近几年来，随着“看病难、看病贵”的问题日渐凸显，医疗改革受到了国家的高度重视。“互联网+医疗”的创新理念为医疗改革提出了一种信息化的解决方案，医疗领域和互联网行业开始跨界合作，网上预约挂号等功能逐渐进入公众的视线，成为主要的医生选择途径。现有的在线医疗网站提供了成百上千的医生以供选择，同时，相关医疗信息数据的缺失，使得缺乏专业医疗知识的患者难以及时有效的对医生能力做出准确的评价，因此患者习惯于选择大型公立医院，来保障自身的就诊质量。但是，我国优质医疗资源分布不均，患者的这种选择偏好加剧了大型公立医院的工作负载超标和普通资源闲置的情况。　　因此，本文提出了一种考虑多样性分诊的医生推荐算法，主要解决了以下两个方面的问题:首先，在互联网环境下，可供选择的医生和医院的数据快速增长，但是，代表医生诊疗能力的数据信息却仍然表现出极度稀缺的特征，精确的判定医生诊疗能力，为患者提供优质的医生成为影响门诊预约质量的重要因素，本文提出了一种考虑隐含相似关系的非负矩阵分解算法，提升医生诊疗能力判定精度，实验结果显示该算法与传统协同过滤推荐算法相比，表现出优越的精确性和鲁棒性。其次，考虑到我国医疗资源分布不均的现状，为了均衡患者偏好和医院负载，本文构建了考虑患者偏好的医生综合效用函数和分诊的多样性函数，并分别设计了置换算法和贪心算法，协调对医生综合效用和推荐多样性的需求，增加推荐列表中候选医院的数量，差异化候选医生属性，并且验证了这两个启发式算法的有效性，从而形成最终的考虑多样性分诊的医生推荐列表。