基于用户画像的医疗信息精准推荐的研究

《基于用户画像的医疗信息精准推荐的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、：－？ｇｔ：：－；ＩＴ＇ｆ＂’．一、。二打．二二‘尤；＾．；－：亏３扣；货．■；Ｉ．；＇．＾＝＇；又＇—Ｍ．■．．．一开＂：－？：—：．：Ｉ－一Ｊ，’、＊化，＇ｉ，禹■＾一’＇．义带地拂．＾二：－Ｊ胃朵击种成Ａ葦、＇ＵＮＶＥＲＳＯＦＥＩＣＩＮＩＩＴＹＬＥＣＴＲＯＮＳＣＩＥＮＣＥＡ．ＮＤＴＥＣＨＮＯＬＯＧＹＯＦＣＨＡ专业学位硕±学位论文ＭＡＳＴＥＲＴＨＥＳＩＳＦＯＲＰＲＯ

2、ＦＥＳＳＩＯＮＡＬＤＥＧＲＥＥｆ鶴）Ｉ．；．．论文题目基于用户画像的医疗信息精准推荐的研究专业学位类别工程硕±．学号２０１３２２０６０５２１作者姓名王智囊指导教师张凤慕教授Ｉ独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加Ｗ标注和致谢的地方夕ｈ论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一

3、同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。备作者签名：＾１：日期：年＾月＾日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部口或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索，可（＾采用影印、缩印或扫描等复制手段保存、汇编学位论文。遵。（保密的学位论文在解密后应守此规定）作者签名：幸心导师签名：

4、—曰期：年ｉ月曰ｊ分类号密级注1UDC学位论文基于用户画像的医疗信息精准推荐的研究（题名和副题名）王智囊（作者姓名）指导教师张凤荔教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士专业学位类别工程硕士工程领域名称计算机技术提交论文日期2016.3.18论文答辩日期2016.4.21学位授予单位和日期电子科技大学2016年6月答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。ResearchonAccurateRecommendationofMedicalInformatio

5、nBasedonUserPortraitAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:MasterofEngineeringAuthor:ZhinangWangSupervisor:FengliZhangSchoolofInformationandSoftwareSchool:Engineering摘要摘要传统的问诊模式都是在现实中去医院进行询问，这给多数的患者用户带来了很多不便，从而直接

6、影响到患者的病情。随着互联网问诊行业的迅速发展,减少了患者在医院里的等待挂号、看病、取检验报告、结账、取药所带来的等待之苦。由于大数据时代的数据堆积，如何有效的通过数据挖掘对海量数据信息进行处理，成为了一个普遍关注的问题，传统的基于关键字搜索的信息查询已经不能够很好的满足患者用户的需求。本文主要通过对数据画像原理与推荐系统相关技术进行分析，力求找到高效率、稳定的、实时性强以及个性化的推荐算法，实现针对互联网用户进行病情与医生的精准推荐，为患者提供自动或者半自动的分诊系统，从而达到医疗信息的准确传递。

7、主要工作分为以下三个部分：(1)本文对医学领域的人物进行画像，在医院堆积了大量的患者信息，通过设计医学画像模型，画像生成算法，画像更新算法，实现对患者信息的分析与应用，建立起一个医学画像库。(2)通过深入研究推荐算法，对协同过滤算法的原理与流程进行详细的阐述，并在此基础上结合了SVD（奇异值分解技术）减少数据稀疏性问题，同时，将医学画像的研究应用于推荐算法中，最终形成了一套基于SVD的协同过滤与融合画像Tag标签特征的推荐算法。实现该算法的核心步骤是协同过滤中相似度度量的设计。本文主要设计两种相似度

8、的算法：传统的相似度计算与基于画像标签属性偏好的相似度计算，最后通过一个权值w进行动态的调整我们的算法相似度，直到选取合适的w使该系统能够更有效的提高系统的性能和系统的推荐精度。(3)初步实现一个基于B/S模式的医学推荐系统，优点在于系统可以通过浏览器界面上的问诊窗口、画像展示与推荐结果展示能更好的与患者用户进行交互，避免了大量的传统问诊所需的等待时间。个体画像展示的是登录用户自己的画像，推荐系统也是参考画像进行的推荐，本文中因此实现了一个真正的个性化的推荐系统。关键