检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

21 篇 学位论文
14 篇 期刊文献
2 篇 会议

馆藏范围

37 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

21 篇 工学
- 20 篇 计算机科学与技术...
- 17 篇 软件工程
- 2 篇 控制科学与工程
- 1 篇 仪器科学与技术
- 1 篇 生物医学工程（可授...
19 篇 医学
- 6 篇 公共卫生与预防医...
- 1 篇 基础医学(可授医学...
- 1 篇 临床医学
19 篇 管理学
- 8 篇 管理科学与工程(可...
- 6 篇 公共管理
- 5 篇 图书情报与档案管...
- 2 篇 工商管理
3 篇 经济学
- 3 篇 应用经济学
1 篇 文学
- 1 篇 新闻传播学
1 篇 理学
- 1 篇 统计学（可授理学、...

主题

37 篇 医生推荐
7 篇 word2vec
6 篇 在线问诊平台
4 篇 机器学习
3 篇 个性化推荐
3 篇 在线医疗平台
2 篇 科室推荐
2 篇 在线健康社区
2 篇 层次分析法
2 篇 医疗服务系统
2 篇 数据挖掘
2 篇 推荐算法
2 篇 多属性决策
2 篇 决策机理
2 篇 协同过滤
2 篇 在线问诊
2 篇 甲亢
2 篇 在线医疗社区
1 篇 word2vec模型
1 篇 患者采纳行为

机构

8 篇 华中师范大学
3 篇 东华大学
3 篇 合肥工业大学
2 篇 大连理工大学
2 篇 福建农林大学
1 篇 北京中医药大学
1 篇 河北工程大学
1 篇 武汉大学人民医院
1 篇 闽江学院
1 篇 蚌埠医学院
1 篇 中国医科大学
1 篇 上海第二工业大学
1 篇 南京大学
1 篇 长沙理工大学
1 篇 重庆邮电大学
1 篇 四川大学
1 篇 西南交通大学
1 篇 西安电子科技大学
1 篇 北京大学
1 篇 哈尔滨工业大学

作者

7 篇 熊回香
4 篇 xiong huixiang
2 篇 叶佳鑫
2 篇 李叶青
2 篇 李跃艳
2 篇 蒋武轩
2 篇 xiong hui-xiang
2 篇 张碧莹
2 篇 陈梦
2 篇 李晓敏
1 篇 sun yang
1 篇 李矗松
1 篇 何湘妮
1 篇 li xiaomin
1 篇 王若佳
1 篇 liao huchang
1 篇 孟秋晴
1 篇 吴性丽
1 篇 liu ying
1 篇 艾延永

语言

37 篇 中文

检索条件"主题词=医生推荐"

共 37 条记录，以下是11-20 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

在线医疗环境下多样性增强的医生推荐方法

在线医疗环境下多样性增强的医生推荐方法

引用

作者：李叶青合肥工业大学

学位级别：硕士

近几年来,随着“看病难、看病贵”的问题日渐凸显,医疗改革受到了国家的高度重视。“互联网+医疗”的创新理念为医疗改革提出了一种信息化的解决方案,医疗领域和互联网行业开始跨界合作,网上预约挂号等功能逐渐进入公众的视线,成为主要... 详细信息

