基于深度学习与多目标优化的养老服务推荐方法及实现
发布时间：2021-11-24 08:03
随着国内老龄化速度的加快,国内对养老问题越来越重视,健康养老也成为当今社会最重要的问题之一。目前养老服务业存在信息集成度低、数据利用率低等问题,为解决上述问题,搭建互联化养老服务平台是最有效的手段之一。但由于平台上的养老服务资源多样化,老年人无法快速找到适合自己的服务,导致用户需求与服务资源不匹配。因此,需要提取老年人和养老服务基本特征,通过服务推荐的方式来满足老年人个性化的需求。为此本文将构建基于深度学习的养老服务推荐模型,生成服务推荐候选集,研究基于人工免疫的多目标优化推荐算法,并对养老服务推荐系统做详细的需求分析及功能模块设计,最终设计并实现养老服务推荐系统,主要从以下四个方面进行展开工作:（1）针对传统推荐算法中存在的冷启动和数据稀疏问题,建立基于深度学习的养老服务推荐候选集生成模型。通过老年人和养老服务的基本属性信息,分别提取老年人特征和养老服务特征,并根据均方误差来训练模型,通过训练好的模型从众多养老服务中筛选出较为适合目标用户的服务,作为养老服务推荐候选集。（2）针对目前推荐系统存在的推荐目标单一化而导致用户逐渐陷入信息局限化的问题,构建基于人工免疫算法的多目标优化推荐模...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
论文研究思路图
哈尔滨工业大学工程硕士学位论文-20-第3章养老服务推荐候选集生成模型研究本章通过深度学习的方法提取老年人特征和养老服务特征，从而挖掘老年人和养老服务之间存在的潜在关系，通过用户评分均方误差训练模型，最终通过训练好的模型预测老年人对养老服务的评分，从而选取预测评分较高的服务生成养老服务推荐候选集。3.1问题描述传统推荐方法例如基于用户的协同过滤方法和基于项目的协同过滤方法，基本思想都是通过用户评分或项目标签来计算用户和项目之间的相似度。基于用户的协同过滤方法是在系统中先找到与目标用户相似的用户，将有相似兴趣的用户所使用过而目标用户没有使用过的服务推荐给目标用户。基于项目的协同过滤方法是计算项目间的相似度，将与目标用户使用过的服务相似度高的服务推荐给用户。但传统的推荐算法存在很多问题，冷启动问题和数据稀疏问题是传统推荐算法中存在的普遍问题。为解决上述问题，本章提出利用深度学习方法提取老年人特征和养老服务特征，并利用评分数据，找到二者间的关系，为老年人筛选出适合他们的服务。基于深度学习的推荐模型示意图如图3-1所示。图3-1基于深度学习的推荐模型示意图
哈尔滨工业大学工程硕士学位论文-23-3.3.1用户特征提取模型人工神经网络的核心思想是模仿人脑神经处理问题的方式[50]，通过内部存在的复杂神经元结构，通过相应的规则进行学习，根据给定数据学习到相应的特征后再进行推理，从而进行信息的处理。网络结构中的神经元数目的多少影响着整体结构的识别和记忆能力，通过对大量数据的学习和训练，不断输出接近期望的结果。在神经网络中可以包含多层隐藏层，通过非线性变化，从而实现特征抽象。通过大量的数据，学习到数据的特征用于预测问题或分类问题。因此为提取老年人特征，本章利用人工神经网络提取老年人特征，老年人特征提取模型如图3-2所示。用户ID职业性别老年人基本信息嵌入层......养老服务ID特征老年人基本信息特征向量性别特征隐藏层老年人特征向量年龄月收入配偶情况自理能力程度职业特征年龄特征月收入特征配偶情况特征自理能力程度服特征图3-2老年人特征提取模型老年人特征提取过程如下：（1）将数据输入嵌入层我们将老年人基本属性信息各个字段转化为数字，将其做为嵌入矩阵的索引。在神经网络中，嵌入层的作用就是将词索引映射到低维度的词向量进行表示，通过嵌入层可以得到老年人各个属性特征向量。用:1,2,3,…,来表示老年人的各个属性，通过嵌入层得到用户属性特征向量，见式（3-1）。11（3-1）其中表示激活函数，1表示偏置，1表示权重。在神经网络中需要利用激活函数，使得每一层的输出都是非线性的，如果在神经元中输入后没有激活
【参考文献】：
期刊论文
[1]我国机构养老服务质量研究现状及其思考[J]. 乔志华,刘芳. 经济研究导刊. 2019(08)
[2]“互联网+”推动养老服务精准化的机理及实现路径[J]. 周红云,董叶. 中州学刊. 2019(03)
[3]老龄化背景下日本居家养老服务体系的构建及启示[J]. 孙作文. 当代经济. 2019(03)
[4]日本医养结合养老模式及其对我国的启示[J]. 周驰,翁嘉,章宝丹. 医学与哲学（A）. 2018(12)
[5]养老服务标准体系建设研究[J]. 谢敏,谢丹超,张洪. 中国标准化. 2018(12)
