對於要查詢醫療訊息的潮男潮女來說，透過網路雖然更容易獲取資訊，但也被這個大數據的洪流淹沒了。也就是說，能查到的八九成都是醫生診所自己的廣告資訊。就算是一些分享文章跟評論，部分也"看似"是被收買來發寫手文的。究竟有沒有甚麼好的方法，來幫助用戶過濾掉這些參考價值較低的評論，還給諸位潮潮一個乾淨的環境呢?
透過 Dr. Right 技術團隊的先行研究，現有的廣告文過濾技術，包括已經申請專利的，約略是下面幾種方法:
利用關鍵字重複的次數
寫廣告的人需要不斷的重複自己品牌或是產品的名稱，或是電話地址也要一直 highlight。這確實是可以用來判斷的一個基準。
建置廣告評論型態的資料庫
這是類似判斷垃圾郵件的機制，透過不斷的收集已知的廣告評論，截取特徵後存入資料庫。再透過貝葉斯演算法 ( Naive Bayes classifier ) 來對新的廣告評論做分類判斷。
分析用戶的特徵
若是該發言用戶的個人檔案中，有跟任何資訊與該推薦產品有掛勾的話，應屬寫手文。或是該用戶的言論常被移除，也是個負面指標之一。
過去的方法，能有基本的判斷精準度。但問題是:
廣告文也是會進化低 !
透過不同的發文內容，更婉轉的置入性行銷，將更難用程式語言的方式，來將其揪出。
廣告文會進化，電腦的人工智慧也需要進化。就看誰跑得快，才能先發制人。Dr. Right 研發團隊仍繼續努力開發此項技術，期待建構一個便利的醫療用搜尋引擎。請期待我們後續的更新!
醫病互動新橋樑 
Great poost thank you
讚讚