近几年来,随着“看病难、看病贵”的问题日渐凸显,医疗改革受到了国家的高度重视。“互联网+医疗”的创新理念为医疗改革提出了一种信息化的解决方案,医疗领域和互联网行业开始跨界合作,网上预约挂号等功能逐渐进入公众的视线,成为主要的医生选择途径。现有的在线医疗网站提供了成百上千的医生以供选择,同时,相关医疗信息数据的缺失,使得缺乏专业医疗知识的患者难以及时有效的对医生能力做出准确的评价,因此患者习惯于选择大型公立医院,来保障自身的就诊质量。但是,我国优质医疗资源分布不均,患者的这种选择偏好加剧了大型公立医院的工作负载超标和普通资源闲置的情况。因此,本文提出了一种考虑多样性分诊的医生推荐算法,主要解决了以下两个方面的问题:首先,在互联网环境下,可供选择的医生和医院的数据快速增长,但是,代表医生诊疗能力的数据信息却仍然表现出极度稀缺的特征,精确的判定医生诊疗能力,为患者提供优质的医生成为影响门诊预约质量的重要因素,本文提出了一种考虑隐含相似关系的非负矩阵分解算法,提升医生诊疗能力判定精度,实验结果显示该算法与传统协同过滤推荐算法相比,表现出优越的精确性和鲁棒性。其次,考虑到我国医疗资源分布不均的现状,为了均衡患者偏好和医院负载,本文构建了考虑患者偏好的医生综合效用函数和分诊的多样性函数,并分别设计了置换算法和贪心算法,协调对医生综合效用和推荐多样性的需求,增加推荐列表中候选医院的数量,差异化候选医生属性,并且验证了这两个启发式算法的有效性,从而形成最终的考虑多样性分诊的医生推荐列表。

关键词：医生推荐多样性分诊矩阵分解启发式算法

来源：评论

学校读者我要写书评

暂无评论

面向智能导诊服务的个性化医生推荐研究与应用

面向智能导诊服务的个性化医生推荐研究与应用

引用

作者：艾延永济南大学

学位级别：硕士

随着智慧医疗体系的不断完善,智能导诊系统正在逐步取代人工导诊的服务模式,已成为医疗行业未来发展的新方向。目前对于国内大多数的智能导诊服务,患者仍然是处于被动服务的模式,患者需要按照医院专科分类或者按照人体部位选择的形式去... 详细信息

随着智慧医疗体系的不断完善,智能导诊系统正在逐步取代人工导诊的服务模式,已成为医疗行业未来发展的新方向。目前对于国内大多数的智能导诊服务,患者仍然是处于被动服务的模式,患者需要按照医院专科分类或者按照人体部位选择的形式去预约医生。由于缺乏专业的医疗知识,患者在选择医生时容易出现盲目性较大、选择优质专家过于集中等问题,无法根据自己的病情选择合适的医生进行就诊,使得自身就医效率低下,同时也导致医院资源不能得到合理化利用。因此,本文围绕智能导诊服务中的个性化医生推荐展开深入的探讨与研究,通过深度挖掘患者的病情诉求向其推荐最适合自身病情的医生,在为患者带来高效性医疗服务的同时能有效提高患者就诊满意度和医院资源的合理化利用,为患者和医院带来最大程度的价值。本文工作首先构建医疗垂直领域知识库,进而实现粗粒度的科室推荐和细粒度的医生推荐,主要研究内容如下:(1)构建了涵盖患者主诉信息库、病症知识库及医生信息资源池的医疗垂直领域信息知识库。具体来说,主要是运用异步爬虫技术从百度指数最高的四个医疗专业网站抽取结构化及半结构化的主诉数据,构建涵盖48个二级科室的主诉信息库。抽取疾病症状知识构建病症知识库,设计基于贝叶斯算法的症状权值计算方法。构建导诊推荐专用的医生信息资源池,为实现医生推荐提供数据支撑。(2)提出了将科室推荐问题转化为主诉文本多分类问题,实现整个医生推荐过程的粗粒度推荐。首先设计主诉文本表达模型,将主诉文本转换为向量表示,然后研究基于TextCNN算法的主诉文本多分类模型,实现了根据患者主诉进行科室的精准推荐。(3)提出了个性化医生推荐方法,实现细粒度的医生推荐。为了达到患者找对医生、医生看对病人的目的,提出基于BiLSTM-CRF算法的主诉文本病症实体识别模型,并进一步提出基于病症知识库的双向最大匹配算法对识别结果进行优化,同时,为了深度挖掘患者病情诉求,研究了患者意图识别方法,有效保证了患者病症与医生擅长的精准匹配。最后从患者社会化信息相似度、主诉文本相似度及医生职称和医生评分等方面设计基于协同过滤的个性化医生推荐算法,实现对患者的个性化医生推荐。(4)设计并实现了个性化医生推荐系统,同时基于Flask框架进行接口开发对接智能导诊机器人,从实际应用角度验证本文个性化医生推荐方案的可行性。

