CN109190029B - 云端智能信息推送平台工作方法 - Google Patents

云端智能信息推送平台工作方法 Download PDF

Info

Publication number
CN109190029B
CN109190029B CN201810962861.6A CN201810962861A CN109190029B CN 109190029 B CN109190029 B CN 109190029B CN 201810962861 A CN201810962861 A CN 201810962861A CN 109190029 B CN109190029 B CN 109190029B
Authority
CN
China
Prior art keywords
information
patient
data set
retrieval
retrieving
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810962861.6A
Other languages
English (en)
Other versions
CN109190029A (zh
Inventor
刘玉蓉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CHINESE FOOD ANHONG (GUANGDONG) HEALTH INDUSTRY Co.,Ltd.
Original Assignee
Chinese Food Anhong Guangdong Health Industry Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chinese Food Anhong Guangdong Health Industry Co ltd filed Critical Chinese Food Anhong Guangdong Health Industry Co ltd
Priority to CN201810962861.6A priority Critical patent/CN109190029B/zh
Publication of CN109190029A publication Critical patent/CN109190029A/zh
Application granted granted Critical
Publication of CN109190029B publication Critical patent/CN109190029B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Public Health (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Networks & Wireless Communication (AREA)

Abstract

本发明提出了一种云端智能信息推送平台工作方法，包括如下步骤：S1，患者进行用户注册，将注册信息发送到云端服务器进行汇总收集，注册完成后的患者登录进入智能信息推送平台；S2，进入平台之后，患者发送信息搜索请求，对具有相似度的信息进行聚类整合形成聚类算法目标函数，通过患者所在科室进行推荐算法信息筛选；S3，通过推荐信息筛选之后获得筛选后的集成信息，通过患者所处的信息接口进行信息推送。

