阿里·萨奈法尔、艾哈迈德·法拉希、马哈茂德·塔拉
医生推荐系统已经出现，旨在根据患者的偏好推荐合适的医生。然而，这种系统仅基于分类或基于语法词的搜索等技术，这些技术来自以前的患者推荐和功能有限的病症。在本文中，我们提出了一种新模型，我们称之为 SEPHYRES（语义医生混合推荐专家系统），通过该系统，我们使用基于证据的底层本体来关注患者的医疗状况和疼痛描述特征。本体不仅包括症状的语义描述，还包括机器可理解的疼痛位置和链接权重的感知。在提出的模型中，我们应用了权重扩展伪模糊方法以及具有方面管理模块的通用语义推理器。为了使领域易于管理，我们将方案限制为导致腹痛的疾病。我们使用 Harrison 的《内科医学原理》和 Up-to-date online 作为我们的基本证据参考，以及我们当地专家的意见。我们将伪诊断引擎的结果与来自 MEDSCAPE 和 PubMed 数据库的 20 个案例研究进行了比较。结果表明，我们的模型可以提高机器对个体疾病的认知，从而提高推荐的准确性。