分诊方法、就诊方法、数据识别方法、装置及存储介质

技术领域

本公开涉及人工智能技术领域，尤其涉及自然语言处理、医疗中的数据识别等领域。

背景技术

目前，用户就诊时往往分不清自己该挂哪个科室，不明确科室医生擅长的疾病等，分诊时也不清楚用户的具体诉求，导致为用户分诊的精度低，需要一种对于用户侧而言更为便利的分诊解决方案，提高分诊的精度。

发明内容

本公开提供了一种分诊方法、就诊方法、数据识别方法、装置及存储介质。

根据本公开的一方面，提供了一种分诊方法，包括：

响应第一就诊请求，得到文本数据；

从所述文本数据中识别出目标特征数据，所述目标特征数据用于表征与疾病相关的特征；

根据所述目标特征数据进行分诊处理，得到与所述目标特征数据相匹配的医疗信息。

根据本公开的另一方面，提供了一种就诊方法，包括：

获取用户主诉数据；

根据所述用户主诉数据得到第一就诊请求；

发送所述第一就诊请求；

其中，所述用户主诉数据包括与疾病相关的特征数据。

根据本公开的一方面，提供了一种数据识别方法，包括：

获取用户主诉数据；

从所述用户主诉数据中识别出目标特征数据，所述目标特征数据用于表征与疾病相关的特征。

根据本公开的一方面，提供了一种数据识别方法，包括：

获取医疗数据；

从所述医疗数据中识别出目标特征数据，所述目标特征数据用于表征与疾病相关的特征。

根据本公开的另一方面，提供了一种分诊装置，包括：

第一响应单元，用于响应第一就诊请求，得到文本数据；

第一识别单元，用于从所述文本数据中识别出目标特征数据，所述目标特征数据用于表征与疾病相关的特征；

第一分诊单元，用于根据所述目标特征数据进行分诊处理，得到与所述目标特征数据相匹配的医疗信息。

根据本公开的一方面，提供了一种就诊装置，包括：

第二获取单元，用于获取用户主诉数据；

第二处理单元，用于根据所述用户主诉数据得到第一就诊请求；

第一发送单元，用于发送所述第一就诊请求；

其中，所述用户主诉数据包括与疾病相关的特征数据。

根据本公开的一方面，提供了一种数据识别装置，包括：

第三获取单元，用于获取用户主诉数据；

第二识别单元，用于从所述用户主诉数据中识别出目标特征数据，所述目标特征数据用于表征与疾病相关的特征。

根据本公开的一方面，提供了一种数据识别装置，包括：

第五获取单元，用于获取医疗数据；

第三识别单元，用于从所述医疗数据中识别出目标特征数据，所述目标特征数据用于表征与疾病相关的特征。

根据本公开的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任意一实施例所提供的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使该计算机执行本公开任意一项实施例所提供的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现本公开任意一项实施例所提供的方法。

采用本公开，可以响应第一就诊请求，以得到文本数据，从该文本数据中识别出目标特征数据，该目标特征数据用于表征与疾病相关的特征。可以根据目标特征数据进行分诊处理，得到与该目标特征数据相匹配的医疗信息，从而，能精准匹配到医疗信息，提高了分诊精度。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开实施例的一分布式集群处理场景的示意图；

图2是根据本公开实施例的一分诊处理场景的示意图；

图3是根据本公开实施例的分诊方法的流程示意图；

图4是根据本公开实施例的分诊方法的流程示意图；

图5是根据本公开实施例的分诊方法的流程示意图；

图6是根据本公开实施例的就诊方法的流程示意图；

图7是根据本公开实施例的数据识别方法的流程示意图；

图8是根据本公开实施例的数据识别方法的流程示意图；

图9是根据本公开实施例的就诊到分诊的交互示意图；

图10是根据本公开实施例的应用示例中医疗信息维护的示意图；

图11是根据本公开实施例的应用示例中用户就诊咨询的示意图；

图12是根据本公开实施例的分诊装置的组成结构示意图；

图13是根据本公开实施例的就诊装置的组成结构示意图；

图14是根据本公开实施例的数据识别装置的组成结构示意图；

图15是根据本公开实施例的数据识别装置的组成结构示意图；

图16是用来实现本公开实施例的分诊方法/就诊方法/数据识别方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。本文中术语“第一”、“第二”表示指代多个类似的技术用语并对其进行区分，并不是限定顺序的意思，或者限定只有两个的意思，例如，第一特征和第二特征，是指代有两类/两个特征，第一特征可以为一个或多个，第二特征也可以为一个或多个。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

根据本公开的实施例，图1是根据本公开实施例的一分布式集群处理场景的示意图，该分布式集群系统为集群系统的一个示例，示例性的描述了可以利用该分布式集群系统进行分诊处理，本公开不限于单机或多机上的分诊，采用分布式的处理可以进一步提高分诊精度。如图1所示，在该分布式集群系统中包括多个节点(如服务器集群101、服务器102、服务器集群103、服务器104、服务器105，服务器105还可以连接电子设备，如手机1051及台式机1052)，多个节点间，以及多个节点与连接的电子设备间可以共同执行一个或多分诊任务。可选地，该分布式集群系统中的多个节点可以采用数据并行的分诊处理模式，即：可以同时接收多个用户(如患者)的就诊请求，交由该分布式集群系统中的多个节点基于相同的分诊处理逻辑，比如从患者就诊请求中得到文本数据，从文本数据中识别出用于表征与疾病相关特征(如，如胃肠、皮肤、乳腺、神经、关节、肺部等目标特征数据)，进行分诊处理以得到与该目标特征数据相匹配的医疗信息。