Description

云端智能信息推送平台工作方法
技术领域
本发明涉及计算机数据挖掘领域，尤其涉及一种云端智能信息推送平台工作方法。
背景技术
随着医疗体系的不断建立完善，患者在医院就医过程中需要全方位的信息服务，尤其是行动不便的患者最需要生活物品以及娱乐文化来进行恢复保养，从而尽快的从病痛之中解脱出来，这样也能尽快的腾出床位让新患者进行就医治疗，有效的解决医患矛盾，但是患者在就医卧床过程中所需要的信息服务，现有的医患工具无法满足实现其日益丰富的需求，这就亟需本领域技术人员解决相应的技术问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种云端智能信息推送平台工作方法。
为了实现本发明的上述目的，本发明提供了一种云端智能信息推送平台工作方法，包括如下步骤：
S1，患者进行用户注册，将注册信息发送到云端服务器进行汇总收集，注册完成后的患者登录进入智能信息推送平台；
S2，进入平台之后，患者发送信息搜索请求，对具有相似度的信息进行聚类整合形成聚类算法目标函数，通过患者所在科室进行推荐算法信息筛选；
S2-1，通过如下公式进行优化聚类计算，通过高斯混合模型的优化聚类算法计算聚类因子qs的推荐概率Q(qs＝h|i,j,k)，h为检索信息类别，i、j、k为患者检索信息元素，i＞j且i+j＝k，实现条件聚类函数的构建，利用推荐概率公式进行计算优化聚类信息：
Figure BDA0001774216410000021
其中，上标T分别为(xi-αi)和(yj-αj)的转置，ui为患者检索信息元素i作为样本特征的均值，vj为患者检索信息元素j作为样本特征的均值，xi为患者检索信息元素i的示例，yj为患者检索信息元素j的示例，αi为患者检索信息元素i的隐含变量，αj为患者检索信息元素j的隐含变量；
E(Qi(k)||Qj(k))为云端服务器构造的关联特征数据集，Qi(k)为总体检索信息k中患者检索信息元素i的数据集，Qj(k)为总体检索信息k中患者检索信息元素j的数据集，λi,j为患者检索信息元素i和j的后验概率，m、n为正整数；其中马氏距离计算公式
Figure BDA0001774216410000022
中M为xi,yj的协方差矩阵，
Figure BDA0001774216410000023
为患者检索信息元素i示例的特征向量，
Figure BDA0001774216410000024
为患者检索信息元素j示例的特征向量，Φi为患者检索信息元素i的类别判断比率，Φj为患者检索信息元素j的类别判断比率；
S3，通过推荐信息筛选之后获得筛选后的集成信息，通过患者所处的信息接口进行信息推送。
所述的云端智能信息推送平台工作方法，优选的，所述S2包括：
S2-2，通过如下公式进行监督计算，获得准确的患者推送信息，在患者检索信息元素中形成准确率和召回率，
其推荐算法定义为：
Figure BDA0001774216410000031
其中，p为推荐信息的总分类数，则先验准确率为H(Ar,Br)＝z'r/zr，其中Ar为第一推荐数据组，Br为第二推荐数据组，Cr为第三推荐数据组和Dr为第四推荐数据组，zr为Ar第一推荐数据组和Br第二推荐数据组中总的检索信息聚类数，z'r为Ar第一推荐数据组和Br第二推荐数据组中经过筛选的聚类数，后验准确率为H(Cr,Dr)＝g'r/gr，其中gr为Cr第三推荐数据组和Dr第四推荐数据组中总的检索信息聚类数，g'r为Cr第三推荐数据组和Dr第四推荐数据组中经过筛选的聚类数，先验召回率为I(Ar,Br)＝f'r/fr，其中fr为Ar第一推荐数据组和Br第二推荐数据组中总的检索信息召回数，f'r为Ar第一推荐数据组和Br第二推荐数据组中经过筛选的召回数，后验召回率为H(Cr,Dr)＝w'r/wr，其中wr为Cr第三推荐数据组和Dr第四推荐数据组中总的检索信息召回数，w'r为Cr第三推荐数据组和Dr第二四推荐数据组中经过筛选的召回数；
经过计算之后形成信息推送的评分值，根据形成的检索信息目标函数的权重，设置患者需要获取检索数据的推荐阈值。
所述的云端智能信息推送平台工作方法，优选的，所述S3包括：
S3-1，患者发出检索信息元素通过推荐算法选择操作，根据预设的云端服务器数据库中是否存储有所获取的检索信息，若确定所述数据库中存储有所述检索信息，则从所述数据库中提取与所述检索信息所对应的应用程序或者执行程序；以及从所述应用程序或者执行程序中提取与检索信息相关联的关键词；
对所述检索信息相关联的关键词进行分割，得到多个分割词；从而计算各个分割词与检索信息相关联的关键词的相似度；将与所述检索信息相关联的关键词的相似度大于预设相似度阈值的分割词作为与所述应用程序或者执行程序对应的程序；
