基于张量的个性化推荐系统在医疗领域的研究应用

发布时间：2023-10-29 11:53

　　随着人工智能和机器学习的发展,各领域都逐渐步入智能化。作为一直以来受国家重视的医疗健康服务领域,它的智能化近年来更是受到了广泛的关注。如今的推荐系统在各个领域都有较为成功的应用,然而在医疗范畴的应用却仍需要进一步去挖掘。尽管医疗领域的推荐系统相比其他领域存在着更多的困难,即便如此国内外的学者们也从未停下探索的脚步。目前推荐系统在医疗行业较为成功的业务应用有:辅助诊疗、合理用药、就诊引导、精准医疗等,所用到的核心技术多以传统协同过滤为主。近些年来,张量分解也被应用到了推荐系统中,甚至在一定程度上优于传统的推荐算法。因此,本文选择以药物重定位作为本次推荐系统在医疗领域的研究应用方向,利用张量分解技术旨在构建一个基于张量的药物重定位推荐算法。本文首先对医疗大数据及相关业务应用场景做了较为全面的调研与综述,介绍了当今医疗范畴和推荐系统的关系。由医疗大数据引出了张量,由信息过载引出了推荐系统,而张量分解作为勾连二者的枢纽,将两个领域交汇在一起。接着对张量的理论基础和常见的概念方法进行了比较全面的整合阐述。又从经典的传统推荐算法入手,对推荐系统进行了一定的调研、整理和分析。并以药物重定位作为本次推...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景
        1.1.1 AI对医疗的影响
        1.1.2 医疗大数据
    1.2 研究意义
    1.3 国内外研究现状
        1.3.1 推荐系统研究现状
        1.3.2 推荐系统在医疗领域的业务应用
        1.3.3 推荐系统在医疗领域的研究进展
    1.4 本文的研究内容与结构
        1.4.1 本文的主要工作
        1.4.2 论文的整体结构
第2章 相关知识理论基础
    2.1 张量
        2.1.1 张量的引入
        2.1.2 张量的概念
        2.1.3 张量的基本运算和操作
        2.1.4 张量在推荐系统中的应用
    2.2 推荐系统
        2.2.1 推荐系统概述
        2.2.2 基于内容的推荐
        2.2.3 协同过滤
        2.2.4 混合推荐
        2.2.5 相似度
        2.2.6 度量标准
第3章 基于张量分解的药物重定位推荐算法
    3.1 药物重定位
    3.2 基本建模
        3.2.1 领域拆分
        3.2.2 张量模型的构建
    3.3 算法模型
        3.3.1 PARAFAC2
        3.3.2 目标函数构建
        3.3.3 交替最小二乘法ALS
        3.3.4 算法流程
    3.4 算法优化
第4章 实验及结果分析评估
    4.1 数据集
    4.2 评测指标
    4.3 实验结果及分析
第5章 总结
参考文献
致谢



本文编号：3858027