一种在线医疗推荐系统及其实现方法技术方案

本发明专利技术提出了一种在线医疗推荐系统，患者注册并登录系统，输入个人医疗信息，选择首页模块、个人信息页模块、医疗交流反馈模块、疾病社区模块、康复理疗建议模块进入。推荐模型的构建是基于改进的PSVD方法和知识图谱方法，利用建立的患者

【技术实现步骤摘要】
一种在线医疗推荐系统及其实现方法


[0001]本专利技术涉及一种在线医疗推荐系统及方法，具体涉及一种基于改进的知识图谱和PSVD方法的在线医疗推荐系统及其实现方法。

技术介绍

[0002]目前，医疗卫生信息领域内的医疗人员在采集、处理海量数据过程中仍然面临许多问题与挑战。一是传统的医院信息存储方式已无法满足庞大的医疗信息存储需求；二是系统信息不足，信息过量，信息冲突，信息分散和信息错误等问题导致无法充分发掘医院信息数据的潜在价值；三是一旦医疗数据呈现爆炸式的增长则意味着数据可能面临泄露的风险，医疗数据的安全性和隐私性就难以保障。信息化技术飞速发展的今天，在海量医疗卫生信息数据中，如何迅速、高效地向患者推荐合适的医疗方案、就诊医师、康复计划等信息成为目前医疗领域内一个亟需解决的问题。

技术实现思路

[0003]本专利技术针对医疗信息过量的问题，设计患者
‑
医疗项目偏好矩阵，并定义矩阵奇异值临界参数，临界参数依据方差模型和矩阵奇异值集合进行设定，并去除矩阵中的边缘数据；针对如何快速高效的向患者推荐项目，利用设定的知本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种在线医疗推荐系统，其特征在于：包括首页模块、个人信息页模块、医疗交流反馈模块、疾病社区模块和康复理疗建议模块；所述首页模块用于汇总展示系统各个子模块的入口，所述个人信息页模块展示患者基本信息，所述医疗交流反馈模块用于系统用户进行医疗信息交流，所述疾病社区模块用于展示疾病医疗信息，所述康复理疗建议模块用于向系统用户展示疾病康复理疗的推荐信息。2.如权利要求1所述一种在线医疗推荐系统的实现方法，其特征在于，包括以下步骤：步骤1、基于数据集，定义患者对医疗项目的偏好矩阵R，定义如下：式中，将系统中的若干患者和医疗项目分别使用两个多维向量表示，P＝[P1，P2，P3，...P
i
，...P
p
]，M＝[M1，M2，M3，...M
j
，...M
m
]，代表的含义为患者i对医疗项目j的偏好分数；步骤2、依据SVD方法的思想，考虑到偏好矩阵R中的数据量较大，且掺杂着许多边缘数据，为了降低推荐方法的时间复杂度，减少不必要的方法计算，考虑设计改进的方法，去除偏好矩阵R中的冗余数据，得到新的偏好矩阵R
′
；步骤3、定义参数TOP
‑
K表示矩阵R
′
的维度，依据新的偏好矩阵R
′
，计算患者对未评分医疗项目的预测偏好分数；步骤4、将项目实体转变为三元组矢量化，得到实体属性三元组的向量表示，即T
u
＝{(h，r，a)|h∈History
u
}其中，History
u
表示患者关联的历史医疗项目实体集，T
u
表示患者u历史医疗项目实体集中包含的三元组信息，h表示推荐系统中的实体，a表示实体的属性，r表示实体与属性之间的关系；步骤5、利用矢量三元组中的a属性，定义方法获取某一个医疗实体属性在与患者相关的所有医疗项目实体属性中所占的权重，基于该权重评判患者对某一个实体属性的兴趣偏好等级；步骤6、基于建立的医疗项目属性a权重模型、知识图中矢量三元组，构建患者对医疗项目兴趣偏好的等级判定模型；步骤7、基于建立的知识矢量三元组，构建正反相关性医疗项目实体模型；步骤8、融合改进的PSVD的预测分数模型和患者兴趣属性偏好等级模型和正反相关性实体模型得出融合推荐算法。3.根据权利要求2所述一种在线医疗推荐系统的实现方法，其特征在于，所述步骤2的具体操作如下：步骤2.1、依据建立的矩阵R，设定一个临界值E，临界值判定是依赖于矩阵R子对角线上的的数据形成的一维向量数据集，定义其为Q＝[Q1，Q2，Q3，...，Q
i
，...Q
m
]；依据SVD的思想，偏好矩阵对角线上的数据为奇异值，依据奇异值来实现去除，可以有效保证去除边缘数据
的准确性；临界值E的定义如下：式中，为向量数据集Q的均值，m为Q的向量维度；步骤2.2、依据步骤2.1中的E，判断矩阵R中的数值与E的大小关系：若在矩阵R中，保留所在的行与列的数据；若在矩阵R中，删除所在的行与列的数据；最终得到新的偏好矩阵R
′
。4.根据权利要求3所述一种在线医疗推荐系统的实现方法，其特征在于，所述步骤3的具体操作如下：步骤3.1、将新的偏好矩阵R
′
分解为患者因素矩阵和医疗项目因素矩阵，并分别记为U
p*k
，I
u*k
，患者u对医疗项目i的预测偏好分数定义如下：SS
u，i
′
＝p
u
*I
i
+μ*(δ
u
+δ
i
)式中，p
u
、I
i
分别表示单个患者因子向量和单个医疗项目因子向量，δ
u
、δ
i
表示在预测患者u对项目i的偏好分数时候的评分偏离值，前者表示患者因素偏离值，后者表示项目因素偏离值；μ表示设定的评级偏离参数；步骤3.2、考虑到患者对项目的预测评分存在误差，因此引入最小二乘法来降低偏离率，具体表示如下：式中，u，i∈SS表示选取数据集中的某个用户u与医疗项目i，SS
u，i
、SS
u，i
′
分别表示偏好矩阵R降维前后的患者u对医疗项目i的预测偏好分数，γ表示设定的阈值参数；步骤3.3、在对预测评分的偏离误差进行处理之后，可以实现降低预测分数的误差性，基于相似用户的历史分数来对目标用户进行评分预测，最终得到的预测分数定义如下：基于相似用户的历史分数来对目标...

【专利技术属性】
技术研发人员：孙知信，仝雪，孙哲，赵学健，胡冰，宫婧，汪胡青，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：