关键词：主诉文本病症资源科室推荐医生推荐个性化推荐系统

来源：评论

学校读者我要写书评

暂无评论

基于在线患者评论细粒度情感及有用性的医生推荐研究

基于在线患者评论细粒度情感及有用性的医生推荐研究

引用

作者：解思微哈尔滨工业大学

学位级别：硕士

近年来医疗领域涌现了平安好医生、丁香医生、微医等多种线上服务模式的在线医疗平台,产生了海量的诊疗评论,对更细粒度的文本对象进行分析,全面识别历史评论中患者对在线诊疗服务的真实态度,可以为医生、医院管理和平台服务的改进提供... 详细信息

近年来医疗领域涌现了平安好医生、丁香医生、微医等多种线上服务模式的在线医疗平台,产生了海量的诊疗评论,对更细粒度的文本对象进行分析,全面识别历史评论中患者对在线诊疗服务的真实态度,可以为医生、医院管理和平台服务的改进提供借鉴,为患者提供更好的择医推荐。尽管评论文本的有用性体现了评论的信息价值,但当前在线健康社区的患者评价存在重复冗余、内容相关性差、评价笼统等问题,其他患者查看评价时难以快速获取有效信息,导致患者需要经过大量翻阅后才能提取有效的服务反馈信息,降低了患者进行择医服务的决策效率。为此,本研究以“好大夫在线”问诊平台的患者评价为研究对象,针对评论有用性识别进行研究。首先,采用BERT自然语言处理算法对这些评论文本进行了精细的情感分析,这种分析方法可以更好地理解评论的情感倾向,可以考察患者对在线医疗服务在不同属性的就医满意度情况,得出在服务态度、专业水平、治疗效果(恢复情况)、诊后跟进(线上问诊)、就诊效率、医院管理、治疗花费共7个细粒度方面级的准确率均达到85%及以上,模型识别效果良好。其次,在BERT模型情感识别的基础上,采用多分类逻辑回归建模,将评论分词数量、评论信息有用值、细粒度方面级数量作为预测因子,建立在线患者评论有用性识别的多分类预测模型,经模型检验后Accuracy为72.67%,F1＿score为73.45%。第三,为解决在线患者短文本相似度较高的问题,利用LDA主题模型+TF-IDF算法+BERT的bagging算法筛选出分词数量<15且相似度较高的的短文本评论进行剔除。最后,在前序究内容的基础上建立基于在线患者评论的医生综合评价模型,以细粒度好感度、有用患者评价占比、有效评论数量、医生接诊量作为评价指标,构建医生综合推荐度体系,对“好大夫在线”平台的1,486名医生计算个人综合推荐度评分,为在线医疗社区的各个实体方提供参考。本文通过以上研究,提供了一种新的医生推荐度评分模型,可以为患者的择医决策提供更加科学的参考,也可以为医生自我监督、医院线上线下管理流程、平台优化等提供新的思路,具有一定的应用价值。

关键词：细粒度文本情分析 BERT模型评论有用性医生推荐

来源：评论

学校读者我要写书评

暂无评论

面向科室分诊及医生推荐的智能导诊系统研究与设计

面向科室分诊及医生推荐的智能导诊系统研究与设计

引用

作者：旷珊珊河北工程大学

学位级别：硕士

随着人工智能在医疗领域的发展,自动化的智能导诊系统正在逐步取代传统的人工导诊服务,为医疗领域未来的发展指引了新的方向。目前在国内大多数的智能导诊系统中,患者需要自行分析病情选择科室和医生,但就诊患者往往缺乏专业的医疗知识... 详细信息

