随着互联网+医疗的发展,在线医疗逐渐成为医疗行业新的发展方向。患者在使用在线医疗服务前,首先要根据自己的病情选择合适的科室挂号,但就诊患者往往缺乏专业的医学知识,经常出现挂号错误的问题,进而延误病情医治。因此,在线医疗平台为患者提供了智能导诊服务,目前的导诊模型大多需要患者主动提供症状或疾病等医疗实体信息,导诊模型再根据这些信息向患者推荐科室,传统导诊模型难以准确地识别出医疗实体信息,从而无法向患者推荐正确的科室。如何构建准确的导诊模型为患者提供专业帮助,避免医疗资源的浪费已成为亟待解决的问题。本文的研究工作围绕着构建基于深度学习的导诊模型,旨在根据患者病情表述,准确推荐对应的科室,以提升患者的就医体验。（1）针对患者因缺乏医学知识导致容易挂错号的问题,本文提出一种基于ERNIE-Bi GRU的导诊模型。利用ERNIE预训练模型生成文本向量表示,再通过Bi GRU网络提取文本的深层特征,与5个嵌入模型和3个分类模型在两个数据集上进行对比实验,所提模型取得了最好的实验效果。（2）针对传统导诊模型的医疗实体识别准确性低的问题,本文提出了融合注意力机制的医疗实体识别改进模型,在传统医疗实体识别模型Bi LSTM-CRF的基础上,加入注意力机制以提升模型的识别能力,与多个医疗实体识别模型进行对比实验,验证了改进模型的有效性。（3）针对单任务训练效率低的问题,提出基于多任务学习的导诊模型,同时训练导诊模型和实体识别模型,探究了两种不同的参数共享方式,实验结果表明基于多任务学习的导诊模型优于基于单任务的导诊模型,验证了多任务学习的有效性。还比较了三种多任务损失函数,结合本文提出的多任务学习模型进行对比实验,实验结果表明采用同方差不确定性动态调整损失函数权重的方法效果更好。