一种基于医患交互数据驱动的智能医生推荐方法技术

本发明专利技术公开了一种基于医患交互数据驱动的智能医生推荐方法，具体涉及医学技术领域，具体步骤如下：步骤一、获取患者主诉数据和科室信息；步骤二、对数据清洗及处理；步骤三、词向量模型预训练与主诉文本向量化表达；步骤四、相似度计算与排序；步骤五，推荐医生；步骤六、模型效果评估。本发明专利技术通过利用自然语言处理方法Word2vec，tf

A data-driven intelligent doctor recommendation method based on doctor-patient interaction

【技术实现步骤摘要】
一种基于医患交互数据驱动的智能医生推荐方法


[0001]本专利技术涉及医学领域，具体涉及一种基于医患交互数据驱动的智能医生推荐方法。

技术介绍

[0002]现有文献中，对于我国在线医疗智能导诊的研究并不多见，一是由于我国医疗数据难以获取、给大多学者和业界人员研究带来一定困难；二是目前大多医院仍然没有进行数字化变革以及智慧医院建设推广较为缓慢，多数医院仍然主要以人工导诊为主，这导致智能导诊发展较为缓慢。
[0003]随着我国人口的增加，医院中的就诊患者逐步增加，此时，海量的患者使得医院人工导诊服务成本增高，医院单一依靠人工服务难以满足患者日益增长的就诊需求。此外，随着自然语言处理模型以及机器学习模型的不断发展，基于于医患交互数据驱动的智能医生推荐方法逐渐成为一种可能。因此，本专利技术针对患者“知症不知医”，医院导诊压力大等行业痛点，提出了一种基于医患交互数据驱动的智能医生推荐方法。

技术实现思路

[0004]本专利技术的目的是提供一种基于医患交互数据驱动的智能医生推荐方法，需要解决的技术问题是：如何为线下和线上患者就诊时，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于医患交互数据驱动的智能医生推荐方法，其特征在于：具体步骤如下：步骤一、获取患者主诉数据和科室信息；步骤二、对数据清洗及处理；步骤三、词向量模型预训练与主诉文本向量化表达：利用python中的gensim包进行词向量模型的预训练，挑选出词向量模型，进一步对处理好的主诉数据进行向量化表达；步骤四、相似度计算与排序：对患者主诉数据进行向量化表达之后，利用余弦相似性对患者的症状与医生已经诊疗过得患者的主诉文本进行余弦相似性计算，获取排名前10的医生；步骤五，推荐医生：构建推荐效果指标，该指标由推荐准确率和推荐服务质量线性加权构成，其中推荐服务质量由文本服务质量和语音服务质量构成，在推荐准确率上，若被推荐医生与目标患者相似的被咨询文本数占被推荐医生咨询文本数的80％及以上则视为推荐成功；步骤六、模型效果评估：在不同参数条件下，对比基于相似患者的推荐方法、基于相似医生的推荐方法和基于相似患者和相似医生的混合推荐方法。2.根据权利要求1所述的一种基于医患交互数据驱动的智能医生推荐方法，其特征在于：步骤一中，利用八爪鱼软件在好大夫在线医疗网站收集已完成就诊目标的患者的主诉数据和科室信息。3.根据权利要求1所述的一种基于医患交互数据驱动的智能医生推荐方法，其特征在于：步骤二中，在数据清洗阶段，利用python软件对主诉数据中的空字符和标点进行去除，对处理好的患者主诉数据利用python软件jieba算法进行分词，将一句话切分为多个词，并利用哈工大停用词表对分词后的停用词进行过滤。4.根据权利要求1所述的一种基于医患交互数据驱动的智能医生推荐方法，其特征在于：步骤三中，训练词向量模型：利用python软件中的gensim包中的Skip
‑
gram模型，结合多种医学书籍，训练...

【专利技术属性】
技术研发人员：李超然，刘举胜，宋美，何建佳，钱冠宇，
申请(专利权)人：上海体育学院，
类型：发明
国别省市：