预约请求响应方法、装置、电子设备及存储介质

技术领域

本发明实施例涉及互联网信息管理技术领域，尤其涉及一种预约请求响应方法、装置、电子设备及存储介质。

背景技术

随着科技的发展，现如今的医院挂号方式已经由线上挂号逐步替代线下人工挂号，当然，不仅仅是医院挂号方式采用了线上方式，还有火车票、电影票、机票等购买方式也逐步趋向于线上购买。通过移动终端APP或者医院网页进行线上挂号，使得用户不必到医院排队挂号，为用户提供挂号服务。并且每个账号已经实现了实名认证，为用户的挂号安全提供保障。只是，通过线上挂号的方式，也为黄牛提供了便利，他们不需要到各个医院进行多次挂号，只需在线上就可进入不同医院的页面进行挂号操作。

发明内容

本发明实施例提供一种预约请求响应方法、装置、电子设备及存储介质，以实现对黄牛在线上恶意预约情况的控制。

第一方面，本发明实施例提供了一种预约请求响应方法，包括：

当接收到当前预约用户的预约请求时，获取当前预约用户的用户基本信息，基于所述用户基本信息确定基础风险分数；

获取所述当前预约用户的历史预约信息以及与所述历史预约信息对应的历史业务办理状态信息，基于所述历史预约信息和所述历史业务办理状态信息确定状态风险分数；

基于基础风险分数和状态风险分数确定所述当前预约用户的当前风险分数；

基于当前风险分数响应所述当前预约用户的预约请求。

第二方面，本发明实施例还提供了一种预约请求响应装置，所述装置包括：

基础风险分数确定模块，用于当接收到当前预约用户的预约请求时，获取当前预约用户的用户基本信息，基于所述用户基本信息确定基础风险分数；

状态风险分数确定模块，用于获取所述当前预约用户的历史预约信息以及与所述历史预约信息对应的历史业务办理状态信息，基于所述历史预约信息和所述历史业务办理状态信息确定状态风险分数；

当前风险分数确定模块，用于基于基础风险分数和状态风险分数确定所述当前预约用户的当前风险分数；

预约请求响应模块，用于基于当前风险分数响应所述当前预约用户的预约请求。

第三方面，本发明实施例还提供了一种电子设备，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例任一所述的预约请求响应方法。

第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例任一所述的预约请求响应方法。

本发明实施例的技术方案，通过在接收到当前预约用户的预约请求时，获取当前预约用户的用户基本信息以确定基础风险分数，获取当前预约用户的历史预约信息以及与历史预约信息对应着的历史业务办理状态信息，并基于历史预约信息以及与历史预约信息对应着的历史业务办理状态信息确定状态风险分数，基于基础风险分数和状态风险分数确定当前预约用户的当前风险分数，并基于当前风险分数响应当前预约用户的预约请求。本发明实施例的技术方案通过根据用户基本信息得到的基础风险分数和根据历史预约信息和与历史预约信息对应着的历史业务办理状态信息得到的状态风险分数，确定当前预约用户的当前风险分数，综合考虑了用户基本信息、用户的历史预约信息和与历史预约信息对应的历史业务办理状态信息，使得得到的当前风险分数更加准确。并基于当前风险分数有针对性的响应当前预约用户的预约请求，减少黄牛预约的风险。

附图说明

为了更加清楚地说明本发明示例性实施例的技术方案，下面对描述实施例中所需要用到的附图做一简单介绍。显然，所介绍的附图只是本发明所要描述的一部分实施例的附图，而不是全部的附图，对于本领域普通技术人员，在不付出创造性劳动的前提下，还可以根据这些附图得到其他的附图。

图1为本发明实施例一中的一种预约请求响应方法的流程示意图；

图2为本发明实施例二中的一种预约请求响应方法的流程示意图；

图3为本发明实施例四中的一种预约请求响应装置的结构示意图；

图4为本发明实施例五中的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例所提供的一种预约请求响应方法的流程示意图，本实施例可适用于在黄牛买票/挂号等网上预约的情况，该方法可以由预约请求响应装置来执行，该装置可以通过软件和/或硬件的形式实现。

