在線問診平臺相似病例推薦.pdf

1、在線問診平臺作為傳統(tǒng)醫(yī)療的補充和優(yōu)化，在近幾年快速發(fā)展并廣泛傳播，在日常生活中正發(fā)揮著越來越重要的作用，如春雨醫(yī)生、39健康網(wǎng)、好大夫在線、丁香園等。通過在線問診平臺，用戶可以描述疾病或提出問題，醫(yī)生根據(jù)用戶描述診斷病情，并提供專業(yè)的解答或者就醫(yī)指導，實現(xiàn)遠程診療。對于一些普遍的疾病或癥狀，會在平臺中多次出現(xiàn)，并且已經(jīng)得到了醫(yī)生的專業(yè)解答。因此，如何從歷史病例庫中挖掘出已經(jīng)得到醫(yī)生高質(zhì)量解答的相似病例推薦給用戶，有著比較重要的意義。一是

2、能夠充分利用平臺積累的知識資源，為用戶就醫(yī)提供參考;二是為實現(xiàn)知識自動化鋪墊，讓計算機實現(xiàn)疾病的自動診斷和治療。
　　本文從相似病例檢索算法和答案質(zhì)量評估算法出發(fā)，研究了文本語義相似度計算、答案特征提取、單標簽樣本模型訓練等問題。本文首先通過相似病例檢索算法檢索出與用戶提問相似的若干個歷史病例，這些病例組成推薦候選集。接著，根據(jù)答案質(zhì)量評估算法對候選集中的醫(yī)生回答評估打分。最后，綜合相似病例檢索和答案質(zhì)量評估結(jié)果推薦最優(yōu)的歷史病例

3、。因此，相似病例檢索是相似病例推薦的基本任務，檢索的結(jié)果決定了推薦的質(zhì)量。與此同時，醫(yī)生回答的質(zhì)量決定了推薦的結(jié)果對用戶的參考價值大小。本文的主要工作有:
　　1.將查詢似然語言模型與詞向量(word2vec)結(jié)合用于相似病例檢索。利用詞向量將文本內(nèi)容映射到低維連續(xù)空間，通過向量之間的位置關系可以反映詞語之間的相關關系，能夠有效克服“詞匯鴻溝”問題，再結(jié)合查詢似然語言模型使得問題之間的語義相似度計算更準確。
　　2.從答案淺

4、表特征、答案內(nèi)容特征、問答相關性特征、醫(yī)生權威性特征等四個方面提取特征表示答案質(zhì)量。面對海量無標記樣本，通過負樣本篩選和“偽負樣本”生成的方法構造正負訓練數(shù)據(jù)，并使用機器學習模型來評估答案質(zhì)量。
　　3.利用大規(guī)模平臺數(shù)據(jù)對算法模型進行檢驗和測試。通過實驗比較不同相似病例檢索模型之間的性能，結(jié)果表明基于詞向量的模型能夠取得良好的表現(xiàn)效果。并且，利用平臺數(shù)據(jù)解決了無標記樣本下的機器學習問題，并成功訓練出了答案質(zhì)量評估模型。最后，綜合