15、基于协同过滤技术的医疗服务提供者推荐系统

基于协同过滤技术的医疗服务提供者推荐系统

1. 引言

健康信息系统（HIS）正逐渐成为提供医疗服务的重要媒介。如今，大量的健康数据分散在互联网的各个网站上。患者在寻找合适的医疗服务提供者（如医生、诊所、治疗中心等）时，可能会面临选择过多和信息可靠性的问题。“选择过载”是指当消费者面临过多选择时出现的认知障碍，导致人们难以做出决策。2020 年，Software Advice 对 1000 名患者进行的一项研究表明，71%的人将在线评价作为寻找新医生的第一步。像 Yelp 这样的互联网评价网站不仅对医疗服务提供者的声誉产生了越来越大的影响，也影响了患者的决策过程。

医疗服务提供者推荐系统（HPRS）被视为医疗决策过程中的补充工具。这些系统的主要目标是提高技术可用性、减少过程知识过载，并找到适应性强、可靠且相关的健康信息。它们主要用于过滤大量数据，通过根据用户的偏好为用户提供相关项目来缓解选择过载问题。这些偏好可以直接从用户的历史数据中提取，也可以通过查看类似用户的历史数据间接获得。这些系统的协作性质在一定程度上确保了生成的推荐是可靠的。

主要贡献如下：
- 探讨 HPRS 的背景，以理解和开发高效的系统。
- 强调 HPRS 的三种开发方式，如基于协同过滤（CF）的系统、基于内容过滤的系统和基于混合方式的系统。
- 重新定义深入研究机器学习以形成便于医疗服务的 HPRS 的灵感。
- 探索相关领域的最新研究，并对工作进行分析。
- 测试和评估其他技术，如共聚类和斜率一方法在 HPRS 中的应用。

2. 研究背景

此前有多项旨在推荐医疗服务提供者的研究。例如：
- Narducci