如图1所述，本发明实施例的预约请求响应方法包括如下步骤：

S110、当接收到当前预约用户的预约请求时，获取当前预约用户的用户基本信息，基于所述用户基本信息确定基础风险分数。

其中，预约是指通过移动终端的app或者登录网址进行网上办理的业务，预约业务类型包括但不限于网上购票、网上挂号、网上预约酒店住处等，其中，网上购票包括但不限于网上购买电影票、机票、火车票、景点门票等。当前预约用户是指具有该预约服务账号并进行预约业务的用户。接收当前预约用户的预约请求，比如接收预约用户的挂号请求等。用户的基本信息包括但不限于预约业务类型、用户在预约业务类型中的用户账号、用户名、用户手机号、用户身份证号、预约时间等。风险分数是指用户是黄牛的风险分数。基础风险分数是指通过用户基本信息确定的风险分数。可选的，基础风险分数的取值范围为[0，1]。

获取当前用户的用户基本信息，并基于当前用户基本信息确定基础分险分数，其中，确定当前基础风险分数的方法包括但不限于通过用户基本信息中的用户名、手机号或者身份账号等是否有标记为黄牛等标识，其中黄牛等标识具有等级划分，比如，初级、中级、高级等，根据黄牛等标识的等级分数确定用户的基础风险分数；或者，预先设置基础风险分数获取模型，通过大量的用户基本信息对基础风险分数获取模型进行训练。当获取当前预约用户的用户基本信息时，将用户基本信息输入至基础风险分数获取模型中，以得到当前预约用户的基础风险分数。

可选地，基于所述用户基本信息确定基础风险分数包括：确定所述用户基本信息中是否包含有预设标识信息；若是，确定为第一基础风险分数，若否，确定为第二基础风险分数。

其中，用户基本信息包括但不限于用户账号、用户名、用户手机号、用户身份证号等可以代表用户身份的基本信息。预设标识信息可以理解为用于区分不同的预约用户的标识信息，在不同的预约场景中，预设标识信息可以表示相同或不同的含义。例如，在防止黄牛挂号的场景中，预设标识信息可以用于标识黄牛或者普通用户；在会员制预约场景中，预设标识信息可以标识是否为会员，进一步地，还可以标识会员的会员等级等。

以防止黄牛挂号的场景为例，此时，第一基础风险分数可用于表示该用户是黄牛的风险分数，第二基础风险分数可用于表示该用户不是黄牛的风险分数，其中，第二基础风险分数可以设置为0。当这类可以代表用户身份的基本信息中至少一个基本信息包含了预设标识信息，这可以确定第一基础风险分数，当所有的基本信息中不包含预设标识信息，表示该用户不是黄牛，所以设置第二基础风险分数。可以立即的是，第一基础风险分数和第二基础风险分数分别用于区分包含有预设标识信息用户以及未包含预设标识信息的用户的基础风险分数，第一基础风险分数和第二基础风险分数的具体数值可以根据实际需求进行设置，在此不做具体限定。

可选的，基于所述用户基本信息确定基础风险分数还包括：基于所述用户基本信息中的用户身份信息、行为活动信息和网络关系信息确定用户风险分数。

其中，用户身份信息表示可以代表用户身份的信息，包括上述的用户账号、用户手机号等。行为活动信息表示用户进行网上预约的行为信息，比如，网上挂号，XX医院、YY科室、ZZ日期等。网络关系是指预约业务办理平台、预约用户、用户端应用软件以及业务之间的相互关系。其中，业务包括但不限于预约业务、查询业务等。通过用户身份信息、行为活动信息以及网络关系信息确定用户风险分数的方式包括但不限于风险评分(Risk ofAcitivity,Identity and Network,RAIN)。

