一种面向慢病患者的健康知识个性化推荐方法和系统技术方案

本发明专利技术公开了一种面向慢病患者的健康知识个性化推荐方法和系统，其中方法包括：步骤1，建立慢病患者特征分类标签集合，包括上层健康领域标签、中层患者特征标签、以及下层特征表达标签；步骤2，构建用户特征向量，依据患者的下层标签改写用户特征向量中对应位的值，得到相应的患者特征向量；步骤3，建立知识特征分类标签集合，知识特征分类标签集合包括：知识上层标签和知识下层标签；步骤4，依据患者特征向量构建健康知识特征向量；步骤5，将患者特征向量与健康知识特征向量相乘，得到匹配度，依据匹配度推荐健康知识。本发明专利技术提供的个性化推荐方法，在计算机系统中实现，能有效指导慢病患者标签化、健康知识分类遴选与推荐等工作的进行。

【技术实现步骤摘要】
一种面向慢病患者的健康知识个性化推荐方法和系统
本专利技术涉及大数据
，具体涉及一种面向慢病患者的健康知识个性化推荐方法和系统。
技术介绍
慢性非传染性疾病又称为慢病，是一类隐匿性强、潜伏期长、病程久且缓慢，同时又缺乏准确的生物病因证据，甚至没有明确的治愈方式的疾病。常见的慢病主要有心脑血管疾病、糖尿病、恶性肿瘤和慢阻肺等等。2015年6月国家卫生计生委发布的《中国居民营养与慢性病状况》指出，慢性疾病死亡人数占中国居民死亡总数的86.6％，与此同时医疗费用支出也逐渐增加，2014年慢病导致的医疗成本高达2.5万亿元，约占全国卫生总费用支出的70％。随着中国人口老龄化比例的逐年提高，潜在的慢病人群基数将会持续扩大，社会正在面临极大的慢病挑战。随着分级诊疗、三师共管等模式的推广，慢病管理也逐渐过渡到“预防为主，管理为辅，防治结合”的阶段。如何推广慢病防控和自检知识，帮助慢病患者了解健康的生活模式，提高自身健康问题重视程度以及对疾病的认知水平等问题，都是当前的研究重点。有效的慢病患者的健康教育，可以解决上述的几点问题，在慢病管理中有着重要的作用，但目前需要应对以下问题：一是如何针对患者特征和个体因素进行针对教育，更好地提高患者的自我管理意识，掌握与自身健康相关的知识，并提高管理的依从度；二是对于医师而言，如何在当前国内医疗资源较为缺乏的条件下，提供有效的慢病患者个性化健康教育方案或系统，辅助医师进行慢性疾病患者的长期管理，并减轻工作负担，同时保障教育效果。
技术实现思路
本专利技术提供了一种面向慢病患者的健康知识个性化推荐方法，能有效地指导慢病患者标签化、健康知识分类遴选与推荐等工作的进行，并能在计算机中实现一个便于拓展维护的慢病个性化健康知识推荐系统，同时在前期直接推广应用的基础上，通过对数据的验证与优化，提高患者的学习依从度，辅助特定应用场景下个性化推荐的迭代。一种面向慢病患者的健康知识个性化推荐方法，包括：步骤1，建立慢病患者特征分类标签集合，该患者特征分类标签集合包括表达健康领域的上层标签、与各上层标签相关联以表达具体健康特征的中层标签、以及对各中层标签进行细分且反应患者特征的下层标签；步骤2，构建用户特征向量，用户特征向量中的每一位对应一个下层标签，依据患者的下层标签改写用户特征向量中对应位的值(下层标签若存在，则用户特征向量中相应位的值为1，否则，用户特征向量中相应位的值为0)，得到相应的患者特征向量；步骤3，建立知识特征分类标签集合，该知识特征分类标签集合包括：定义健康教育知识主题的知识上层标签、以及隶属于知识上层标签定义主题的知识下层标签；步骤4，依据患者特征向量构建健康知识特征向量，健康知识特征向量中的对应位表达相应的知识下层标签；步骤5，将患者特征向量与健康知识特征向量相乘，得到匹配度，依据匹配度推荐健康知识。所述慢病患者特征分类标签集合基于病历记录数据建立，所述病历记录数据的来源包括管理慢病患者的基层社区医院以及家庭全科医生等，依据管理或随访过程中获取的病历记录数据，建立慢病患者特征分类标签集合。