基于移動互聯(lián)網(wǎng)的個性化醫(yī)療信息服務(wù)技術(shù)研究.pdf

1、個性化醫(yī)療信息服務(wù)的發(fā)展使得醫(yī)療信息服務(wù)模式發(fā)生了轉(zhuǎn)變，即由傳統(tǒng)的“人找信息”的被動服務(wù)模式向根據(jù)用戶興趣特點(diǎn)實(shí)現(xiàn)“信息找人”的主動服務(wù)模式轉(zhuǎn)變。由于系統(tǒng)向用戶提供的信息都是根據(jù)用戶個體特征定制的，因此大大提升了醫(yī)療信息服務(wù)的體驗(yàn)和效率。然而目前已有的個性化醫(yī)療信息服務(wù)系統(tǒng)都是基于傳統(tǒng)Web的服務(wù)方式，用戶興趣模型的構(gòu)建也沒有與用戶個體的健康狀況相結(jié)合，因此并不能很好地針對用戶個體健康差異為其提供具有實(shí)時性、前瞻性的醫(yī)療信息服務(wù)。

2、>　　本文借助于移動終端設(shè)備便捷、實(shí)時的獨(dú)特優(yōu)勢，提出構(gòu)建一個基于移動互聯(lián)網(wǎng)的個性化醫(yī)療信息服務(wù)系統(tǒng)。為了實(shí)現(xiàn)這一目標(biāo)，本文主要針對以下幾個方面開展研究工作：
　　1.本文基于用戶興趣模型的推薦思想，提出將用戶的體征參數(shù)信息參與用戶興趣模型的構(gòu)建，并參考各項(xiàng)體征參數(shù)的相關(guān)臨床標(biāo)準(zhǔn)制定了相應(yīng)興趣特征項(xiàng)的權(quán)重設(shè)置規(guī)則，實(shí)現(xiàn)了針對用戶個體的健康差異提供更全面的個性化醫(yī)療信息服務(wù)。
　　2.本文完成了用戶興趣模型的構(gòu)建，并提出了其兩

3、種隱式更新機(jī)制。一方面通過跟蹤用戶點(diǎn)擊行為，利用文本特征提取的相關(guān)技術(shù)實(shí)現(xiàn)了用戶興趣模型的增量更新；另一方面，本文基于艾賓浩斯遺忘曲線提出了一種興趣權(quán)值衰減函數(shù)，從而實(shí)現(xiàn)了興趣模型的減量更新。通過模擬人類大腦的遺忘規(guī)律，衰減用戶的興趣特征項(xiàng)權(quán)值，就能夠有效降低用戶不再感興趣的特征項(xiàng)權(quán)重，提高興趣模型表達(dá)的準(zhǔn)確性與穩(wěn)定性；同時也提高了興趣模型的自適應(yīng)性，避免其過于龐大和臃腫。
　　3.本文基于WebCollector設(shè)計了一個多線程

4、爬蟲程序，可以從網(wǎng)絡(luò)上分類抓取醫(yī)療信息。通過提取文本的指紋值來實(shí)現(xiàn)文檔去重的操作，并利用文檔頻率-倒排文檔頻率算法實(shí)現(xiàn)了對文本特征的提取，從而實(shí)現(xiàn)了用向量空間模型來表征文檔的信息，最終完成了醫(yī)療信息庫的構(gòu)建。
　　4.本文利用 Spring提供的 Quartz任務(wù)調(diào)度框架使得服務(wù)器能夠在后臺按照設(shè)定的時間間隔定期更新用戶的興趣模型，提高了用戶興趣模型更新的實(shí)時性。此外，本文將用戶的信息推薦列表持久化存儲到數(shù)據(jù)庫中，同樣利用 Qua

5、rtz任務(wù)調(diào)度框架定期更新用戶的信息推薦列表，大大提升了用戶請求個性化推薦時服務(wù)器的響應(yīng)速度，同時也提升了用戶的使用體驗(yàn)。
　　5.本文基于以上理論和基礎(chǔ)研究，設(shè)計并實(shí)現(xiàn)了一個基于Android平臺的實(shí)時個性化醫(yī)療信息服務(wù)的原型系統(tǒng)。系統(tǒng)結(jié)合顯式和隱式兩種方式來獲取用戶興趣，接著利用向量的夾角余弦公式實(shí)現(xiàn)了用戶興趣模型與醫(yī)療信息文檔的相似度計算，最終實(shí)現(xiàn)了將個性化推薦技術(shù)應(yīng)用于醫(yī)療信息服務(wù)領(lǐng)域。系統(tǒng)測試的結(jié)果表明，信息推薦的查準(zhǔn)率