随着人工智能在医疗领域的发展,自动化的智能导诊系统正在逐步取代传统的人工导诊服务,为医疗领域未来的发展指引了新的方向。目前在国内大多数的智能导诊系统中,患者需要自行分析病情选择科室和医生,但就诊患者往往缺乏专业的医疗知识,在选择科室和医生进行挂号时,难以准确地选择出合适的科室和医生进行就诊,使得就医效率低下,同时也导致医院资源不能得到合理化利用。因此,本文围绕科室分诊与医生推荐展开深入的研究,根据患者输入的主诉症状,在实现对患者进行科室分诊的基础上,进一步为患者推荐与其病情相关联的医生,能够为患者提供高效的医疗服务,提高患者的就诊满意度实现医院资源的合理化利用。主要研究内容如下:（1）针对患者在预约挂号时,由于缺乏专业知识难以准确地选择出适合自己病情的科室问题,本文提出了一种基于自动阈值精英重生差分进化（ATERDE）与专家经验的数据引力混合科室分诊算法。利用黄金分割算法将通过专家经验与ATERDE算法获取的权重矩阵进行融合,实现对属性重要度的确定与优化,并融入数据引力分类算法的粒子间距离计算中。然后在计算全局引力的基础上引入局部引力的思想,减少由于数据不平衡对科室分诊结果的影响。（2）在患者预约挂号的过程中,由于对科室中的医生擅长领域及医生资历不够了解,难以选择出最适合自己的医生。针对这一问题,本文提出了一种基于向量模糊化与自适应长度裁剪的混合过滤的医生推荐算法。首先通过知识库及症状重要度等信息对患者症状向量进行模糊化处理,并采用PCA算法对患者症状向量进行自适应长度裁剪;其次利用协同过滤算法,获取基于相似患者的推荐医生集合,并搜索与该集合中医生相似的其他医生作为候选;最后,根据医生推荐度计算,选取排名靠前的医生为患者推荐。（3）本文研究并设计了一个基于科室分诊与医生推荐的智能导诊系统。结合科室分诊与医生推荐的数据特征与算法结构,对系统架构、功能模块进行了分析与设计,将基于ATERDE与专家经验的数据引力混合科室分诊算法和混合过滤的医生推荐算法运用到系统中。并通过测试验证了本导诊系统的可行性。

关键词：科室分诊医生推荐数据引力混合过滤推荐智能导诊系统

来源：评论

学校读者我要写书评

暂无评论

基于组合模型的医生推荐系统研究与实现

基于组合模型的医生推荐系统研究与实现

引用

作者：刘彭东华大学

学位级别：硕士

个性化推荐是一种智能的主动的为用户提供其可能感兴趣的产品或者服务的互联网新应用,它能够有效的提高用户对产品或者服务供应商的忠诚度,提高企业效益,与此同时,它能减少用户搜寻其可能感兴趣的产品或者服务所花费的时间和精力,为用... 详细信息