图2是根据本公开实施例的一分诊处理场景的示意图，如图2所示，包括：

S201、用户输入文本数据，根据该文本数据得到就诊请求。

一些示例中，除了输入文本数据，用户还可以输入语音数据，无论文本数据还是语音数据及其组合，只要这些数据中包括上述用于表征与疾病相关特征，可以得到该就诊请求。

S202、对该文本数据进行识别。

一些示例中，识别可以采用命名实体识别(Named Entity Recognition，NER)，NER识别又称作“专名识别”，可以识别出文本数据中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等，在本示例中，通过NER识别可以得到用于表征与疾病相关特征(如，如胃肠、皮肤、乳腺、神经、关节、肺部等目标特征数据)。

S203、得到识别结果，该识别结果包括目标特征数据。

S204、进行分诊，得到与目标特征数据相匹配的医疗信息。

一些示例中，医疗信息是以特征分类进行维护，并存储于医疗信息数据库中。由于医疗信息是以特征分类进行维护，因此，在该目标特征数据与该医疗信息之间存在映射关系，可以记为“目标特征数据<—>医疗信息”，从而根据该文本数据中识别出的该目标特征数据，可以精确匹配到医疗信息(如擅长相应疾病的医生)。

步骤S201-S204不存在必然的顺序关系，可以根据需要选择其中部分步骤予以执行，不需要顺序执行上述步骤。

需要指出的是，就诊和分诊的处理可以设置于同一侧，比如通过终端侧的一个APP来实现；就诊和分诊的处理也可以位于不同侧，比如，就诊通过终端侧的一个APP来实现，就诊通过其他APP来实现，或者分诊通过集成在医院在线远程问诊的后台服务器侧的一个功能模块中来实现。

需要指出的是，医疗信息是以特征分类进行维护，并存储于医疗信息数据库中，该医疗信息数据库可以位于就诊侧(如就诊侧的患者咨询系统)，也可以位于分诊侧(如分诊侧的分诊系统)，当就诊和分诊的处理位于同一侧时，该医疗信息数据库也可以位于同一侧。除此之外，该医疗信息数据库还可以单独设置于一个功能模块中，以医生维护系统的形式存在，可以采用分布式数据库，比如，医疗信息可以分布在计算机网络中的不同的计算机(计算机也称为为计算机网络中的一个节点)上，网络中的每个节点具有独立处理的能力，从而提高分诊时的匹配速度，提高分诊的处理效率。

根据本公开的实施例，提供了一种分诊方法，图3是根据本公开实施例的分诊方法的流程示意图，该方法可以应用于分诊装置，例如，该装置可以部署于单机、多机或集群系统中的终端或服务器或其它处理设备执行的情况下，可以实现分诊等等处理。其中，终端可以为用户设备(UE，User Equipment)、移动设备、个人数字处理(PDA，Personal DigitalAssistant)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该方法还可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图3所示，该方法应用于图1所示的集群系统中的任一节点或电子设备(手机或台式机等)中，包括：

S301、响应第一就诊请求，得到文本数据。

S302、从该文本数据中识别出目标特征数据，目标特征数据用于表征与疾病相关的特征。

S303、根据该目标特征数据进行分诊处理，得到与该目标特征数据相匹配的医疗信息。

一些示例中，医疗信息包括：医生信息(如医院各个科室中有医生执照的医生)、专家信息(如医院各个科室中退休返聘的专家、或无医生执照的各门类专家)中的至少一种。

S301-S303的一示例中，该第一就诊请求中可以携带用于表征与疾病相关特征(如，如胃肠、皮肤、乳腺、神经、关节、肺部等目标特征数据)，从该文本数据中识别出该目标特征数据，可以根据该目标特征数据进行分诊处理，用户侧不需要关注具体的疾病及与疾病相关的医生所在科室，只要识别出该目标特征数据，即可通过该分诊处理精准的匹配到与该目标特征数据相匹配的医疗信息，比如，该文本数据为：“我前几天吃了麻辣烫和水煮鱼，这几天一直感觉胃疼，有恶心的感觉”，可以识别出的该目标特征数据为“胃疼”，通过该分诊处理得到擅长胃病治疗的医疗信息，以医生信息为例，对于用户常常存在“知道病的症状，但是不知具体啥病”，或者“知道具体的病，但是不知道挂具体的啥科室或啥科室的医生”，通过分诊的智能匹配，不仅简化了用户操作，而且分诊能更清楚用户诉求，比如，就“胃疼”而言，用户在提交该第一就诊请求时不需要知道：“胃疼”如果看西医，则一般挂消化内科；如果看中医，一般挂脾胃科等，分诊的智能匹配可以帮用户解决就诊诉求。

采用本公开，可以响应第一就诊请求，以得到文本数据，从该文本数据中识别出目标特征数据，该目标特征数据用于表征与疾病相关的特征。可以根据目标特征数据进行分诊处理，得到与该目标特征数据相匹配的医疗信息。由于可以根据从文本数据中识别的目标特征数据进行分诊处理，而不是根据科室进行分诊处理，用户侧无需知道具体的科室，也能精准匹配到医疗信息，从而提高了分诊精度。

一实施方式中，还包括：将医疗信息存储于以目标特征数据进行特征分类的医疗信息数据库中。采用本实施方式，将该医疗信息以特征分类进行存储及后期的定时维护更新，相比于将医疗信息以科室分类进行分类，不仅降低了患者就诊的难度(患者无需精准的知道具体疾病，只需要知道疾病的描述，比如哪个部位不舒服，疾病的症状是发热，发炎等)，而且，由于能够根据识别的目标特征数据精准匹配到的医疗信息，因此，提高了分诊的精确度，还提高了分诊的处理效率。

