融合知识图谱与用户病情画像的在线医疗社区场景化信息推荐研究

【目的/意义】在现有的信息推荐方法不足的前提下,深入分析知识图谱在健康医疗社区信息推荐中的优势以及健康信息推荐中的不同场景,旨在为不同类型用户提供场景化信息推荐方案。【方法/过程】依据场景划分,搭建基于语义的同主题推荐模型、基于病情画像与用户兴趣的个性化推荐模型以及基于情境感知的信息推荐模型,并对其中具体模型和算法进行了设计与实现。【结果/结论】构建不同场景下的信息推荐模型,推理并输出各类医疗知识和信息,能够辅助渴望获得更为精准的在线健康信息的患者。【创新/局限】提出了融合知识图谱和病情画像的在线医疗社区信息推荐,构建了融合知识图谱和病情画像的在线医疗社区信息推荐方案。仍需进一步强化知识图谱与用户画像的融合应用。

高校移动图书馆的场景化资源推荐服务:要素、模型和技术

高校移动图书馆的场景化资源推荐服务可以满足用户多样性、动态性场景下的不同需求。面向资源推荐的主要场景要素包括用户、兴趣、时间、位置和设备。设计基于Hadoop云平台的高校移动图书馆场景化资源推荐系统模型,采用大数据挖掘技术实现场景建模,采用内存计算技术实现场景化推荐要求的实时计算。

大数据挖掘视角下的图书馆智慧服务——模型、技术和服务

在当前"互联网+"背景下,应用大数据挖掘技术提高知识服务的智能化、个性化、自动化水平,实现智慧性的知识服务是图书馆服务的发展趋势。首先提出基于大数据挖掘的图书馆智慧服务模型,通过用户群挖掘、用户兴趣挖掘、学科和领域知识挖掘、业务关联挖掘来沟通大数据应用和智慧服务需求;然后提出基于Hadoop平台的图书馆大数据挖掘技术支撑体系,为智慧服务应用落地提供技术方案;最后探讨大数据挖掘支持下的场景化知识推荐服务和微知识自动问答服务。