S120、获取所述当前预约用户的历史预约信息以及与所述历史预约信息对应的历史业务办理状态信息，基于所述历史预约信息和所述历史业务办理状态信息确定状态风险分数。

其中，历史预约信息包括但不限于历史预约时间、用户账号、用户名、用户身份证号、用户手机号等。可选的，历史预约信息包括但不限于当前时刻之前的预设时间段内的预约信息，比如，当前时刻为2020年1月22日，预设时间段为1个月，历史预约信息为2020年12月22日至2021年1月22日期间内的预约信息。历史预约信息对应的历史业务办理状态信息包括但不限于已完成、未执行、取消等。

当接收到当前预约用户的预约请求时，获取当前预约用户的历史预约信息以及历史预约信息对应的历史业务办理状态信息，并基于当前历史预约信息和历史业务办理状态信息确定状态风险分数，包括但不限于预先设置状态风险分数获取模型，比如神经网络模型或者深度神经网络模型。将历史预约信息和历史业务办理状态信息输入至状态风险分数获取模型，以得到状态当前预约用户的状态风险分数。

可选的，当接收到当前预约用户的预约请求时，首先确定预约请求对应的预约业务类型，确定该预约业务类型对应的预约规则，比如网上挂号，预约规则包括但不限于当月挂号取消不可以超过3次，此时，在预设时间段内历史预约信息中预约取消3次，说明该用户已经达到了用户预约取消上限，所以可以基于预约规则、历史预约信息和所述历史业务办理状态信息确定状态风险分数。综合判断用户的状态风险分数。

可选的，所述获取所述当前预约用户的历史预约信息以及与所述历史预约信息对应的历史业务办理状态信息，基于所述历史预约信息和所述历史业务办理状态信息确定状态风险分数包括：在当前时刻之前的预设时间段内，确定每次预约请求对应的当前预约用户的历史预约信息以及所述历史预约信息对应的历史业务办理状态信息，基于所述每次预约请求对应的历史预约信息以及所述历史业务办理状态信息确定状态风险分数。

其中，预设时间段可以是一个月、两个月、一年等任意设置的时间段。确定每次预约请求对应的历史预约信息及与历史预约信息对应的历史业务办理状态信息，此时的历史预约信息和历史业务办理状态信息只是距离当前时刻预设时间段内的信息，相较于更早之前的信息而言，预设时间段内的信息更能体现当前预约用户的预约情况，采用预约时间段内的历史预约信息和历史业务办理状态信息确定的状态风险分数，相较于当前预约用户从注册账号开始的历史预约信息和历史业务办理状态信息得到状态风险分数更能体现当前预约用户近期内的预约情况，并且由于采用预约时间段的历史预约信息和历史预约业务办理状态信息进行计算，计算量小，速度快，可以较快的得到状态风险分数，从整体上提高得到用户的当前风险分数的效率，也即，从整体上提高了对当前预约用户的预约请求的响应速度。

S130、基于基础风险分数和状态风险分数确定所述当前预约用户的当前风险分数。

其中，当前风险分数是指当前预约用户是黄牛的风险分数。基于基础风险分数和状态风险分数确定当前预约用户的当前风险分数的方式包括但不限于将基础风险分数和状态风险分数进行加权求和，以确定当前预约用户的当前风险分数。可以理解的是，基础风险分数和状态风险分数的权重以及基础风险分数和状态风险分数的取值区间可以根据实际需求进行设置，在此并不做具体限定。示例性地，可以将基础风险分数和状态风险分数的权重设置为两者相加为1的数值，进而，可以将基础风险分数和状态风险分数的取值范围设置为[0，1]，对基础风险分数和状态风险分数加权求和，可以得到的当前风险分数，当前风险分数为处于[0，1]之间的数值，这样设置的好处在于，在减少运算量的同时，能够进一步基于基础风险分数、状态风险分数以及与基础风险分数和状态风险分数对应的当前风险分数，了解基础风险分数和状态风险分数的分布情况，以便基于当前风险分数更加合理地对当前预约用户的预约请求做出响应。可选地，预先训练当前风险分数获取模型，将基础风险分数和状态风险分数输入当前风险分数获取模型中，以确定当前风险分数，其中当前风险分数获取模型可以是神经网络模型、卷积模型等。其中，设置当前风险分数取值为[0，1]之间的数值。基于基础风险分数和状态风险分数共同确定的当前预约用户的当前风险分数，全面考虑了当前预约用户的用户基本信息、历史预约信息和历史业务办理状态信息，得到的当前风险分数更加准确。