个性化推荐是一种智能的主动的为用户提供其可能感兴趣的产品或者服务的互联网新应用,它能够有效的提高用户对产品或者服务供应商的忠诚度,提高企业效益,与此同时,它能减少用户搜寻其可能感兴趣的产品或者服务所花费的时间和精力,为用户提供更加智能的服务。目前个性化推荐已经成功的应用于互联网服务领域,如电子商务、视频点播服务、网络广告投放、新闻订制等。上海医联预约平台是在上海申康医院发展中心开展的医联工程的应用基础上,面向申康所辖市级医院提供包括门户技术平台和预约挂号服务的系统,它也属于一种互联网服务领域,但确少有人研究如何把个性化推荐引入医联预约服务中,并以此来提高医联预约服务质量和用户体验。本文首先对个性化推荐技术进行了较为全面、深入的分析。分别用户建模,推荐对象建模,推荐算法三个方面介绍了个性化推荐系统,介绍了个性化推荐系统的三种实验方法和四个主要的评价指标,重点阐述了主流推荐算法的实现方法和优缺点。接着,针对上海医联预约平台存在的信息过载和“冷热不均”现象,探索了将个性化推荐引入医联预约平台的可能性和意义。本文根据预约平台的数据特征和患者的预约需求,以预约绩效和出诊绩效为指标,使用层次分析法建立了医生绩效模型,然后根据患者预约历史记录的统计结果,结合协同过滤的思想,建立了患者偏好模型。在上述基础上,本文提出了一种基于组合模型的医生推荐算法,并根据实验反馈,进行了相应的改进和优化。最后,本文在上海医联预约平台上,根据设计的医生推荐算法设计了医生推荐系统,并详述了医生推荐系统的数据库设计、离线处理算法的实现、在线推荐算法的实现和界面设计。根据医生推荐系统上线后记录的患者操作日志对推荐系统进行了评测。评测结果表明本文设计的医生推荐系统的推荐结果合理有要,且符合患者的预约需求。

关键词：个性化推荐层次分析法医生绩效患者偏好医生推荐

来源：评论

学校读者我要写书评

暂无评论

基于在线问诊平台的医生推荐研究

基于在线问诊平台的医生推荐研究

引用

作者：李跃艳华中师范大学

学位级别：硕士

随着互联网的发展,在线问诊平台由于可以实现医患之间的互动,解决患者轻问诊需求,逐渐受到大众的信赖和认可。如国外的Health Tap、American Well和Doctor On Demand,国内的春雨医生、好大夫在线等。患者浏览医生主页,寻找感兴趣的医生... 详细信息

随着互联网的发展,在线问诊平台由于可以实现医患之间的互动,解决患者轻问诊需求,逐渐受到大众的信赖和认可。如国外的Health Tap、American Well和Doctor On Demand,国内的春雨医生、好大夫在线等。患者浏览医生主页,寻找感兴趣的医生,通过提问的方式与医生进行互动。与传统的线下就诊相比,避免了时间和空间因素带来的限制,能够方便地进行疾病咨询。但是,随着医生和患者规模的扩大,大量的医患互动信息以及评价信息产生,患者无法快速识别并选择优质的医生资源,从而降低患者问诊体验。为了发现优质的医生资源,提高患者满意度,个性化医生推荐受到越来越多的关注。在这种背景下,本文基于对目前医生推荐系统的深入研究,包括对在线问诊平台中医生与患者特征分析后,以复杂网络的相关理论为基础,通过多种推荐策略的组合来提高医生推荐结果的准确性,结合目前主流的个性化推荐技术,同时引入语义挖掘技术、社会网络分析法和统计学方法,构建一种基于组合条件的个性化医生推荐模型,其中包括基于相似患者的医生推荐模型,基于相似领域的医生推荐模型和基于医生绩效的医生推荐模型。在基于相似患者的医生推荐模型中,根据从众心理理论,患者一般更青睐于曾经诊治过相同疾病的医生,从而设计了基于患者咨询文本的推荐,主要运用Word2vec模型训练词向量,计算患者相似度,确定候选医生推荐集A;在基于相似领域的医生推荐模型中,认为相同患者往往关注的医生拥有共同特征,如医生的知识结构相似、行为网络关系密切,基于此,构造了两个子模型:医生知识模型和医生行为网络模型,主要是利用Jaccard系数分别计算医生知识结构相似度和医生行为网络相似度,最后,应用Comb SUM算法整合这两种相似度,得到医生之间的领域相似度,从而确定扩展医生推荐集;在基于医生绩效的医生推荐模型中,根据医生的历史评分数据,通过构建医生绩效指标体系对医生的线上服务质量进行测量,从而确定候选医生推荐集B;最后对三种推荐结果进行合并,计算医生的综合得分,确定最终医生推荐集。同时,为了模型应用的清晰性与完整性,本文构建了基于组合条件的个性化医生推荐模型架构,并采集“好大夫在线”真实数据进行模型验证。实验结果表明,模型具有良好的应用可行性和较好的推荐效果。

