本文選題：TEE超聲記錄 + 用戶交互記錄　； 參考：《計算機應(yīng)用》2017年S1期

【摘要】：為提升經(jīng)食管超聲心動圖(TEE)超聲記錄的臨床應(yīng)用價值,提高醫(yī)師的工作效率,提出基于TEE超聲記錄和基于項目協(xié)同過濾(Item CF)的混合推薦方法,結(jié)合TEE超聲記錄特征和醫(yī)師用戶交互記錄實現(xiàn)病例系統(tǒng)的個性化推薦。首先依托TEE病例查詢系統(tǒng)平臺采集數(shù)據(jù)并進行預(yù)處理,包括TEE記錄數(shù)據(jù)和醫(yī)師用戶記錄數(shù)據(jù)的清洗,標出記錄表中可能被作為推薦因素的項目并提取特征。然后針對不同醫(yī)師查詢習慣,分析醫(yī)師-TEE記錄交互數(shù)據(jù),運用基于內(nèi)容和Item CF的混合推薦,訓(xùn)練模型,同時根據(jù)醫(yī)師反饋信息和TEE記錄數(shù)據(jù)集的變化,動態(tài)更新推薦結(jié)果。經(jīng)實驗測試,形成了較穩(wěn)定的推薦模型,并且在相似記錄數(shù)目為50、推薦記錄數(shù)目為10的情況下,推薦精度較高。
[Abstract]:In order to improve the clinical application value of transesophageal echocardiography and improve the work efficiency of physicians, a mixed recommendation method based on TEE ultrasound recording and item collaborative filtering item CFS was proposed. The personalized recommendation of the case system is realized by combining the TEE ultrasonic recording feature and the physician user interaction record. Firstly, the data are collected and preprocessed on the platform of TEE case query system, including the cleaning of TEE record data and physician user record data, and the items that may be used as recommended factors in the record list are marked and the features are extracted. Then, according to different doctors' inquiry habits, we analyze the interactive data recorded by the physician and use the mixed recommendation and training model based on the content and Item CF, and update the recommendation results dynamically according to the changes of the physician feedback information and the changes of the TEE record data set. The experimental results show that a more stable recommendation model is formed and the recommendation accuracy is higher when the number of similar records is 50 and the number of recommended records is 10.
【作者單位】： 中國科學(xué)院成都計算機應(yīng)用研究所;中國科學(xué)院大學(xué);
【基金】：中科院西部之光人才培養(yǎng)計劃項目(2012SZ0133)
【分類號】：R540.45;TP391.3

【相似文獻】

相關(guān)會議論文 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項目分類的協(xié)同過濾算法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過濾推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過濾算法研究[A];全國第20屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場景的協(xié)同過濾推薦算法[A];中國系統(tǒng)仿真學(xué)會第五次全國會員代表大會暨2006年全國學(xué)術(shù)年會論文集[C];2006年

5 李建國;姚良超;湯庸;郭歡;;基于認知度的協(xié)同過濾推薦算法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類迭代的協(xié)同過濾推薦算法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測量學(xué)的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類的協(xié)同過濾推薦算法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類別的推薦——一種解決協(xié)同推薦中冷啟動問題的方法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2007年

10 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集A輯一[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 紀科;融合上下文信息的混合協(xié)同過濾推薦算法研究[D];北京交通大學(xué);2016年

2 程殿虎;基于協(xié)同過濾的社會網(wǎng)絡(luò)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];中國海洋大學(xué);2015年

3 于程遠;基于QoS的Web服務(wù)推薦技術(shù)研究[D];上海交通大學(xué);2015年

4 李聰;電子商務(wù)推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學(xué);2009年

5 郭艷紅;推薦系統(tǒng)的協(xié)同過濾算法與應(yīng)用研究[D];大連理工大學(xué);2008年

6 羅恒;基于協(xié)同過濾視角的受限玻爾茲曼機研究[D];上海交通大學(xué);2011年

7 薛福亮;電子商務(wù)協(xié)同過濾推薦質(zhì)量影響因素及其改進機制研究[D];天津大學(xué);2012年

8 高e，

本文編號：1875969