，若收到，则判断返回信息是否为已接单信息，若是，则建立用户端和医生端的咨询界面，若返回信息为不接单信息或是在第三预设时间内未收到返回信息，则判断咨询工单中是否包括指定医生端，若是，则发送短信至指定医生端所绑定的手机号上，否则将咨询工单发给处于排队状态中的其他医生端。

7.根据权利要求1所述的一种线上咨询方法，其特征在于，所述步骤S1之前还包括：

S01、服务端从所有体温数据中提取若干份的体温数据组，所述体温数据组包括第四预设时间和第五预设时间内的所有体温数据，所述第四预设时间的最后时间点即为所述第五预设时间的起始时间点；

S02、服务端生成并初始化卷积神经网络，将体温数据组分为训练数据集和测试数据集，将训练数据集内的体温数据组作为卷积神经网络的训练样本，以训练样本中第四预设时间内的体温数据作为条件数据，以第五预设时间内的体温数据作为结果数据，对条件数据和结果数据的关联性进行训练，以得到待测试体温预测模型；

S03、服务端将测试数据集内的体温数据组作为待测试体温预测模型的测试样本，以测试样本中第四预设时间内的体温数据作为条件数据，代入至所述待测试体温预测模型以得到预测体温数据，将预测体温数据与对应的测试样本中第五预设时间内的体温数据进行比对，若对比准确度高于预设百分比，则输出体温预测模型。

8.根据权利要求7所述的一种线上咨询方法，其特征在于，所述步骤S03之后还包括：

S04、用户端获取第四预设时间内的所有体温数据，得到当前用户实时体温数据，调用体温预测模型对所述当前用户实时体温数据进行体温预测，以生成第五预设时间内的当前用户实时预测体温数据，根据所述当前用户实时预测体温数据，用虚线绘制出体温曲线图。

9.一种线上咨询***，包括用户端、服务端及医生端，所述用户端包括第一存储器、第一处理器以及存储在所述第一存储器上并可在第一处理器上运行的第一计算机程序，所述服务端包括第二存储器、第二处理器以及存储在所述第二存储器上并可在第二处理器上运行的第二计算机程序，所述医生端包括第三存储器、第三处理器以及存储在所述第三存储器上并可在第三处理器上运行的第三计算机程序，其特征在于，所述第一处理器执行所述第一计算机程序时实现以下步骤：

S1、用户端接收到症状咨询信息，生成并发送包括所述症状咨询信息的待咨询订单信息至服务端；

所述第二处理器执行所述第二计算机程序时实现以下步骤：

S2、接收用户端发送的待咨询订单信息，建立所述用户端和医生端的咨询界面；

所述第三处理器执行所述第三计算机程序时实现以下步骤：

S3、进入所述咨询界面。

10.根据权利要求9所述的一种线上咨询***，其特征在于，所述第三处理器执行所述第三计算机程序时实现以下步骤：

S01、从所有体温数据中提取若干份的体温数据组，所述体温数据组包括第四预设时间和第五预设时间内的所有体温数据，所述第四预设时间的最后时间点即为所述第五预设时间的起始时间点；

S02、生成并初始化卷积神经网络，将体温数据组分为训练数据集和测试数据集，将训练数据集内的体温数据组作为卷积神经网络的训练样本，以训练样本中第四预设时间内的体温数据作为条件数据，以第五预设时间内的体温数据作为结果数据，对条件数据和结果数据的关联性进行训练，以得到待测试体温预测模型；

S03、将测试数据集内的体温数据组作为待测试体温预测模型的测试样本，以测试样本中第四预设时间内的体温数据作为条件数据，代入至所述待测试体温预测模型以得到预测体温数据，将预测体温数据与对应的测试样本中第五预设时间内的体温数据进行比对，若对比准确度高于预设百分比，则输出体温预测模型。