关键词：在线问诊平台 Word2vec 个性化推荐医生推荐

来源：评论

学校读者我要写书评

暂无评论

基于在线医疗患者数据的医生推荐研究

基于在线医疗患者数据的医生推荐研究

引用

作者：童柔西安理工大学

学位级别：硕士

近年来随着“互联网+”的迅速发展,在线医疗已经深入人们的生活,许多在线医疗平台也随之兴起,患者可以在这些平台中进行择医问诊,目前很多平台都是让患者自己选择科室和医生进行咨询,但由于很多患者不清楚自己需要咨询哪个科室,因此会... 详细信息

近年来随着“互联网+”的迅速发展,在线医疗已经深入人们的生活,许多在线医疗平台也随之兴起,患者可以在这些平台中进行择医问诊,目前很多平台都是让患者自己选择科室和医生进行咨询,但由于很多患者不清楚自己需要咨询哪个科室,因此会产生很多无用的数据,医生需要花费时间在大量咨询数据中挑选与自己领域相关的,从而导致患者也无法得到及时的回复。如果在线医疗平台可以根据患者的病情为患者推荐合适的科室和医生,那么将会大大减少患者问诊以及医生回复的时间,促进在线医疗的进一步发展;另外,现在患者择医时都会综合考虑很多因素,不仅有医生的职位职称等,网络评价数据也作为影响患者择医的一个重要因素。基于以上分析,本文以在线医疗为研究对象,以好大夫在线医疗网站中的患者数据为基础,基于两种文本表示方法,使用三种文本分类方法构建分类模型为患者推荐科室,基于包含患者评价数据情感分析的多种医生特征因素为患者推荐合适的医生,主要研究内容包括以下方面:(1)首先,基于在在线医疗网站中获取的36个科室的患者咨询数据,使用TFIDF和词向量算法对患者咨询数据进行中文文本表示,之后构建随机森林、卷积神经网络和长短期记忆网络三种分类模型进行科室分类,实验结果表明,随机森林模型的预测准确率最高达到91.69%,卷积神经网络预测准确率次之达到91.06%,长短期记忆网络准确率最低为89.15%,最后综合召回率等各评估指标发现随机森林模型的稳定性最好,因此最终选取随机森林模型进行后续实验;(2)其次,使用随机森林分类模型将患者对医生的评价数据分为两类,对医生治疗效果的评价和医生态度的评价,并使用情感词典分别计算这两类评价数据的情感分数;(3)最后,基于医生职称、医生活跃度和医生评价的各相关特征因素的打分,根据不同患者对各因素的偏好为每个医生进行加权评分,从而为患者展示对应科室的医生排序供患者进行选择咨询。

关键词：在线医疗中文文本分类机器学习情感分析医生推荐

来源：评论

学校读者我要写书评

暂无评论

面向在线健康社区的患者采纳行为与医生推荐研究

面向在线健康社区的患者采纳行为与医生推荐研究

引用

作者：陈子倩山西大学

学位级别：硕士

随着互联网技术的发展和人们健康意识的逐步增强，传统医疗服务模式已经不能满足大众的需求，具有交互性的在线健康社区逐渐受到人们的青睐，由此产生了大量的医患问答交互数据，这使得一些患者的问题还未回复就被新问题所淹没，导致出... 详细信息

