基于大數據分析智能推薦護理員學習路線的推薦算法制造技術

本發明專利技術涉及居家養老服務技術領域，公開了基于大數據分析智能推薦護理員學習路線的推薦算法，包括如下步驟：對于護理員定性，算法會根據護理員的各項屬性通過決策樹決定護理員的最終職業規劃方向；護理員確立職業發展路線后，讓護理員進行第二套問卷和簡單的試題考試，以便于評判當前護理員的學習能力、已有知識、身體素質等情況，為后續的學習路徑做規劃。本發明專利技術中，采用為護理員推薦學習路線和學習課程的方式，讓護理員進行自我學習，可以大大降低線下培養成本，將原本線下學習、線下理論考核與線下實戰考核方式變為線上學習、線上考核與線下實戰考核，此方法將最花時間的線下學習和線下理論考核遷移至線上，大大節約了護理員的培養時間。的培養時間。的培養時間。

【技術實現步驟摘要】
基于大數據分析智能推薦護理員學習路線的推薦算法


[0001]本專利技術涉及居家養老服務
，具體為基于大數據分析智能推薦護理員學習路線的推薦算法。

技術介紹

[0002]隨著出生率的下降，老年人口在整體人口中所占的比例越來越高，單位家庭中對應的養老問題以及需要照顧的老人越來越多，而對應的養老問題卻并沒有隨著社會的發展與之達到同等的高度；在中國政府大力推動下，社區養老模式革新、智慧養老不斷推進、醫養結合成為行業熱點，預計2021年醫養結合行業市場規模將突破1萬億元，未來以居家為基礎、社區為依托、機構為補充、醫養相結合的新的養老服務體系逐步形成，養老金融市場發展將更加完善，對于現有的養老模式，多采用的是線下養老院或線下的實體的養老服務機構以小范圍的服務覆蓋面進行的服務鋪蓋，面對急速擴張的居家養老市場，護理員的培養速度遠小于老人的增加速度，護理員缺口嚴重，估需要一個快速且有效的護理員培養方法來幫助市場培養護理員，以便適應養老護理市場的擴張。

