CN115982460A - 健康科普信息个性化推荐方法、系统及介质 - Google Patents
健康科普信息个性化推荐方法、系统及介质 Download PDFInfo
- Publication number
- CN115982460A CN115982460A CN202211696280.5A CN202211696280A CN115982460A CN 115982460 A CN115982460 A CN 115982460A CN 202211696280 A CN202211696280 A CN 202211696280A CN 115982460 A CN115982460 A CN 115982460A
- Authority
- CN
- China
- Prior art keywords
- user
- health
- information
- pushing
- label
- 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.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了一种健康科普信息个性化推荐方法、系统及介质，信息采集步骤：对用户健康信息进行采集；信息处理步骤：对采集的用户健康信息进行处理，得到用户的特征标签；匹配步骤：将用户的特征标签与科普物料进行匹配，形成候选推送库；推送步骤：将候选推送库的内容按照预设规则进行推送；收集步骤：收集用户对推送的内容的操作行为数据；标签完善步骤：根据操作行为数据完善用户的特征标签并返回执行匹配步骤。本发明通过采用基于用户的健康信息，进行健康特征标记，提供推荐科普信息的匹配度，从而达成个性化推荐有意义内容的目的。
Description
技术领域
本发明涉及健康教育科普领域，具体地，涉及以一种健康科普信息个性化推荐方法、系统及介质。
背景技术
专利文献CN103778171A公开了一种基于健康信息来提供包括一个以上条目的健康指数，并基于该健康指数推荐媒体的装置。健康指数提供单元，接收通过一个以上健康信息测定机器获得的用户的健康信息，基于所述健康信息，计算并提供表示该用户健康状态的健康指数。推荐媒体提供单元，基于计算出的健康指数，向用户提供合适的推荐媒体内容。该方案需要提供专门的健康信息测定机器来获取用户的健康信息，成本高昂，难以普及使用。
目前众多的内容推荐平台和推荐算法，往往仅基于用户的行为数据，推荐的内容常常只是博眼球的内容，无法针对有健康管理需求用户，满足他们对精准个性化健康内容的需求，这样会浪费用户的时间，降低健康管理的效率。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种健康科普信息个性化推荐方法、系统及介质。
根据本发明提供的一种健康科普信息个性化推荐方法，包括：
信息采集步骤：对用户健康信息进行采集；
信息处理步骤：对采集的用户健康信息进行处理，得到用户的特征标签；
匹配步骤：将用户的特征标签与科普物料进行匹配，形成候选推送库；
推送步骤：将候选推送库的内容按照预设规则进行推送；
收集步骤：收集用户对推送的内容的操作行为数据；
标签完善步骤：根据操作行为数据完善用户的特征标签并返回执行匹配步骤。
优选地，所述信息采集步骤包括：
步骤1.1：建立用户健康信息的结构，包括基本信息、生活方式、症状体征和体检指标；
步骤1.2：建立信息采集的问卷体系，将题目按照健康专题进行组织，得到健康专题问卷；
步骤1.3：引导用户完成所需的健康专题问卷，完成用户健康信息进行采集。
优选地，所述信息处理步骤包括：
步骤2.1：建立特征标签库；
步骤2.2：基于专家知识模型，建立特征标签和用户健康信息的第一对应规则关系；
步骤2.3：通过第一对应规则关系将用户健康信息与特征标签进行匹配；
步骤2.4：将匹配上的特征标签，赋予对应的用户，形成该用户的特征标签。
优选地，所述匹配步骤包括：
步骤3.1：对科普物料进行标签化处理，得到科普物料对应的物料标签；
步骤3.2：建立物料标签与特征标签的第二对应规则关系；
步骤3.3：通过第二对应规则关系将用户的特征标签与物料标签进行匹配；
步骤3.4：将匹配的物料标签对应的普物料进行提取规整，放入候选推送库。
优选地，所述推送步骤包括：
步骤4.1：建立推送规则，限定推送的时段、次数和数量；
步骤4.2，基于推送规则，将候选推送库的内容推送到用户。
优选地，所述收集步骤包括：针对每个推送的科普物料，记录以下操作行为数据：曝光次数、点击次数、点赞行为、评论行为、分享行为和停留时长。
优选地，所述标签完善步骤包括：
步骤6.1：提取所述操作行为数据；
步骤6.2，将操作行为数据进行打分分析，根据打分结果判断用户是否喜欢当前的科普物料；
