1.一种在线医疗推荐系统的实现方法,其特征在于,该在线医疗推荐系统包括首页模块、个人信息页模块、医疗交流反馈模块、疾病社区模块和康复理疗建议模块;所述首页模块用于汇总展示系统各个子模块的入口,所述个人信息页模块展示患者基本信息,所述医疗交流反馈模块用于系统用户进行医疗信息交流,所述疾病社区模块用于展示疾病医疗信息,所述康复理疗建议模块用于向系统用户展示疾病康复理疗的推荐信息;该方法包括以下步骤:步骤1、基于数据集,定义患者对医疗项目的偏好矩阵R,定义如下:式中,将系统中的若干患者和医疗项目分别使用两个多维向量表示,P=[p1,p2,p3,...pu,...pp],M=[M1,M2,M3,...Mi,...Mm],代表的含义为患者u对医疗项目i的偏好分数;
步骤2、依据SVD方法的思想,去除偏好矩阵R中的冗余数据,得到新的偏好矩阵R′;
步骤3、定义参数TOP-K表示矩阵R′的维度,依据新的偏好矩阵R′,计算患者对未评分医疗项目的预测偏好分数;
步骤4、将医疗项目实体转变为三元组矢量化,得到实体属性三元组的向量表示,即Tu={(h,r,a)|h∈Historyu}
其中,Historyu表示患者关联的历史医疗项目实体集,Tu表示患者u历史医疗项目实体集中包含的三元组信息,h表示推荐系统中的实体,a表示实体的属性,r表示实体与属性之间的关系;
步骤5、利用矢量三元组中的a属性,定义方法获取某一个医疗实体属性在与患者相关的所有医疗项目实体属性中所占的权重,基于该权重评判患者对某一个实体属性的兴趣偏好等级;
步骤6、基于建立的医疗项目属性a权重模型、知识图中矢量三元组,构建患者对医疗项目兴趣偏好的等级判定模型;
步骤7、基于建立的知识矢量三元组,构建正反相关性医疗项目实体模型;
步骤8、融合改进的PSVD的预测分数模型和患者兴趣属性偏好等级模型和正反相关性实体模型得出融合推荐算法。
2.根据权利要求1所述一种在线医疗推荐系统的实现方法,其特征在于,所述步骤2的具体操作如下:步骤2.1、依据建立的矩阵R,设定一个临界值E,临界值判定是依赖于矩阵R子对角线上的数据形成的一维向量数据集,定义其为Q=[Q1,Q2,Q3,...,Qi,...Qm];依据SVD的思想,偏好矩阵对角线上的数据为奇异值,依据奇异值来实现去除,有效保证去除边缘数据的准确性;临界值E的定义如下:式中,为向量数据集Q的均值,m为Q的向量维度;
步骤2.2、依据步骤2.1中的E,判断矩阵R中的数值与E的大小关系:若在矩阵R中,保留所在的行与列的数据;
若在矩阵R中,删除所在的行与列的数据;
最终得到新的偏好矩阵R′。
3.根据权利要求2所述一种在线医疗推荐系统的实现方法,其特征在于,所述步骤3的具体操作如下:步骤3.1、将新的偏好矩阵R′分解为患者因素矩阵和医疗项目因素矩阵,并分别记为Up*k,Iu*k,患者u对医疗项目i的预测偏好分数定义如下:SSu,i′=pu*Ii+μ*(δu+δi)
式中,pu、Ii分别表示单个患者因子向量和单个医疗项目因子向量,δu、δi表示在预测患者u对医疗项目i的偏好分数时候的评分偏离值,前者表示患者因素偏离值,后者表示医疗项目因素偏离值;μ表示设定的评级偏离参数;
步骤3.2、考虑到患者对医疗项目的预测评分存在误差,因此引入最小二乘法来降低偏离率,具体表示如下:式中,u,i∈SS表示选取数据集中的某个用户u与医疗项目i,SSu,i、SSu,i′分别表示偏好矩阵R降维前后的患者u对医疗项目i的预测偏好分数,γ表示设定的阈值参数;
