【摘要】：隨著社會的發(fā)展,人們對醫(yī)療健康服務(wù)的需求不斷增加,在這個背景下,中國的互聯(lián)網(wǎng)藥品交易市場規(guī)模不斷擴(kuò)大,網(wǎng)上藥店已經(jīng)形成了一種勢不可擋的發(fā)展趨勢。不過,互聯(lián)網(wǎng)在線購藥這種方式還是存在一定的缺陷,主要在于用戶缺乏對病癥以及藥物相關(guān)的專業(yè)性知識,個人購藥往往無法做到對癥下藥,導(dǎo)致用錯藥物甚至使病情更加嚴(yán)重。所以針對這一問題,本文提出一種結(jié)合專家系統(tǒng)的協(xié)同過濾智能推薦方法來構(gòu)建網(wǎng)上藥店藥品推薦系統(tǒng)。專家系統(tǒng)保證了藥品推薦的“專業(yè)性”,以保證能夠?qū)ΠY下藥,協(xié)同過濾方法則主要考慮用戶的“個體差異性”,兩種方法相結(jié)合,以保證藥品推薦結(jié)果的專業(yè)有效。首先,本文介紹了國內(nèi)外互聯(lián)網(wǎng)醫(yī)療的情況,主要是網(wǎng)上藥店的發(fā)展現(xiàn)狀,并對其發(fā)展瓶頸與問題進(jìn)行介紹,引出本文的研究方向。其次,對專家系統(tǒng)與個性化推薦的國內(nèi)外的研究與發(fā)展進(jìn)行闡述,明確本文的研究目標(biāo)與內(nèi)容。緊接著對專家系統(tǒng)與個性化推薦以及高并發(fā)系統(tǒng)構(gòu)建的相關(guān)理論與技術(shù)進(jìn)行介紹,為后續(xù)的研究與實現(xiàn)奠定了理論基礎(chǔ)。接下來重點研究面向互聯(lián)網(wǎng)醫(yī)療的智能藥品推薦算法與系統(tǒng)的設(shè)計與實現(xiàn),包括:(1)專家系統(tǒng)的設(shè)計與實現(xiàn),在專家系統(tǒng)的構(gòu)建中,采用產(chǎn)生式規(guī)則結(jié)合XML知識表示法對專家知識進(jìn)行存儲,使用D-S證據(jù)合成理論進(jìn)行不確定推理,并創(chuàng)新性地加入緩存設(shè)計對專家系統(tǒng)的結(jié)構(gòu)進(jìn)行改進(jìn),提高知識推導(dǎo)效率;(2)協(xié)同過濾推薦算法的設(shè)計與實現(xiàn),詳細(xì)介紹了數(shù)據(jù)采集方式,數(shù)據(jù)處理方式以及最后的推薦結(jié)果生成算法,以隱式反饋為主,顯式反饋為輔進(jìn)行數(shù)據(jù)采集以及“用戶-藥品”興趣矩陣的生成與修正,在協(xié)同過濾算法的實現(xiàn)中,對傳統(tǒng)的相似度計算方法進(jìn)行改進(jìn),提高算法的準(zhǔn)確性,并使用閾值判斷方法生成目標(biāo)用戶的相似群體,降低算法的時間復(fù)雜度,提高算法效率;(3)網(wǎng)上藥店系統(tǒng)的設(shè)計與實現(xiàn),包括網(wǎng)上藥店的需求分析,總體設(shè)計,網(wǎng)上藥店的數(shù)據(jù)庫設(shè)計與相關(guān)核心模塊的實現(xiàn)。最后,在系統(tǒng)與算法研究實現(xiàn)的同時,為了驗證系統(tǒng)的可用性和推薦算法的改進(jìn)效果,設(shè)計了相關(guān)實驗進(jìn)行測試與驗證,并對測試結(jié)果進(jìn)行分析。最后,對本文進(jìn)行總結(jié),并對本文工作的不足之處進(jìn)行展望與分析。本文提出的結(jié)合專家系統(tǒng)的協(xié)同過濾智能藥品推薦方法是一種針對現(xiàn)有互聯(lián)網(wǎng)醫(yī)療的藥品推薦的有效方法,結(jié)合本文設(shè)計的優(yōu)化策略,可以提高網(wǎng)上藥店在線藥品推薦的準(zhǔn)確性與效率,為互聯(lián)網(wǎng)在線購藥用戶提供更好的醫(yī)療健康服務(wù)。
【圖文】：