S140、基于当前风险分数响应所述当前预约用户的预约请求。

其中，响应当前预约用户的预约请求是指针对当前预约用户的预约请求作出反应，比如暂停预约请求、通过预约请求、延迟预约请求等。基于当前风险分数响应当前预约用户的预约请求包括但不限于预先设置当前风险分数的不同取值范围及每个取值范围对应的响应内容，获取当前风险分数，并确定当前风险分数落入的取值范围，查找对应的响应内容，基于该响应内容响应当前预约用户的预约请求。比如，当前风险分数的分数范围及每个分数范围对应的响应内容为：分数范围为[0.00,0.25)对应的暂停响应预约请求，并发送暂停警告信息至用户终端、分数范围为[0.25,0.50)对应着延迟三天响应预约请求，并发送延迟通知信息至用户终端、分数范围为[0.50,0.75)对应着及时响应预约请求，并发送当前风险分数的通知信息至用户终端、分数范围为[0.75,1.00)对应着及时响应预约请求。这样将每个取值范围对应着不同的响应内容，有针对性的对当前预约用户做出不同的响应。

本发明实施例的技术方案，通过在接收到当前预约用户的预约请求时，获取当前预约用户的用户基本信息以确定基础风险分数，获取当前预约用户的历史预约信息以及与历史预约信息对应着的历史业务办理状态信息，并基于历史预约信息以及与历史预约信息对应着的历史业务办理状态信息确定状态风险分数，基于基础风险分数和状态风险分数确定当前预约用户的当前风险分数，并基于当前风险分数响应当前预约用户的预约请求。本发明实施例的技术方案通过根据用户基本信息得到的基础风险分数和根据历史预约信息和与历史预约信息对应着的历史业务办理状态信息得到的状态风险分数，确定当前预约用户的当前风险分数，综合考虑了用户基本信息、用户的历史预约信息和与历史预约信息对应的历史业务办理状态信息，使得得到的当前风险分数更加准确。并基于当前风险分数有针对性的响应当前预约用户的预约请求，减少黄牛预约的风险。

实施例二

图2是本发明实施例提供的预约请求响应方法的流程示意图，本发明实施例是在上述实施例的可选方案的基础上增加风险曲线分数的技术特征，可选的，在步骤120之后，还包括：在当前时刻之前的预设时间段内，获取预约时间点，并确定每个预约时间点的预设风险阈值；基于每个预约时间点的预设风险阈值确定风险曲线，以确定曲线风险分数。其中，与上述实施例相同或者相似的技术术语将不再赘述。

