一种融合标签和患者咨询文本的医生推荐算法周鑫,熊回香,肖兵（华中师范大学信息管理学院，湖北武汉430079）摘要：【目的/意义】针对在线医疗信息结构松散，医疗平台医生推荐精度不足的现状，设计了一种基于标签和患者咨询文本的医生推荐算法，提升医生推荐效果。【方法/过程】利用Word2vec模型训练患者咨询文本得到特征向量，改进余弦相似度算法计算医生推荐集A；利用LDA模型训练医生标签得到医生在主题上投影的概率分布，改进KL距离算法计算医生推荐集B；基于社会网络分析理论设计相关算法重构医生网络链接，选择中心性指标得到最终医生推荐集C。【结果/结论】以“丁香医生”数据进行实证，面向UGC数据丰富了算法的可用程度，弥补了单一推荐方法的不足，提高了推荐的精度。本文所提方法有效提升了医生推荐精度。【创新/局限】通过融合标签和患者咨询文本，采用社会网络分析实现了医生混合推荐。虽然通过中心性指标进行重要医生挖掘，但挖掘效果有提升空间。关键词：医生推荐；标签；Word2vec；LDA；社会网络分析中图分类号：G254DOI：10.13833/j.issn.1007-7634.2023.03.017收稿日期：2021-09-16基金项目：国家社会科学基金重点项目“数智驱动的在线健康资源挖掘与智慧服务研究”（22ATQ004）；2022年度华中师范大学基本科研业务费（人文社科类）交叉科学研究项目“基于量化自我技术的个体健康管理研究”（CCNU22JC033）。作者简介：周鑫（1995-），男，江西吉安人，硕士研究生，主要从事网络信息组织和数据挖掘研究；熊回香（1966-），女，湖北鄂州人，教授，博士，主要从事网络信息组织和数据挖掘研究；肖兵（1993-），男，四川资阳人，博士研究生，主要从事网络信息组织和用户行为研究，通讯作者：xiaobing@mails.ccnu.edu.cn。1引言近年来在政策的扶持下，为了满足健康医疗信息用户交流、分享、合作、协调一致行动的本能需求，互联网在线医疗社区快速兴起，代表社区如“丁香园”“微博医疗”“好医生”等。医生和患者在平台中浏览诊疗信息、参与病情讨论、寻求潜在的合作和诊疗机会【1】，生成了海量却分散的健康医疗信息。这些指数式增长的信息呈现出大规模、异质多元、组织结构松散等特点，这给患者有效的信息获取和利用带来了诸多困难，因此需要对患者进行精准的医生推荐。当前大部分在线医疗社区（典型为丁香园、好医生）医生推荐的主要依据是医生“星级”“在线情况”“问诊价格”等网站指标，功能较为粗泛，推荐效果欠佳；进一步地，目...
