摘要：【目的】将深度学习引入医疗推荐领域,解决在线诊疗过程中患者“择医”面临的实际问题。【方法】利用患者问诊记录,采用层次注意力网络(HAN)构建医生与患者模型;设计基于“医患”适配度和患者“评分”的医生推荐方案。两个方案应用深度学习框架HAN构建医生和患者模型,并运用注意力机制加强“医患”向量间的交互,使医生名下的与求诊者病情相似的患者获得更高权重,据此计算医生推荐值。【结果】HAN能够从患者的疾病描述中提取表征病情的关键信息,通过提升建模质量,推荐命中率相较经典的Word2Vec模型提升了16.45个百分点;对于推荐值计算,基于注意力机制的“评分”方案的命中率最高(79.7%),显著优于基于余弦相似度的计算方案(74.9%)。【局限】仅利用医生名下历史患者的问诊数据为医生建模,医生的口碑、资历、专长等信息未纳入模型。【结论】构建用户和推荐对象模型是设计推荐系统的关键,增强用户和推荐对象之间的特征交互可以提高推荐质量,本研究验证了基于深度学习的建模技术在推荐任务中的优势。