S3-2，根据患者发送检索信息元素确定该检索信息元素属于哪种类别，其中，计算针对检索信息元素的类别，若当前类别对应的检索信息元素属于对应的患者推送信息节点，则进行推送处理，如果不属于该患者推送信息节点，则否；
根据患者的历史检索时间轨迹；从所述患者的历史检索时间轨迹中确定相应的停留区域时间，各所述实时停留时间小于预设停留阈值，从而获取患者检索信息时间区间，在该时间区间进行信息加量推送；
S3-3，计算患者发送检索信息元素集中时间点与历史时间点之间的时间差值；判断该时间差值是否大于预设时间阈值，当该时间差值大于预设时间阈值，计算该差值并将患者发送检索信息元素集中时间点调整到历史时间点，否则当该时间差值小于等于预设时间阈值，根据患者的历史运动轨迹中该参考点之后的下一个最近邻轨迹点作为参考点，从患者检索信息元素发出的的历史时间获取患者的所在科室，向该患者的账户发送确认请求信息，请求患者确认是否同意推送兴趣信息，如果患者确认该推送信息执行操作，云端服务器根据推荐算法发送推送信息，否则，如果患者未确认该推送信息执行操作，云端服务器不发送推送信息。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
通过归类整理相应患者的需求，从而提取出具有针对性的特征数据，从而推送给该需求的患者，通过收集模型归类的数据能够准确的获取不同患者的不同信息需求，然后通过推送模块进行定点推送以及准确发表相应患者的需求信息，从而有利于患者及时完成相应需求痛点，帮助患者获取准确信息，经过归类模型筛选之后的数据具有极强的鲁棒性，对于推送平台提供了良好的参考作用。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明方法流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
如图1所示，一种云端智能信息推送平台工作方法，包括如下步骤：
S1，患者进行用户注册，将注册信息发送到云端服务器进行汇总收集，注册完成后的患者登录进入智能信息推送平台；
S2，进入平台之后，患者发送信息搜索请求，对具有相似度的信息进行聚类整合形成聚类算法目标函数，通过患者所在科室进行推荐算法信息筛选；
S3，通过推荐信息筛选之后获得筛选后的集成信息，通过患者所处的信息接口进行信息推送。
优选的，所述S1包括：
S1-1，患者根据自己的症状选择匹配的科室信息后，进行身份验证，通过注册接口进行信息录入，进行视频采集以及密码口令设置，形成该患者的身份认证信息，每个不同的科室的患者以及历史住院患者的数据全部上传到云端服务器；
S1-2，患者注册成功之后，发布医疗诊断服务信息、娱乐服务信息、订餐服务信息、购买日用品服务信息和药物购买服务信息；
在医疗诊断服务信息中患者根据医疗诊断信息导航指引，通过医疗数据进行男科、妇科、内科、外科、五官科、妇产科、皮肤科、儿科、中医、肿瘤科、精神心理科和骨科服务信息选择，患者每次的选择请求都会记录在任务时间戳中，任务时间戳和选取的任务内容同步上传至云端服务器；
在娱乐服务信息中患者根据娱乐信息导航指引，进入新闻、电视、电影、网络视频、音频广播、医学百科知识学习和互动游戏信息中，为患者提供消磨时间，减少住院期间无聊带来的烦躁情绪；
在订餐服务信息中患者根据订餐信息导航指引，进入食堂叫餐、外卖叫餐、菜单信息、菜品图片、菜品名称及菜品价格，点击菜品弹出菜品详细介绍界面，选择相应的份数，点击立即下单按钮，叫餐预约即可成功；
在购买日用品服务信息中患者根据日用品信息导航指引，进入生活归类、洗漱用品、加电五金、内衣服装和休闲舒适服装，点击日用品弹出详细介绍界面，选择相应的份数和种类，点击立即下单按钮，日用品购买即可成功；
在购买药物服务信息中患者根据药物信息导航指引，进入药物种类、口服或者注射、选择剂量和选择疗程，点击药物弹出详细介绍界面，选择相应的份数和种类，点击立即下单按钮，药物购买即可成功；
S1-3，所述患者检索数据值减去预设数据值得到的差值与零进行比较，判断所述检索数据值是否大于或等于预设数据值，其中，所述预设数据值为该科室患者检索频率最高的数据值；当所述检索数据值大于或等于所述预设数据值时，实时发布初级检索信息到该患者；当所述检索数据值小于所述预设数据值时，判断所述预设数据值减去所述检索数据值的差值是否小于或等于预设差值；
当该预设数据值减去所述检索数据值的差小于或等于所述预设差值时，实时发布高级检索信息到该患者；高级检索信息用于所述预设数据值与所述检索数据值之间的差到该患者推荐检索的信息栏中进行收集；向该患者推荐高级检索信息与该预设数据值和该检索数据值之间的差相匹配的检索信息。