一实施方式中，目标特征数据，包括：人体部位、人体器官、人体组织中的至少一种。采用本实施方式，目标特征数据包括但不限于人体部位、人体器官、人体组织等多种数据类型，换言之，本实施方式支持多种数据类型，则用户侧可以无需关注疾病本身，而是输入这些数据类型即可实现分诊的智能匹配，减少了患者的就诊咨询成本，也提高了分诊的处理效率。

根据本公开的实施例，提供了一种分诊方法，图4是根据本公开实施例的分诊方法的流程示意图，该方法可以应用于分诊装置，如图4所示，该方法应用于图1所示的集群系统中的任一节点或电子设备(手机或台式机等)中，包括：

S401、响应第一就诊请求，得到文本数据。

一些示例中，该第一就诊请求中可以携带用于表征与疾病相关特征(如，如胃肠、皮肤、乳腺、神经、关节、肺部等目标特征数据)。

S402、对该文本数据进行分词处理，得到至少一个待识别的第一词对象。

一些示例中，对文本数据进行分词处理，对于包括英文单词的文本数据，由于英文单词天然以空格进行隔开，可以按照空格进行分词处理，有时候需要把多个单词做为一个分词，比如一些名词表达同一个语义，如人名、地名等，如“New York”，需要做为一个词看待。

一些示例中，对文本数据进行分词处理，对于包括中文词的文本数据，由于中文词之间没有空格，需要根据分词规则(比如字典)使得计算机系统可以在中文词之间自动加上空格或其他边界标记等。

S403、对该至少一个待识别的第一词对象进行特征提取，得到与该至少一个待识别的第一词对象对应的第一候选特征数据。

一些示例中，可以采用神经网络模型(如卷积神经网络模型)对该至少一个待识别的第一词对象进行特征提取，得到与该至少一个待识别的词对象对应的候选特征数据。

S404、在该第一候选特征数据与特征标签数据匹配成功的情况下，将该第一候选特征数据确定为目标特征数据，目标特征数据用于表征与疾病相关的特征。

一些示例中，特征标签数据可以是预先设置的，并存储于医疗知识图谱类型的标签数据库中，将该第一候选特征数据与特征标签数据进行匹配，即：从医疗知识图谱类型的标签数据库可以查询到该候选特征数据，则说明该第一候选特征数据与特征标签数据匹配成功，通过预设的该特征标签数据的匹配的识别方式，可以直接得到目标特征数据。

S405、根据该目标特征数据进行分诊处理，得到与该目标特征数据相匹配的医疗信息。

一些示例中，从该文本数据中识别出该目标特征数据(如，如胃肠、皮肤、乳腺、神经、关节、肺部等目标特征数据)，可以根据该目标特征数据进行分诊处理，用户侧不需要关注具体的疾病及与疾病相关的医生所在科室，只要识别出该目标特征数据，即可通过该分诊处理精准的匹配到与该目标特征数据相匹配的医疗信息。

采用本公开，可以响应第一就诊请求，以得到文本数据，通过分词处理以及对第一词对象进行特征提取，得到与第一词对象对应的第一候选特征数据，通过预设的该特征标签数据的匹配的识别方式，确定该第一候选特征数据为该目标特征数据。由于可以根据从文本数据中直接识别出的目标特征数据进行分诊处理，而不是根据科室进行分诊处理，用户侧无需知道具体的科室，也能精准匹配到医疗信息，从而提高了分诊精度。

根据本公开的实施例，提供了一种分诊方法，图5是根据本公开实施例的分诊方法的流程示意图，该方法可以应用于分诊装置，如图5所示，该方法应用于图1所示的集群系统中的任一节点或电子设备(手机或台式机等)中，包括：

S501、响应第一就诊请求，得到文本数据。

一些示例中，该第一就诊请求中可以携带用于表征与疾病相关特征(如，如胃肠、皮肤、乳腺、神经、关节、肺部等目标特征数据)。

S502、对该文本数据进行高频词的提取处理，得到至少一个待识别的第二词对象。

一些示例中，对文本数据进行分词处理，对于包括英文单词的文本数据，由于英文单词天然以空格进行隔开，可以按照空格进行分词处理，有时候需要把多个单词做为一个分词，比如一些名词表达同一个语义，如人名、地名等，如“New York”，需要做为一个词看待。

一些示例中，对文本数据进行分词处理，对于包括中文词的文本数据，由于中文词之间没有空格，需要根据分词规则(比如字典)使得计算机系统可以在中文词之间自动加上空格或其他边界标记等。

一些示例中，高频词包括：名词、形容词中的至少一种。也就是说，高频词的提取处理可以是针对出现频率高的名词，比如，第一词对象可以是胃、肠子等；高频词的提取处理也可以是针对出现频率高的形容词，比如，第一词对象可以是胃发炎、肠子疼、牙龈不舒服等疼痛或不舒服的疾病症状。

