考虑需求优先性的在线医患双边匹配方法

近年来，随着互联网与智慧医疗的飞速发展，在线问诊平台逐渐成为满足大众基本医疗需求的重要渠道。随着在线问诊平台患者和医生数量的不断增长，医生回答参差不齐、患者提问响应不及时、答复率严重不足等问题不断涌现。如何从大量的在线医疗内容中挖掘患者需求信息和医生服务信息，刻画患者需求满意度和医生的服务能力，实现精确匹配是亟需解决的问题。基于此，文中提出了一个融合机器学习算法的多阶段匹配模型，用于提高匹配精度和多样性。首先，从医生和患者两个视角，利用机器学习算法和情感分析工具，深度挖掘患者服务需求和医生服务能力，同时考虑到患者强烈的风险规避态度，引入前景理论描述患者风险偏好。然后，考虑到患者需求的优先性，以粒计算思想为指导，以提高医患匹配的准确性和多样性为目的，构建多阶段动态匹配模型。最后，通过爬取好大夫网站的真实数据来进行实验，结果验证了所提方法的有效性。