所述慢病患者特征分类标签集合基于病历记录数据以及慢病管理指南和临床医学知识建立，所述慢病患者特征分类标签集合包含三个层次，分别为上层标签、中层标签、和下层标签，其中上层标签用于表达健康领域，上层标签的设立考虑与某种慢病相关的影响因素，也即医护工作人员对患者病历数据特征一定程度的抽象，例如：个人信息、生活习惯、检查检验、疾病症状、用药情况等，两种慢病中可能存在相同的上层标签。例如针对高血压患者，上层标签为：血压和个人特征；针对糖尿病患者，上层标签为：血糖和个人特征。中层标签与上层标签相关联以表达具体的健康特征，例如针对血压这一标签，可以下设高血压、血压高值、低血压等与血压相关的具体健康特征，又如，针对个人特征，可以下设年龄、性别、体重等具体健康特征。下层标签为中层标签的细分，将中层标签与患者病历数据建立直接规则关联，得到的表达结果作为下层标签。例如中层标签为高血压，依据血压的不同数值，划分为一级高血压、二级高血压、三级高血压，用户的血压值落在某一血压区间内，该血压区间对应的高血压等级，即为用户的下层标签。上层标签、中层标签和下层标签表达不同层次的概念，具体的划分需要依据病历数据，管理指南，临床经验等进行，例如，上层标签为“个人信息”，中层标签为“职业”，下层标签为“工人”、“教师”、“军人”等。所述知识特征分类标签集合包括知识上层标签和知识下层标签，其中知识上层标签采用关键词的形式为健康知识设立标签，知识下层标签与知识上层标签相关联，为与知识上层标签相关联的具体知识，例如，知识上层标签为高血压，知识下层标签可以为高血压、老年高血压和高血压常识，各知识下层标签之间可以有知识内容上的重叠。在知识特征分类标签集合的基础上，被集合内标签标注的健康知识，可以转为与患者特征向量长度相同，有对应关联关系的文本特征向量。本专利技术中，知识特征分类标签集合建立在慢病患者特征分类标签集合的基础上，一般按照用户下层标签做反向映射，确定知识特征分类标签集合中的知识下层标签，通过对知识下层标签进行总结归纳得到知识上层标签进行管理。双层的知识特征分类标签集合，结构更加简洁，便于管理，与所述慢病患者特征分类标签集合联动能充分辅助推荐方法的实现。步骤4中，依据患者特征向量构建健康知识特征向量，具体为：患者特征向量包括若干位，每一位对应一个下层标签，健康知识特征向量与患者特征向量的位数相同，健康知识特征向量与患者特征向量中的相应位具有相对应的含义，若某一健康知识中包含与患者特征向量中下层标签相关的内容，则健康知识特征向量中与该下层标签对应的位的值为1，否则为0。例如，下层标签包括一级高血压、二级高血压、三级高血压，患者特征向量的第一位对应一级高血压、第二位对应二级高血压、第三位对应三级高血压。若某一健康知识中包含与一级高血压相关的内容，则健康知识特征向量中的第一位的值为1，否则健康知识特征向量中的第一位的值为0，同理，若某一健康知识中包含与一级高血压、二级高血压、三级高血压相关的内容，则健康知识特征向量中的第一位、第二位和第三位的值均为1。步骤5中计算得到的匹配度反映用户与知识之间的契合程度，将匹配度大于阈值的健康知识推荐给相应的用户。本专利技术中推荐给患者的健康知识不限于匹配度最大的一个，而是将匹配度大于阈值的健康知识按照匹配度的大小依次推荐给用户。本专利技术中对患者和用户两个词的含义不作严格区分，推荐对象可以是自身患病的患者，也可以为自身未患病的用户，依据两个词的使用位置做合理解释。作为优选，步骤2还包括：根据慢病患者特征的危险等级、风险因素和重要程度，为上层标签和中层标签确定权重，患者特征向量中的第i位的值为Pi，则：Pi＝Ui×Mi×Wi其中，Ui为上层标签权重；Mi为中层标签权重；Wi为表达患者特征向量中第i位的下层标签是否出现的值，若出现为1，否则为0。上层标签和中层标签的权重根据病历记录数据以及慢病管理指南和临床医学知识进行设定，能够反应危险等级、风险因素和重要程度。作为优选，步骤2还包括：根据患者的学习记录，利用如下公式计算患者特征向量的修正值：Bi＝b×F+a(n)式中：Bi为患者特征向量中第i位的修正值；F表示患本文档来自技高网...

