随着社会经济发展和生活水平的提高,我国卫生服务需求不断扩大。但我国医疗资源分布不均,分级诊疗体系尚未完善,卫生服务供不应求,医患关系紧张。“互联网＋”医疗是解决我国医疗服务供需不平衡的重要方法,而作为在线医疗主要存在形式的医疗社区问答系统中,患者提问数量远远大于回答医生数量,如何提高医生回答速度和质量成为在线医疗发展瓶颈。文献研究近年来社区问答系统中专家推荐领域,本文提出基于语义的专家推荐方法,以期提高医生和患者的互动效果。本文运用Labeled-LDA模型训练健康问题,得到健康问题-主题概率分布,将每个医生历史回答健康问题集合作为一个文档,得到医生-主题概率分布,最后通过这两个分布计算健康问题与医生专长信息的相似度,从而向提问患者推荐匹配度高的医生专家,提高医生回答效率与质量。在实验部分,本文使用39健康网的数据测试该方法的可靠性,准确匹配健康问题与医生,弥补医疗专家识别研究大多数集中在外文医学语料的不足,拓展了专家推荐的方法  (本文共75页) 本文目录 | 阅读全文>>

...  (本文共1页) 阅读全文>>

...  (本文共1页) 阅读全文>>

...  (本文共1页) 阅读全文>>

...  (本文共1页) 阅读全文>>

...  (本文共1页) 阅读全文>>