步骤6.3，在判断结果为喜欢的情况下，增加用户的特征标签中与当前的科普物料的物料标签匹配的特征标签的权重。
优选地，所述步骤6.3包括：将用户点击物料计为1，未点击计为0，以此训练机器学习二分类模型，得到与物料与用户特征标签的权重。
根据本发明提供的一种健康科普信息个性化推荐系统，包括：
信息采集模块：对用户健康信息进行采集；
信息处理模块：对采集的用户健康信息进行处理，得到用户的特征标签；
匹配模块：将用户的特征标签与科普物料进行匹配，形成候选推送库；
推送模块：将候选推送库的内容按照预设规则进行推送；
收集模块：收集用户对推送的内容的操作行为数据；
标签完善模块：根据操作行为数据完善用户的特征标签并触发执行匹配模块再次工作。
根据本发明提供的一种存储有计算机程序的计算机可读存储介质，所述计算机程序被处理器执行时实现所述的健康科普信息个性化推荐方法的步骤。
与现有技术相比，本发明具有如下的有益效果：
本发明通过采用基于用户的健康信息，进行健康特征标记，提供推荐科普信息的匹配度，从而达成个性化推荐有意义内容的目的。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明的工作流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
如图1所示，本发明提供的一种健康科普信息个性化推荐方法，包括：
信息采集步骤：对用户健康信息进行采集。
信息处理步骤：对采集的用户健康信息进行处理，得到用户的特征标签。
匹配步骤：将用户的特征标签与科普物料进行匹配，形成候选推送库。
推送步骤：将候选推送库的内容按照预设规则进行推送。
收集步骤：收集用户对推送的内容的操作行为数据。
标签完善步骤：根据操作行为数据完善用户的特征标签并返回执行匹配步骤。
具体而言，信息采集步骤包括：
步骤1.1：建立用户健康信息的结构，包括基本信息、生活方式、症状体征和体检指标四个部分。
步骤1.2：建立信息采集的问卷体系，将题目按照健康专题进行组织(便于技术上批量地提取相关性强的数据；因为健康问卷问题很多，分专题可以减少每次采集的量，提高用户体验；专题也便于与用户的特征进行匹配，如心血管评估，优先推荐给带有高血压风险特征标签的用户)，如心血管评估、生活方式评估等，得到健康专题问卷。
步骤1.3：引导用户完成所需的健康专题问卷，完成用户健康信息进行采集。
信息处理步骤包括：
步骤2.1：建立特征标签库，存储特征标签，如高血压风险人群、糖尿病风险人群等。
步骤2.2：基于专家知识模型，建立特征标签和用户健康信息的第一对应规则关系。
步骤2.3：通过第一对应规则关系将用户健康信息与特征标签进行匹配。第一规则关系：构建健康信息的知识图谱，存储健康信息的实体名词，建立健康实体与用户特征标签的链接关系。匹配：通过知识图谱将健康信息与标签的链接关系获得。
步骤2.4：将匹配上的特征标签，赋予对应的用户，形成该用户的特征标签。
匹配步骤包括：
步骤3.1：对科普物料进行标签化处理，得到科普物料对应的物料标签。
步骤3.2：建立物料标签与特征标签的第二对应规则关系。
步骤3.3：通过第二对应规则关系将用户的特征标签与物料标签进行匹配。通过聚类方式将特征标签和物料标签所在的文本作为训练集，得到每一类关系紧密的高频词，将其作为第二规则关系。
步骤3.4：将匹配的物料标签对应的普物料进行提取规整，放入候选推送库。
推送步骤包括：
步骤4.1：建立推送规则，限定推送的时段、次数和数量。
步骤4.2，基于推送规则，将候选推送库的内容推送到用户。
收集步骤包括：针对每个推送的科普物料，记录以下操作行为数据：曝光次数、点击次数、点赞行为、评论行为、分享行为和停留时长。
标签完善步骤包括：
步骤6.1：提取操作行为数据。
步骤6.2，将操作行为数据进行打分分析，根据打分结果判断用户是否喜欢当前的科普物料。
步骤6.3，在判断结果为喜欢的情况下，增加用户的特征标签中与当前的科普物料的物料标签匹配的特征标签的权重。通过平台上近半年的用户历史行为数据，将用户点击物料计为1，未点击计为0，以此训练机器学习二分类模型，得到与物料与用户特征标签的权重。
本发明还提供一种健康科普信息个性化推荐系统，所述健康科普信息个性化推荐系统可以通过执行所述健康科普信息个性化推荐方法的流程步骤予以实现，即本领域技术人员可以将所述健康科普信息个性化推荐方法理解为所述健康科普信息个性化推荐系统的优选实施方式。
一种健康科普信息个性化推荐系统，包括：
信息采集模块：对用户健康信息进行采集
信息处理模块：对采集的用户健康信息进行处理，得到用户的特征标签
匹配模块：将用户的特征标签与科普物料进行匹配，形成候选推送库
推送模块：将候选推送库的内容按照预设规则进行推送
收集模块：收集用户对推送的内容的操作行为数据
