基于证据理论的在线健康社区医生回答群决策方法研究OA

在复杂群决策环境下,针对在线健康社区中体量庞大且良莠不齐的医生回答择优问题,基于证据理论,结合文本分析法与复杂网络分析法,提出了一种推荐最优医生回答的分析框架。首先,通过python获取在线健康社区中医生的回答数据,并对数据进行预处理;其次,运用TextRank主题模型分析医生回答文本中表达的主题,将提取主题后的医生回答作为证据,运用证据理论方法对证据间的信任度和冲突度进行测度,并以此得到证据的初步得分;再次,基于回答的冲突因子构建医生关联网络,进而根据网络结构特征确定专家权重;最后,结合专家权重重新调整证据初步得分,得到方案的最终得分,从而选出最优方案。比较分析结果表明,经典证据理论决策结果与专家决策结果的一致率为71.4%,而本方法决策结果的一致率达85.7%,准确率提高了14.3%。