用户认知视角下在线问诊平台医生推荐研究

来源：图书情报工作杂志2023年第10期北京时间：

作者：王若佳,王继民

单位：1 北京中医药大学管理学院 北京 100105;2 北京大学信息管理系 北京 100871

摘要：[目的/意义] 针对在线问诊平台中医生推荐满意度较低的问题，探究如何将信息技术与用户认知相结合以提升医生推荐系统的效果，有助于优化在线问诊平台的用户体验。[方法/过程] 首先，基于1 500名医生的基本信息和78万余条用户提问，对比TF-IDF、Doc2Vec和Word2Vec三种词向量模型的医生推荐效果，以最优模型构建医生推荐系统原型；然后，通过用户实验和访谈获取用户使用该系统的行为数据，深入挖掘在线问诊平台医生推荐情境中的用户认知与意义构建过程；最后，从用户角度提出模型优化思路，实现原型系统的改进。[结果/结论] 基于Word2Vec词向量模型的医生推荐效果最优，前10位医生候选集中88%的医生有能力回答用户问题；用户实验结果显示，科室信息与医生专业极大影响用户选择，医生曾回答过的相似问题是用户的重要参考信息；基于以上结果，提出并实现建立科室预测分类器以及为健康医学关键词赋予较高权重的两种模型优化思路，并通过匹配度指数对医生推荐结果进行优化排序。结果表明，两种方法均可提高医生推荐系统的准确度，证明用户认知与人工智能算法结合具有可行性。

关键词：医生推荐,用户视角,在线问诊,Word2Vec,意义构建,