[6]从文化角度解读德国的创新养老模式[J]. 徐玲. 安徽文学(下半月). 2018(04)
[7]中日养老现状及制度比较分析[J]. 邢韵龄. 中国市场. 2018(06)
[8]基于多目标优化算法NSGA-II推荐相似缺陷报告[J]. 樊田田,许蕾,陈林. 计算机学报. 2019(10)
[9]德国养老护理服务业的发展经验对我国的借鉴[J]. 宋群,焦学利. 中国社会工作. 2017(32)
[10]养老机构现状浅析[J]. 蒋高霞,王琳,吉爱峰. 科技经济导刊. 2017(31)
本文编号：3515561
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
论文研究思路图
哈尔滨工业大学工程硕士学位论文-20-第3章养老服务推荐候选集生成模型研究本章通过深度学习的方法提取老年人特征和养老服务特征，从而挖掘老年人和养老服务之间存在的潜在关系，通过用户评分均方误差训练模型，最终通过训练好的模型预测老年人对养老服务的评分，从而选取预测评分较高的服务生成养老服务推荐候选集。3.1问题描述传统推荐方法例如基于用户的协同过滤方法和基于项目的协同过滤方法，基本思想都是通过用户评分或项目标签来计算用户和项目之间的相似度。基于用户的协同过滤方法是在系统中先找到与目标用户相似的用户，将有相似兴趣的用户所使用过而目标用户没有使用过的服务推荐给目标用户。基于项目的协同过滤方法是计算项目间的相似度，将与目标用户使用过的服务相似度高的服务推荐给用户。但传统的推荐算法存在很多问题，冷启动问题和数据稀疏问题是传统推荐算法中存在的普遍问题。为解决上述问题，本章提出利用深度学习方法提取老年人特征和养老服务特征，并利用评分数据，找到二者间的关系，为老年人筛选出适合他们的服务。基于深度学习的推荐模型示意图如图3-1所示。图3-1基于深度学习的推荐模型示意图
哈尔滨工业大学工程硕士学位论文-23-3.3.1用户特征提取模型人工神经网络的核心思想是模仿人脑神经处理问题的方式[50]，通过内部存在的复杂神经元结构，通过相应的规则进行学习，根据给定数据学习到相应的特征后再进行推理，从而进行信息的处理。网络结构中的神经元数目的多少影响着整体结构的识别和记忆能力，通过对大量数据的学习和训练，不断输出接近期望的结果。在神经网络中可以包含多层隐藏层，通过非线性变化，从而实现特征抽象。通过大量的数据，学习到数据的特征用于预测问题或分类问题。因此为提取老年人特征，本章利用人工神经网络提取老年人特征，老年人特征提取模型如图3-2所示。用户ID职业性别老年人基本信息嵌入层......养老服务ID特征老年人基本信息特征向量性别特征隐藏层老年人特征向量年龄月收入配偶情况自理能力程度职业特征年龄特征月收入特征配偶情况特征自理能力程度服特征图3-2老年人特征提取模型老年人特征提取过程如下：（1）将数据输入嵌入层我们将老年人基本属性信息各个字段转化为数字，将其做为嵌入矩阵的索引。在神经网络中，嵌入层的作用就是将词索引映射到低维度的词向量进行表示，通过嵌入层可以得到老年人各个属性特征向量。用:1,2,3,…,来表示老年人的各个属性，通过嵌入层得到用户属性特征向量，见式（3-1）。11（3-1）其中表示激活函数，1表示偏置，1表示权重。在神经网络中需要利用激活函数，使得每一层的输出都是非线性的，如果在神经元中输入后没有激活
【参考文献】：
期刊论文
[1]我国机构养老服务质量研究现状及其思考[J]. 乔志华,刘芳. 经济研究导刊. 2019(08)
[2]“互联网+”推动养老服务精准化的机理及实现路径[J]. 周红云,董叶. 中州学刊. 2019(03)
[3]老龄化背景下日本居家养老服务体系的构建及启示[J]. 孙作文. 当代经济. 2019(03)
[4]日本医养结合养老模式及其对我国的启示[J]. 周驰,翁嘉,章宝丹. 医学与哲学（A）. 2018(12)
[5]养老服务标准体系建设研究[J]. 谢敏,谢丹超,张洪. 中国标准化. 2018(12)
[6]从文化角度解读德国的创新养老模式[J]. 徐玲. 安徽文学(下半月). 2018(04)
[7]中日养老现状及制度比较分析[J]. 邢韵龄. 中国市场. 2018(06)
[8]基于多目标优化算法NSGA-II推荐相似缺陷报告[J]. 樊田田,许蕾,陈林. 计算机学报. 2019(10)
[9]德国养老护理服务业的发展经验对我国的借鉴[J]. 宋群,焦学利. 中国社会工作. 2017(32)
[10]养老机构现状浅析[J]. 蒋高霞,王琳,吉爱峰. 科技经济导刊. 2017(31)
本文编号：3515561
本文链接：https://www.wllwen.com/shekelunwen/guojiguanxi/3515561.html
