考虑需求优先性的在线医患双边匹配方法
近年来,随着互联网与智慧医疗的飞速发展,在线问诊平台逐渐成为满足大众基本医疗需求的重要渠道.随着在线问诊平台患者和医生数量的不断增长,医生回答参差不齐、患者提问响应不及时、答复率严重不足等问题不断涌现.如何从大量的在线医疗内容中挖掘患者需求信息和医生服务信息,刻画患者需求满意度和医生的服务能力,实现精确匹配是亟需解决的问题.基于此,文中提出了一个融合机器学习算法的多阶段匹配模型,用于提高匹配精度和多样性.首先,从医生和患者两个视角,利用机器学习算法和情感分析工具,深度挖掘患者服务需求和医生服务能力,同时考虑到患者强烈的风险规避态度,引入前景理论描述患者风险偏好.然后,考虑到患者需求的优先性,以粒计算思想为指导,以提高医患匹配的准确性和多样性为目的,构建多阶段动态匹配模型.最后,通过爬取好大夫网站的真实数据来进行实验,结果验证了所提方法的有效性.
线问诊平台、医患双边匹配、粒计算、用户生成内容、多源信息
50
TP181(自动化基础理论)
2023-10-13(万方平台首次上网日期,不代表论文的发表时间)
共9页
28-36