TWI395109B

TWI395109B - 觀光醫療服務推薦方法

Info

Publication number: TWI395109B
Application number: TW98127062A
Authority: TW
Inventors: Hsu Yang Kung; Chi Chun Lo; Che I Wu; Chi Hua Chen; Ding Yuan Cheng; Yin Jung Lu; chang min Chen; Shiau Lei Chen; Ting Huan Kuo
Original assignee: Univ Nat Pingtung Sci & Tech
Priority date: 2009-08-12
Filing date: 2009-08-12
Publication date: 2013-05-01
Also published as: TW201106178A

Description

觀光醫療服務推薦方法

本發明係關於一種觀光醫療服務推薦方法，尤其是一種提供適合使用者之觀光醫療服務推薦方法。

根據行政院發佈的「2015年經濟發展願景」中，可以發現未來將會著重於寬頻通訊、數位生活及健康照護等，其中，台灣醫療旅遊產業計畫係為主要重點之一；因此，在2007年更成立了台灣觀光醫療發展協會，以推動國內外觀光醫療相關產業調查研究和協助政府發展觀光產業。

觀光醫療係指人們去外國接受治療的同時，結合休閒旅遊而發展成的一種新興產業。觀光醫療的發展，除了帶來健康及快樂外，同時也為提供觀光醫療服務的地區帶來良好的經濟效益；此外，觀光醫療不僅包含相關之醫療項目，也包含提供養生、健康等相關服務，可以從旅遊項目中達到治療病情及保健身體…等目的，而且，不同的觀光醫療項目可針對不同的疾病進行治療。

隨著現代醫療科技的進步，人類的壽命不斷的延長，雖然醫療能提供整體性的治療，但對於某些因為老化而衍生之病症，醫學能支援的仍有所限制，因此，需要藉由其他種類的療法來輔助醫學的不足；是以，許多學者提出溫泉對於疾病之療效的探討與研究，並以實驗來証實溫泉對於病症確實有實際之療效。

此外，目前將資訊科技導入在醫療領域，已有相當多之應用，如：運用資訊檢索技術之跨語言醫療資訊擷取服務，以供民眾搜尋相關之醫療服務；然而，卻缺乏一套能整合觀光及醫療兩大服務，以供民眾搜尋適合本身之觀光醫療服務相關資訊。

本發明目的乃改良上述缺點，以提供一種觀光醫療服務推薦方法，係藉由語意推論及最適觀光醫療服務推論，以達到提供使用者最適觀光醫療服務推薦的目的。

本發明目的係提供一種觀光醫療服務推薦方法，係藉由觀光醫療詞幹處理及醫療本體論進行語意分析與處理，以達到提升語意推論準確率的目的。

本發明目的係提供一種觀光醫療服務推薦方法，係藉由整合資訊檢索、潛在語意分析及需求分類推論，以達到進行最適觀光醫療服務推論的目的。

本發明目的係提供一種觀光醫療服務推薦方法，係藉由考量到療法對病症之正向療效及負向療效，以達到提升推論演算法準確率的目的。

為達到前述發明目的，本發明所運用之技術內容如下：一種觀光醫療服務推薦方法係包含一發佈步驟，係由一UDDI登錄器接收至少一觀光醫療服務提供者發佈之服務內容資訊；一需求輸入步驟，係由一觀光醫療服務伺服器接收一使用者端利用一終端設備輸入之觀光醫療需求；一語意推論步驟，係由該觀光醫療服務伺服器之一語意推論模組依據該觀光醫療需求進行語意推論；一最適觀光醫療服務推論步驟，係由該觀光醫療服務伺服器之一最適觀光醫療服務推論模組依據語意推論之結果進行最適觀光醫療服務推論，以獲得最適觀光醫療服務類別；一推薦步驟，係由該觀光醫療服務伺服器將該最適觀光醫療服務類別，經由一資料庫伺服器及該UDDI登錄器搜尋及取得最適觀光醫療服務資訊，並傳送給該使用者端；及一預訂步驟，係該至少一觀光醫療服務提供者接收該使用者端選擇之最適觀光醫療服務，並預訂觀光醫療服務。

