基于领域专家度和信任度的电子健康服务个性化推荐方法研究与应用

《基于领域专家度和信任度的电子健康服务个性化推荐方法研究与应用》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、摘要21世纪信息技术的高速发展促进了电子健康行业的兴起，却也为用户找寻合适的健康服务带来了困难。一些健康服务的提供商/用户为了赢取暴利趁机钻空子，发布名不符实、甚至是违背实际情况的信息，诱使毫不知情的服务消费者做出错误的选择。此外，由于用户对于健康服务的内容信息并不十分了解，他们自身或是根据亲戚朋友的建议所做出的服务选择通常也并不十分专业。传统的协同过滤推荐方法的思想是利用相似用户/项目的评分来预测当前用户的评分，而它仅仅考虑到用户之间的显性评分相似性，并没有考虑到用户/提供商的信任程度和专业性

2、水平，这对于电子健康领域中服务的推荐来说并不是非常适合，也没有考虑到用户的个性化特点。针对这些问题，本文提出了基于领域专家度和信任度的电子健康服务个性化推荐方法。研究内容有以下几点：(1)利用现有的医疗本体并结合语义相似度进行电子健康服务聚类。(2)提出基于领域专家度的协同过滤个性化推荐方法、基于领域信任度的个性化推荐方法以及混合的个性化推荐方法。(3)通过实验比较不同推荐方法之间的平均绝对误差(MAE)和准确率，并构建原型系统来验证所提出的个性化推荐方法在电子健康领域的优越性、有效性和实用性。

3、本文的主要贡献是结合了电子健康服务领域的特色，提出了不同电子健康领域中服务提供者(医生)以及服务用户的领域信任度和领域专家度的新定义和计算方法，并将之与协同过滤相结合，融入到电子健康服务的个性化推荐方法中。其中的创新点主要包括：(1)提出了新的领域专家度的概念，根据用户之间以及用户与医生之间的社交互动信息提出用户/医生的“认可度”的概念和计算方法，并将之与用户/医生“使用经验”一起融入到用户/医生的领域专家度计算中。(2)提出了新的领域信任度的概念，将之定义为某个健康领域用户之间的信息交流量/选

4、择风险减少量，利用信息论中的互信息并嵌入用户评分的时间差异来计算用户之间的本地信任度。同时结合人口统计学、患者历史疾病记录等个性化信息并融合EigenTrust方法进行信任传递，得到全局信任度。根据实验结果得出，在电子健康服务推荐的应用中，混合推荐方法的表现最优，并且专家度相比信任度更为重要，而嵌入用户评分时间差异的互信息以及人I口统计学信息的融入也使基于信任度的推荐更为准确。关键字：协同过滤，领域，专家度，信任度，电子健康服务，互信息IIABSTRACTstTheever-increasing

5、developmentofinformationtechnologyin21centuryhasfacilitatedtheappearanceofe-healthservicesmeanwhilemadeserviceconsumersinconvenienttofindthesuitableonehimself.Besides,somemaliciousactors(e.g.,citizens,healthprofessionalsorinstitutions)maypublishfakeo

6、rforgedinformationtomisguideserviceseekersandmakethemfeeluncertainindecision-making.Thustrustandexpertisearetwonecessaryfactorsforserviceselectioninhealtharea.Traditionalcollaborativefilteringmethodsdonotincludetrustandexpertiseaswellasthepersonalinf

7、ormationofusers.Thesimilaritymetricalgorithmsonlyfocusontheratingsimilaritybetweenitems/users,whicharetoosimpleandnotsoaccurate.Forthispurpose,weproposepersonalizedrecommendationmethodsbasedonournewuser/doctordomainexpertiseandtrustintroducedwiththef

8、eaturesofe-healthindustry.Ourresearchworkcanbeshownasfollows:(1)E-healthservicesclusteringorhealthdomainformingbasedonk-mediodsclusteringmethodandcurrentmedicalontology.(2)Personalizedrecommendationmethodswithnewexpertiseandtrustareproposedrespective