标签完善模块：根据操作行为数据完善用户的特征标签并触发执行匹配模块再次工作。
本发明还提供的一种存储有计算机程序的计算机可读存储介质，所述计算机程序被处理器执行时实现所述的健康科普信息个性化推荐方法的步骤。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种健康科普信息个性化推荐方法，其特征在于，包括：
信息采集步骤：对用户健康信息进行采集；
信息处理步骤：对采集的用户健康信息进行处理，得到用户的特征标签；
匹配步骤：将用户的特征标签与科普物料进行匹配，形成候选推送库；
推送步骤：将候选推送库的内容按照预设规则进行推送；
收集步骤：收集用户对推送的内容的操作行为数据；
标签完善步骤：根据操作行为数据完善用户的特征标签并返回执行匹配步骤。
2.根据权利要求1所述的健康科普信息个性化推荐方法，其特征在于，所述信息采集步骤包括：
步骤1.1：建立用户健康信息的结构，包括基本信息、生活方式、症状体征和体检指标；
步骤1.2：建立信息采集的问卷体系，将题目按照健康专题进行组织，得到健康专题问卷；
步骤1.3：引导用户完成所需的健康专题问卷，完成用户健康信息进行采集。
3.根据权利要求1所述的健康科普信息个性化推荐方法，其特征在于，所述信息处理步骤包括：
步骤2.1：建立特征标签库；
步骤2.2：基于专家知识模型，建立特征标签和用户健康信息的第一对应规则关系；
步骤2.3：通过第一对应规则关系将用户健康信息与特征标签进行匹配；
步骤2.4：将匹配上的特征标签，赋予对应的用户，形成该用户的特征标签。
4.根据权利要求3所述的健康科普信息个性化推荐方法，其特征在于，所述匹配步骤包括：
步骤3.1：对科普物料进行标签化处理，得到科普物料对应的物料标签；
步骤3.2：建立物料标签与特征标签的第二对应规则关系；
步骤3.3：通过第二对应规则关系将用户的特征标签与物料标签进行匹配；
步骤3.4：将匹配的物料标签对应的普物料进行提取规整，放入候选推送库。
5.根据权利要求1所述的健康科普信息个性化推荐方法，其特征在于，所述推送步骤包括：
步骤4.1：建立推送规则，限定推送的时段、次数和数量；
步骤4.2，基于推送规则，将候选推送库的内容推送到用户。
6.根据权利要求1所述的健康科普信息个性化推荐方法，其特征在于，所述收集步骤包括：针对每个推送的科普物料，记录以下操作行为数据：曝光次数、点击次数、点赞行为、评论行为、分享行为和停留时长。
7.根据权利要求4所述的健康科普信息个性化推荐方法，其特征在于，所述标签完善步骤包括：
步骤6.1：提取所述操作行为数据；
步骤6.2，将操作行为数据进行打分分析，根据打分结果判断用户是否喜欢当前的科普物料；
步骤6.3，在判断结果为喜欢的情况下，增加用户的特征标签中与当前的科普物料的物料标签匹配的特征标签的权重。
8.根据权利要求7所述的健康科普信息个性化推荐方法，其特征在于，所述步骤6.3包括：将用户点击物料计为1，未点击计为0，以此训练机器学习二分类模型，得到与物料与用户特征标签的权重。
9.一种健康科普信息个性化推荐系统，其特征在于，包括：
信息采集模块：对用户健康信息进行采集；
信息处理模块：对采集的用户健康信息进行处理，得到用户的特征标签；
匹配模块：将用户的特征标签与科普物料进行匹配，形成候选推送库；
推送模块：将候选推送库的内容按照预设规则进行推送；
收集模块：收集用户对推送的内容的操作行为数据；
标签完善模块：根据操作行为数据完善用户的特征标签并触发执行匹配模块再次工作。
10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的健康科普信息个性化推荐方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211696280.5A CN115982460A (zh) | 2022-12-28 | 2022-12-28 | 健康科普信息个性化推荐方法、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211696280.5A CN115982460A (zh) | 2022-12-28 | 2022-12-28 | 健康科普信息个性化推荐方法、系统及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115982460A true CN115982460A (zh) | 2023-04-18 |
Family
ID=85967671