步骤3.3、在对预测评分的偏离误差进行处理之后,实现降低预测分数的误差性,基于相似用户的历史分数来对目标用户进行评分预测,最终得到的预测分数定义如下:式中,第一个加数表示患者u和患者v二者之间的关联度,这里引用了pcc定理度量角色之间的相似度,SSu,i、SSv,i均表示患者对医疗项目i的评分,分别为患者u、v对医疗项目的平均评分,N表示系统中医疗项目的总数。
4.根据权利要求3所述一种在线医疗推荐系统的实现方法,其特征在于,所述步骤5中获取a医疗属性的权重,具体如下:基于知识图谱中的三元组(h,r,a),定义a属性在患者u相关的医疗项目属性中所占的权重,如下所示:式中,haT表示与a属性相关联的前实体,ra表示与a属性相关联的关系向量,(h,r,a)∈Tu表示选择知识图谱中包含a属性的三元组,h、r分别表示包含a属性的三元组中的前实体与关系向量。
5.根据权利要求4所述一种在线医疗推荐系统的实现方法,其特征在于,所述步骤6中,构建等级判定模型包含以下步骤:步骤6.1、在获得实体属性的权重之后,基于此判定患者u对属性a的兴趣偏好等级,具体表示方法如下:式中,Interestu->a表示患者u的对实体属性a的兴趣偏好属性值,属性a的权重表示为步骤6.2、设置三个等级参数,将设定的等级参数,与步骤6.1中得出的患者对实体属性的兴趣偏好属性值进行比较,得出兴趣偏好等级;
步骤6.3、设定第一个等级参数γ1,具体表示如下:
步骤6.4、设定第二个等级参数γ2,具体表示如下:
步骤6.5、设定第三个等级参数γ3,具体表示如下:
步骤6.6、判定患者对医疗项目属性a的偏好等级:
若Interestu->a<γ1,则认为患者u对a属性的兴趣偏好等级为不感兴趣;
若γ1
若Interestu->a>γ3,则认为患者u对a属性的兴趣偏好等级为非常感兴趣,至此,基于知识图KI得到患者对属性a的兴趣偏好等级模型。
6.根据权利要求5所述一种在线医疗推荐系统的实现方法,其特征在于,所述步骤7中,构建正反相关性医疗项目实体模型包含以下步骤:步骤7.1、定义知识图KI中的随机Random实体:对于知识图KI中的若干实体形成的三元组,单个三元组(h,r,t),其中h表示前实体,t表示后实体,将前实体h使用知识图KI中的任意一个随机实体hrandom代替,后实体也被代替为trandom,新生成的三元组(hrandom,r,t)、(h,r,trandom)不存在知识图KI中;
步骤7.2、基于步骤7.1中定义的前、后实体h、t,定义Wh向量表示将实体从实体空间映射到关系空间,设定边缘函数f,函数f得到的是向量模的平方值,具体表示为:f(h,t)=‖h-t-(WhT·h·Wh-WhT·t·Wh)||2;
步骤7.3、建立正相关实体和负相关实体的判断模型,基于步骤7.2中定义的边缘函数f,设计用于区分正、反相关实体的方法模型;正反相关性实体模型,具体表示如下:式中,classh,t模型执行的前提条件是:(h,r,t)∈Tu且且步骤7.4、分析classh,t的两个结果值,判定正负相关实体。
7.根据权利要求6所述一种在线医疗推荐系统的实现方法,其特征在于,所述步骤8中,融合推荐算法包含以下步骤:步骤8.1、针对知识图KI中的两元组(u,i),若即患者u对医疗项目i的偏好等级为不感兴趣,则终止,否则执行步骤8.3;
步骤8.2、针对知识图KI中的两元组(u,i),若
即患者u对医疗项目i的偏好等级为感兴趣,则终止,否则执行步骤8.3;
步骤8.3、针对知识图KI中的两元组(u,i),若不满足即实体h、t是负相关实体,则终止,否则执行步骤8.4;
步骤8.4、若SET中的推荐方案个数没有达到K,则将其加入推荐结果集SET中,并执行步骤8.1,否则执行步骤8.5;
步骤8.5、若SET集合中的数据已达到k,则输出SET,形成推荐结果集,推荐结束;否则执行步骤8.1。