為讓本發明之上述及其他目的、特徵及優點能更明顯易懂，下文特舉本發明之較佳實施例，並配合所附圖式，作詳細說明如下：本發明所述之「SOAP」係簡單物件存取協定(Simple Object Access Protocol)之縮寫，係指一種標準化之通訊規範，主要用於Web服務中。

本發明所述之「UDDI登錄器」係統一描述、發現和集成(Universal Description,Discovery,and Integration)之縮寫，係指一個基於XML之跨平台的描述規範，可以使世界範圍內的企業在網際網路上發佈本身所提供之服務。

本發明所述之「本體論(Ontology)」係指對於特定領域中，某套概念及其相互間關係之形式化的表達。

請參照第1圖所示，本發明較佳實施例之觀光醫療服務推薦方法，係包含一發佈步驟S1、一需求輸入步驟S2、一語意推論步驟S3、一最適觀光醫療服務推論步驟S4、一推薦步驟S5及一預訂步驟S6。藉由上述步驟流程，使用者可獲得最適觀光醫療服務之推薦及預訂觀光醫療之服務。

請參照第1及2圖所示，本發明較佳實施例之觀光醫療服務推薦方法之發佈步驟S1，係由至少一觀光醫療服務提供者1先將服務內容資訊，如：自動訂票服務，置於各自之SOAP伺服器，再經由網路發佈以供該UDDI登錄器2接收；在本實施例中，該觀光醫療服務提供者1係包含空氣浴業者、純泉業者、硫酸泉業者、碳酸泉業者及鹽泉業者…等。

請參照第1及2圖所示，本發明較佳實施例之觀光醫療服務推薦方法之需求輸入步驟S2，係由一觀光醫療服務伺服器4透過行動通訊網路或網際網路接收一使用者端3利用一終端設備輸入之觀光醫療需求；舉例而言，該觀光醫療需求係可為「心臟病」、「手腳冰冷」、「胃腸功能障礙」、「風溼症」、「神經衰弱」、「高血壓」、「過敏疾病」、「酸痛」…等；該終端設備係選自一般電腦或各種手持式行動式設備(如：智慧型手機或PDA等)；此外，該觀光醫療服務伺服器4係包含一智慧型代理人41(Intelligent Agents,IAs)及一模式庫系統42(Model Base System,MBS)；該智慧型代理人41係進行使用者需求及觀光醫療服務資訊之蒐集、搜尋、分類及處理等工作，依據使用者需求自動擷取最適觀光醫療服務，並回饋給使用者；該模式庫系統42係與該智慧型代理人41連結以接收該觀光醫療需求資訊，並結合資料探勘(Data Mining)技術之智慧型推論引擎，進行使用者需求推論，並回傳給該智慧型代理人41。

該智慧型代理人41係包含一介面代理人411(Interface Agent,IA)、一需求推論代理人412(Requirement Inference Agent,RIA)、一服務推論代理人413(Service Inference Agent,SIA)及一服務擷取代理人414(Service Retrieval Agent,SRA)；該介面代理人411係當該使用者端3連線至網際網路時，給予適當之網頁內容，以供該使用者端3輸入觀光醫療需求及接收相關資訊；該需求推論代理人412係接收來自該介面代理人411之需求資訊，並主動收集使用者需求，如：查詢、操作、搜尋歷史紀錄等，將需求資訊進行比對，替使用者病情進行追蹤，再將結果傳送至該服務推論代理人413，提供推論引擎進行分析及推薦；該服務推論代理人413收到需求資訊時，即與該模式庫系統42進行控制與通訊，以進行需求語意推論及最適觀光醫療服務推論，並將所得之推論結果傳送給該服務擷取代理人414；該服務擷取代理人414係利用一資料庫伺服器5及該UDDI登錄器2查詢相關資訊，透過該介面代理人411回傳給該使用者端3。

