[發明專利]一種在線醫療教育資源的個性化推薦方法及系統

有效

• 申請號: 201811540960.1
• 申請日: 2018-12-17
• 公開（公告）號: CN109582875B
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 曾承;周炬;韓棟
• 申請（專利權）人: 武漢泰樂奇信息科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 羅飛

1.一種在線醫療教育資源的個性化推薦方法，其特征在于，包括：

步驟S1：采集用戶的原始數據，并對原始數據進行標注，其中，原始數據包括病例、學習資源和用戶行為數據；

步驟S2：根據標注后的數據構建個性化推薦模型，其中，個性化推薦模型包括病例推薦模型和學習資源推薦模型，病例推薦模型采用基于內容的協同過濾推薦算法，根據用戶對病例的第一行為數據，確定用戶對病例的感興趣程度后構建，學習資源推薦模型采用基于標簽的算法，根據用戶對學習資源的第二行為數據，確定用戶感興趣的學習資源的標簽后構建；

步驟S3：根據個性化推薦模型，為目標用戶生成推薦結果；

其中，步驟S2中，病例推薦模型具體通過下述方式構建：

獲取用戶對病例的第一行為數據，其中，第一行為數據包括用戶購買病例、用戶評價病例和用戶學習病例；

根據預設規則，為用戶購買病例、用戶評價病例、用戶學習病例賦予權重；

采用基于內容的協同過濾推薦算法，并根據賦予的權重，構造用戶-病例感興趣度模型；

基于用戶-病例感興趣度模型與用戶對病例的第一行為數據，構建病例推薦模型；

學習資源推薦模型，具體通過下述方式構建：

獲取用戶對病例的第二行為數據，其中，第二行為數據包括用戶點擊、用戶學習和用戶評價；

統計與第二行為數據對應的分類標簽出現的次數；

根據分類標簽出現的次數以及閾值，構建學習資源推薦模型。

2.如權利要求1所述的方法，其特征在于，步驟S1具體包括：

根據科室、疾病、場景、難度、用途的維度對原始數據進行人工標注，并構建用戶數據字典和內容數據字典。

3.如權利要求1所述的方法，其特征在于，步驟S3具體包括：

基于病例推薦模型，為用戶推薦相關的病例，以及基于學習資源推薦模型為用戶推薦學習計劃。

4.如權利要求1所述的方法，其特征在于，用戶行為數據還包括用戶畫像，當目標用戶為新用戶時，所述方法還包括：

將用戶畫像數據按照用戶身份、學歷、性別、職稱，進行用戶細分分類；

為目標用戶推薦與細分分類后的類別對應的學習資源。

5.如權利要求1所述的方法，其特征在于，病例具有對應的病區和病種，所述方法還包括：

組合同一病種下的多個病例，構建病例間的相似度；

結合病例間的相似度和病例推薦模型，對目標用戶生成推薦結果。

6.一種在線醫療教育資源的個性化推薦系統，其特征在于，包括：

采集模塊，用于采集用戶的原始數據，并對原始數據進行標注，其中，原始數據包括病例、學習資源和用戶行為數據；

構建模塊，用于根據標注后的數據構建個性化推薦模型，其中，個性化推薦模型包括病例推薦模型和學習資源推薦模型，病例推薦模型采用基于內容的協同過濾推薦算法，根據用戶對病例的第一行為數據，確定用戶對病例的感興趣程度后構建，學習資源推薦模型采用基于標簽的算法，根據用戶對學習資源的第二行為數據，確定用戶感興趣的學習資源的標簽后構建；

推薦模塊，用于根據個性化推薦模型，為目標用戶生成推薦結果。

7.如權利要求6所述的系統，其特征在于，采集模塊具體用于：

根據科室、疾病、場景、難度、用途的維度對原始數據進行人工標注，并構建用戶數據字典和內容數據字典。

8.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被執行時實現如權利要求1至5任一項權利要求所述的方法。