基于移動互聯(lián)網的個性化醫(yī)療信息服務技術研究.pdf

1、個性化醫(yī)療信息服務的發(fā)展使得醫(yī)療信息服務模式發(fā)生了轉變，即由傳統(tǒng)的“人找信息”的被動服務模式向根據(jù)用戶興趣特點實現(xiàn)“信息找人”的主動服務模式轉變。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)療信息服務的體驗和效率。然而目前已有的個性化醫(yī)療信息服務系統(tǒng)都是基于傳統(tǒng)Web的服務方式，用戶興趣模型的構建也沒有與用戶個體的健康狀況相結合，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時性、前瞻性的醫(yī)療信息服務。

2、>　　本文借助于移動終端設備便捷、實時的獨特優(yōu)勢，提出構建一個基于移動互聯(lián)網的個性化醫(yī)療信息服務系統(tǒng)。為了實現(xiàn)這一目標，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建，并參考各項體征參數(shù)的相關臨床標準制定了相應興趣特征項的權重設置規(guī)則，實現(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。
　　2.本文完成了用戶興趣模型的構建，并提出了其兩

3、種隱式更新機制。一方面通過跟蹤用戶點擊行為，利用文本特征提取的相關技術實現(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值衰減函數(shù)，從而實現(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權值，就能夠有效降低用戶不再感興趣的特征項權重，提高興趣模型表達的準確性與穩(wěn)定性；同時也提高了興趣模型的自適應性，避免其過于龐大和臃腫。
　　3.本文基于WebCollector設計了一個多線程

4、爬蟲程序，可以從網絡上分類抓取醫(yī)療信息。通過提取文本的指紋值來實現(xiàn)文檔去重的操作，并利用文檔頻率-倒排文檔頻率算法實現(xiàn)了對文本特征的提取，從而實現(xiàn)了用向量空間模型來表征文檔的信息，最終完成了醫(yī)療信息庫的構建。
　　4.本文利用 Spring提供的 Quartz任務調度框架使得服務器能夠在后臺按照設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任務調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器的響應速度，同時也提升了用戶的使用體驗。
　　5.本文基于以上理論和基礎研究，設計并實現(xiàn)了一個基于Android平臺的實時個性化醫(yī)療信息服務的原型系統(tǒng)。系統(tǒng)結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，最終實現(xiàn)了將個性化推薦技術應用于醫(yī)療信息服務領域。系統(tǒng)測試的結果表明，信息推薦的查準率