該模式庫系統42係包含一語意推論模組421(Semantic Inference Module,SIM)及一最適觀光醫療服務推論模組422(Adaptive Medical Tourism Service Inference Module,AMTSIM)，該模式庫系統42係接收該服務推論代理人413之需求資訊，以提供該語意推論模組421及最適觀光醫療服務推論模組422進行語意推論及最適觀光醫療服務推論，找出療法及病症之間的關係，以取得最適療法之推薦。

該資料庫伺服器5係包含一服務快取資料庫51(Service Caches,SC)及一需求資料庫52(Requirement Database,RD)，提供整合性之觀光醫療服務儲存管控媒體，對觀光醫療搜尋與擷取快速地提供可靠的參考資訊；該服務快取資料庫51係經由該服務擷取代理人414進行週期性存取，以維持快取為最新狀態；該需求資料庫52係經由該需求推論代理人412進行比對及儲存相關語意分析處理。

請再參照第1及2圖所示，更詳言之，該使用者端3經由該終端設備輸入觀光醫療需求，透過該介面代理人411將需求資訊傳送至該需求推論代理人412，並從該需求資料庫52將需求資訊進行比對，再將比對結果傳送至該服務推論代理人413以進行相關之語意推論及最適觀光醫療服務推論。

請參照第1及3圖所示，本發明較佳實施例之觀光醫療服務推薦方法之語意推論步驟S3，其係經由該服務推論代理人413接收之需求資訊，經由該語意推論模組421進行語意推論；更詳言之，其係透過觀光醫療詞幹處理(Medical Tourism Stemming,MTS)及醫療本體論(Medical Ontology,MO)進行語意分析與表述，此外，藉由收集數個觀光醫療專家建議及使用者需求以進行模式訓練，再以此模式推論使用者需求；其中，該語意推論步驟S3係包含一預先處理步驟S31、一觀光醫療詞幹處理步驟S32及一整合步驟S33。

該預先處理步驟S31係將不同之觀光醫療專家建議及使用者需求以向量空間模式(Vector Space Model,VSM)表示，轉換成矩陣型式，更詳言之，在模式訓練期間，需先收集數個觀光醫療專家建議資料集，並以word-by-document方式轉換為一矩陣A₁ 及一矩陣A₂ ，每一個資料項目(entry)為在每個療法(therapy)裡所出現的病症(infirmity)，如以下所述之公式表示：

其中，其中af _in 為病症i 在療法n 中所出現之頻率，且|I |為療法n 中所有病症i 之數量，|N |為訓練集合中所有療法n 之數量，aw _in 為影響療法n 對於病症i 之療效權重，當aw _in =1時，療法n 對病症i 有正向療效；當aw _in =0時，療法n 對病症i 沒有任何療效；當aw _in =-1時，療法n 對病症i 有負向療效。

請參照第3及4圖所示，該觀光醫療詞幹處理步驟S32係基於CKIP斷詞切字(segmentation)系統結合統計方式以進行觀光醫療領域之詞彙處理，更詳言之，該觀光醫療詞幹處理步驟S32係包含一字首處理步驟S321、一字中處理步驟S322及一字尾處理步驟S323；舉例而言，病症原始內容表示為「可治輕度的早期心血管系統疾病患者」，經由CKIP處理後可分割成九個部分，依序為「可」、「治」、「輕度」、「的」、「早期」、「心血管」、「系統」、「疾病」及「患者」，經由該字首處理步驟S221可依序移除「可」、「治」及「輕度」之字詞，經由該字中處理步驟S222可依序移除「的」及「早期」之字詞，最後再經由該字尾處理步驟S223可依序移除「患者」、「疾病」及「系統」之字詞，最後僅留下「心血管」之病症字詞；藉此，經由上述之觀光醫療詞幹處理步驟S32，可將該預先處理步驟S31之矩陣A₁ 及A₂ 進行維度縮減，可得一矩陣S₁ 及一矩陣S₂ ，如以下所述之公式表示：

