随着智慧医疗体系的不断完善,智能导诊系统正在逐步取代人工导诊的服务模式,已成为医疗行业未来发展的新方向。目前对于国内大多数的智能导诊服务,患者仍然是处于被动服务的模式,患者需要按照医院专科分类或者按照人体部位选择的形式去预约医生。由于缺乏专业的医疗知识,患者在选择医生时容易出现盲目性较大、选择优质专家过于集中等问题,无法根据自己的病情选择合适的医生进行就诊,使得自身就医效率低下,同时也导致医院资源不能得到合理化利用。因此,本文围绕智能导诊服务中的个性化医生推荐展开深入的探讨与研究,通过深度挖掘患者的病情诉求向其推荐最适合自身病情的医生,在为患者带来高效性医疗服务的同时能有效提高患者就诊满意度和医院资源的合理化利用,为患者和医院带来最大程度的价值。本文工作首先构建医疗垂直领域知识库,进而实现粗粒度的科室推荐和细粒度的医生推荐,主要研究内容如下:(1)构建了涵盖患者主诉信息库、病症知识库及医生信息资源池的医疗垂直领域信息知识库。具体来说,主要是运用异步爬虫技术从百度指数最高的四个医疗专业网站抽取结构化及半结构化的主诉数据,构建涵盖48个二级科室的主诉信息库。抽取疾病症状知识构建病症知识库,设计基于贝叶斯算法的症状权值计算方法。构建导诊推荐专用的医生信息资源池,为实现医生推荐提供数据支撑。(2)提出了将科室推荐问题转化为主诉文本多分类问题,实现整个医生推荐过程的粗粒度推荐。首先设计主诉文本表达模型,将主诉文本转换为向量表示,然后研究基于TextCNN算法的主诉文本多分类模型,实现了根据患者主诉进行科室的精准推荐。(3)提出了个性化医生推荐方法,实现细粒度的医生推荐。为了达到患者找对医生、医生看对病人的目的,提出基于BiLSTM-CRF算法的主诉文本病症实体识别模型,并进一步提出基于病症知识库的双向最大匹配算法对识别结果进行优化,同时,为了深度挖掘患者病情诉求,研究了患者意图识别方法,有效保证了患者病症与医生擅长的精准匹配。最后从患者社会化信息相似度、主诉文本相似度及医生职称和医生评分等方面设计基于协同过滤的个性化医生推荐算法,实现对患者的个性化医生推荐。(4)设计并实现了个性化医生推荐系统,同时基于Flask框架进行接口开发对接智能导诊机器人,从实际应用角度验证本文个性化医生推荐方案的可行性。