S503、对该至少一个待识别的第二词对象进行特征提取，得到与该至少一个待识别的第二词对象对应的第二候选特征数据。

一些示例中，可以采用神经网络模型(如卷积神经网络模型)对该至少一个待识别的词对象进行特征提取，得到与该至少一个待识别的词对象对应的第一候选特征数据。

S504、在该第二候选特征数据与特征标签数据匹配成功的情况下，将该第二候选特征数据确定为该目标特征数据。

一些示例中，特征标签数据可以是预先设置的，并存储于医疗知识图谱类型的标签数据库中，将该第二候选特征数据与特征标签数据进行匹配，即：从医疗知识图谱类型的标签数据库可以查询到该第二候选特征数据，则说明该第二候选特征数据与特征标签数据匹配成功，通过提取出现频率高的高频词，得到与第二词对象对应的第二候选特征数据，结合预设的该特征标签数据的匹配的识别方式，最终得到目标特征数据。

S505、根据该目标特征数据进行分诊处理，得到与该目标特征数据相匹配的医疗信息。

一些示例中，从该文本数据中识别出该目标特征数据(如，如胃肠、皮肤、乳腺、神经、关节、肺部等目标特征数据)，可以根据该目标特征数据进行分诊处理，用户侧不需要关注具体的疾病及与疾病相关的医生所在科室，只要识别出该目标特征数据，即可通过该分诊处理精准的匹配到与该目标特征数据相匹配的医疗信息。

采用本公开，可以响应第一就诊请求，以得到文本数据，通过提取出现频率高的高频词(如名词或形容词)，得到与第二词对象对应的第二候选特征数据，结合预设的该特征标签数据的匹配的识别方式，确定该第二候选特征数据为该目标特征数据。由于可以从该文本数据间接识别出目标特征数据，根据从文本数据中识别的目标特征数据进行分诊处理，而不是根据科室进行分诊处理，用户侧无需知道具体的科室，也能精准匹配到医疗信息，从而提高了分诊精度。

一实施方式中，响应第一就诊请求，得到文本数据，包括如下方式中的至少一种：

(1)方式1、第一就诊请求通过文本输入生成的情况下，从该第一就诊请求中提取出文本数据；

(2)方式2：第一就诊请求通过语音输入生成的情况下，将该第一就诊请求中的语音数据进行语音到文本的数据转换，将数据转换得到的文本数据作为该文本数据。

采用本实施方式，第一就诊请求的第一种方式是：用户输入文本，从而，可以直接得到该文本数据；或者，或者，第一就诊请求的第二种方式是：用户输入语音，从而，需要语音转文本后再得到该文本数据。

一实施方式中，还包括：获取历史数据，根据该历史记录和该文本数据进行疾病关联性分析，得到疾病关联指标。根据该疾病关联指标对目标特征数据进行更新，得到更新后的目标特征数据。其中，该历史数据包括：历史就诊记录、历史查询记录中的至少一种。采用本实施方式，结合历史就诊记录(如患者历史就诊信息)，历史查询记录(如患者历史查询信息)进行疾病关联性分析，以校准目标特征数据，提高识别精度，进一步的提高了分诊精度。

一些示例中，根据该疾病关联指标对目标特征数据进行更新，可以包括如下方式中的至少一种：

(1)方式1、基于数据之间的运算进行更新：可以将该疾病关联指标作为参数值(如权重系数)，与目标特征数据进行运算(不限于结合该目标特征数据与该权重系数之间的权重运算)，通过该疾病关联指标和该目标特征数据之间的数据运算，达到更新的目的，使最终得到的该更新后的目标特征数据，相较于该目标特征数据更为精确，从而，基于该更新后的目标特征数据进行分诊，更好的提高分诊精度；

(2)方式2：基于数据量本身的增加进行更新：可以将该疾病关联指标添加到已有的特征数据库中，已有的特征数据库中已存在目标特征数据，添加了该疾病关联指标之后，使得已有的特征数据库中增加了有别于该目标特征数据的其他数据或其他数据类型，达到更新的目的，使最终得到的该更新后的目标特征数据，相较于该目标特征数据更为精确，从而，基于该更新后的目标特征数据进行分诊，更好的提高分诊精度。

需要指出的是，除了通过第一就诊请求(如患者主诉数据)得到该文本数据，除此之外，还可以结合患者历史就诊信息，患者历史查询信息来完善文本数据。换言之，文本数据不仅反映患者本次的就诊诉求，还可以包括以往的历史数据(患者历史就诊信息，患者历史查询信息)，以便能够结合该患者历史就诊信息，该患者历史查询信息来辅助识别，从而，通过辅助识别进行疾病关联性的分析，识别精度提高了，从而，可以更好的提高分诊精度。

一实施方式中，根据目标特征数据进行分诊处理，得到与目标特征数据相匹配的医疗信息，包括：根据该目标特征校准数据进行分诊处理，得到该目标特征校准数据相匹配的医疗信息。采用本实施方式，通过该目标特征校准数据进行分诊处理，由于识别精度提高了，因此，可以得到更为精确的医疗信息，提高了分诊精度。

根据本公开的实施例，提供了一种就诊方法，图6是根据本公开实施例的就诊方法的流程示意图，该方法可以应用于就诊装置，如图7所示，该方法应用于图1所示的集群系统中的任一节点或电子设备(手机或台式机等)中，包括：

S601、获取用户主诉数据。

S602、根据该用户主诉数据得到第一就诊请求。

S603、发送第一就诊请求，以请求分诊处理，其中，用户主诉数据包括与疾病相关的特征数据。

一些示例中，该第一就诊请求中可以携带用于表征与疾病相关特征(如，如胃肠、皮肤、乳腺、神经、关节、肺部等目标特征数据)。

采用本公开，可以根据用户主诉数据得到第一就诊请求，以请求分诊处理，其中，用户主诉数据包括与疾病相关的特征数据，便于分诊时对该第一就诊请求中的特征数据进行识别及智能分诊，减少了用户侧的就诊咨询成本。

