基于在线患者咨询数据的在线医生推荐系统研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 本文研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状及发展趋势 | 第10-13页 |
| 1.2.1 智能导医 | 第10-11页 |
| 1.2.2 推荐系统 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13-15页 |
| 1.4 本文组织结构 | 第15页 |
| 1.5 本章小结 | 第15-17页 |
| 第2章 相关算法 | 第17-27页 |
| 2.1 推荐算法 | 第17-20页 |
| 2.1.1 基于内容的推荐算法 | 第17-18页 |
| 2.1.2 协同过滤推荐算法 | 第18页 |
| 2.1.3 推荐系统测评指标和方法 | 第18-20页 |
| 2.2 文本挖掘有关算法 | 第20-26页 |
| 2.2.1 特征提取算法 | 第20-22页 |
| 2.2.2 文本相似度算法 | 第22-23页 |
| 2.2.3 文本分类算法 | 第23-24页 |
| 2.2.4 文本聚类算法 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 医生推荐系统设计 | 第27-41页 |
| 3.1 推荐算法框架设计 | 第27-28页 |
| 3.2 文本表达模型构建 | 第28-31页 |
| 3.2.1 改进的VSM模型 | 第28-30页 |
| 3.2.2 基于词向量的文本表达 | 第30-31页 |
| 3.3 病情文本分类设计 | 第31-34页 |
| 3.3.1 最大熵分类器设计 | 第32-33页 |
| 3.3.2 基于词向量的分类方法 | 第33-34页 |
| 3.3.3 基于VSM模型的分类方法 | 第34页 |
| 3.4 病情文本聚类设计 | 第34-36页 |
| 3.5 医生推荐算法设计 | 第36-38页 |
| 3.5.1 基于病情文本聚类的医生过滤算法 | 第36-37页 |
| 3.5.2 医生活跃度计算 | 第37-38页 |
| 3.6 算法评估 | 第38-40页 |
| 3.6.1 特征提取算法评估设计 | 第38页 |
| 3.6.2 文本分类算法评估设计 | 第38页 |
| 3.6.3 文本聚类算法评估设计 | 第38-39页 |
| 3.6.4 医生筛选算法评估设计 | 第39-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第4章 在线医生推荐系统实现与实验分析 | 第41-56页 |
| 4.1 系统实现 | 第41-45页 |
| 4.1.1 项目环境配置和搭建 | 第41-42页 |
| 4.1.2 医生推荐模块实现 | 第42-45页 |
| 4.2 相关算法实验分析 | 第45-55页 |
| 4.2.1 文本相似度算法实验分析 | 第45-48页 |
| 4.2.2 特征提取算法实验分析 | 第48-50页 |
| 4.2.3 文本分类算法实验分析 | 第50-52页 |
| 4.2.4 文本聚类算法实验分析 | 第52-53页 |
| 4.2.5 医生筛选算法实验分析 | 第53-55页 |
| 4.3 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60页 |
