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。选择过多，也被称为“选择过载”，是一种认知障碍，当消费者面临过多选择时就会出现，导致人们难以做出决策。根据2020年Software Advice对1000名患者的研究，71%的人在寻找新医生时首先会查看在线评价。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越来越大的影响，也影响着患者的决策过程。

医疗服务提供者推荐系统（HPRS）在这种情况下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，并找到自适应、可靠和相关的健康信息。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，即基于协同过滤（CF）的系统、基于内容过滤的系统和混合方式的系统。
- 重新定义深入研究机器学习以形成便于医疗设施的HPRS的灵感。
- 探索相关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

此前有多项关于推荐医疗服务提供者的研究。例如：
- Narducci等人提出了基于患者症