其中，在療法n 中之病症i 經由該觀光醫療詞幹處理步驟S32對應到合適之病症字詞j ，並將病症頻率加總為sf _jn ，|J |為病症字詞j 之數量，且，sw _jn 為在療法n 中之病症i 經由該觀光醫療詞幹處理步驟S32對應到合適之病症字詞j 之療效權重，當sw _jn =1時，療法n 對病症j 有正向療效；當sw _jn =0時，療法n 對病症j 沒有任何療效；當sw _jn =-1時，療法n 對病症j 有負向療效。

請參照第3及5圖所示，該整合步驟S33係藉由該MO在多階層架構下，以不同階層的設定可以取得不同的推論結果，並著重於醫療分類、醫療階層架構及醫療概念擷取；更詳言之，本發明係參考網路搜狗(Sogou)醫療分類目錄進行該醫療本體論之設計，係包含一領域層級S331、一目錄層級S332、一概念層級S333及一擴增子類別層級S334，該領域層級S331表述該MO之領域名稱，如：「疾病」，並且在該領域層級S331中由醫療領域專家定義數個不同之目錄層級S332，如：「內科」、「耳鼻喉科」及「外科」…等，在每個目錄層級S332中具有數個概念層級S333，如：「心臟與血管疾病」、「呼吸系與胸部疾病」及「消化系與腹部疾病」…等；舉例而言，如該擴張子類別層級S334中「心絞痛」為「心臟疾病」之子類別，「心臟疾病」為該概念層級S333中「心臟與心血管疾病」之子類別，「心臟與心血管疾病」為該目錄層級S332中「內科」之子類別，「內科」為該領域層級S331中「疾病」之子類別。

請再參照第3及6圖所示，本發明之觀光醫療服務推薦方法之整合步驟S33，經由實證分析後發現，取到該概念層級S333的正確率與矩陣維度縮減之效果最好，因此，本發明之整合步驟S33係採用該MO之概念層級S333進行實作，運用該MO將該觀光醫療詞幹處理步驟S32之矩陣S₁ 及S₂ 進行維度縮減，可得一矩陣O₁ 及一矩陣O₂ ，如以下所述之公式表示：

其中，在療法n 中詞幹處理後之病症字詞j 經由該MO對應到合適之病症概念k ，並將字詞頻率加總為of _kn ，|K |為病症概念之數量，且，ow _kn 為在療法n 中詞幹處理後之字詞j 經由該MO對應到合適之病症概念k 之療效權重，當ow _kn =1時，療法n 對病症概念k 有正向療效；當ow _kn =0時，療法n 對病症概念k 沒有任何療效；當ow _kn =-1時，療法n 對病症概念k 有負向療效。

請參照第1及6圖所示，本發明較佳實施例之觀光醫療服務推薦方法之最適觀光醫療服務推論步驟S4，係延續該語意推論步驟S3所得之結果，由該最適觀光醫療服務推論模組422進行最適觀光醫療服務推論；其中，該最適觀光醫療服務推論步驟S4係包含一資訊檢索步驟S41、一潛在語意分析步驟S42及一需求分類推論步驟S43。

請參照第3及6圖所示，該資訊檢索步驟S41係採用Salton and McGill所提出之以字詞頻率(Term Frequency,TF)及該字詞出現在其他文章之頻率(Inversed Document Frequency,IDF)來計算該字詞與文章之重要性，更詳言之，本發明係採用TF-IDF演算法計算該整合步驟S33中矩陣O₁ 之字詞頻率的TFIDF值，並轉換為一矩陣T，以TFIDF值來表示病症概念k 在療法n 中之重要性，如以下所述之公式表示：

其中，tf _kn 為依該矩陣O₁ 所計算各病症概念k 之TFIDF值，如以下所述之公式表示：

其中，TFIDF (k ,n )為療法n 中病症概念k 之權重，DF (k )為病症概念k 在療法集合(therapy set)中之頻率，且,；此外，考量到療法n 對病症i 之負向療效，以該矩陣T計算後之TFIDF值與該矩陣O₂ 相乘，可獲得一矩陣L，如以下所述之公式表示：