的醫(yī)療服務(wù)資源是有限的，在政府不斷加大醫(yī)療投入的情況下，醫(yī)還是無法跟上醫(yī)療需求增長的速度。導(dǎo)致許多醫(yī)院出現(xiàn)病患爆滿現(xiàn)長龍，甚至出現(xiàn)“病號號販”的情況，病患就醫(yī)體驗極差，使得“看愈加嚴(yán)峻。為了規(guī)避麻煩的就醫(yī)環(huán)節(jié)，一些日常常見疾病患者，如疾病患者，開始選擇零售醫(yī)藥進(jìn)行治療。人口大國，有著龐大的人口基數(shù)，據(jù)統(tǒng)計，中國人口在 2017 年末，而龐大的人口基數(shù)不斷促進(jìn)我國醫(yī)藥市場的發(fā)展，使得我國的醫(yī)市場中處于領(lǐng)先地位。在 2008 年到 2017 年這十年間，我國的年藥 1464 億元增長到 3723 億元，增長高達(dá) 146.4%，圖 1.1 描述了我國的具體變化。同時，在醫(yī)療改革的推動下，我國處方外流趨勢逐漸自我藥療意識不斷增強，在國民醫(yī)藥健康體系中，藥品零售終端的37230000藥品零售總額/億元

(3-25)圖3.2 逼近函數(shù)趨勢圖所以，在 PCC 計算公式中引入該逼近函數(shù)，得到改進(jìn)后的相似度計算方法如公式 3-26 所示。 ( , )′=∑ ( , )( , ) =1√∑ ( , ) =12√∑ ( , ) =12 ( , )(3-26)所以，梳理得到改進(jìn)后的協(xié)同過濾推薦的步驟如下所示：(1) 使用改進(jìn)后相似度計算方法公式 3-26 依次對目標(biāo)用戶 u 與其他用戶的相似度進(jìn)行計算；(2) 若相似度計算結(jié)果大于閾值μ，將該用戶加入至目標(biāo)用戶 u 的相似群體中；(3) 當(dāng)相似群體的數(shù)目達(dá)到要求，即可停止相似度計算，，通過相似群體中用戶對目標(biāo)用戶未評分項的評分，使用公式 3-24 對目標(biāo)用戶的未評分項進(jìn)行評分預(yù)測；(4) 在計算得到用戶對產(chǎn)品項的所有評分后，即可通過這些評分進(jìn)行藥品推薦，在常見病診斷模塊中，系統(tǒng)已得到一個可用藥品集合{D_medicines}，在這個可用藥品集合的基礎(chǔ)上，通過評分對可用藥品集合中的元素進(jìn)行排序
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：F724.6;TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 靳留乾;徐揚;方新;馬方立;杜利敏;;基于證據(jù)理論的不確定性推理方法及其應(yīng)用[J];計算機工程與應(yīng)用;2015年10期

2 張煜東;吳樂南;王水花;;專家系統(tǒng)發(fā)展綜述[J];計算機工程與應(yīng)用;2010年19期

3 劉建國;周濤;汪秉宏;;個性化推薦系統(tǒng)的研究進(jìn)展[J];自然科學(xué)進(jìn)展;2009年01期

4 安麗娜;張士杰;;專家系統(tǒng)研究現(xiàn)狀及展望[J];計算機應(yīng)用研究;2007年12期

5 楊興;朱大奇;桑慶兵;;專家系統(tǒng)研究現(xiàn)狀與展望[J];計算機應(yīng)用研究;2007年05期

6 陳冬林;聶規(guī)劃;;基于商品屬性隱性評分的協(xié)同過濾算法研究[J];計算機應(yīng)用;2006年04期

7 陳祖蔭,李枝熳;證據(jù)理論及其在專家系統(tǒng)中的應(yīng)用[J];中央民族大學(xué)學(xué)報(自然科學(xué)版);1997年01期

本文編號：2660048