| 基于在线问诊文本信息的医生推荐研究 |
| |
| 引用本文： | 孟秋晴,熊回香.基于在线问诊文本信息的医生推荐研究[J].情报科学,2021,39(6):152-160. |
| |
| 作者姓名： | 孟秋晴 熊回香 |
| |
| 摘 要： | 【目的/意义】为了向在线医疗社区中的用户自动推荐符合其自身实际需求的医生，本文基于在线问诊文本
信息，提出了基于相似用户与相似医生的混合医生推荐算法。【方法/过程】首先从用户咨询问题出发，找到具有相
似咨询问题的用户，将其所选择的医生作为基于相似用户的推荐集合；然后从医生回答从发，通过LDA主题模型训
练，从医生回答文本集中挖掘出隐含的疾病主题，按主题查找具有相似疾病诊治经验的医生作为推荐集合；最后通
过混合相似度计算融合基于相似用户和相似医生的推荐结果，得到最终推荐列表。【结果/结论】通过对在线医疗社
区“39健康网”进行实证研究，结果表明，利用本文提出的方法进行推荐，能够有效降低数据维度，挖掘文本间的潜
在语义关联，有效缩小语义鸿沟，提升推荐质量，具有较好的推荐效果。【创新/局限】本文仅选取了针对科室的小样
本数据进行实验，且部分参数使用经验值，未来可深入探讨该方法在大规模医疗数据集上的应用。
|
|
| 点击此处可从《情报科学》浏览原始摘要信息 |
|
点击此处可从《情报科学》下载全文 |
|