【技术保护点】
1.一种面向慢病患者的健康知识个性化推荐方法，其特征在于，包括：步骤1，建立慢病患者特征分类标签集合，该患者特征分类标签集合包括表达健康领域的上层标签、与各上层标签相关联以表达具体健康特征的中层标签、以及对各中层标签进行细分且反应患者特征的下层标签；步骤2，构建用户特征向量，用户特征向量中的每一位对应一个下层标签，依据患者的下层标签改写用户特征向量中对应位的值，得到相应的患者特征向量；步骤3，建立知识特征分类标签集合，该知识特征分类标签集合包括：定义健康教育知识主题的知识上层标签、以及隶属于知识上层标签定义主题的知识下层标签；步骤4，依据患者特征向量构建健康知识特征向量，健康知识特征向量中的对应位表达相应的知识下层标签；步骤5，将患者特征向量与健康知识特征向量相乘，得到匹配度，依据匹配度推荐健康知识。

【技术特征摘要】
1.一种面向慢病患者的健康知识个性化推荐方法，其特征在于，包括：步骤1，建立慢病患者特征分类标签集合，该患者特征分类标签集合包括表达健康领域的上层标签、与各上层标签相关联以表达具体健康特征的中层标签、以及对各中层标签进行细分且反应患者特征的下层标签；步骤2，构建用户特征向量，用户特征向量中的每一位对应一个下层标签，依据患者的下层标签改写用户特征向量中对应位的值，得到相应的患者特征向量；步骤3，建立知识特征分类标签集合，该知识特征分类标签集合包括：定义健康教育知识主题的知识上层标签、以及隶属于知识上层标签定义主题的知识下层标签；步骤4，依据患者特征向量构建健康知识特征向量，健康知识特征向量中的对应位表达相应的知识下层标签；步骤5，将患者特征向量与健康知识特征向量相乘，得到匹配度，依据匹配度推荐健康知识。2.如权利要求1所述的面向慢病患者的健康知识个性化推荐方法，其特征在于，步骤2还包括：根据慢病患者特征的危险等级、风险因素和重要程度，为上层标签和中层标签确定权重，患者特征向量中的第i位的值为Pi，则：Pi＝Ui×Mi×Wi其中，Ui为上层标签权重；Mi为中层标签权重；Wi为表达患者特征向量中第i位的下层标签是否出现的值，若出现为1，否则为0。3.如权利要求2所述的面向慢病患者的健康知识个性化推荐方法，其特征在于，步骤2还包括：根据患者的学习记录，利用如下公式计算患者特征向量的修正值：Bi＝b×F+a(n)式中：Bi为患者特征向量中第i位的修正值；F表示患者是否收藏或分享健康知识，是则为1，否则为0；b为收藏分析系数；a(n)表示自变量为阅读次数n的函数。4.如权利要求3所述的面向慢病患者的健康知识个性化推荐方法，其特征在于，匹配度s的计算公式如下：式中：Pi为患者特征向量中的第i位的值；M为患者特征向量的长度，也即所有下层标签的个数；Bi为患者特征向量中第i位的修正值；Ki为健康知识特征向量中第i位的值。5.一种面向慢病患者的健康知识个性化推荐系统，其特征在于，包括：慢病患者特征分类标签集合生...

【专利技术属性】
技术研发人员：邓宁，段会龙，安继业，黄浩策，汪哲宇，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33