科研之友
微信
新浪微博
Facebook
分享链接
摘要
[目的]本研究将深度学习建模技术引入医疗推荐领域，拟解决在线诊疗中“病人找医生”难的现实问题。[方法] 研究利用患者的问诊记录，采用层次注意力网络模型HAN构建医生与患者模型。之后设计了基于“医患”适配度计算和基于患者“评分”的两套推荐方案。两方案将经HAN模型编码后的“医患”特征向量纳入深度学习框架，同时引入注意力机制加强“医患”向量间的交互，使医生名下与求诊者病情相似的患者获得更高权重，据此计算医生的推荐值。为检验算法实效，研究特别设计了一组指标对各方案进行评测。[结果] 医患建模层面，HAN模型能够从疾病描述中提取表征病情的关键信息，提升建模质量。推荐计算层面，引入注意力机制的“评分”方案的各项评测指标均优于现有研究常采用的相似度计算方案，总体表现最优。[局限] 本研究仅利用了医生名下患者记录为医生建模，医生模型有待完善。HAN在文本特征提取方面性能优越，但尚有更优秀的深度学习模型值得探究。[结论] 用户和推荐对象建模是推荐系统设计的关键，增强用户和推荐对象间的特征交互可进一步提升推荐的效果，深入学习技术的运用在此发挥了重要作用。
- 单位