随着互联网技术的发展和人们健康意识的逐步增强，传统医疗服务模式已经不能满足大众的需求，具有交互性的在线健康社区逐渐受到人们的青睐，由此产生了大量的医患问答交互数据，这使得一些患者的问题还未回复就被新问题所淹没，导致出现患者等待医生回复时间过长、患者对回复意见不满意的现象。但是目前关于在线健康社区的成果大多从宏观角度出发研究用户的意愿、行为，并未有效解决以上问题。鉴于此，本文融合在线社区专家发现理论和信息采纳理论，运用机器学习分类算法、Logistic回归模型等对用户文本特征和指标特征进行深入挖掘，构建了在线健康社区的医生推荐模型，以期降低患者等待时间，提升患者的就医体验。具体工作包含以下内容：　　（1）考虑到患者用户的偏好情况会影响医生推荐模型的性能，本文基于信息采纳理论，运用Logistic回归分析方法识别患者采纳行为的影响因素。研究发现医生职称、历史被采纳率、回复文本字数、历史好评数和网友满意度正向影响患者的采纳行为，而回复响应时间则负向影响患者的采纳。　　（2）针对医疗问答短文本的特征稀疏问题，本文基于特征融合思想，构建了文本特征和主题特征的协同分析模型。在此基础上，建立了基于机器学习的文本分类方法。首先，利用单词向量空间模型（VSM）提取患者问题和医生历史诊疗问题的文本特征，同时采用潜在迪利克雷分配模型（LDA）进行主题提取，并将主题特征和文本特征进行有机融合。其次，采用四种不同的机器学习算法（决策树、随机森林、Logistic回归、支持向量机）来识别与患者科室相符的以及回复几率高的医生。结果表明，基于VSM+LDA的支持向量机分类模型性能相对更好。　　（3）运用基于内容的推荐方法，对患者问题与医生历史被采纳的诊疗问题进行文本相似度计算，识别擅长此问题的医生群体，构建基于相似度排名的医生推荐系统。　　（4）以“有问必答”网站医患问答数据为研究对象，运用本文所提出的推荐模型将医生群体范围逐步缩小，减少了文本相似度计算量，最后将易被患者采纳的、与患者科室匹配的、回答几率高的、擅长该问题的医生推荐给患者。

关键词：在线健康社区医生推荐患者采纳行为机器学习文本分类主题提取

来源：评论

学校读者我要写书评

暂无评论

基于用户在线疾病搜索的医生推荐机制的研究与实现

基于用户在线疾病搜索的医生推荐机制的研究与实现

引用

作者：赵春时东北大学

学位级别：硕士

在网络成为人们获取信息主要渠道的今天,对于患有疾病用户,很多人在寻医问药之前会选择先在互联网上查询,以便找到合适的医院和医生进行咨询、预约等。在现有的网络情境下,在不侵犯患者隐私的前提下,基于用户(患者)的疾病搜索为其推荐... 详细信息

在网络成为人们获取信息主要渠道的今天,对于患有疾病用户,很多人在寻医问药之前会选择先在互联网上查询,以便找到合适的医院和医生进行咨询、预约等。在现有的网络情境下,在不侵犯患者隐私的前提下,基于用户(患者)的疾病搜索为其推荐合适的医生和医院,是满足上述需求的有效途径之一。本文研究基于用户在线疾病搜索的医生推荐机制,主要工作包括以下几方面:首先,针对互联网公开数据进行分析,设计网络爬虫获取大量的医生、医院数据;对数据进行净化、修复等预处理;通过去除停用词、中文分词、词性筛选与词频排序等方法构建疾病词典,并人工对疾病词典补充完善;通过设计并完成问卷调查、对数据进行分析与筛选,获取标准数据集;其次,基于高斯—马尔科夫线性模型原理,根据医生和医院数据的特点选取相关的推荐特征,采取交叉验证方法,对标准数据集进行多元线性回归分析,利用最小二乘法估计回归系数,采取F检验的方法对构建的模型进行检验;利用模型进行预测,根据预测结果评估推荐模型,从而确定推荐特征及特征权重;再次,基于医生数据集和疾病词典建立“疾病—医生”二部图关联网络,基于现有的二部图推荐算法,提出了基于医生资源分配和疾病资源分配的推荐算法。为了解决直接关联医生少、推荐列表不足的问题,提出了基于医生资源和疾病资源两种分配方法的医生补充机制;第四,通过对实验结果分析,本文提出的基于高斯—马尔科夫线性模型的特征选择和权重计算能够对医生推荐结果进行有效预测,同时实验证明了,本文提出的基于“疾病—医生”二部图模型的医生资源分配和疾病资源分配的两种推荐算法,均能提高医生推荐结果的准确率;本文提出的两种基于二部图的补充机制均能达到补充医生的效果;提出的根据用户反馈的再推荐机制能够满足用户需求;最后,基于前述研究成果,设计并实现了一个原型系统。该系统集用户疾病搜索、医生推荐结果输出、医生和医院详细信息展示、基于用户需求再次推荐、疾病相关信息搜索等功能于一体,给用户展示了直观的推荐结果。用户通过疾病搜索,能够从大量信息中获取医生推荐结果,提高检索效率,在不侵犯用户隐私的基础上,为亟待就医的患者提供最直接的帮助。