技術實現思路

[0003](一)解決的技術問題
[0004]針對現有技術的不足，本專利技術提供了基于大數據分析智能推薦護理員學習路線的推薦算法，解決了
技術介紹
提出的問題。
[0005](二)技術方案
[0006]為實現上述目的，本專利技術提供如下技術方案：基于大數據分析智能推薦護理員學習路線的推薦算法，包括如下步驟：
[0007]S01、對于護理員定性，算法會根據護理員的各項屬性(包括但不限于年齡、性別、身高、體重、文化水平、身體狀況、工作經驗、專業職稱、疾病史、宗教信仰)通過決策樹決定護理員的最終職業規劃方向；
[0008]S02、護理員確立職業發展路線后，讓護理員進行第二套問卷和簡單的試題考試，以便于評判當前護理員的學習能力、已有知識、身體素質等情況，為后續的學習路徑做規劃；
[0009]S03、在護理員制定好了職業目標和學習路徑后，針對目前護理員的學習情況為護理員推薦相關的課程。
[0010]優選的，所述步驟SO1中訓練決策樹使用的是CART算法，訓練數據收集了上萬個護理員的調查問卷，并過濾掉了無效的調查問卷，所述對于員工i的調查問卷結果表示為其中Q
i
表示i員工的調查問卷，表示第1題的結果，R
i
表示i員工對于其職業發展的最終目標，R
i
＝{r
j
,r
j+1
,r
j+2
,
…
,r
j+k
?1}，其中k表示i員工選擇了k個符合其自身發展的職業目標，最終對于i員工會產生k個數據集：
[0011][0012][0013]…
[0014][0015]在對若干護理員做調查問卷并去除無效問卷后，最終得到的數據記為：
[0016]Q＝{Q1,Q2,
…
,Q
n
}
[0017]其中n表示共有n條數據；
[0018]得到訓練數據后，本方法會基于該訓練數據使用CART算法生成決策樹，一共有m個護理員職業目標，定義第i個目標的概率為p
i
＝P(Y＝r
i
)，定義概率的基尼指數為：
[0019][0020]對于訓練數據集Q，設屬于類r
i
的樣本子集為R
i
，則基尼指數為：
[0021][0022]優選的，所述步驟S02中由于不同的護理員的不一樣，即使最終的職業目標一樣，但其學習路徑也會存在差異，即對于有基礎的護理員或學習能力強的護理員，部分學習結點可以跳過，即對于護理員k的學習路徑為G
k
＝(V
?
V
k
,E)，其中V
k
表示該護理員不需要學習的課程，對于一個護理員是否需要學習課程v
i
使用三層前饋神經網絡進行二分類預測，公式如下：
[0023]y
i
＝Sigmoid(F(Q
i
,v
k
；θ))
[0024]其中y
i
為護理員i對于結點v
k
的預測結果，若y
i
≥0.5表示該護理員需要學習結點v
k
，否則表示該護理員可以跳過結點v
k
的學習。
[0025]優選的，所述步驟S03中通過系統收集過去護理員的一些學習特征，例如學習時長、本環節停留時長、學習頻率、考試成績等特征來對護理員的當前學習狀態編碼，編碼器使用TransformerEncoder，公式如下：
[0026]z
i
＝TransformerEncoder(χ
i
；θ)
[0027]其中z
i
為護理員i當前的學習情況的特征向量表示，χ
i
為護理員的當前學習狀態特征，θ為TransformerEncoder的參數，之后，算法會使用該護理員特征向量與所有的標簽求匹配度，公式如下：
[0028]f(z
i
,l
k
)＝Sigmoid(Dense(Concat(z
i
,BERT(l
k
))))
[0029]其中f(z
i
,l
k
)表示對護理員z
i
特征向量與標簽l
k
的匹配度，Dense為2層的前饋神經網絡，Concat表示將向量連接起來，BERT為文本編碼器，其負責將標簽文本編碼成高維向量，當f(z
i
,l
k
)>0.5時，認為該標簽和當前護理員情況匹配，經過該步驟，會得到護理員的當前狀態的標簽集合
[0030][0031]獲取標簽集合后，與各視頻標簽計算重合率，取其中最大的視頻作為最終的推薦視頻，公式如下：
[0032][0033]其中c表示最終推薦給護理員的課程，argmax表示取值最大的數據的下標，表示c課程的標簽。
[0034](三)有益效果
[0035]與現有技術對比，本專利技術具備以下有益效果：
[0036]1、本專利技術中，采用為護理員推薦學習路線和學習課程的方式，讓護理員進行自我學習，可以大大降低線下培養成本，將原本的線下學習、線下理論考核與線下實戰考核的方式變為線上學習、線上考核與線下實戰考核，此方法將最花時間的線下學習和線下理論考核遷移至線上，大大節約了護理員的培養時間。
[0037]2、本專利技術中，通過使用大數據進行機器學習建模，幫助護理員找準自身定位，規劃未來發展目標，幫助護理員少走彎路，幫助市場培養更高級的護理員，順應市場發展。
附圖說明
[0038]圖1為本專利技術的方法流程圖；
[0039]圖2為本專利技術的實施例補充說明圖。
具體實施方式
[0040]下面將結合本專利技術實施本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.基于大數據分析智能推薦護理員學習路線的推薦算法，其特征在于：包括如下步驟：S01、對于護理員定性，算法會根據護理員的各項屬性(包括但不限于年齡、性別、身高、體重、文化水平、身體狀況、工作經驗、專業職稱、疾病史、宗教信仰)通過決策樹決定護理員的最終職業規劃方向；S02、護理員確立職業發展路線后，讓護理員進行第二套問卷和簡單的試題考試，以便于評判當前護理員的學習能力、已有知識、身體素質等情況，為后續的學習路徑做規劃；S03、在護理員制定好了職業目標和學習路徑后，針對目前護理員的學習情況為護理員推薦相關的課程。2.根據權利要求1所述的基于大數據分析智能推薦護理員學習路線的推薦算法，其特征在于：所述步驟SO1中訓練決策樹使用的是CART算法，訓練數據收集了上萬個護理員的調查問卷，并過濾掉了無效的調查問卷，所述對于員工i的調查問卷結果表示為其中Q
i
表示i員工的調查問卷，表示第1題的結果，R
i
表示i員工對于其職業發展的最終目標，R
i
＝{r
j
,r
j+1
,r
j+2
,
…
,r
j+k
?1}，其中k表示i員工選擇了k個符合其自身發展的職業目標，最終對于i員工會產生k個數據集：合其自身發展的職業目標，最終對于i員工會產生k個數據集：
…
在對若干護理員做調查問卷并去除無效問卷后，最終得到的數據記為：Q＝{Q1,Q2,
…
,Q
n
}其中n表示共有n條數據；得到訓練數據后，本方法會基于該訓練數據使用CART算法生成決策樹，一共有m個護理員職業目標，定義第i個目標的概率為p
i
＝P(Y＝r
i
)，定義概率的基尼指數為：對于訓練數據集Q，設屬于類r
i
的樣本子集為R
i
，則基尼指數為：3.根據權利要求1所述的基于大數據分析智能推薦護理員學習路線的推薦算法，其特征在于：所述步驟S02中由于不同的護理員的不一樣，即使最終的職業目標一樣，但其學習路徑也會存在差異，即對于有基礎的護理員或學習能力強的護理員，部分學習結點可以跳過，即對于護理員k的學習路徑為G
k
＝(V
?
V...

【專利技術屬性】
技術研發人員：袁翔，朱兵，趙鴻飛，周嘉衍，侯曉宇，雷潔，
申請(專利權)人：福壽康智慧上海醫療養老服務有限公司，
類型：發明
國別省市：