Page 89 - 《软件学报》2021年第11期

袁敏 等:面向数据特征的人机物融合服务分派方法 3415

Table 7 Similarity ranking table (ear nose throat branch)
表 7 相似度排序表(耳鼻咽喉科)
医生 ID 相似度
3088 0.902 617
7857 0.898 001
3136 0.889 262
3086 0.885 038
7898 0.882 464
3119 0.876 795
4039 0.875 016
7855 0.872 750
1495 0.871 829
7859 0.871 360
4052 0.870 101
3091 0.869 392
3018 0.865 689

Table 8 Judgment matrix of criterion layer
表 8 准则层的判断矩阵
准则

su sl si
医生的满意度得分 su 1 2 3
医生的职称得分 sl 1/2 1 2
医院的等级得分 si 1/3 1/2 1

由公式(7)和公式(8)计算得出医生的用户满意度得分、医生职称得分和医院等级得分的权重分别为 0.54,
0.3 和 0.16.权重赋值后,前文筛选出的 10 位医生各项分值见表 9.其中,医生 7898、7857 和 3136 的最终得分最
高,故在综合考虑到人机物环境下的各方面因素后,最终推荐给患者王某的最合适的医生为 7898、7857 和 3136.
Table 9 Various score table
表 9 各项得分表
医生 ID 综合满意度得分 职称等级得分 所属医院等级得分 最终得分
3088 4.017 204 3 5 3.869 290
7857 4.181 818 5 5 4.558 182
3136 4.271 111 4 5 4.306 400
3086 4.227 586 4 5 4.282 896
7898 4.448 888 5 5 4.702 400
3119 4.254 545 4 5 4.297 454
4039 3.600 000 5 5 4.244 000
7855 4.314 286 3 5 4.029 714
1495 4.314 286 4 5 4.268 000
7859 4.088 888 4 5 4.208 000

本文方法旨在为患者推荐合适的医生而不是最好的医生.随机选择 100 个病例,对与每个病历匹配的候选
医生的职称以及医院等级分布做了统计.结果表明:与每个病历匹配的候选医生中,主任医师、副主任医师和主
治医师出现的频率较高,且主要分布在三级甲等医院,二级甲等医院也有出现.最终推荐的 3 位医生中,虽然主任
医师占了大多数,但副主任医师以及主治医师也有出现.因为该就诊平台上的医生 90%来自于三甲医院,因此在
算法开始之前,非三甲医院的医生入选推荐队列的机率就比较小;另一方面是由于各属性的权值设置的影响,使
得医院等级的权重略大于实际情况.因此在不同的服务平台上,可能需要根据实际情况修正权值.
5 实验评估

本次实验采用百度的飞桨(PaddlePaddle)平台进行.它是集深度学习核心框架.工具组件和服务平台为一体
的开源深度学习平台.实验准备阶段,利用 PyCharm 完成了数据的爬取和处理;实验前期,在基于飞桨的一站式
AI 开发平台 AI Studio 上完成了科室分类器模型的训练以及对新患者病情描述的科室预测;后期在计算新病情
与医生诊疗病例记录摘要的相似度以及实验评估阶段时计算的工作量庞大,实验过程中采用了并行计算同时