根据本公开的实施例，提供了一种数据识别方法，图7是根据本公开实施例的数据识别方法的流程示意图，该方法可以应用于数据识别装置，如图7所示，该方法应用于图1所示的集群系统中的任一节点或电子设备(手机或台式机等)中，包括：

S701、获取用户主诉数据。

S702、从用户主诉数据中识别出目标特征数据，目标特征数据用于表征与疾病相关的特征。

一些示例中，该目标特征数据，包括：人体部位、人体器官、人体组织中的至少一种。

采用本公开，可以从用户主诉数据中识别出目标特征数据，目标特征数据用于表征与疾病相关的特征，提高了对用户主诉数据的识别精度，在就诊侧进行目标特征数据的识别，无需分诊侧的识别，从而降低了分诊的处理成本，提高了分诊的处理效率。且分诊侧仍然可以根据该目标特征数据进行分诊处理，从而得到与该目标特征数据相匹配的医疗信息，不仅用户侧无需知道具体的科室，也能精准匹配到医疗信息，而且，仍然可以保证分诊侧的分诊精度。

一实施方式中，还包括：根据该目标特征数据得到第一就诊请求，发送所述第一就诊请求。采用本实施方式，可以根据该目标特征数据直接得到第一就诊请求，更为便捷。

一实施方式中，还包括：获取历史数据，根据该目标特征数据和该历史数据得到第二就诊请求，发送该第二就诊请求。其中，该历史数据包括：历史就诊记录、历史查询记录中的至少一种。采用本实施方式，进一步的，该目标特征数据还可以结合历史数据，数据更为完善，为分诊精度的提高，可以提供更多的数据支持。

一些示例中，患者在就诊咨询时，可以优先使用人体部位、人体器官和人体组织等目标特征数据进行咨询。其中，可以通过NER识别从用户主诉数据中识别出目标特征数据，得到患者主诉中的人体部位、人体器官和人体组织等，获取患者历史就诊信息(包括但不限于科室、影像信息)，其中，通过对影像信息进行图像识别，也可以得到人体部位、人体器官和人体组织等，最终形成患者完整的病例信息。根据该目标特征数据和该历史数据得到第二就诊请求后，将该第二就诊请求发送给分诊侧，则分诊侧可以根据该患者完整的病例信息来匹配医疗信息数据库，为患者进行智能分诊，即根据该目标特征数据进行分诊处理，并结合该历史数据进行疾病关联分析，从而得到与目标特征数据相匹配且最擅长该疾病及其关联的医疗信息。

一实施方式中，从用户主诉数据中识别出目标特征数据，包括：对该用户主诉数据进行分词处理，得到至少一个待识别的第一词对象。对该至少一个待识别的第一词对象进行特征提取，得到与至少一个待识别的第一词对象对应的第一候选特征数据，在第一候选特征数据与特征标签数据匹配成功的情况下，将所述第一候选特征数据确定为所述目标特征数据。采用本实施方式，可以通过NER识别该用户主诉数据，通过预设的该特征标签数据的匹配的识别方式，可以从该文本数据直接得到该目标特征数据，提高了识别精度。进一步的，由于可以根据从文本数据中识别的目标特征数据进行分诊处理，而不是根据科室进行分诊处理，用户侧无需知道具体的科室，也能精准匹配到医疗信息，从而提高了分诊精度。

一实施方式中，从用户主诉数据中识别出目标特征数据，包括：对用户主诉数据进行高频词的提取处理，得到至少一个待识别的第二词对象。对至少一个待识别的第二词对象进行特征提取，得到与该至少一个待识别的第二词对象对应的第二候选特征数据，在第二候选特征数据与特征标签数据匹配成功的情况下，将该第二候选特征数据确定为所述目标特征数据。采用本实施方式，可以通过NER识别该用户主诉数据，通过提取出现频率高的高频词(如名词或形容词)，得到与第二词对象对应的第二候选特征数据，结合预设的该特征标签数据的匹配的识别方式，确定该第二候选特征数据为该目标特征数据，提高了识别精度。进一步的，由于可以根据从文本数据中识别的目标特征数据进行分诊处理，而不是根据科室进行分诊处理，用户侧无需知道具体的科室，也能精准匹配到医疗信息，从而提高了分诊精度。

根据本公开的实施例，提供了一种数据识别方法，图8是根据本公开实施例的数据识别方法的流程示意图，该方法可以应用于数据识别装置，如图8所示，该方法应用于图1所示的集群系统中的任一节点或电子设备(手机或台式机等)中，包括：

S801、获取医疗数据。

一些示例中，医疗数据包括：医生的历史接诊信息、医生历史好评的问诊记录中的至少一种。

S802、从医疗数据中识别出目标特征数据，该目标特征数据用于表征与疾病相关的特征。

一些示例中，该目标特征数据，包括：人体部位、人体器官、人体组织中的至少一种。

采用本公开，可以从医疗数据中识别出目标特征数据，目标特征数据用于表征与疾病相关的特征，提高了对医疗数据的识别精度，在就诊侧进行目标特征数据的识别，无需分诊侧的识别，从而降低了分诊的处理成本，提高了分诊的处理效率。且分诊侧仍然可以根据该目标特征数据进行分诊处理，从而得到与该目标特征数据相匹配的医疗信息，不仅用户侧无需知道具体的科室，也能精准匹配到医疗信息，而且，仍然可以保证分诊侧的分诊精度。

