[发明专利]基于层级模型的个性化健康服务推荐方法

摘要

本发明公开了一种基于层级模型的个性化健康服务推荐方法,主要解决现有个性化健康服务推荐中的特征数据选取单一，推荐结果不可靠，推荐结果覆盖面低的问题。其实现方案是：1)利用用户的地理位置信息，构建用户地理位置信息模型；2)用户选择符合自己的标签，构建用户标签模型；3)综合考虑用户的个人基本信息、生理指标和病例信息，利用协同过滤的方法，构建相似用户模型；4)根据上述步骤1)‑3)形成推荐列表；5)根据用户的反馈，及时的更新推荐列表。本发明综合考虑了用户的各方面信息，个性化程度和推荐覆盖性高，能为用户能提供更加可靠的个性化健康服务推荐，可用于为用户提供医疗信息参考。

主权项

1.基于层级模型的个性化健康服务推荐方法，包括：1)用户请求获得个性化健康服务推荐时，判断该用户是否是第一次请求，若是，则执行步骤2)，否则，执行步骤4)；2)构建用户地理位置模型：2a)当前用户按省市区的形式输入自己的地理位置信息，并对其地理位置进行地址解析,得到经纬度；2b)将该当前用户的经纬度与预先已知的其他用户的经纬度进行余弦相似度计算操作，得到计算后的相似度矩阵L；2c)将相似度矩阵L的值降序排序，选取排名在前70％的用户构成主要用户数据集合Q，剩下的用户构成次要用户数据集R，完成第一层筛选；3)构建用户标签模型：3a)根据2c)得到的主要用户数据集Q和次要用户数据集R定义若干具有代表性的标签，用户根据标签的定义内容选择符合自己特点的标签；3b)对当前用户已选择的标签构成当前用户标签集W；3c)在步骤2)得到的主要用户数据集合Q中，计算当前用户标签集和主要用户数据集合Q的每一个用户所选择的标签集的相似度值，将计算的相似度值进行降序排序，选取排名在前50％的用户并加入到数据集合中，构成所有用户数据集合K，完成第二层筛选；4)构建相似用户模型并形成推荐列表：4a)当前用户输入其个人信息，包括其姓名、性别、年龄、生理指标、病例信息；4b)结合当前用户的个人基本信息、生理指标和病历信息,对步骤3)得到的所有用户数据集合K进行协同过滤，筛选出与该当前用户相似的其他用户，得到新的用户数据集合K′；4c)对步骤4b)产生的新的用户数据集合K′中的所有用户进行遍历，得到这些用户曾经使用过以及现在正在使用的医疗资源，形成初始推荐列表；4d)并对初始推荐列表中的每一项进行结构化分解，得到推荐列表；5)模型的反馈与更新：5a)对步骤4d)得到的推荐列表建立评分列表，对列表中的每一项建立1到5的评分，初始默认评分为5，当前用户根据推荐结果的相关性对每一项进行打分；5b)统计当前用户对推荐列表中的每一项的查看次数，对每次的查看次数进行累加；5c)用每一项所得到的分数和获得的查看次数，对步骤4)所得到的推荐列表进行以用户关心度值进行降序排序，得到新的推荐列表；6)将当前用户的地理位置模型数据、标签模型数据、相似用户模型数据以及新的推荐列表保存在数据库，并把新的推荐列表返回给当前用户。