优选的，所述S2包括：
S2-1，通过如下公式进行优化聚类计算，通过高斯混合模型的优化聚类算法计算聚类因子qs的推荐概率Q(qs＝h|i,j,k)，h代表检索信息类别，i、j、k为患者检索信息元素，i＞j且i+j＝k，实现条件聚类函数的构建，利用推荐概率公式进行计算优化聚类信息：
Figure BDA0001774216410000071
其中，上标T为(xi-αi)和(yj-αj)的转置，ui为患者检索信息元素i作为样本特征的均值，vj为患者检索信息元素j作为样本特征的均值，xi为患者检索信息元素i的示例，yj为患者检索信息元素j的示例，αi为患者检索信息元素i的隐含变量，αj为患者检索信息元素j的隐含变量；
E(Qi(k)||Qj(k))为云端服务器构造的关联特征数据集，Qi(k)为总体检索信息k中患者检索信息元素i的数据集，Qj(k)为总体检索信息k中患者检索信息元素j的数据集，λi,j为患者检索信息元素i和j的后验概率，m、n为正整数；其中马氏距离计算公式
Figure BDA0001774216410000072
中M为xi,yj的协方差矩阵，
Figure BDA0001774216410000073
为患者检索信息元素i示例的特征向量，
Figure BDA0001774216410000074
为患者检索信息元素j示例的特征向量，Φi为患者检索信息元素i的类别判断比率，Φj为患者检索信息元素j的类别判断比率；
S2-2，通过如下公式进行监督计算，获得准确的患者推送信息，在患者检索信息元素中形成准确率和召回率，
其推荐算法定义为：
Figure BDA0001774216410000081
其中，p为推荐信息的总分类数，则先验准确率为H(Ar,Br)＝z'r/zr，其中Ar为第一推荐数据组，Br为第二推荐数据组，Cr为第三推荐数据组和Dr为第四推荐数据组，zr为Ar第一推荐数据组和Br第二推荐数据组中总的检索信息聚类数，z'r为Ar第一推荐数据组和Br第二推荐数据组中经过筛选的聚类数，后验准确率为H(Cr,Dr)＝g'r/gr，其中gr为Cr第三推荐数据组和Dr第四推荐数据组中总的检索信息聚类数，g'r为Cr第三推荐数据组和Dr第四推荐数据组中经过筛选的聚类数，先验召回率为I(Ar,Br)＝f'r/fr，其中fr为Ar第一推荐数据组和Br第二推荐数据组中总的检索信息召回数，f'r为Ar第一推荐数据组和Br第二推荐数据组中经过筛选的召回数，后验召回率为H(Cr,Dr)＝w'r/wr，其中wr为Cr第三推荐数据组和Dr第四推荐数据组中总的检索信息召回数，w'r为Cr第三推荐数据组和Dr第二四推荐数据组中经过筛选的召回数；
经过计算之后形成信息推送的评分值，根据形成的检索信息目标函数的权重，设置患者需要获取检索数据的推荐阈值。
优选的，所述S3包括：
S3-1，患者发出检索信息元素通过推荐算法选择操作，根据预设的云端服务器数据库中是否存储有所获取的检索信息，若确定所述数据库中存储有所述检索信息，则从所述数据库中提取与所述检索信息所对应的应用程序或者执行程序；以及从所述应用程序或者执行程序中提取与检索信息相关联的关键词；
对所述检索信息相关联的关键词进行分割，得到多个分割词；从而计算各个分割词与检索信息相关联的关键词的相似度；将与所述检索信息相关联的关键词的相似度大于预设相似度阈值的分割词作为与所述应用程序或者执行程序对应的程序。
S3-2，根据患者发送检索信息元素确定该检索信息元素属于哪种类别，其中，计算针对检索信息元素的类别，若当前类别对应的检索信息元素属于对应的患者推送信息节点，则进行推送处理，如果不属于该患者推送信息节点，则否；
根据患者的历史检索时间轨迹；从所述患者的历史检索时间轨迹中确定相应的停留区域时间，各所述实时停留时间小于预设停留阈值，从而获取患者检索信息时间区间，在该时间区间进行信息加量推送；
S3-3，计算患者发送检索信息元素集中时间点与历史时间点之间的时间差值；判断该时间差值是否大于预设时间阈值，当该时间差值大于预设时间阈值，计算该差值并将患者发送检索信息元素集中时间点调整到历史时间点，否则当该时间差值小于等于预设时间阈值，根据患者的历史运动轨迹中该参考点之后的下一个最近邻轨迹点作为参考点，从患者检索信息元素发出的的历史时间获取患者的所在科室，向该患者的账户发送确认请求信息，请求患者确认是否同意推送兴趣信息，如果患者确认该推送信息执行操作，云端服务器根据推荐算法发送推送信息，否则，如果患者未确认该推送信息执行操作，云端服务器不发送推送信息。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (4)

