本发明涉及记录提取，具体涉及一种基于数据分析的非正常预约挂号记录自动提取算法。
背景技术：
1、非正常预约挂号是指在医疗预约挂号系统中，患者或代理人在不遵循正常流程或规定的情况下，通过各种手段获取医疗资源的现象，非正常预约挂号现象不仅加剧了患者间获取医疗资源的不公平性，还可能导致医疗服务的实际效率下降，部分资源被浪费，此外，这种现象损害了公众对医疗系统的信任，也给医院的管理带来了额外的压力。
2、现有技术存在以下不足：
3、1、传统挂号系统一般是基于全局进行管理，缺乏对具体监督区域的细粒度分析和管理，这种方法难以应对不同区域在资源分配、患者需求、异常行为等方面的差异，无法准确针对各个区域的特点制定个性化管理策略；
4、2、传统系统对不同区域的管理往往是静态的，缺乏动态的反馈和调整机制，在患者流量和异常挂号行为频发的情况下，系统难以及时调整策略应对突发的变化；
5、3、挂号系统缺乏有效的指标衡量不同区域对医院的整体运营或异常挂号管理的贡献和重要性，这种情况下，系统难以优先关注对医院影响较大的区域，导致资源分配不合理。
6、基于此，本发明提出一种基于数据分析的非正常预约挂号记录自动提取算法，通过综合应用数据分析和动态反馈机制，方案提高了异常挂号行为管理的效率与精准度，优化了医院资源的分配和管理策略的制定。
技术实现思路
1、本发明的目的是提供一种基于数据分析的非正常预约挂号记录自动提取算法，以解决背景技术中不足。
2、为了实现上述目的，本发明提供如下技术方案：一种基于数据分析的非正常预约挂号记录自动提取算法，所述提取算法包括以下步骤：
3、处理端依据医院的科室信息生成若干监督区域，获取监督区域历史的患者流量以及成本效益，对患者流量以及成本效益进行预处理后，为每个监督区域生成影响权重；
4、在实时挂号过程中，采集端获取每个挂号账号的异常行为数据，将异常行为数据代入线性回归模型，线性回归模型为挂号账号输出异常因子，基于异常因子将挂号账号划分为正常账号、管理账号以及异常账号，并依据划分结果对挂号账号生成相应的管理策略；
5、定期获取每个监督区域记录正常账号、管理账号以及异常账号数量后，为每个监督区域生成关注度值，将所有监督区域的影响权重与关注度值结合分析后，评估是否需要对医院提前进行整体管理。
6、在一个优选的实施方式中，定期获取每个监督区域记录正常账号、管理账号以及异常账号数量后，为每个监督区域生成关注度值，包括以下步骤：
7、定期获取每个监督区域记录正常账号、管理账号以及异常账号数量后，为每个监督区域生成关注度值，表达式为：
8、，式中，为关注度值，为正常账号数量，为异常账号数量，为管理账号数量；
9、将所有监督区域依据关注度值由大到小进行排序，生成区域列表，将区域列表发送至医院管理平台。
10、在一个优选的实施方式中，将所有监督区域的影响权重与关注度值结合分析后，评估是否需要对医院提前进行整体管理，包括以下步骤：
11、将所有监督区域的影响权重与关注度值综合计算，获取挂号整体指数，表达式为：，式中，为挂号整体指数，为第个监督区域的影响权重，为第个监督区域的关注度值，为监督区域数量；
12、若挂号整体指数小于预设的指数阈值，评估不需要对医院提前进行整体管理，若挂号整体指数大于等于预设的指数阈值，评估需要对医院提前进行整体管理。
13、在一个优选的实施方式中，获取监督区域历史的患者流量以及成本效益，对患者流量以及成本效益进行预处理后，为每个监督区域生成影响权重，包括以下步骤：
14、获取监督区域历史的患者流量以及成本效益，对患者流量以及成本效益进行归一化处理，使患者流量以及成本效益的取值范围映射到[0,1]之间，获取患者流量归一化值以及成本效益归一化值，将患者流量归一化值以及成本效益归一化值求和获取监督区域的影响值，将所有监督区域的影响值求和获取影响总值，通过影响值比上影响总值获取影响权重。
