一种基于大健康信息推送的方法及系统技术方案

本发明专利技术公开了一种基于大健康信息推送的方法及系统，涉及信息推送系统技术领域；包括：用户画像构建模块：收集用户的基本信息

【技术实现步骤摘要】
一种基于大健康信息推送的方法及系统


[0001]本专利技术涉及信息推送系统
，尤其涉及一种基于大健康信息推送的方法及系统
。

技术介绍

[0002]随着移动互联网的普及，人们获取健康信息的途径越来越多样化
。
然而，由于每个人的健康状况不同，他们对健康信息的需求也各异
。
传统的健康信息推送方式往往无法满足这种个性化需求
。
因此，开发一种能够根据用户画像和人际关系进行精准推送的大健康信息推送系统显得尤为重要
。
[0003]经检索，中国专利申请号为
CN202011167824.X
的专利，公开了一种健康管理信息推送方法
、
装置
、
设备及存储介质，涉及健康管理

。
该方法包括：获取目标用户的多个历史操作信息；将该目标用户的多个历史操作信息输入用户画像生成模型，得到该目标用户的用户画像，该用户画像用于表征所述目标用户的属性标签
、
行为标签以及兴趣标签，该属性标签用于标识该目标用户的个人信息，所述行为标签用于标识该目标用户执行预设行为的概率，该兴趣标签用于标识该目标用户感兴趣的信息；根据该目标用户的用户画像，向该目标用户推送健康管理信息
。
上述专利中的健康管理信息推送方法存在以下不足：虽然通过生成用户画像进行针对性的推送，但是，其用户画像主要考虑用户的历史操作等因素，并未考虑社交信息等因素，以至于可能存在刻画画像不准确的情况，还有待改进
。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种基于大健康信息推送的方法及系统
。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种基于大健康信息推送系统，包括：
[0007]用户画像构建模块：收集用户的基本信息
、
生活习惯
、
疾病史数据，通过机器学习算法构建用户画像；
[0008]信息过滤与推荐模块：根据用户画像和行为数据，筛选出与用户兴趣相关的健康信息，并通过协同过滤
、
内容过滤算法进行推荐；
[0009]信息分发与反馈模块：将推荐的健康信息发送给用户，同时收集用户的反馈信息，包括点击率
、
阅读时长，用于优化推荐策略
。
[0010]优选的：所述推送系统还包括：
[0011]数据分析模块：该模块负责对用户行为数据
、
健康信息进行分析，以便优化系统性能和提供更精准的服务；
[0012]系统管理模块：该模块负责系统的配置
、
维护和管理；
[0013]接口模块：该模块负责与其他系统的接口对接
。
[0014]优选的：所述用户画像构建模块的用户画像构建方法为：
[0015]a.
收集用户的基本信息，包括年龄
、
性别
、
职业；
[0016]b.
收集用户的生活习惯数据，包括饮食习惯
、
运动量
、
睡眠质量；
[0017]c.
收集用户的疾病史数据，包括既往病史
、
家族病史；
[0018]d.
使用聚类分析
、
主成分分析等机器学习算法构建用户画像
。
[0019]优选的：所述信息过滤与推荐模块的具体实现方式为：
[0020]a.
分析用户的历史行为数据，了解用户的偏好；
[0021]b.
分析用户的社交网络数据，了解用户的朋友圈关系；
[0022]c.
使用协同过滤
、
内容过滤等算法，根据用户画像和行为数据筛选出与用户兴趣相关的健康信息；
[0023]d.
通过机器学习算法不断优化推荐策略，提高推荐的准确性
。
[0024]优选的：所述信息分发与反馈模块的具体实现方式为：
[0025]a.
将推荐的健康信息发送给用户；
[0026]b.
收集用户的反馈信息，包括点击率
、
阅读时长；
[0027]c.
根据用户的反馈信息，调整推荐策略，提高推荐的效果
。
[0028]优选的：所述数据分析模块的数据分析方法包括：
[0029]a.
对用户行为数据进行统计分析，了解用户的行为模式；
[0030]b.
对健康信息进行分类整理，建立健康信息库；
[0031]c.
利用数据挖掘技术发现潜在的健康问题和趋势
。
[0032]优选的：所述系统管理模块的具体管理方法包括：
[0033]a.
提供系统参数设置界面，方便管理员调整系统参数；
[0034]b.
提供日志记录功能，记录系统的运行情况；
[0035]c.
提供备份和恢复功能，确保系统的安全性和稳定性
。
[0036]优选的：所述接口模块的具体传输方法包括：
[0037]a.
提供
API
接口，方便其他系统调用本系统的功能；
[0038]b.
与其他系统的接口对接，实现数据的共享和交互
。
[0039]优选的：所述推送系统的推送方法包括如下步骤：
[0040]S1
：用户画像构建模块构建用户画像；
[0041]S2
：信息过滤与推荐模块分析用户的历史行为数据，了解用户的偏好；
[0042]S3
：信息过滤与推荐模块分析用户的社交网络数据，了解用户的朋友圈关系；
[0043]S4
：信息过滤与推荐模块根据用户画像和行为数据筛选出与用户兴趣相关的健康信息；
[0044]S5
：信息分发与反馈模块将推荐的健康信息发送给用户；
[0045]S6
：信息分发与反馈模块收集用户的反馈信息；
[0046]S7
：根据用户的反馈信息，调整推荐策略，提高推荐的效果
。
[0047]优选的：所述信息过滤与推荐模块在进行推荐时，采用如下公式：
[0048][0049]其中，
u
i
表示第
i
个用户的行为数据，表示第
i
个用户的非行为数据，
r
i
，
j
表示第
i
个用户对第
j
个健康信息的评分，
P(r
i
，
j
|u
i
)
和分别标识基于用户行为数据和非行为数据计算的评分预测概率，表示基于非用户行为数据和目标用户行为数据计算的评分预测概率...

