1.一种分诊数据处理方法，其特征在于，包括：

接收到包含患者的就诊数据的分诊请求；所述就诊数据包括患者标识码；

获取与所述患者标识码关联的历史就诊信息，将所述历史就诊信息和所述就诊数据确定为所述患者的待分诊数据；

将所述待分诊数据输入基于决策树的短期分诊知识模型中，通过所述短期分诊知识模型对所述待分诊数据进行群体划分，得到患者群体结果和短期分诊结果；

获取与所述患者群体结果相匹配的基于深度强化学习的长期分诊模型；

通过所述长期分诊模型对所述就诊数据进行预测，得到长期分诊结果；

根据所述短期分诊结果和所述长期分诊结果，确定所述患者的最终分诊结果并输出；

所述将所述待分诊数据输入基于决策树的短期分诊知识模型中之前，包括：获取短期就诊样本集；其中，所述短期就诊样本集包括多个短期就诊样本，一个所述短期就诊样本与一个科室标签关联；

将所述短期就诊样本输入预设的知识决策树模型；所述知识决策树模型包括各节点特征参数；

通过所述知识决策树模型对所述短期就诊样本进行群体划分，得到样本群体结果和样本分诊结果；

根据所述样本分诊结果和所述科室标签，得到决策树损失值；

在所述决策树损失值未达到预设的决策树收敛条件时，调整所述知识决策树模型中的各节点特征参数，并触发通过所述知识决策树模型对所述短期就诊样本进行群体划分的步骤，直至所述决策树损失值达到所述决策树收敛条件时，将收敛之后的所述知识决策树模型记录为短期分诊知识模型；

所述通过所述知识决策树模型对所述短期就诊样本进行群体划分，得到样本群体结果和样本分诊结果，包括：通过决策树分类方法和递归分区方法，对所述短期就诊样本进行特征划分及决策，得到所述样本分诊结果和节点路径结果；所述节点路径结果为所述知识决策树模型对所述短期就诊样本进行决策经过的节点构成的路径；其中，每个所述节点都与一个群体特征关联；

获取与所述节点路径结果中的各节点关联的群体特征，将获取的所有所述群体特征确定为所述样本群体结果。

2.如权利要求1所述的分诊数据处理方法，其特征在于，所述将所述短期就诊样本输入预设的知识决策树模型之前，包括：获取临床指南知识；

根据所述临床指南知识，建立就诊知识图谱；

按照就诊知识图谱构建所述知识决策树模型。

3.如权利要求1所述的分诊数据处理方法，其特征在于，所述获取与所述患者群体结果相匹配的基于深度强化学习的长期分诊模型，包括：将所述患者群体结果输入患者群体分类模型；

通过所述患者群体分类模型对所有群体特征进行聚类处理，得到与所述患者群体结果对应的患者群体类别；

获取与所述患者群体类别匹配的所述长期分诊模型。

4.如权利要求3所述的分诊数据处理方法，其特征在于，所述获取与所述患者群体类别匹配的所述长期分诊模型之前，包括：获取历史类别样本集；所述历史类别样本集包含多个与所述患者群体类别匹配的历史类别样本，一个所述历史类别样本与一个历史科室标签关联；

将所述历史类别样本输入含有初始参数的深度强化学习模型；

通过离线学习策略方式，所述深度强化学习模型对所述历史类别样本进行预测，得到回报结果；

根据所述回报结果和与所述历史类别样本关联的历史科室标签，确定网络损失值；

在所述网络损失值未达到预设的网络收敛条件时，调整所述深度强化学习模型中的初始参数，并触发通过离线学习策略方式，所述深度强化学习模型对所述历史类别样本进行预测的步骤，直至所述网络损失值达到所述网络收敛条件时，将收敛之后的所述深度强化学习模型记录为与所述患者群体类别匹配的所述长期分诊模型。

5.如权利要求4所述的分诊数据处理方法，其特征在于，所述根据所述短期分诊结果和所述长期分诊结果，确定所述患者的最终分诊结果并输出，包括：将所述短期分诊结果和所述长期分诊结果输入综合分诊模型；

通过所述综合分诊模型中的综合评分函数，输出与各科室类别一一关联的多个综合分值，将综合分值最大的科室类别确定为所述患者的最终分诊结果。

6.一种分诊数据处理装置，其特征在于，包括：

接收模块，用于接收到包含患者的就诊数据的分诊请求；所述就诊数据包括患者标识码；

获取模块，用于获取与所述患者标识码关联的历史就诊信息，将所述历史就诊信息和所述就诊数据确定为所述患者的待分诊数据；

划分模块，用于将所述待分诊数据输入基于决策树的短期分诊知识模型中，通过所述短期分诊知识模型对所述待分诊数据进行群体划分，得到患者群体结果和短期分诊结果；

匹配模块，用于获取与所述患者群体结果相匹配的基于深度强化学习的长期分诊模型；

预测模块，用于通过所述长期分诊模型对所述就诊数据进行预测，得到长期分诊结果；

输出模块，用于根据所述短期分诊结果和所述长期分诊结果，确定所述患者的最终分诊结果并输出；

所述划分模块还用于：

获取短期就诊样本集；其中，所述短期就诊样本集包括多个短期就诊样本，一个所述短期就诊样本与一个科室标签关联；

将所述短期就诊样本输入预设的知识决策树模型；所述知识决策树模型包括各节点特征参数；

通过所述知识决策树模型对所述短期就诊样本进行群体划分，得到样本群体结果和样本分诊结果；

根据所述样本分诊结果和所述科室标签，得到决策树损失值；

在所述决策树损失值未达到预设的决策树收敛条件时，调整所述知识决策树模型中的各节点特征参数，并触发通过所述知识决策树模型对所述短期就诊样本进行群体划分的步骤，直至所述决策树损失值达到所述决策树收敛条件时，将收敛之后的所述知识决策树模型记录为短期分诊知识模型；

所述通过所述知识决策树模型对所述短期就诊样本进行群体划分，得到样本群体结果和样本分诊结果，包括：通过决策树分类方法和递归分区方法，对所述短期就诊样本进行特征划分及决策，得到所述样本分诊结果和节点路径结果；所述节点路径结果为所述知识决策树模型对所述短期就诊样本进行决策经过的节点构成的路径；其中，每个所述节点都与一个群体特征关联；

获取与所述节点路径结果中的各节点关联的群体特征，将获取的所有所述群体特征确定为所述样本群体结果。

7.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至

5任一项所述分诊数据处理方法。

8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述分诊数据处理方法。