1.一种云端智能信息推送平台工作方法，其特征在于，包括如下步骤：
S1，患者进行用户注册，将注册信息发送到云端服务器进行汇总收集，注册完成后的患者登录进入智能信息推送平台；
S2，进入平台之后，患者发送信息搜索请求，对具有相似度的信息进行聚类整合形成聚类算法目标函数，通过患者所在科室进行推荐算法信息筛选；
S2-1，通过如下公式进行优化聚类计算，通过高斯混合模型的优化聚类算法计算聚类因子qs的推荐概率Q(qs＝h|i,j,k)，h为检索信息类别，i、j、k为患者检索信息元素，i＞j且i+j＝k，实现条件聚类函数的构建，利用推荐概率公式进行计算优化聚类信息：
Figure FDA0003151358260000011
其中，上标T分别为(xi-αi)和(yj-αj)的转置，ui为患者检索信息元素i作为样本特征的均值，vj为患者检索信息元素j作为样本特征的均值，xi为患者检索信息元素i的示例，yj为患者检索信息元素j的示例，αi为患者检索信息元素i的隐含变量，αj为患者检索信息元素j的隐含变量；
E(Qi(k)||Qj(k))为云端服务器构造的关联特征数据集，Qi(k)为总体检索信息k中患者检索信息元素i的数据集，Qj(k)为总体检索信息k中患者检索信息元素j的数据集，λi,j为患者检索信息元素i和j的后验概率，m、n为正整数；其中马氏距离计算公式
Figure FDA0003151358260000012
中M为xi,yj的协方差矩阵，
Figure FDA0003151358260000013
为患者检索信息元素i示例的特征向量，
Figure FDA0003151358260000014
为患者检索信息元素j示例的特征向量，Φi为患者检索信息元素i的类别判断比率，Φj为患者检索信息元素j的类别判断比率；
S2-2，通过如下公式进行监督计算，获得准确的患者推送信息，在患者检索信息元素中形成准确率和召回率，
其推荐算法定义为：
Figure FDA0003151358260000021
其中，p为推荐信息的总分类数，则先验准确率为H(Ar,Br)＝z'r/zr，其中Ar为第一推荐数据组，Br为第二推荐数据组，Cr为第三推荐数据组和Dr为第四推荐数据组，zr为Ar第一推荐数据组和Br第二推荐数据组中总的检索信息聚类数，z'r为Ar第一推荐数据组和Br第二推荐数据组中经过筛选的聚类数，后验准确率为H(Cr,Dr)＝g'r/gr，其中gr为Cr第三推荐数据组和Dr第四推荐数据组中总的检索信息聚类数，g'r为Cr第三推荐数据组和Dr第四推荐数据组中经过筛选的聚类数，先验召回率为I(Ar,Br)＝fr'/fr，其中fr为Ar第一推荐数据组和Br第二推荐数据组中总的检索信息召回数，fr'为Ar第一推荐数据组和Br第二推荐数据组中经过筛选的召回数，后验召回率为H(Cr,Dr)＝w'r/wr，其中wr为Cr第三推荐数据组和Dr第四推荐数据组中总的检索信息召回数，w'r为Cr第三推荐数据组和Dr第二四推荐数据组中经过筛选的召回数；
经过计算之后形成信息推送的评分值，根据形成的检索信息目标函数的权重，设置患者需要获取检索数据的推荐阈值；
S3，通过推荐信息筛选之后获得筛选后的集成信息，通过患者所处的信息接口进行信息推送。
2.根据权利要求1所述的云端智能信息推送平台工作方法，其特征在于，所述S3包括：
S3-1，患者发出检索信息元素通过推荐算法选择操作，根据预设的云端服务器数据库中是否存储有所获取的检索信息，若确定所述数据库中存储有所述检索信息，则从所述数据库中提取与所述检索信息所对应的应用程序或者执行程序；以及从所述应用程序或者执行程序中提取与检索信息相关联的关键词。
3.根据权利要求2所述的云端智能信息推送平台工作方法，其特征在于，所述S3还包括：
S3-2，根据患者发送检索信息元素确定该检索信息元素属于哪种类别，其中，计算针对检索信息元素的类别，若当前类别对应的检索信息元素属于对应的患者推送信息节点，则进行推送处理，如果不属于该患者推送信息节点，则否。
4.根据权利要求2所述的云端智能信息推送平台工作方法，其特征在于，所述S3还包括：
S3-3，计算患者发送检索信息元素集中时间点与历史时间点之间的时间差值；判断该时间差值是否大于预设时间阈值，当该时间差值大于预设时间阈值，计算该时间差值并将患者发送检索信息元素集中时间点调整到历史时间点，否则当该时间差值小于等于预设时间阈值，云端服务器根据推荐算法发送推送信息，否则，如果患者未确认该推送信息执行操作，云端服务器不发送推送信息。
CN201810962861.6A 2018-08-22 2018-08-22 云端智能信息推送平台工作方法 Active CN109190029B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810962861.6A CN109190029B (zh) 2018-08-22 2018-08-22 云端智能信息推送平台工作方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810962861.6A CN109190029B (zh) 2018-08-22 2018-08-22 云端智能信息推送平台工作方法