請再參照第6圖所示，該潛在語意分析步驟S42，係透過潛在語意分析(Latent Semantic Analysis,LSA)將該資訊檢索步驟S41計算所得之矩陣L進行奇異值分解(Singular Value Decomposition,SVD)，將該矩陣L進行平滑處理，如以下所述之公式表示：

L =UZV ^T ......(公式10)

其中，該矩陣U為K ×r 大小之左方奇異值向量矩陣，該矩陣Z為r ×r 大小之奇異值向量對角矩陣，該矩陣V為r ×N 大小之右方奇異值向量矩陣，且(K ,N )，透過減少該矩陣Z數個項目以進行維度縮減，使該矩陣Z降維為p ×p 大小之一矩陣Z’，其中，並分別產生一矩陣U’及一矩陣V’，令其分別從該矩陣U、Z及V中取出前p 個奇異值，並將該矩陣U’、Z’及V’進行相乘，即可獲得一矩陣L’，有助於找出潛在語意，減少錯誤率，如以下所述之公式表示：

請參照第6圖所示，該需求分類推論步驟S43係以k-Nearest Neighbor(kNN)演算法進行需求分類推論，以提高推論正確率，並取得最適療法，更詳言之，係透過該MTS、MO、TF-IDF演算法及LSA將使用者需求轉換成一矩陣Q，如以下所述之公式表示：

其中，qf _k 為使用者需求在病症概念k 之TFIDF值，如以下所述之公式表示：

其中，of (k ,q )為使用者需求在病症概念k 中之病症i 之字詞頻率；此外，針對療法n 對病症i 之負向療效，將該矩陣Q及矩陣L’之相似度如以下所述之公式計算：

其中，；藉此，經由該kNN演算法計算出該需求矩陣Q，以獲得最適觀光醫療療法類別。

請參照第1及2圖所示，本發明較佳實施例之觀光醫療服務推薦方法之推薦步驟S5，係將完成推論所獲得之最適觀光醫療服務類別經由該服務推論代理人413傳送至該服務擷取代理人414，該服務擷取代理人414將查詢該資料庫伺服器5之服務快取資料庫51以取得最適觀光醫療服務，並由該UDDI登錄器2搜尋及取得該至少一觀光醫療服務提供者1提供之相關服務，再經由該介面代理人411將最適觀光醫療服務推薦給該使用者端3。

請參照第1及2圖所示，本發明較佳實施例之觀光醫療服務推薦方法之預訂步驟S6，係由該至少一觀光醫療服務提供者1接收該使用者端3透過該介面代理人411選擇之最適觀光醫療服務推薦，並經由該服務擷取代理人414進行觀光醫療服務引用(invoke)，自動預訂觀光醫療服務。

請參照第7圖所示，為驗證本發明之觀光醫療服務推薦方法，本發明收集46篇觀光醫療專家建議來進行模式訓練，係包含一模式訓練步驟S71及一評估步驟S72，其中，資料來源為各個醫生或醫院所提供之公開資料，每份訓練資料中包含有各個療法之正向療效、負向療效及專家來源，在本實施例中，係將每筆資料分別進行交叉訓練及測試評估，其中，資料總數為46筆。

該模式訓練步驟S71係先取出一筆資料當做測試資料，以其餘45筆資料進行模式訓練；該評估步驟S72係於模式訓練結束後，將該測試資料輸入進行評估，並判斷正確率，依上述步驟流程將每筆資料進行測試；再者，在本實施例中，以該kNN演算法為基礎，配合該MTS、MO及LSA等方法進行觀光醫療服務需求分類。

請參照表一及表二所示，若僅採用該kNN演算法，其在「空氣浴」、「純泉」、「硫酸泉」、「碳酸泉」及「鹽泉」的分類中，正確率分別為50.00%、75.00%、50.00%、41.18%及60.00%，但在加入該MTS、MO及LSA後，將有效提升分類正確率；此外，以Macro-average的觀點來看，以該kNN演算法結合該MTS、MO及LSA獲得之正確率為73.91%，相較於原始僅以該kNN演算法獲得之正確率50.00%，提高了23.91%的準確率；因此，本發明採用該kNN演算法結合該MTS、MO及LSA進行實作，確實有效提高分類的正確率。

