基于用户历史瓦片浏览记录的兴趣点智能搜索方法优化研究

在网上各种信息呈现爆炸式增长的背景下,传统方法往往难以顾及用户兴趣,而导致查询无法体现个性化。针对这一问题提出一种基于用户历史瓦片浏览记录的兴趣点智能搜索方法。首先对智慧城市平台下的用户历史瓦片浏览记录数据进行分析,并以热力图可视化形式展现出用户关注的热点区域,得出空间热度;然后根据属性查询中加入空间热度影响因子来影响兴趣点搜索结果,使搜索结果更加符合用户搜索意图,针对热点区域给不同用户以相应服务;以滕州市兴趣点为实验数据,使用Elasticsearch构建索引数据库,采用Web前端技术搭建搜索框架,经过实验对比分析发现,该方法能够有效地提高搜索的查准率,并且可随着数据量的丰富变得更加智能化。

基于兴趣衰减的个性化排序算法

目前多数个性化排序算法未考虑用户兴趣随时间产生的漂移变化,从而影响排序质量。为此,提出一种融合用户兴趣衰减的个性化排序算法。利用传统个性化排序算法的用户兴趣模型,及用户搜索兴趣的变化规律,分析搜索兴趣程度的时间衰减性,以人类遗忘曲线为基础给出适合搜索兴趣变化的指数遗忘函数,并将其运用到传统个性化排序算法中。实验结果表明,与基于兴趣模型的个性化排序算法相比,该算法能提高个性化搜索引擎的查准率。

基于AISAS模式的“互联网+”管理对中青年高血压患者健康促进生活方式的作用

目的探讨基于注意力-兴趣-信息搜索-行动-信息分享(AISAS)模式的“互联网+”管理对中青年高血压患者健康促进生活方式的作用。方法本研究采用前瞻性随机对照试验,将2021年1月—2023年1月在南昌大学第一附属医院心血管内科住院治疗的212例中青年高血压患者按照随机数字表方法分为“互联网+”管理组和常规管理组,各106例。常规管理组给予常规管理干预,“互联网+”管理组采用基于AISAS模式的“互联网+”管理模式干预,时间各为12个月。在患者出院前1天、出院后6个月及12个月时,分别采用中文版健康促进生活方式量表(HPLP-IIC)评估健康促进生活方式水平;采用健康相关生活质量量表(SF-36)评价患者生活质量;采用高血压治疗依从性问卷(TASHP)评价患者治疗依从性。结果两组患者的HPLP-IIC、SF-36和TASHP评分均随出院时间增加而增加(均P<0.05)。出院后6个月和12个月时,“互联网+”管理组的HPLP-IIC评分、SF-36评分、TASHP评分分别为(117.58±16.43)和(134.37±20.25)分、(79.58±5.43)和(84.37±3.25)分、(101.84±6.32)和(115.37±4.25)分,均显著高于常规管理组的(96.25±13.74)和(108.05±14.73)分、(61.25±5.09)和(78.05±4.37)分、(81.05±5.37)和(94.68±3.37)分(均P<0.001);“互联网+”管理组的收缩压、舒张压分别为(128.52±4.02)和(126.81±2.34)mmHg(1 mmHg=0.133 kPa)、(81.84±6.32)和(79.37±4.25)mmHg,均显著低于常规管理组的(133.09±5.16)和(133.35±2.57)mmHg、(85.68±7.15)和(86.05±5.37)mmHg(均P<0.001);“互联网+”管理组收缩压、舒张压下降幅度[(-4.43±1.19)和(-6.14±2.01)mmHg、(-3.75±1.71)和(-6.22±2.38)mmHg]也均显著高于常规管理组[(-1.28±0.75)和(-1.02±0.26)mmHg、(-1.05±0.62)和(-0.68±0.29)mmHg](均P<0.001)。结论基于AISAS模式的“互联网+”管理模式可通过提高中青年高血压患者生活方式,提高其依从性和生活质量来控制血压。