System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現步驟摘要】
本專利技術涉及醫療服務推薦領域,具體而言,涉及一種基于霍克斯過程與gnn(graphneural?network,圖神經網絡)的醫療服務推薦模型構建方法、設備及應用。
技術介紹
1、隨著移動互聯網的發展,用戶越來越習慣在網絡上分享自己的線下消費經歷,但是出于對自己隱私的保護,用戶并不會在每一次對醫療服務的訪問后,都在網絡上記錄和分享該醫療服務經歷,使得醫療服務推薦比傳統的推薦面臨更加嚴峻的數據稀疏問題。
2、由于用戶就診行為的稀疏度相對較高,推薦系統難以從有限的數據中捕捉到用戶的偏好和行為模式,這直接影響了推薦效果的準確性和個性化程度。同時,傳統的序列推薦模型對于高階交互行為信息的利用存在不足,無法深入挖掘和利用復雜的行為數據來優化推薦結果。這兩大問題相互交織,共同制約了推薦系統性能的提升,使得用戶難以獲得滿意的推薦體驗。因此,如何降低數據稀疏性的影響并改進傳統推薦模型以更好地利用高階交互行為信息,成為了提升醫療服務推薦系統效果的關鍵挑戰。
技術實現思路
1、本專利技術針對現有技術的不足,提供了一種基于霍克斯過程與gnn的醫療服務推薦模型構建方法、設備及應用。
2、本專利技術的第一方面,提供了基于霍克斯過程與gnn(graph?neural?network,圖神經網絡)的醫療服務推薦模型構建方法,該方法包括以下步驟:
3、s1.初始化用戶嵌入表征和醫療服務嵌入表征;
4、s2.構建多層嵌入傳播層,組成基于圖神經網絡(graph?neu
5、s3.由用戶信息編碼器捕捉圖結構中的協同過濾信息并優化用戶和醫療服務的嵌入表征;
6、通過嵌入傳播以高階連通性的形式顯示地編碼協作信息,來學習用戶和醫療服務之間復雜的連接關系;
7、s4.融合用戶的長期和短期需求偏好,并計算長期需求偏好權重和短期需求偏好權重;
8、s5.根據用戶在某時刻對醫療服務的偏好,給定用戶最近的醫療服務就診序列;
9、s6.利用結合圖神經網絡的霍克斯過程對每個用戶的醫療服務就診序列進行建模。
10、本專利技術的第二方面,提供了一種所述模型在醫療服務推薦中的應用。
11、本專利技術的第三方面,提供了一種計算機可讀存儲介質,包括指令,當其在計算機上運行時,使得計算機執行所述的基于霍克斯過程與gnn的醫療服務推薦模型構建方法。
12、本專利技術的第四方面,提供了一種基于霍克斯過程與gnn的醫療服務推薦模型構建設備,包括存儲器、處理器以及存儲在所述存儲器中并能在所述處理器上運行的計算機程序,其特征在于:所述處理器執行所述計算機程序時實現基于霍克斯過程與gnn的醫療服務推薦模型構建方法。
13、本專利技術的有益效果:
14、本專利技術能夠綜合考慮用戶的歷史行為、時間因素以及地理位置的相互影響,為用戶推薦精準、個性化的醫療服務,在位置服務相關的推薦系統中具有廣泛的應用前景,其特別適用于個性化醫療服務推薦領域。具體而言,在醫療服務領域,本專利技術所建立的mhp-g模型可以根據用戶過去的醫療服務就診記錄和習慣,結合時空點過程分析用戶的需求與時空行為模式,進而推薦適合用戶需求的醫療服務。
本文檔來自技高網...【技術保護點】
1.基于霍克斯過程與GNN的醫療服務推薦模型構建方法,其特征在于該方法包括以下步驟:
2.根據權利要求1所述的方法,其特征在于:S2具體是:
3.根據權利要求1所述的方法,其特征在于:S3具體是:
4.根據權利要求1所述的方法,其特征在于:S4中利用基于注意力的自適應方法融合用戶的長、短期需求偏好。
5.根據權利要求1所述的方法,其特征在于:S6具體是:
6.根據權利要求5所述的方法,其特征在于:所構建模型表達式如下:
7.根據權利要求4所述的方法,其特征在于:
8.一種權利要求1至7中任一項所述模型在醫療服務推薦中的應用。
9.一種計算機可讀存儲介質,包括指令,當其在計算機上運行時,使得計算機執行如權利要求1-7任意一項所述的基于霍克斯過程與GNN的醫療服務推薦模型構建方法。
10.一種基于霍克斯過程與GNN的醫療服務推薦模型構建設備,包括存儲器、處理器以及存儲在所述存儲器中并能在所述處理器上運行的計算機程序,其特征在于:所述處理器執行所述計算機程序時實現如權利要求1-7
...【技術特征摘要】
1.基于霍克斯過程與gnn的醫療服務推薦模型構建方法,其特征在于該方法包括以下步驟:
2.根據權利要求1所述的方法,其特征在于:s2具體是:
3.根據權利要求1所述的方法,其特征在于:s3具體是:
4.根據權利要求1所述的方法,其特征在于:s4中利用基于注意力的自適應方法融合用戶的長、短期需求偏好。
5.根據權利要求1所述的方法,其特征在于:s6具體是:
6.根據權利要求5所述的方法,其特征在于:所構建模型表達式如下:
7.根據權利要求4所述的方法,...
【專利技術屬性】
技術研發人員:趙蕾,陳學志,黎培城,王東京,洪展陽,鄧水光,
申請(專利權)人:三亞市中醫院,
類型:發明
國別省市:
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。