徐志坚， 易丽莹

（广州市第一人民医院， 广州 510000）

0 引 言

随着信息技术的不断发展，医疗信息系统也得到了快速发展，很多医院建设了医生推荐系统，提供推荐医生的服务工作。 但是目前的大多数系统存在着计算复杂、精度不高等问题，亟需对医生推荐系统的算法进行优化，本文基于标签预测和奇异值分解算法，优化设计医生推荐系统，并进行了性能分析。

1 标签预测和奇异值分解算法概述

1.1 标签预测

使用多标签分类等算法对医生所擅长治疗疾病进行标签预测，根据医生的标签为患者推荐符合需求的医生。 在对医生的擅长治疗标注时，需要建立特征向量和标签向量，如医生有d个标签，则标签向量Y的维度数量为d，其中各维度分别表示该医生所擅长治疗的一种疾病［1］。 如果医生擅长治疗一种疾病，则该维度的值为1；如果不擅长，该维度的值为0。

特征向量X包含以下3 种信息：

（1）分类信息。 包括医生所在医院、科室、职称以及其他医生对其评价等信息，需要对每项信息特征进行编码。 以科室举例说明，设科室取值数量为Oi，表示为P维度的向量，每个维度表示一个科室，一个医生按照其所在科室将向量对应的纬度值定为1。 对于这类特征信息，各向量中只有一项为1，其余各项均为0。 如果分类信息特征数量为P，则特征维度为

（2）数值信息。 包含图文咨询平台数、电话咨询平台数、站内关注数等。 对于这些数值信息，按照数值特征的数量表示为q维向量的方式进行处理［2］。……