如图2所示，本发明实施例的预约请求响应方法包括如下步骤：

S210、当接收到当前预约用户的预约请求时，获取当前预约用户的用户基本信息，基于所述用户基本信息确定基础风险分数。

S220、获取所述当前预约用户的历史预约信息以及与所述历史预约信息对应的历史业务办理状态信息，基于所述历史预约信息和所述历史业务办理状态信息确定状态风险分数。

S230、在当前时刻之前的预设时间段内，获取预约时间点，并确定每个预约时间点的预设风险阈值。

其中，预设风险阈值是指在预设时间段内根据预约时间点的当前风险分数确定的分数，其中，这里的当前风险分数是指通过根据预约时间点的当前预约用户的用户基本信息确定基础风险分数，根据用户在预设时间段的历史预约信息以及与历史预约信息对应的历史业务办理状态信息确定状态风险分数，基于基础风险分数和状态风险分数确定预约时间点的当前风险分数。基于预设时间段内的预约时间点的当前风险分数确定预约风险分数的方式可以是对当前风险分数设置分数范围，每个分数范围对应一个预设风险阈值，比如，当前风险分数的分数范围为[0,1]，将分数范围平均分为四个分数范围，分数范围为[0.00,0.25)对应的预设风险阈值为0.2，分数范围为[0.25，0.50)对应的预设风险阈值为0.4，分数范围为[0.50,0.75)对应的预设风险阈值为0.6，分数范围为[0.75,1.00)对应的预设风险阈值为0.8。可选的，预设风险阈值也可以是仅针对当前预约时间点的当前预约用户的用户基本信息、当前预约信息、当前预约信息对应的业务办理状态确定的预设风险阈值，预先设置预设风险阈值获取模型，将用户基本信息、当前预约信息、当前预约信息对应的业务办理状态输入至预设风险阈值获取模型中，以得到预设风险阈值。

S240、基于每个预约时间点的预设风险阈值确定风险曲线，以确定曲线风险分数。

其中，基于每个预约时间点的预设风险阈值确定风险曲线的方式包括但不限于基于每个预约时间点的预设风险阈值作为二维坐标系中的Y坐标，对应的时间点作为X坐标，来确定(X,Y)坐标点，将每个坐标点连接起来，确定风险曲线。也可以是后一个预约时间点的预设风险阈值减去当前预约时间点的预设风险阈值，得到的数值作为Y坐标，对应的将后一个预约时间点减去当前预约时间点得到的数值作为X坐标，以得到一个(X,Y)坐标点，依次得到其他的坐标点，并将每个坐标点依次连接起来，其得到风险曲线。根据风险曲线确定曲线分数，比如，根据风险曲线确定风险曲线的类型，其中，风险曲线的类型包括稳定增加、稳定减小、保持不变等，不同的风险曲线类型对应着不同的曲线分数，比如，稳定增加的风险曲线类型对应的曲线分数为1，稳定减小的风险曲线类型对应的曲线分数为0.5，保持不变的风险曲线类型对应的风险分数为0。当然，这里的保持不变的风险曲线类型对应的风险分数可以根据预约时间段内的每个预约时间点统计的业务办理状态信息确定，比如，对每个预约时间点的业务办理状态为取消的次数进行统计，并取均值，当均值大于预设值，保持不变的风险曲线类型对应的风险分数为1，当均值小于等于预设值大于零，对应的保持不变的风险曲线类型对应的风险分数为0.5，当均值为0，保持不变的风险曲线类型对应的风险分数为0。

S250、基于基础风险分数和状态风险分数确定所述当前预约用户的当前风险分数。

S260、基于曲线风险分数更新当前风险分数，以确定更新风险分数。

其中，曲线风险分数是指根据当前预约用户在当前时刻之前的预设时间段内预约情况得到的曲线风险分数，而当前风险分数是指当前预约用户的用户基本信息、历史预约信息和与历史预约信息对应的历史业务办理状态信息确定的当前风险分数，基于曲线风险分数更新当前风险分数可以使得当前风险分数的结果更能体现当前预约用户近期的预约风险情况。

可选的，确定更新风险分数的方式包括但不限于将所述曲线风险分数和所述当前风险分数进行加权求和，将加权求和后的结果确定为更新风险分数。亦或是，将曲线风险分数添加权重加上当前风险分数以得到更新风险分数。

S270、基于更新风险分数响应所述当前预约用户的预约请求。

其中，基于更新风险枫树响应当前预约用户的预约请求的方式与上述实施例中提到的响应方式相同，这里不再赘述。更新风险分数更能体现当前预约用户近期内预约风险情况，因此，基于更新风险分数响应当前预约用户的预约请求的响应情况更加准确。