本發明之觀光醫療服務推薦方法，係藉由該觀光醫療服務伺服器接收該使用者端透過該終端設備輸入觀光醫療需求，以進行語意推論及最適觀光醫療服務推論，並獲得最適觀光醫療服務類別，再經由該資料庫伺服器及該UDDI登錄器搜尋及比對快取相關資訊回傳給該使用者端，以供該使用者端預訂相關之觀光醫療服務，以達到提供使用者最適觀光醫療服務推薦的功效。

本發明之觀光醫療服務推薦方法，係藉由將觀光醫療需求經由該觀光醫療服務伺服器之語意推論模組進行語意推論，透過該預先處理步驟S31、觀光醫療詞幹處理步驟S32及該整合步驟S33，以不同階層的設定可以取得不同的推論結果，以達到提升語意推論準確率的功效。

本發明之觀光醫療服務推薦方法，係藉由該資訊檢索步驟S41、潛在語意分析步驟S42及需求分類步驟S43進行需求分類推論，取得最適療法，以達到進行最適觀光醫療服務推論的功效。

本發明之觀光醫療服務推薦方法，係藉由於該觀光醫療服務伺服器之語意推論模組及最適觀光醫療服務推論模組進行語意推論及最適觀光醫療服務推論，同時考量到療法對病症之正向療效及負向療效，以達到提升推論演算法準確療的功效。

雖然本發明已利用上述較佳實施例揭示，然其並非用以限定本發明，任何熟習此技藝者在不脫離本發明之精神和範圍之內，相對上述實施例進行各種更動與修改仍屬本發明所保護之技術範疇，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。