15、在一个优选的实施方式中，将异常行为数据代入线性回归模型，线性回归模型为挂号账号输出异常因子，包括以下步骤：
16、异常行为数据包括异常预约频率、同设备预约次数、不就诊率、多科室挂号预约率；
17、将异常预约频率、同设备预约次数、不就诊率、多科室挂号预约率代入线性回归模型，线性回归模型为挂号账号输出异常因子，模型表达式为：，式中，为异常因子，为常数项，取值0.142，表示次要影响数据对异常因子的影响幅度，、、、分别为异常预约频率、同设备预约次数、不就诊率、多科室挂号预约率，、、、为回归系数，且回归系数大于0。
18、在一个优选的实施方式中，基于异常因子将挂号账号划分为正常账号、管理账号以及异常账号，包括以下步骤：
19、将获取的异常因子与预设的第一异常阈值以及第二异常阈值进行对比，第一异常阈值用于分析挂号账号是否存在异常，第二异常阈值用于分析挂号账号异常严重程度；
20、若异常因子小于等于第一异常阈值，分析挂号账号不存在异常，将挂号账号划分为正常账号；
21、若异常因子大于第一异常阈值，异常因子小于等于第二异常阈值，分析挂号账号存在轻度异常，将挂号账号划分为管理账号；
22、若异常因子大于第二异常阈值，分析挂号账号存在重度异常，将挂号账号划分为异常账号。
23、在一个优选的实施方式中，依据划分结果对挂号账号生成相应的管理策略，包括以下步骤：
24、划分为正常账号的挂号账号无需进行管理，对划分为异常账号的挂号账号生成的管理策略为：对异常账号进行封号处理，封号时长由医院进行设置，对划分为管理账号的挂号账号生成的管理策略为：通过异常因子重新修正对管理账号的监测频率，表达式为：
25、，式中，为修正后的监测频率，为修正前的监测频率，为异常因子，即管理账号的异常因子越大，越需要增大监测频率。
26、在上述技术方案中，本发明提供的技术效果和优点：
27、本发明通过对患者流量以及成本效益进行预处理后，为每个监督区域生成影响权重，将异常行为数据代入线性回归模型，线性回归模型为挂号账号输出异常因子，基于异常因子将挂号账号划分为正常账号、管理账号以及异常账号，定期获取每个监督区域记录正常账号、管理账号以及异常账号数量后，为每个监督区域生成关注度值，将所有监督区域的影响权重与关注度值结合分析后，评估是否需要对医院提前进行整体管理。提权算法通过综合应用数据分析和动态反馈机制，方案提高了异常挂号行为管理的效率与精准度，优化了医院资源的分配和管理策略的制定。
1.一种基于数据分析的非正常预约挂号记录自动提取算法，其特征在于：所述提取算法包括以下步骤：
2.根据权利要求1所述的一种基于数据分析的非正常预约挂号记录自动提取算法，其特征在于：定期获取每个监督区域记录正常账号、管理账号以及异常账号数量后，为每个监督区域生成关注度值，包括以下步骤：
3.根据权利要求2所述的一种基于数据分析的非正常预约挂号记录自动提取算法，其特征在于：将所有监督区域的影响权重与关注度值结合分析后，评估是否需要对医院提前进行整体管理，包括以下步骤：
4.根据权利要求3所述的一种基于数据分析的非正常预约挂号记录自动提取算法，其特征在于：获取监督区域历史的患者流量以及成本效益，对患者流量以及成本效益进行预处理后，为每个监督区域生成影响权重，包括以下步骤：
5.根据权利要求4所述的一种基于数据分析的非正常预约挂号记录自动提取算法，其特征在于：将异常行为数据代入线性回归模型，线性回归模型为挂号账号输出异常因子，包括以下步骤：
6.根据权利要求5所述的一种基于数据分析的非正常预约挂号记录自动提取算法，其特征在于：基于异常因子将挂号账号划分为正常账号、管理账号以及异常账号，包括以下步骤：
7.根据权利要求6所述的一种基于数据分析的非正常预约挂号记录自动提取算法，其特征在于：依据划分结果对挂号账号生成相应的管理策略，包括以下步骤：