一实施方式中，还包括：根据目标特征数据对医疗数据中的医疗信息进行特征分类，得到特征分类结果，将该医疗信息存储于以该特征分类结果进行维护的医疗信息数据库中。采用本实施方式，将该医疗信息以特征分类进行存储及后期的定时维护更新，相比于将医疗信息以科室分类进行分类，不仅降低了患者就诊的难度(患者无需精准的知道具体疾病，只需要知道疾病的描述，比如哪个部位不舒服，疾病的症状是发热，发炎等)，而且，由于能够根据识别的目标特征数据精准匹配到的医疗信息，因此，提高了分诊的精确度，还提高了分诊的处理效率。

一实施方式中，从医疗数据中识别出目标特征数据，包括：从医疗数据中识别出关键数据，所述关键数据用于表征：与医生擅长疾病相关的属性数据。从该关键数据中识别出该目标特征数据。采用本实施方式，该关键数据可以包括：医生擅长治疗的疾病、疾病症状中的至少一种。还可以从医生历史用药和历史手术方案中提取该关键数据，不限于这里的示例，只要与疾病特征相关的关键数据，都在本公开的保护范围之内。

一些示例中，从医疗数据中识别出目标特征数据后，可以对医疗信息以特征分类进行维护，考虑到该目标特征数据包括人体部位、人体器官、人体组织中的至少一种，可以将医疗信息以人体部位、人体器官、组织信息进行特征分类，得到医疗信息数据库。从医疗信息数据库中还可以提取出医生擅长治疗的疾病、症状、历史用药和历史手术治疗方案等实体作为医生的基础属性，进一步的，还可以通过医生历史好评的问诊记录里面，挖掘出医生擅长治疗的疾病、症状、历史用药和历史手术治疗方案等实体作为医生的补充属性，该基础属性和补充属性可以择一或者共同组成该关键数据。

一实施方式中，从关键数据中识别出目标特征数据，包括：对该关键数据进行分词处理，得到至少一个待识别的第一词对象。对该至少一个待识别的第一词对象进行特征提取，得到与该至少一个待识别的第一词对象对应的第一候选特征数据，在所述第一候选特征数据与特征标签数据匹配成功的情况下，将所述第一候选特征数据确定为所述目标特征数据。采用本实施方式，可以通过NER识别该医疗数据，通过预设的该特征标签数据的匹配的识别方式，确定该第一候选特征数据为该目标特征数据。由于可以从该文本数据直接得到该目标特征数据，提高了识别精度。进一步的，由于可以根据从文本数据中识别的目标特征数据进行分诊处理，而不是根据科室进行分诊处理，用户侧无需知道具体的科室，也能精准匹配到医疗信息，从而提高了分诊精度。

一实施方式中，从关键数据中识别出目标特征数据，包括：对关键数据进行高频词的提取处理，得到至少一个待识别的第二词对象。对该至少一个待识别的第二词对象进行特征提取，得到与该至少一个待识别的第二词对象对应的第二候选特征数据，在第二候选特征数据与特征标签数据匹配成功的情况下，将该第二候选特征数据确定为目标特征数据。采用本实施方式，可以通过NER识别该医疗数据，通过提取出现频率高的高频词(如名词或形容词)，得到与第二词对象对应的第二候选特征数据，结合预设的该特征标签数据的匹配的识别方式，确定该第二候选特征数据为该目标特征数据。由于可以从该文本数据间接得到目标特征数据，提高了识别精度。进一步的，由于可以根据从文本数据中识别的目标特征数据进行分诊处理，而不是根据科室进行分诊处理，用户侧无需知道具体的科室，也能精准匹配到医疗信息，从而提高了分诊精度。

图9是根据本公开实施例的就诊到分诊的交互示意图，通过医疗信息维护系统、患者咨询系统、分诊系统来实现就诊到分诊的交互，其中，该医疗信息维护系统、该分诊系统可以为分别运行于计算机网络中某节点(如计算机设备，如台式机、笔记本、服务器或服务器集群等)中的功能模块中，该医疗信息维护系统、该分诊系统可以集成设置于同一个功能模块中，也可以独立设置于不同功能模块中，患者咨询系统可以运行于智能手机中，如图9所示，包括：

S901、针对医疗数据进行数据识别，得到目标特征数据，该目标特征数据用于表征与疾病相关的特征，将医疗信息根据该目标特征数据以特征分类进行维护，形成医疗信息数据库。

S902、在该医疗信息数据库中建立该目标特征数据与医疗信息的映射关系。

S903、针对用户主诉数据进行数据识别，得到该目标特征数据。

S904、根据该目标特征数据得到第一就诊请求。

一些示例中，还可以结合历史数据，得到第二就诊请求。

S905、从该第一就诊请求中得到该目标特征数据，根据该目标特征数据进行分诊处理。

S906、进行分诊处理的过程中，查询医疗信息数据库，得到与该目标特征数据匹配的医疗信息。

S907、发送该医疗信息。

需要指出的是，步骤S901-S907不存在必然的顺序关系，可以根据需要选择其中部分步骤予以执行，不需要顺序执行上述步骤。

综上所述，考虑到相关技术中的在线远程问诊，是按照患者病情对应的科室对患者进行人工分诊，即：根据用户主诉数据进行人工分诊，医疗信息按科室分类进行维护。人工分诊之后，可以根据就诊记录提示用户是否按记录分诊，患者按科室分类匹配相应的医生进行就诊。然而，患者首次线上就诊时一般会不知道挂什么科，只能依赖于人工分诊后再进入相关的科室就诊，该流程较长，分诊精度低，分诊效率也低。

