工学院工业工程与管理系2014级博士潘欣、宋洁副教授及2017级博士研究生张帆在2019年发表于滨贰贰贰自动化科学与工程期刊（IEEE Transactions on Automation Science and Engineering ，简称IEEE TASE）的论文“Dynamic Recommendation of Physician Assortment with Patient Preference Learning”获得了年度IEEE TASE Best Paper Award（最佳论文奖）。该奖的评选范围是IEEE TASE 2019年发表的所有论文，获奖结果于6月6日在2020年IEEE世界机器人与自动化大会（2020 IEEE International Conference on Robotics and Automation，简称IEEE ICRA）上宣布。
IEEE TASE由IEEE国际机器人与自动化协会（The IEEE Robotics and Automation Society，简称IEEE RAS）主办，是国际智能控制与优化领域的顶级期刊。该期刊的年度最佳论文奖自2004年设立至今，已有16年历史，旨在授予在智能控制与优化领域取得突出性理论研究成果、重大技术价值的研究论文。
宋洁课题组成果获年度IEEE TASE最佳论文奖
潘欣、宋洁及张帆此次的获奖论文充分考虑患者特征及选择行为的异质性和在线医生推荐系统中患者偏好数据的缺乏，综合利用最优化理论、机器学习技术和统计推断方法，创新性地提出一种基于在线学习的患者选择行为偏好学习智能化算法以及医生资源动态推荐策略。针对互联网大数据环境下患者行为偏好在线学习和医生资源动态配置问题，通过自动化收集患者选择行为反馈数据来持续更新患者选择模型，实现患者行为的在线学习，并在优化医生资源配置目标下，根据患者病情的异质性，提供个性化的医生推荐，优化患者需求与医生资源之间的匹配情况。该研究成果不但有助于提升网络预约系统中患者的就医体验，改善优质医生资源的利用，而且可以推广到其他类型的互联网服务平台中，提升相应的用户体验，改善相应的优质服务资源的利用。IEEE RAS评奖委员会对该论文的理论价值与广泛的应用前景给予一致肯定和高度评价。针对该研究成果，宋洁副教授课题组已经与我国领先的互联网医疗平台“好大夫”在线展开合作，提供线上医疗医生与患者的供需匹配策略优化，优化资源分配，提供平台管理运营效率，致力于推动互联网医疗的发展。
。
基于互联网平台的患者选择偏好在线学习和医生资源动态推荐