个性化医疗信息推荐系统的研究与实现

论文摘要

随着互联网时代的到来,网络上的信息呈现出指数增长的趋势。医疗信息资源作为海量网络信息中的一部分也呈现出了“爆炸式”的增长趋势。用户在海量网络信息中很难快速地找到自己所需要的有用信息,这就是在所谓的“信息爆炸”和“信息过载”的互联网时代所体现出来的弊端。微软亚洲研究院负责搜索的一名技术专家说：75%的内容通用搜索引擎搜索不出来,仅仅能够获取互联网中的一小部分信息。与此同时,通用搜索引擎往往返回给用户几十页甚至上百页的信息,但用户通常不会一页页的去查看是否是自己所需的信息,于是就导致了用户真正所需的信息可能出现在几十页甚至上百页之后而并没有被挖掘推荐出来。这就说明,通用搜索引擎虽然能够很轻松地帮助我们找到海量的信息,但是我们却很难从中找到自己真正想得到的信息。为了改善通用搜索引擎的弊端,本文研究并设计了一套面向医疗领域个性化的医疗信息推荐系统,该系统能够将用户所需信息及其相关的信息推荐给用户,能够很好的满足用户的需求。本文以数据挖掘和信息推荐算法为基础,研究设计并实现了一套专门用于医疗信息领域的个性化信息推荐系统。首先,本文详细讨论了个性化医疗信息推荐相关的关键技术,主要包括用户兴趣模型的构建和信息推荐基本算法,重点分析了几种信息推荐算法的优缺点,并最终设计了一种符合本系统设计所需的推荐算法。其次,详细阐述了医疗信息领域中个性化信息推荐系统的设计,从系统需求出发,构建系统的整体框架,设计了用户兴趣模型、中文分词模块、信息预处理模块、信息推荐模块以及个性化页面定制模块等。最后,实现了医疗领域中的个性化信息推荐系统,并对实验结果进行了分析。实验结果表明,在实验室环境条件下,本系统能够很好的将用户所需的医疗信息推荐出来,并且还能够推荐给用户一些相关的医疗信息。

论文目录

• 致谢
• 摘要
• Abstract
• 目录
• 1 绪论
• 1.1 课题的研究背景
• 1.2 国内外的研究现状
• 1.3 论文的主要内容
• 2 个性化医疗信息推荐系统相关技术
• 2.1 开源搜索引擎NUTCH介绍
• 2.1.1 NUTCH的优势所在
• 2.1.2 NUTCH的工作原理
• 2.2 用户兴趣模型构建
• 2.2.1 用户兴趣来源
• 2.2.2 中文分词技术
• 2.2.3 特征提取技术
• 2.2.4 用户兴趣模型表示
• 2.2.5 用户兴趣模型评价方法
• 2.3 信息推荐算法
• 2.3.1 基于内容的推荐算法
• 2.3.2 基于协同过滤的推荐算法
• 2.3.3 组合推荐算法
• 2.4 个性化服务技术
• 2.4.1 个性化服务概念
• 2.4.2 个性化服务需求
• 2.4.3 个性化服务应用
• 2.4.4 个性化服务价值
• 2.5 本章小结
• 3 个性化医疗信息推荐系统设计
• 3.1 系统设计需求分析
• 3.2 系统整体框架设计
• 3.3 信息推荐预处理层
• 3.3.1 源信息抓取模块
• 3.3.2 源信息预处理模块
• 3.3.3 信息解析与特征提取模块
• 3.4 医疗信息推荐层
• 3.4.1 用户兴趣模型构建模块
• 3.4.2 推荐算法设计模块
• 3.4.3 推荐算法实现模块
• 3.5 信息存储与输出层
• 3.5.1 个性化配置模块
• 3.5.2 信息存储模块
• 3.5.3 输出页面整合模块
• 3.6 本章小结
• 4 个性化医疗信息推荐系统实现
• 4.1 开发部署环境
• 4.1.1 开发技术
• 4.1.2 部署环境
• 4.2 源信息抓取
• 4.3 特征提取
• 4.4 推荐算法
• 4.5 实验结果
• 4.5.1 测试指标
• 4.5.2 测试结果
• 4.5.3 系统性能分析
• 4.6 本章小结
• 5 工作总结与展望
• 5.1 工作总结
• 5.2 后续展望
• 参考文献
• 作者在硕士研究生期间的科研成果