随着无线互联网技术的发展,存在于网络上的各类实用信息不断增长,人们获取医疗健康信息的方式也随之改变。越来越多的人生病之后不再是第一时间急着看医生,而是通过搜索引擎、微信公众号等途径获取诊断和治疗方式等的医疗信息,帮助自己作出更好的就医决策。然而,在海量可用医疗服务信息之中,不断出现的信息过载和垃圾信息问题,已成为用户快速得到所需就医帮助的最大阻碍。推荐系统已成为最流行的解决信息过载问题的方式之一,将个性化推荐技术运用到医疗信息领域将有助于患者克服在线获取就医帮助的障碍。本文在现有医疗信息系统之上,设计混合多种过滤方法的就医方案推荐系统,实现精准的、分层式的就医方案推荐。首先,得益于数字化医疗的发展,医疗机构数据库、医疗门户网站有越来越多的医疗信息可用,提供了数据支撑。其次,本文分析了协同过滤、基于内容的过滤各自优缺点,并各取所长运用在本文的就医推荐问题解决中。本文使用了基于文本分类的网络医评文本情感分析模型,根据医生网络口碑分析生成推荐度,帮助提升就医方案推荐的效果。最后,在混合策略中,采用全局串联与局部并联混合方式,当某一种算法所依赖的数据十分稀疏时,其独立运行生成的结果参考价值不高,因而混合多种方法协作能够有效提高推荐效果。本文结合医疗推荐的数据特征与算法结构,对系统架构、功能模块、存储层进行了分析与设计,对人机交互、特征捕获方法进行了设计,并将基于混合多种过滤方法的推荐算法运用到就医方案推荐中。在系统实现与测试环节,本文部署了基于微信公众平台的本地服务端开发环境,收集并清洗了医疗数据,调用前文设计的算法实现基于简单对话交互的就医推荐服务,并针对不同患者病情,实现了分层式的推荐。最后,通过离线数据实验表明,本论文设计的混合过滤方式推荐效果优于传统的协同过滤方法独立运作在医疗领域的表现。测试结果表明,本文设计与实现的混合过滤推荐系统在就医方案推荐上达到了预期效果。