[发明专利]一种基于行为感知层和共性感知层的医生推荐方法

说明书

本发明公开了一种基于行为感知层和共性感知层的医生推荐方法，基于基于患者的浏览、线上问诊等多种行为序列，预测适合该患者的医生。本发明分为两个部分：第一部分采用行为感知层和共性感知层对患者多行为序列建模，得到不同层下的患者向量；第二部分是预测患者浏览医生主页的概率以及向医生问诊的概率，并设计多任务损失函数。

技术领域

本发明属于互联网服务技术领域，尤其是涉及一种基于行为感知层和共性感知层的医生推荐方法。

背景技术

随着医疗信息化的发展，大量的医疗网站开始出现，如好大夫网站、阿里健康和春雨医生等。患者可以很方便地在医疗网站上了解到相关专业的医生信息，并进行在线问诊或者线上挂号。但是随着医生规模的扩大，大量的医患活动信息的产生，患者很难快速地准确识别出优质的医生，因此推荐系统显得尤为重要。本方法是一种序列推荐方法，根据患者历史的交互行为，学习患者对医生的偏好，给患者推荐合适的医生。

现有的序列推荐方法是基于患者的单种行为来进行建模，但是在医疗平台中，患者可以浏览医生主页，也可以进行线上问诊，所以医疗平台上积累了患者的多种行为序列。不同行为序列都一定程度上体现了患者的偏好，可以缓解推荐系统中的数据稀疏性。因此本方法同时考虑患者的多种行为，对患者的偏好进行建模。现有的多行为序列建模方法是分别对患者的多种行为序列进行建模得到患者在不同行为下的偏好，该种方法没有考虑到患者行为的整体性以及不同行为之间的相互作用。

本方法是LSTM网络的变种，LSTM网络是一种常见的单行为序列推荐方法。本方法提出行为感知层和共性感知层相结合的多行为序列推荐方法，行为感知层的作用是对患者的特定行为序列进行建模，行为感知层的层数取决于患者行为序列中的行为种类。共性感知层的作用是抽取患者多种行为的共同属性，患者的不同行为都是出于患者的偏好，因此患者的不同行为中必然蕴含了患者本质特征。共性感知层对患者的行为感知层中信息进行提取，并作为行为感知层的输入，所以本方法可以显式地对不同行为之间的联系进行建模。

发明内容

本方法的问题定义为基于患者的浏览、线上问诊等多种行为序列，预测适合该患者的医生。涉及到的数学符号有：患者集合U，医生集合V，行为种类B。本方法中涉及的行为种类有浏览和线上问诊行为。患者u_i的行为序列为其中下标l表示患者u_i行为序列的长度，序列中第个t个医生表示为v_t，v_t∈V，b_t表示患者行为序列中第个t个行为的行为种类，b_t＝0表示浏览行为，b_t＝1表示线上问诊行为。对于任一医生v_t的向量表征是x_t。现有的医生推荐方法只考虑到患者的问诊数据，而问诊数据极为稀疏，因此本方法为了缓解数据稀疏性将患者的浏览数据考虑进来，对患者的多行为序列进行建模。且已有的多行为建模方法没有考虑到多行为之间的关联，本方法考虑到患者行为的整体性以及患者多种行为之间的共性和多种行为之间的互相影响，采用以下技术方案：