基于Hadoop平台的医疗康复推荐系统的研究与实现

发布时间：2020-03-27 08:16

【摘要】：随着计算机技术和互联网技术的不断创新,医疗康复信息化建设逐步进入网络化、数字化阶段。医疗康复系统作为医疗信息化实现的重要方式之一,能够使得患者更加便捷地获取医疗康复信息,目前受到越来越多的关注。针对当前医疗康复系统中用户在获取医疗康复信息时存在数据量大、精度差等问题,本文研究并实现了一种基于Hadoop平台的医疗康复推荐系统。该系统能根据用户的行为数据,为用户推荐不同的医疗康复方案,从而有效地提高用户康复效果。本文的主要工作包括以下内容:1)在对传统推荐技术进行分析的基础上,综合考虑了用户的医疗康复训练行为具有隐式反馈数据和显式评分数据的特征,提出了一种加权矩阵分解模型进行医疗康复信息推荐,该模型在最优化目标函数(评分矩阵中预测分值和实际分值之间误差的平方)的过程中,加入隐式反馈矩阵、用户属性、系统使用等属性特征进行多方权重归一化计量,使改进的目标函数能够更好的优化模型参数,为用户提供更为精确的预测评分。2)针对传统数据处理技术在数据处理方面存在关系复杂、数据处理效率低的问题,设计一种基于Hadoop平台的大数据索引存储的医疗康复体系架构。首先在HBase数据库中设计了基于二级索引机制的医疗信息存储模型;其次,通过MapReduce技术对数据进行清洗和处理;最后,使用Spark Streaming流式计算框架实时进行计算,使得该系统不仅能存储大量的医疗数据信息,而且有效提高了数据处理效率。3)设计并实现了一种基于Hadoop平台的医疗康复推荐系统。在系统实现时采用了SSM(Spring+SpringMVC+MyBatis)框架进行设计,其中Spring MVC对医疗康复系统的业务逻辑进行控制与实现,MyBatis则负责医疗康复系统中底层关系数据库的持久化。该系统不仅能对大量用户的医疗数据信息进行收集和管理,而且可以根据用户的康复行为数据为用户推荐适合的医疗康复信息,帮助用户更有效的进行康复训练。
【图文】：

生态系统

江苏大学硕士学位论文第二章系统相关技术及问题分析2.1 Hadoop 平台简介Hadoop 是一个分布式系统开源框架，它的想法来自于 Google 的两篇学术论文，分别为 MapReduce 和 Google File System。Hadoop 支持在计算机集群上面分布式处理简单的编程模型。集群中的每一台机器都可以在本地进行计算和数据的存储。Hadoop 由很多元素组成，最底层是 Hadoop 分布式文件系统HDFS（Hadoop Distributed File System），它主要负责储存集群上面所有节点的文件[11]。在 HDFS 的上一层是 MapRduce 引擎，是由 JobTrackers 和TaskTrackers 这两个模块组成。再往上面一层是数据仓库工具 Hive 和分布式数据库 HBase。Hadoop 集群的生态圈如图 2.1所示。

架构图,架构,行键

一些概念进行介绍：1) 行：每一行代表着一个数据对象，由行键来唯一标识，行键以字符串的形式存在，而且所有的行都是按照行键的字典序进行排序存储的，按照行键排序可以获得像关系型数据库主键索引一样的特性[13]。2) 列：由列族和列限定符共同组成。列族需要在表创建时就定义好，列族里面包含了表中所有的列数据，列族确定以后不能修改，会影响 Hbase 的物理存储结构。表中的每行可以有相同的列族，但是每一行的列族不一定都有相同的列标识，也就是说每行只存储内容不为空的数据，这是一种稀疏的表结构，可以一定程度上避免数据的冗余。3) 单元格：每一个单元由列族和列标识组成，单元格中存储的是单元数据。从物理上，列式存储数据库聚合数据的时候是以列为单位，然后将列值依次存入磁盘，而行式存储数据库则是以连续地的方式存储整行。可以从 Hbase的集群架构图如 2.2所示。
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.3;R496

【参考文献】