本发明实施例的技术方案，通过在接收到当前预约用户的预约请求时，获取当前预约用户的用户基本信息以确定基础风险分数，获取当前预约用户的历史预约信息以及与历史预约信息对应着的历史业务办理状态信息，获取当前时刻之前的预设时间段内的每个预约时间点的预设风险阈值，并基于历史预约信息以及与历史预约信息对应着的历史业务办理状态信息确定状态风险分数，基于预设风险阈值得到风险曲线，并基于风险分数确定曲线风险分数，基于基础风险分数和状态风险分数确定当前预约用户的当前风险分数，基于曲线风险分数更新当前风险分数以得到更新风险分数，基于更新风险分数响应当前预约用户的预约请求。本发明实施例的技术方案中采用曲线风险分数对当前风险分数进行更新，由于曲线风险分数是指在当前时刻之前的预设时间段的曲线风险分数，利用曲线风险分数更新当前风险分数得到的更新风险分数更能体现近期内，当前预约用户的预约情况及当前预约用户是黄牛的风险情况，因此，更加有针对性的响应当前预约用户的预约请求。

实施例三

本发明实施例在上述实施例的基础上的优选方案，具体的，本发明实施例的基础风险分数包括第三方评分模块获取的第一基础风险分数和预先设置的预设评分模块中的基础评分子模块获取的第二基础风险分数。其中，第三方评分模块包括但不限于RAIN风险评分模块。

用户基本信息包括但不限于预约信息、网络关系，用户手机号等，通过将上述的用户基本信息输入至RAIN风险评分模块中，以得到第一基础风险分数。通过将用户基本信息输入至基础评分子模块以确定第二基础风险分数，比如，当前预约业务类型为网上挂号，用户基本信息中的用户名、用户账号、用户名、用户手机号、用户身份证号等中的任意一个信息，可由管理人员添加了疑似黄牛或者黄牛的标识。当然，正常用户可以添加正常用户的标识也可以不添加任何标识。由用户基本信息中的标识信息确定当前预约用户的第二基础风险分数。

状态风险分数由预先设置的预设评分模块中的状态评分子模块，根据当前预约用户的历史预约信息及历史预约信息对应的历史业务办理状态信息确定状态风险分数，比如，当前预约业务类型为网上挂号，历史业务办理状态信息包括挂号就诊、挂号未就诊等，历史预约信息包括对该预约用户标记为恶意挂号，基于状态评分子模块得到状态风险分数。

当然，也可以将基础评分子模块和状态评分子模块进行结合，比如，将预设评分模块设置两个维度。维度一，对预约用户设置是否为恶意挂号，并记录当前预约时间点之前未就诊的次数。维度二，用户的基本信息中某一个或者某几个信息被管理人员添加了疑似黄牛或者黄牛的标签(正常用户不会被添加)。两个维度各自对应的风险值为100，设置分值从高到低的顺序规则是：a、黄牛，恶意挂号，未就诊次数超过预设次数大于预设次数；b、疑似黄牛，恶意挂号，未就诊次数大于预设次数；c、正常用户，恶意挂号，未就诊次数大于预设次数；d、黄牛，恶意挂号，未就诊次数超过预设次数小于预设次数；e、疑似黄牛，恶意挂号，未就诊次数超过预设次数小于预设次数；f、正常用户，恶意挂号，未就诊次数超过预设次数小于预设次数；g、黄牛，正常挂号，未就诊次数超过预设次数大于预设次数；h、疑似黄牛，正常挂号，未就诊次数超过预设次数大于预设次数；i、正常用户，正常挂号，未就诊次数超过预设次数大于预设次数；j、黄牛、正常挂号，未就诊次数超过预设次数小于预设次数；k、疑似黄牛，正常挂号，未就诊次数超过预设次数小于预设次数；1、正常用户，正常挂号，未就诊次数超过预设次数小于预设次数。每种情况设置一个风险值，所以，预设评分模块的风险分数为：

f(i)＝w1(i)*m1(i)+w2(i)*m2(i)

