| 基于多源情境协同感知的药品推荐 |
| |
| 引用本文： | 郑值, 徐童, 秦川, 廖祥文, 郑毅, 刘同柱, 童贵显. 基于多源情境协同感知的药品推荐[J]. 计算机研究与发展, 2020, 57(8): 1741-1754. DOI: 10.7544/issn1000-1239.2020.20200149 |
| |
| 作者姓名： | 郑值 徐童 秦川 廖祥文 郑毅 刘同柱 童贵显 |
| |
| 作者单位： | 1.1(中国科学技术大学计算机学院 合肥 230027);2.2(福州大学数学与计算机科学学院 福州 350116);3.3(华为技术有限公司 杭州 310051);4.4(中国科学技术大学附属第一医院 合肥 230027) (zhengzhi97@mail.ustc.edu.cn) |
| |
| 基金项目： | 国家重点研发计划项目(2018YFB1004300)；国家自然科学基金项目(U1605251,61703386)；中央高校基本科研业务费专项资金(WK9110000014)；安徽省重点研发计划项目(1804b06020377) |
| |
| 摘 要： | 电子医疗记录的快速积累与数据分析技术的日益成熟，为实现包含智能诊断与药品推荐等功能的智慧医疗服务奠定了基础.然而，电子病历的精简性与患者症状描述的模糊性，导致诊断模型容易受到高发疾病与常见症状的干扰，从而无法支撑细粒度的诊断与处方，在药品推荐上缺乏针对性.与此同时，病情描述以外的许多情境信息，如患者的性别、年龄等个人信息，诊疗过程、检查结果等记录信息，以及所在地的天气、温差等外部信息等，也对于细化对于患者的诊断和处方有着重要的辅助作用.然而，这些多源异构信息往往难以被现有技术所有效提取与整合，从而限制了病情诊断与药品推荐的有效性.针对这一问题，提出了一种基于多源情境协同感知的药品推荐方法，在有效整合多源异构情境信息的基础上，为实现病情诊断与药品推荐提供了具有可解释性的依据.具体而言，首先使用词袋模型对病历和相应的情境数据进行处理，然后设计了一种基于LDA模型的情境主题模型Medicine-LDA，在融合患者病情描述与相应情境信息的同时，有效缓解了情境信息组合爆炸的问题.基于某大型三甲医院的电子病历数据集上的对比实验证明了该方法的有效性与鲁棒性.
|
| 关 键 词： | 情境感知 药品推荐 主题模型 多标签学习 推荐系统 |
Multi-Source Contextual Collaborative Recommendation for Medicine |
| |
| Zheng Zhi, Xu Tong, Qin Chuan, Liao Xiangwen, Zheng Yi, Liu Tongzhu, Tong Guixian. Multi-Source Contextual Collaborative Recommendation for Medicine[J]. Journal of Computer Research and Development, 2020, 57(8): 1741-1754. DOI: 10.7544/issn1000-1239.2020.20200149 |
| |
| Authors: | Zheng Zhi Xu Tong Qin Chuan Liao Xiangwen Zheng Yi Liu Tongzhu Tong Guixian |
| |
| Affiliation: | 1.1(School of Computer Science and Technology, University of Science and Technology of China, Hefei 230027);2.2(College of Mathematics and Computer Science, Fuzhou University, Fuzhou 350116);3.3(Huawei Technologies., Hangzhou 310051);4.4(The First Affiliated Hospital of the University of Science and Technology of China, Hefei 230027) |
| |
| Abstract: | |
| |
| Keywords: | context-aware medicine recommendation topic model multi-label learning recommender system |
|
| 点击此处可从《计算机研究与发展》浏览原始摘要信息 |
|
点击此处可从《计算机研究与发展》下载全文 |