Publications (2)

Publication Number Publication Date
CN109190029A CN109190029A (zh) 2019-01-11
CN109190029B true CN109190029B (zh) 2021-09-28

Family

ID=64919540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810962861.6A Active CN109190029B (zh) 2018-08-22 2018-08-22 云端智能信息推送平台工作方法

Country Status (1)

Country Link
CN (1) CN109190029B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111161012B (zh) * 2019-12-05 2020-10-02 广州二空间信息服务有限公司 一种信息推送方法、装置及计算机设备
CN114399058B (zh) * 2022-03-25 2022-06-10 腾讯科技（深圳）有限公司 一种模型更新的方法、相关装置、设备以及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102591873A (zh) * 2011-01-12 2012-07-18 腾讯科技（深圳）有限公司 一种信息推荐方法和设备
CN103440873A (zh) * 2013-08-27 2013-12-11 大连理工大学 一种基于相似性的音乐推荐方法
CN104615741A (zh) * 2015-02-12 2015-05-13 福建金科信息技术股份有限公司 一种基于云计算的冷启动项目推荐的方法及装置
CN104636496A (zh) * 2015-03-04 2015-05-20 重庆理工大学 基于高斯分布和距离相似度的混合聚类的推荐方法
CN106446575A (zh) * 2016-10-12 2017-02-22 上海览海在线健康管理有限公司 智能推送医疗资源的方法及系统
CN107545471A (zh) * 2017-09-19 2018-01-05 北京工业大学 一种基于高斯混合的大数据智能推荐方法
CN107577681A (zh) * 2016-07-05 2018-01-12 上海交通大学 一种基于社交媒体图片的地域分析、推荐方法及系统
CN107631730A (zh) * 2017-09-26 2018-01-26 重庆市智权之路科技有限公司 根据地理信息数据确定轮椅行进轨迹的判断方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130346182A1 (en) * 2012-06-20 2013-12-26 Yahoo! Inc. Multimedia features for click prediction of new advertisements

