极端多标签分类用于专科医生推荐：隐式反馈和有限患者元数据
摘要：医疗转诊推荐系统中的Extreme Multilabel Classification（XML）方法在预测患者专科医生推荐时表现出改进的性能。我们的研究针对医疗转诊，旨在预测不同专科医生对新患者和具有就诊历史的患者的推荐。我们使用XML方法对可用特征进行编码，并探索不同场景。与现有的推荐系统相比，我们的方法在改进推荐性能方面具有一致的优势。对于有就诊历史的患者，我们的方法将标准推荐指标的改进率提高了约10%。对于新患者，XML表现出更好的利用可用特征的能力，在有利的情况下超越了基准方法，尤其是在召回率指标方面。因此，我们的方法使我们更接近创建更有效和个性化的医疗转诊系统，并且将XML作为当前混合或基于内容的推荐系统的有希望的替代方法，同时提出了在使用XML进行推荐任务时需要考虑的关键方面。
作者：Filipa Valdeira, Stevo Rackovi''c, Valeria Danalachi, Qiwei Han, Cl''audia Soares
论文ID：2308.11022
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-23