其中，所述f(i)为某一预约时间点的预约风险评分模块的风险分数，w1(i)和w2(i)是指权重，二者相加为1，m1(i)是指维度一的风险分数，m2(i)是指维度二的风险分数，其中维度一和维度二的风险分数为小于1大于0的数值。

将RAIN风险评分分数F(i)与上述预设评分模块的风险分数相结合，得到当前风险分数S：

S＝a(i)*F(i)+b(i)*f(i)

其中，a(i)和b(i)是指一段时间以后的一个趋势变化权重，风险值增加越多权重值越大，反之风险值减少越多权重值越小，S值与风险值成正比。

对当前预约时间点之前的预设时间段内的每个预约时间点的预设风险阈值，比如，当前预约用户在当前时刻之前的一个月内共有五次挂号记录，按照时间先后顺序，获取对应的预设风险阈值为c1、c2、c3、c4、c5，获取的方式可以是上述实施例里提到的方式，这里不再赘述。采用后一个预设风险阈值减去前一个预设风险阈值的方式，依次得到4个预设风险阈值差值，并采用相同的方式，计算后二个预约时间点减去前一个预约时间点，依次得到4个时间差值，将对应的时间差值和预设风险阈值差值作为坐标点，并在二维坐标系中依次绘制这4个坐标点，用光滑曲线依次相连，得到一个曲线图，表示根据该用户A在这一个月内挂号情况而得出该用户A是黄牛的风险变化趋势。该趋势有三种变化形式，1、稳定增加，2、稳定减少，3稳定不变。每种趋势设置一个曲线分数。其中，稳定不变分为4种情况：1、统计5次内的预设风险阈值均为零，表示该用户为正常患者，曲线分数为t0；2、统计5次内的预设风险阈值大于0小于等于3，表示该用户是黄牛的风险性一般，设置t1；3、统计5次内的预设风险阈值大于3小于等于5，表示该用户是黄牛的风险较大，设置分值t2；4、统计5次内的预设风险阈值大于5，表示该用户是黄牛的风险最大，设置曲线分数为t3。其中，t0、t1、t2、t3的数值逐渐增加，其中，t0可以设置为0。

将曲线分数与某一预约时间点的风险分数S相加，以得到更新风险分数，并根据更新风险分数对该用户A的挂号进行响应。比如，设置挂号验证方式的难易程度来响应该用户A。

本发明实施例的技术方案，通过RAIN风险评分模块确定第一基础风险分数，通过预设评分模块确定风险分数，第一基础风险分数和预设评分模块的风险分数加权求和，以得到当前风险分数。并针对当前时刻之前的预设时间段内的曲线分数，将曲线分数和当前风险分数相加，以得到更新风险分数，基于更新风险分数对用户的挂号请求进行响应，根据更新风险分数设置不同的挂号验证方式(不同挂号验证方式具有不同的难易程度)，以对用户的挂号请求进行限制。提高用户挂号的安全性，减少黄牛挂号的风险。

实施例四

图3为本发明实施例提供的一种预约请求响应装置的结构示意图，该装置包括：基础风险分数确定模块310、状态风险分数确定模320、当前风险分数确定模块330和预约请求响应模块340.其中：

基础风险分数确定模块310，用于当接收到当前预约用户的预约请求时，获取当前预约用户的用户基本信息，基于所述用户基本信息确定基础风险分数；

状态风险分数确定模块320，用于获取所述当前预约用户的历史预约信息以及与所述历史预约信息对应的历史业务办理状态信息，基于所述历史预约信息和所述历史业务办理状态信息确定状态风险分数；