采用如图9所示的示例，将医疗信息以特征分类进行维护，形成医疗信息数据库，比如，将医疗信息以人体部位、人体器官、人体组织中的至少一种特征进行维护，通过识别医生擅长信息及挖掘医生历史好评问诊记录，利用NER识别，得到医生基础属性及医生补充属性，如图10所示。其中，通过NER识别得到的医生基础属性，是从医生擅长治疗的疾病、症状、历史用药、历史手术治疗方案中提取的，相应的，该目标特征数据包括：人体部位、人体器官、人体组织中的至少一种，比如，将医疗信息按人体部位分类维护(如按照手、胳膊、肩膀、胃等进行特征分类)，从而，便于分诊时根据该目标特征数据精准的匹配到该医疗信息，提高分诊精度，提高分诊效率。

采用如图9所示的示例，患者就诊咨询病情时可以通过NER识别得到就诊咨询中包括的目标特征数据(该目标特征数据包括：人体部位、人体器官、人体组织中的至少一种)，原始病情描述及患者历史就诊信息得到患者的完整病例信息，如图11所示。可选的，就诊咨询时可以优先使用人体部位、人体器官、人体组织进行咨询，则通过NER识别得到就诊咨询中包括的目标特征数据后，将该目标特征数据和患者历史就诊信息结合起来，以得到该患者的完整病例信息，从而，便于分诊时根据该目标特征数据查询医疗信息数据库，根据该目标特征数据精准的匹配到该医疗信息，提高分诊精度，提高分诊效率。

采用如图9所示的示例，分诊时，可以根据获取的患者的完整病例信息，确定待选疾病信息，根据该患者的完整病例信息包括的目标特征数据，查询医疗信息数据库，针对待选疾病信息，优先匹配在对应该目标特征数据(即人体部位、人体器官、人体组织中的至少一种目标特征数据)的医生进行接诊，提高分诊精度，提高分诊效率。

医疗信息维护系统、患者咨询系统、分诊系统可以分开作为单独的系统使用于计算机系统的情况下，包括但不限于：手机APP(在线远程问诊)，或者医院基础硬件设备(线下问诊)等。通过使用采集、构建的医疗文本数据集，通过量化存储搜集的疾病信息和医疗问答信息。

NER识别可以基于LSTM和CRF模型融合的神经网络模型，得到医生基础属性及医生补充属性，以构成关键数据，关键数据中包括目标特征数据集，从关键数据中可以识别出目标特征数据，包括直接识别和间接识别的多种映射关系，比如，从关键数据的症状描述中，能映射出会出现该症状的疾病(即：人体器官/人体组织与疾病之间的映射，是直接的映射关系)；比如，从关键数据的历史用药记录中，能映射出药物治疗的主要疾病(人体器官/人体组织与历史用药记录的用药说明之间的映射，从而确定出人体器官/人体组织与疾病之间的关系，是一种间接的映射关系)，比如，从关键数据的疾病描述中整合所有症状+药物信息后最终确定出人体器官/人体组织与疾病之间的关系，也是一种间接的映射关系。

根据本公开的实施例，提供了一种分诊装置，图12是根据本公开实施例的分诊装置的组成结构示意图，如图12所示，分诊装置1200包括：第一响应单元1201，用于响应第一就诊请求，得到文本数据；第一识别单元1202，用于从所述文本数据中识别出目标特征数据，所述目标特征数据用于表征：与疾病相关的特征；第一分诊单元1203，用于根据所述目标特征数据进行分诊处理，得到与所述目标特征数据相匹配的医疗信息。

一实施方式中，还包括：第一存储单元，用于将所述医疗信息存储于以所述目标特征数据进行特征分类的医疗信息数据库中。

一实施方式中，所述目标特征数据，包括：人体部位、人体器官、人体组织中的至少一种。

一实施方式中，所述第一识别单元，用于对所述文本数据进行分词处理，得到至少一个待识别的第一词对象；对所述至少一个待识别的第一词对象进行特征提取，得到与所述至少一个待识别的第一词对象对应的第一候选特征数据；在所述第一候选特征数据与特征标签数据匹配成功的情况下，将所述第一候选特征数据确定为所述目标特征数据。

一实施方式中，所述第一识别单元，用于对所述文本数据进行高频词的提取处理，得到至少一个待识别的第二词对象；对所述至少一个待识别的第二词对象进行特征提取，得到与所述至少一个待识别的第二词对象对应的第二候选特征数据；在所述第二候选特征数据与特征标签数据匹配成功的情况下，将所述第二候选特征数据确定为所述目标特征数据。

一实施方式中，所述高频词包括：名词、形容词中的至少一种。

一实施方式中，所述第一响应单元，用于采用如下方式中的至少一种得到文本数据：

方式1、所述第一就诊请求通过文本输入生成的情况下，从所述第一就诊请求中提取出所述文本数据；

方式2：所述第一就诊请求通过语音输入生成的情况下，将所述第一就诊请求中的语音数据进行语音到文本的数据转换，将数据转换得到的文本数据作为所述文本数据。

一实施方式中，还包括：第一获取单元，用于获取历史数据；第一处理单元，用于根据所述历史记录和所述文本数据进行疾病关联性分析，得到疾病关联指标；第一校准单元，用于根据所述疾病关联指标对所述目标特征数据进行更新，得到更新后的目标特征数据。其中，所述历史数据包括：历史就诊记录、历史查询记录中的至少一种。