关键词：医生推荐疾病搜索加权二部图疾病—医生模型文本分析

来源：评论

学校读者我要写书评

暂无评论

基于多标签分类和协同过滤的医生推荐系统的研究与实现

基于多标签分类和协同过滤的医生推荐系统的研究与实现

引用

作者：孙崇林大连理工大学

学位级别：硕士

我国的医疗信息化进程正在逐步深入,大部分医疗机构已完成基础的信息化建设,一些先进的机构已经开始着手建设临床信息系统。这些系统中大量的医生、患者、诊断等数据具有十分重要的分析与利用价值。如何对医疗信息系统中大量数据进行合... 详细信息

我国的医疗信息化进程正在逐步深入,大部分医疗机构已完成基础的信息化建设,一些先进的机构已经开始着手建设临床信息系统。这些系统中大量的医生、患者、诊断等数据具有十分重要的分析与利用价值。如何对医疗信息系统中大量数据进行合理开发、分析和利用,并将分析处理之后的数据提供给医生、患者等各类数据使用者使其最大程度地发挥社会价值,是医疗信息化进程中面临的重要课题之一。在医疗信息系统中存在的各类数据中,一类十分重要的数据就是医生的相关信息数据,包括医生的基本信息、工作经历、患者评价以及医生发表学术论文等。通过挖掘这些数据中的有效信息就可以对医生进行综合评估,进而使用这些加工后的信息来为患者提供服务,例如给患者推荐合适的医生等。本文的主要研究内容就是开发一个为患者提供服务的医生推荐系统。本文提出一种基于多标签分类和协同过滤的医生推荐系统,其主要包括两方面内容：医生推荐算法及模型研究和医生推荐系统设计。在推荐算法和模型方面,本文使用了多标签分类、协同过滤和排序三种技术。多标签分类技术用于对医生擅长疾病的缺失标签进行预测。为此,本文提出并使用两种新的基于标签空间降维的多标签分类技术,它们分别是基于聚类抽样和频率抽样的多标签分类算法。协同过滤技术可以根据已知的患者对医生的评价情况和医生之间学术社交网络信息对数据库中的医生进行综合评分预测。经过上述离线处理后,在进行医生在线推荐时首先根据地理位置、医生的擅长疾病标签等信息进行医生过滤,之后根据医生综合评分、医生职称等特征使用排序算法进行排序后提供给患者使用。在推荐系统方面,本文提供分布式信息采集系统用于从网络上批量抓取医生信息数据,并提供数据管理系统将来自多个数据源的数据导入数据库并加以管理,最后使用信息推荐系统来为患者提供实时医生推荐。本文通过现实生活中的医生数据,对本系统使用的方法进行实验验证和实例分析,其结果证明了本文中方法的有效性。

关键词：医生推荐多标签分类协同过滤

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共4页 << < 1 2 3 4 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：