当前风险分数确定模块330，用于基于基础风险分数和状态风险分数确定所述当前预约用户的当前风险分数；

预约请求响应模块340，用于基于当前风险分数响应所述当前预约用户的预约请求。

进一步的，所述基础风险分数确定模块310包括：

预设标识信息确定子模块，用于确定所述用户基本信息中是否包含有预设标识信息；

基础风险分数确定子模块，用于若是，确定为第一基础风险分数，若否，确定为第二基础风险分数。

进一步的，所述基础风险分数确定模块310还包括：

用户风险分数确定子模块，用于基于所述用户基本信息中的用户身份信息、行为活动信息和网络关系信息确定用户风险分数。

进一步的，所述状态风险分数确定模块320包括：

状态风险分数确定子模块，用于在当前时刻之前的预设时间段内，确定每次预约请求对应的当前预约用户的历史预约信息以及所述历史预约信息对应的历史业务办理状态信息，基于所述每次预约请求对应的历史预约信息以及所述历史业务办理状态信息确定状态风险分数。

进一步的，所述装置还包括：

预设风险阈值确定模块，用于在当前时刻之前的预设时间段内，获取预约时间点，并确定每个预约时间点的预设风险阈值；

曲线风险分数确定模块，用于基于每个预约时间点的预设风险阈值确定风险曲线，以确定曲线风险分数；

更新风险分数确定模块，用于基于所述曲线风险分数更新所述当前风险分数，以确定更新风险分数；

相应地，所述预约请求响应模块340包括：

预约请求响应子模块，用于基于更新风险分数响应所述当前预约用户的预约请求。

进一步的，所述更新风险分数确定模块包括：

更新风险分数确定子模块，用于将所述曲线风险分数和所述当前风险分数进行加权求和，将加权求和后的结果确定为更新风险分数。

进一步的，所述当前风险分数确定模块330包括：

当前风险分数确定子模块，用于将所述基础风险分数和所述状态风险分数进行加权求和，以确定当前预约用户的当前风险分数。

本发明实施例的技术方案，通过在接收到当前预约用户的预约请求时，获取当前预约用户的用户基本信息以确定基础风险分数，获取当前预约用户的历史预约信息以及与历史预约信息对应着的历史业务办理状态信息，并基于历史预约信息以及与历史预约信息对应着的历史业务办理状态信息确定状态风险分数，基于基础风险分数和状态风险分数确定当前预约用户的当前风险分数，并基于当前风险分数响应当前预约用户的预约请求。本发明实施例的技术方案通过根据用户基本信息得到的基础风险分数和根据历史预约信息和与历史预约信息对应着的历史业务办理状态信息得到的状态风险分数，确定当前预约用户的当前风险分数，综合考虑了用户基本信息、用户的历史预约信息和与历史预约信息对应的历史业务办理状态信息，使得得到的当前风险分数更加准确。并基于当前风险分数有针对性的响应当前预约用户的预约请求，减少黄牛预约的风险。

本发明实施例所提供的预约请求响应装置可执行本发明任意实施例所提供的预约请求响应方法，具备执行方法相应的功能模块和有益效果。

值得注意的是，上述系统所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。

实施例五

图4为本发明实施例提供的一种电子设备的结构示意图。图4示出了适于用来实现本发明实施例实施方式的示例性设备40的框图。图4显示的设备40仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，设备40以通用计算设备的形式表现。设备40的组件可以包括但不限于：一个或者多个处理器或者处理单元401，系统存储器402，连接不同系统组件(包括系统存储器402和处理单元401)的总线403。

总线403表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

设备40典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备40访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器402可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)404和/或高速缓存存储器405。设备40可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统406可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线403相连。存储器402可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块407的程序/实用工具408，可以存储在例如存储器402中，这样的程序模块407包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块407通常执行本发明所描述的实施例中的功能和/或方法。

设备40也可以与一个或多个外部设备409(例如键盘、指向设备、显示器410等)通信，还可与一个或者多个使得用户能与该设备40交互的设备通信，和/或与使得该设备40能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口411进行。并且，设备40还可以通过网络适配器412与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器412通过总线403与设备40的其它模块通信。应当明白，尽管图4中未示出，可以结合设备40使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元401通过运行存储在系统存储器402中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的预约请求响应方法。

实施例六

本发明实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种预约请求响应方法。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。