【技术保护点】

【技术特征摘要】
1.
一种基于大健康信息推送系统，其特征在于，包括：用户画像构建模块：收集用户的基本信息
、
生活习惯
、
疾病史数据，通过机器学习算法构建用户画像；信息过滤与推荐模块：根据用户画像和行为数据，筛选出与用户兴趣相关的健康信息，并通过协同过滤
、
内容过滤算法进行推荐；信息分发与反馈模块：将推荐的健康信息发送给用户，同时收集用户的反馈信息，包括点击率
、
阅读时长，用于优化推荐策略
。2.
根据权利要求1所述的一种基于大健康信息推送系统，其特征在于，所述推送系统还包括：数据分析模块：该模块负责对用户行为数据
、
健康信息进行分析，以便优化系统性能和提供更精准的服务；系统管理模块：该模块负责系统的配置
、
维护和管理；接口模块：该模块负责与其他系统的接口对接
。3.
根据权利要求2所述的一种基于大健康信息推送系统，其特征在于，所述用户画像构建模块的用户画像构建方法为：
a.
收集用户的基本信息，包括年龄
、
性别
、
职业；
b.
收集用户的生活习惯数据，包括饮食习惯
、
运动量
、
睡眠质量；
c.
收集用户的疾病史数据，包括既往病史
、
家族病史；
d.
使用聚类分析
、
主成分分析等机器学习算法构建用户画像
。4.
根据权利要求3所述的一种基于大健康信息推送系统，其特征在于，所述信息过滤与推荐模块的具体实现方式为：
a.
分析用户的历史行为数据，了解用户的偏好；
b.
分析用户的社交网络数据，了解用户的朋友圈关系；
c.
使用协同过滤
、
内容过滤等算法，根据用户画像和行为数据筛选出与用户兴趣相关的健康信息；
d.
通过机器学习算法不断优化推荐策略，提高推荐的准确性
。5.
根据权利要求4所述的一种基于大健康信息推送系统，其特征在于，所述信息分发与反馈模块的具体实现方式为：
a.
将推荐的健康信息发送给用户；
b.
收集用户的反馈信息，包括点击率
、
阅读时长；
c.
根据用户的反馈信息，调整推荐策略，提高推荐的效果
。6.
根据权利...

【专利技术属性】
技术研发人员：尹良青，张宪，
申请(专利权)人：长沙时代跳动科技有限公司，
类型：发明
国别省市：