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102591873A (zh) * 2011-01-12 2012-07-18 腾讯科技（深圳）有限公司 一种信息推荐方法和设备
CN103440873A (zh) * 2013-08-27 2013-12-11 大连理工大学 一种基于相似性的音乐推荐方法
CN104615741A (zh) * 2015-02-12 2015-05-13 福建金科信息技术股份有限公司 一种基于云计算的冷启动项目推荐的方法及装置
CN104636496A (zh) * 2015-03-04 2015-05-20 重庆理工大学 基于高斯分布和距离相似度的混合聚类的推荐方法
CN107577681A (zh) * 2016-07-05 2018-01-12 上海交通大学 一种基于社交媒体图片的地域分析、推荐方法及系统
CN106446575A (zh) * 2016-10-12 2017-02-22 上海览海在线健康管理有限公司 智能推送医疗资源的方法及系统
CN107545471A (zh) * 2017-09-19 2018-01-05 北京工业大学 一种基于高斯混合的大数据智能推荐方法
CN107631730A (zh) * 2017-09-26 2018-01-26 重庆市智权之路科技有限公司 根据地理信息数据确定轮椅行进轨迹的判断方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Generalized competitive learning of gaussian mixture models;Zhiwu Lu 等;《IEEE Trans. Systems, Man, and Cybernetics, Part B》;20090407;第39卷(第04期);901-909 *
Learning a Mahalanobis distance metric for data clustering and classification;Shiming Xiang 等;《Pattern Recognition》;20080615;第41卷(第12期);3600-3612 *
基于EM聚类和用户评分的产品营销与推荐策略研究;李琴;《重庆理工大学学报(社会科学)》;20161220;第30卷(第12期);59-63+110 *
程华 等.基于聚类分析的网络流量高斯混合模型.《 华东理工大学学报(自然科学版)》.2010,第36卷(第02期),255-260. *

Also Published As

Publication number Publication date
CN109190029A (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
JP6831769B2 (ja) 画像検索装置、画像検索方法、及び、それに用いる設定画面
US9176987B1 (en) Automatic face annotation method and system
Lai et al. CPRS: A cloud-based program recommendation system for digital TV platforms
CN108597605B (zh) 一种个人健康生活大数据采集与分析系统
CN109065127B (zh) 医疗健康云端智能信息推送平台工作方法
CN108461110B (zh) 医疗信息处理方法、装置及设备
CN104731964A (zh) 基于人脸识别的人脸摘要方法、视频摘要方法及其装置
AS et al. Estimating the surveillance of liver disorder using classification algorithms
CN101441658A (zh) 面向pacs数据库中放射图像的基于内容的检索方法和系统
CN109190029B (zh) 云端智能信息推送平台工作方法
Vaidya et al. Co-segmentation aided two-stream architecture for video captioning
CN107273405B (zh) 基于MeSH表的电子病历档案的智能检索系统
Wang et al. Multi-modal mention topic model for mentionee recommendation
Mirzajani Prediction and diagnosis of diabetes by using data mining techniques
CN116312745B (zh) 一种肠道菌群超级供体画像信息检测生成方法
Sharma et al. ConvST-LSTM-Net: convolutional spatiotemporal LSTM networks for skeleton-based human action recognition
CN117351518A (zh) 一种基于层级差异的无监督跨模态行人重识别方法及系统
Trinh et al. A new location-based topic model for event attendees recommendation
Devi et al. Diet recommendation for glycemic patients using improved K-means and Krill-Herd optimization
Chauhan et al. A spectrum of big data applications for data analytics
US20180276294A1 (en) Information processing apparatus, information processing system, and information processing method
Ramasamy et al. Inferring user interests from tweet times
Jang et al. Long-term influenza outbreak forecast using time-precedence correlation of web data
CN113571145A (zh) 一种用于健康管理决策的信息匹配方法及系统
Zhang et al. Cross-camera trajectories help person retrieval in a camera network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210909

Address after: Room 2501, No. 163, Huangpu Avenue West, Tianhe District, Guangzhou City, Guangdong Province

Applicant after: CHINESE FOOD ANHONG (GUANGDONG) HEALTH INDUSTRY Co.,Ltd.

Address before: 401160 room 27-6, building 6, No. 123, Xinglong Avenue, Yongchuan District, Chongqing

Applicant before: CHONGQING ZHIQUAN ZHILU TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant