一种基于协同过滤的医生推荐系统技术领域
本发明涉及推荐系统技术领域，特别是基于病情相似度的推荐系统领域。
背景技术
在传统日常就医过程中，患者选择医生通常通过以下几个途径：(1)患者通过向亲
友询问，选择自己要挂号的医生；(2)通过和挂号员的简单交流，让挂号元推荐相应的科室；
(3)结合医院公布的医生信息，选择比较可能适合自己的医生。上述几种方法存在以下几个
缺陷：患者医学知识相对匮乏，难以对自己的疾病有准确的判断；医院医生众多，挂号员不
可能熟悉每个医生的擅长方向；医生的水平日益增上，医院的对医生擅长方向的描述不够
详细、准确。
发明内容
本发明提供一种让患者快速、准确地找到合适医生的系统，减少患者转诊率，让患
者第一时间获得精准的医疗帮助，和谐医患关系。
本发明是通过以下技术方案实现的：
一种基于协同过滤的医生推荐系统，其特征在于：包括患者特征提取模块，所述的
患者特征提取模块通过判定自动构建患者的基础数据，并基于输入的需求构建出完整的患
者数据库，所述患者特征提取模块为患者相似度计算模块提供数据；
患者相似度计算模块，所述患者相似度计算模块通过所述患者特征提取模块构建
的数据库，与已有数据库中的其他患者进行相似性计算，得到相似度值；所述患者相似度计
算模块为推荐系统模块提供数据；
推荐系统模块，所述推荐系统模块运用患者相似度计算模块提供的结果进行相似
病案的协同过滤，推荐出医生群以及科室，并且追踪患者选择的结果，把患者选择的内容和
点击行为记录并发送，所述推荐系统模块为患者特征信息模块提供数据。
进一步地，所述患者特征提取模块包含是否就诊判定模块、历史行为数据关联、患
者数据引导、输入当前就诊需求、患者数据库；是否就诊判定为的结果指向历史行为数据关
联子模块和患者导数据引子模块；历史行为数据关联模块、患者数据引导模块、数据就诊需
求模块所产生的数据构成患者数据库。
进一步地，所述患者相似度计算模块包含患者病情模型、其他患者模型和相似度
计算模型；患者病情模型和其他患者病情模型提供计算数据，相似性计算模型提供相似度
的计算。
进一步地，所述推荐系统模块包含相似病案协同过滤、医生群推荐、科室推荐、选
择结果、点击行为模型和选择内容模型；患者相似度计算模块提供的结果指向相似病案协
同过滤，通过所述相似病案协同过滤推荐病案所对应的医生群及就诊科室；通过患者的选
择结果，记录点击行为和选择内容，并把数据记录到患者数据库中。
进一步地，所述的是否就诊判定模块若判定已经就诊，则关联历史行为数据，若判
定没有就诊，则通过患者数据引导进行引导，填写相应的基础信息。
进一步地，所述患者病情模型包含患者的基础资料、诊疗信息、当前需求等特征，
通过向量的方式对患者的特征进行表示，用标签的方式对患者进行用户刻画。
进一步地，所述相似度计算模型用协方差等方式对患者病情模型提的向量和其他
患者病情模型所提供的向量进行计算，并根据计算值的大小依次排序。
进一步地，所述相似病例协同过滤模型根据患者相似度的大小，依次找出所对应
的病例，从而找到病例所对应的医生群和科室，并把信息推荐给患者。
进一步地，所述点击行为模型包含患者对选择最终结果前所经过的一系列点击行
为、包含鼠标点击、页面停留时间、返回、医生比较行为。
进一步地，所述选择内容模型包含患者选择的医生、是否就诊、以及对就诊的评
价。
本发明与现有技术相比，具有以下有益效果：本发明可以帮助患者准确地找到一
条相似且成功的诊疗记录，这个为患者推荐合适的诊疗医生。从患者盲目性求医向主动推
荐医生转变，合理向患者推荐合适专家，更进一步提升医疗质量、服务质量。让患者参与明
白诊疗过程中的部分医疗决策，改善医患关系。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本
发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以
根据这些附图获得其它附图。
图1为本发明的一种基于协同过滤的医生推荐系统的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例
中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是
本发明一部分实施例，而不是全部的实施例。
图1为本发明的一种基于协同过滤的医生推荐系统的示意图。如图1所示，一种基
于协同过滤的医生推荐系统，其特征在于：包括患者特征提取模块，所述的患者特征提取模
块通过判定自动构建患者的基础数据，并基于输入的需求构建出完整的患者数据库，所述
患者特征提取模块为患者相似度计算模块提供数据；
患者相似度计算模块，所述患者相似度计算模块通过所述患者特征提取模块构建
的数据库，与已有数据库中的其他患者进行相似性计算，得到相似度值；所述患者相似度计
算模块为推荐系统模块提供数据；
推荐系统模块，所述推荐系统模块运用患者相似度计算模块提供的结果进行相似
病案的协同过滤，推荐出医生群以及科室，并且追踪患者选择的结果，把患者选择的内容和
点击行为记录并发送，所述推荐系统模块为患者特征信息模块提供数据。
所述患者特征提取模块包含是否就诊判定模块、历史行为数据关联、患者数据引
导、输入当前就诊需求、患者数据库；是否就诊判定为的结果指向历史行为数据关联子模块
和患者导数据引子模块；历史行为数据关联模块、患者数据引导模块、数据就诊需求模块所
产生的数据构成患者数据库。
所述患者相似度计算模块包含患者病情模型、其他患者模型和相似度计算模型；
患者病情模型和其他患者病情模型提供计算数据，相似性计算模型提供相似度的计算。
所述推荐系统模块包含相似病案协同过滤、医生群推荐、科室推荐、选择结果、点
击行为模型和选择内容模型；患者相似度计算模块提供的结果指向相似病案协同过滤，通
过所述相似病案协同过滤推荐病案所对应的医生群及就诊科室；通过患者的选择结果，记
录点击行为和选择内容，并把数据记录到患者数据库中。
所述的是否就诊判定模块若判定已经就诊，则关联历史行为数据，若判定没有就
诊，则通过患者数据引导进行引导，填写相应的基础信息。
所述患者病情模型包含患者的基础资料、诊疗信息、当前需求等特征，通过向量的
方式对患者的特征进行表示，用标签的方式对患者进行用户刻画。
所述相似度计算模型用协方差等方式对患者病情模型提的向量和其他患者病情
模型所提供的向量进行计算，并根据计算值的大小依次排序。
所述相似病例协同过滤模型根据患者相似度的大小，依次找出所对应的病例，从
而找到病例所对应的医生群和科室，并把信息推荐给患者。
所述点击行为模型包含患者对选择最终结果前所经过的一系列点击行为、包含鼠
标点击、页面停留时间、返回、医生比较行为。
所述选择内容模型包含患者选择的医生、是否就诊、以及对就诊的评价。
所述的一种基于协同过滤的医生推荐系统根据以下步骤实现的：
步骤一：患者进入系统后判断是否就诊过，若就诊通过身份证号或者诊疗卡号关
联到历史行为数据，历史行为数据包括人口学资料、就诊数据和点击行为；若患者没有就诊
过，则根据患者数据引导模块引导患者输入人口资料学信息。
步骤二：患者通过输入就诊需求完善患者本次的就诊信息，其中上述步骤所涉及
的数据汇集存储到患者数据库中。
根据患者数据库以及当前的就诊需求，建立患者病情模型，同时根据已就诊过的
患者信息建立其他患者病情模型，根据就诊需求，进行基于患者病情的相似度计算。患者相
似度计算方法，设当前患者的特征向量为[男，消瘦，多饮，多尿，失眠，咽干，习惯看中医]记
为u＝[1，0，1，1，0，0，1]，与历史患者的特征向量v＝[1,，0，0，1，1，1，1]进行余弦相似度计
算，公式如下：
根据患者病情相似度模块的计算结果，排序筛出相似的患者。通过相应的相似病
案协同过滤，计算出相似的病案。基于病案中所涉及的医生群，想患者进行医生群推荐和科
室推荐。通过筛选排序把推荐结果展现到患者端，患者选择相应的结果来完成推荐。患者在
整个过程中的点击行为和选择内容所包含的数据将作为患者的特征信息存入到患者数据
库中。根据用户是否选择推荐结果，来记录用户的行为数据和对推荐结果的满意度，纳入到
用户数据库中，优化该用户下一次的推荐。
根据一种基于协同过滤的医生推荐系统，进行试验，其中随机抽取某病人样品：某
患者(疲倦、口渴、体重减轻)首次进入系统，在注册账号时输入了个人信息(如：男，40岁，广
州人)，此时系统为其建立了患者数据库。
接着患者输入了诊疗需求信息——“疲倦、口渴”，系统引导并提示患者补充更多
的信息——如“体重减轻”等。系统采集此类需求并建立患者特征模型。
患者模型所包含的标签“男”、“40岁”、“广州人”、“疲倦”、“口渴”、“体重减轻”等，
与其他患者的病历信息进行相似度计算。推荐出相似的患者病历。
根据推荐出来的病历，选择涉及到的专科和医生群并推荐给患者。
基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获
得的所有其它实施例，都属于本发明保护的范围。尽管本发明就优选实施方式进行了示意
和描述，但本领域的技术人员应当理解，只要不超出本发明的权利要求所限定的范围，可以
对本发明进行各种变化和修改。