通过对网络爬虫获取的数据进行分析,充分挖掘数据集中的信息,分析医患交互行为,提取各自特征,从而对患者进行医生推荐,当患者进行在线问诊时,为其提供高效、便捷、具有针对性的医生服务资源。本文的医生推荐主要包含两部分,第一部分推荐是基于相似患者进行推荐,第二部分是通过基于项目的协同过滤算法进行推荐。首先,本文借助word2vec模型来对患者咨询文本和医生诊断建议文本进行向量化表示,从而建立患者特征模型以及医生特征模型,其中医生特征模型包含基于患者咨询文本和基于医生诊断建议两种类型。在第一部分推荐中,首先对患者进行聚类,再在各个类别中分别进行推荐。在推荐时,依据患者间的相似度高低来形成初步的医生候选集,之后再结合医生的特征来对医生候选集进行排序,其中在度量医生间相似度时选择的是基于患者咨询文本的医生特征信息。在第二种推荐算法中,使用了基于项目的协同过滤算法,为了使协同过滤算法能取得较好的效果,通过使少数极相似患者相合并的办法解决了患者如何会选择多位医生的问题,同时这样也强化了患者选择医生的行为信息。此外通过基于诊断建议的医生特征信息和医生评分指标可以得到患者对用户的评分数据,这是协同过滤推荐中重要的数据项。最后通过基于项目的协同过滤算法来完成推荐。比较两种推荐算法的结果,可以看到两种模型都具有较高的准确率,并且和实际情况相比较,医生推荐的结果也都取得了很好的效果。此外,考虑到两种推荐算法思考的角度不同,信息集的处理和使用的方法都有一定的差异,所以本文选择将它们的结果融合进行混合推荐,可以看到混合后模型可以达到更高的准确率、获得更好的效果。