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211696280.5A Pending CN115982460A (zh) | 2022-12-28 | 2022-12-28 | 健康科普信息个性化推荐方法、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115982460A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116932920A (zh) * | 2023-09-18 | 2023-10-24 | 青岛理工大学 | 基于大数据的健康科普资料精准推荐方法 |
-
2022
- 2022-12-28 CN CN202211696280.5A patent/CN115982460A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116932920A (zh) * | 2023-09-18 | 2023-10-24 | 青岛理工大学 | 基于大数据的健康科普资料精准推荐方法 |
| CN116932920B (zh) * | 2023-09-18 | 2023-12-12 | 青岛理工大学 | 基于大数据的健康科普资料精准推荐方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112632385B (zh) | 课程推荐方法、装置、计算机设备及介质 | |
| CN111563152A (zh) | 智能问答语料分析方法、装置、电子设备及可读存储介质 | |
| CN109948121A (zh) | 文章相似度挖掘方法、系统、设备及存储介质 | |
| CN107330613A (zh) | 一种舆情监控方法、设备及计算机可读存储介质 | |
| CN109509557A (zh) | 一种基于大数据平台的中文电子病历信息抽取预处理方法 | |
| CN115146865A (zh) | 基于人工智能的任务优化方法及相关设备 | |
| CN112288337B (zh) | 行为推荐方法、装置、设备及介质 | |
| CN109299467B (zh) | 医学文本识别方法及装置、语句识别模型训练方法及装置 | |
| CN112614578A (zh) | 医生智能推荐方法、装置、电子设备及存储介质 | |
| CN112906377A (zh) | 基于实体限制的问答方法、装置、电子设备及存储介质 | |
| CN111144079A (zh) | 一种智能获取学习资源的方法、装置、打印机和存储介质 | |
| CN113111159A (zh) | 问答记录生成方法、装置、电子设备及存储介质 | |
| CN115982460A (zh) | 健康科普信息个性化推荐方法、系统及介质 | |
| CN114398560B (zh) | 基于web平台的营销界面设置方法、装置、设备及介质 | |
| CN113886708A (zh) | 基于用户信息的产品推荐方法、装置、设备及存储介质 | |
| CN116882414B (zh) | 基于大规模语言模型的评语自动生成方法及相关装置 | |
| CN102165443B (zh) | 文章抽取方法、文章抽取装置 | |
| CN115221323A (zh) | 基于意图识别模型的冷启动处理方法、装置、设备及介质 | |
| CN114862141A (zh) | 基于画像关联性的课程推荐方法、装置、设备及存储介质 | |
| Vijayakumar et al. | User's learning capability aware E-content recommendation system for enhanced learning experience | |
| Bulloch et al. | Using computer packages in qualitative research: Exemplars, developments and challenges | |
| Tan et al. | The applications of machine learning in computational thinking assessments: a scoping review | |
| CN113590845A (zh) | 基于知识图谱的文献检索方法、装置、电子设备及介质 | |
| Okhmatovskaia et al. | Intelligent Tools for Precision Public Health | |
| CN112069322A (zh) | 文本多标签分析方法、装置、电子设备及存储介质 |
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 |