一实施方式中，所述第一分诊单元，用于根据所述目标特征校准数据进行分诊处理，得到与所述目标特征校准数据相匹配的医疗信息。

根据本公开的实施例，提供了一种就诊装置，图13是根据本公开实施例的就诊装置的组成结构示意图，如图13所示，就诊装置1300包括：第二获取单元1301，用于获取用户主诉数据；第二处理单元1302，用于根据所述用户主诉数据得到第一就诊请求；第一发送单元1303，用于发送所述第一就诊请求。其中，所述用户主诉数据包括与疾病相关的特征数据。

根据本公开的实施例，提供了一种数据识别装置，图14是根据本公开实施例的数据识别装置的组成结构示意图，如图14所示，数据识别装置1400包括：第三获取单元1401，用于获取用户主诉数据；第二识别单元1402，用于从所述用户主诉数据中识别出目标特征数据，所述目标特征数据用于表征：与疾病相关的特征。

一实施方式中，所述目标特征数据，包括：人体部位、人体器官、人体组织中的至少一种。

一实施方式中，还包括：第三处理单元，用于根据所述目标特征数据得到第一就诊请求；第二发送单元，用于发送所述第一就诊请求。

一实施方式中，还包括：第四获取单元，用于获取历史数据；第四处理单元，用于根据所述目标特征数据和所述历史数据得到第二就诊请求；第三发送单元，用于发送所述第二就诊请求；其中，所述历史数据包括：历史就诊记录、历史查询记录中的至少一种。

一实施方式中，所述第二识别单元，用于对所述用户主诉数据进行分词处理，得到至少一个待识别的第一词对象；对所述至少一个待识别的第一词对象进行特征提取，得到与所述至少一个待识别的第一词对象对应的第一候选特征数据；在所述第一候选特征数据与特征标签数据匹配成功的情况下，将所述候选特征数据确定为所述目标特征数据。

一实施方式中，所述第二识别单元，用于对所述用户主诉数据进行高频词的提取处理，得到至少一个待识别的第二词对象；对所述至少一个待识别的第二词对象进行特征提取，得到与所述至少一个待识别的第二词对象对应的第二候选特征数据；在所述第二候选特征数据与特征标签数据匹配成功的情况下，将所述第二候选特征数据确定为所述目标特征数据。

一实施方式中，所述高频词包括：名词、形容词中的至少一种。

根据本公开的实施例，提供了一种数据识别装置，图15是根据本公开实施例的数据识别装置的组成结构示意图，如图15所示，数据识别装置1500包括：第五获取单元1501，用于获取医疗数据；第三识别单元1502，用于从所述医疗数据中识别出目标特征数据，所述目标特征数据用于表征：与疾病相关的特征。

一实施方式中，还包括分类单元，用于根据所述目标特征数据对所述医疗数据中的医疗信息进行特征分类，得到特征分类结果；第二存储单元，用于将所述医疗信息存储于以所述特征分类结果进行维护的医疗信息数据库中。

一实施方式中，所述目标特征数据，包括：人体部位、人体器官、人体组织中的至少一种。

一实施方式中，所述第三识别单元，用于从所述医疗数据中识别出关键数据，所述关键数据用于表征：与医生擅长疾病相关的属性数据；从所述关键数据中识别出所述目标特征数据。

一实施方式中，所述关键数据包括：医生擅长治疗的疾病、疾病症状中的至少一种。

一实施方式中，所述医疗数据，包括：医生的历史接诊信息、医生历史好评的问诊记录中的至少一种。

一实施方式中，所述第三识别单元，用于对所述关键数据进行分词处理，得到至少一个待识别的第一词对象；对所述至少一个待识别的第一词对象进行特征提取，得到与所述至少一个待识别的第一词对象对应的第一候选特征数据；在所述第一候选特征数据与特征标签数据匹配成功的情况下，将所述候选特征数据确定为所述目标特征数据。

一实施方式中，所述第三识别单元，用于对所述关键数据进行高频词的提取处理，得到至少一个待识别的第二词对象；对所述至少一个待识别的第二词对象进行特征提取，得到与所述至少一个待识别的第二词对象对应的第二候选特征数据；在所述第二候选特征数据与特征标签数据匹配成功的情况下，将所述第二候选特征数据确定为所述目标特征数据。

一实施方式中，所述高频词包括：名词、形容词中的至少一种。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图16示出了可以用来实施本公开的实施例的示例电子设备1600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图16所示，电子设备1600包括计算单元1601，其可以根据存储在只读存储器(ROM)1602中的计算机程序或者从存储单元1608加载到随机访问存储器(RAM)1603中的计算机程序，来执行各种适当的动作和处理。在RAM 1603中，还可存储电子设备1600操作所需的各种程序和数据。计算单元1601、ROM 1602以及RAM 1603通过总线1604彼此相连。输入/输出(I/O)接口1605也连接至总线1604。

电子设备1600中的多个部件连接至I/O接口1605，包括：输入单元1606，例如键盘、鼠标等；输出单元1607，例如各种类型的显示器、扬声器等；存储单元1608，例如磁盘、光盘等；以及通信单元1609，例如网卡、调制解调器、无线通信收发机等。通信单元1609允许电子设备1600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元1601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1601执行上文所描述的各个方法和处理，例如分诊方法/就诊方法/数据识别方法。例如，在一些实施例中，分诊方法/就诊方法/数据识别方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1602和/或通信单元1609而被载入和/或安装到电子设备1600上。当计算机程序加载到RAM 1603并由计算单元1601执行时，可以执行上文描述的分诊方法/就诊方法/数据识别方法的一个或多个步骤。备选地，在其他实施例中，计算单元1601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行分诊方法/就诊方法/数据识别方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入、或者触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。