〔本發明〕

1‧‧‧觀光醫療服務提供者

2‧‧‧UDDI登錄器

3‧‧‧使用者端

4‧‧‧觀光醫療服務伺服器

41‧‧‧智慧型代理人

411‧‧‧介面代理人

412‧‧‧需求推論代理人

413‧‧‧服務推論代理人

414‧‧‧服務擷取代理人

42‧‧‧模式庫系統

421‧‧‧語意推論模組

422‧‧‧最適觀光醫療服務推論模組

5‧‧‧資料庫伺服器

51‧‧‧服務快取資料庫

52‧‧‧需求資料庫

第1圖：本發明之觀光醫療服務推薦方法之流程圖。

第2圖：本發明之觀光醫療服務推薦方法之系統架構圖。

第3圖：本發明之觀光醫療服務推薦方法之語意推論步驟流程圖。

第4圖：本發明之觀光醫療服務推薦方法之觀光醫療詞幹處理步驟流程圖。

第5圖：本發明之觀光醫療服務推薦方法之整合步驟示意圖。

第6圖：本發明之觀光醫療服務推薦方法之最適觀光醫療服務推論流程圖。

第7圖：本發明之觀光醫療服務推薦方法之實驗驗證流程圖。

Claims

一種觀光醫療服務推薦方法，包含：一發佈步驟，係由一UDDI登錄器接收至少一觀光醫療服務提供者發佈之服務內容資訊；一需求輸入步驟，係由一觀光醫療服務伺服器接收一使用者端利用一終端設備輸入之觀光醫療需求；一語意推論步驟，係由該觀光醫療服務伺服器之一語意推論模組依據該觀光醫療需求進行語意推論；一最適觀光醫療服務推論步驟，係由該觀光醫療服務伺服器之一最適觀光醫療服務推論模組依據語意推論之結果進行最適觀光醫療服務推論，以獲得最適觀光醫療服務類別；一推薦步驟，係由該觀光醫療服務伺服器將該最適觀光醫療服務類別，經由一資料庫伺服器及該UDDI登錄器搜尋及取得最適觀光醫療服務資訊，並傳送給該使用者端；及一預訂步驟，係該至少一觀光醫療服務提供者接收該使用者端選擇之最適觀光醫療服務，並預訂觀光醫療服務；其中，該觀光醫療服務伺服器係包含一智慧型代理人及一模式庫系統，該智慧型代理人係進行使用者需求及觀光醫療服務資訊之蒐集、搜尋、分類及處理工作，依據使用者需求自動擷取最適觀光醫療服務，並回饋給使用者；該模式庫系統係與該智慧型代理人連結以接收該觀光醫療需求資訊，並結合資料探勘(Data Mining)技術之智慧型推論引擎，進行使用者需求推論，並回傳給該智慧型代理人。
依申請專利範圍第1項所述之觀光醫療服務推薦方法，其中，該語意推論步驟係先收集數個觀光醫療專家建議之資料集，並以word-by-document方式轉換為一矩陣A₁ 和一矩陣A₂ ，每一個資料項目為在每個療法裡所出現的病症，如以下所述之公式表示：其中af _in 為病症i 在療法n 中所出現的頻率，且|I |為療法n 中所有病症i 之數量，|N |為訓練集合中所有療法n 之數量，aw _in 為影響療法n 對於病症i 之療效權重，當aw _in =1時，療法n 對病症i 有正向療效；當aw _in =0時，療法n 對病症i 沒有位何療效；當aw _in =-1時，療法n 對病症i 有負向療效；接著將該矩陣A₁ 及A₂ 進行維度縮減為一矩陣S₁ 及一矩陣S₂ ，如以下所述之公式表示：其中在療法n 中之病症i 對應到合適之病症字詞j ，並將病症頻率加總為sf _jn ，|J |為病症概念之數量，且J I ，sw _jn 為在療法n 中之病症i 對應到合適之病症字詞j 的療效權重，並對應產生{-1,0,1}；再藉由將該矩陣S₁ 及S₂ 進行維度縮減為一矩陣O₁ 及一矩陣O₂ ，如以下所述之公式表示：其中，在療法n 之病症字詞j 對應到合適之病症概念k ，並將字詞頻率加總為of _kn ，|K |為病症概念k 之數量，且K J ，ow _kn 為在療法n 之病症字詞j 對應到合適之病症概念k 的療效權重，並對應產生{-1,0,1}。
依申請專利範圍第2項所述之觀光醫療服務推薦方法，其中，該最適觀光醫療服務推論步驟係利用TF-IDF演算法計算該矩陣O₁ 之字詞頻率的TF-IDF值，並轉換為一矩陣T，以TFIDF值來表示病症概念k 在療法n 之重要性，如以下所述之公式表示：其中tf _kn 為依矩陣O₁ 所計算各病症概念k 之TFIDF值，TFIDF (k ,n )為療法n 中病症概念k 之權重，DF (k )為病症概念k 在療法集合中之頻率，且k K,n N ；此外，考量到療法n 對病症i 之負向療效，以該矩陣T計算後之TFIDF值與該矩陣O₂ 相乘，可得一矩陣L，如以下所述之公式表示：再將該矩陣L進行奇異值分解(SVD)，令L =UZV ^T ，該矩陣U為K ×r 大小之左方奇異值向量矩陣，該矩陣 Z為r ×r 大小之奇異值向量對角矩陣，該矩陣V為r ×N 大小之右方奇異值向量矩陣，且r min(K ,N )；利用將該矩陣Z進行維度縮減使其降維為p ×p 大小之一矩陣Z’，其中p r ，並分別產生一矩陣U’及一矩陣V’，令其分別從該矩陣U、Z及V中取出前p 個奇異值，並將該矩陣U’、Z’及V’進行相乘，可獲得一矩陣L’，如以下所述之公式表示：並利用k-Nearest Neighbor演算法將使用者需求轉換成一矩陣Q，如以下所述之公式表示：其中qf _k 為使用者需求在病症概念k 之TFIDF值，of (k ,q )為使用者需求在概念層級中之病症i 的字詞頻率；此外，並針對療法對病症之負向療效，將該矩陣Q及矩陣L’之相似度如以下所述之公式計算：其中k K ,n N 且0 sim (Q,L '_n )1。
依申請專利範圍第1項所述之觀光醫療服務推薦方法，其中，該智慧型代理人係包含一介面代理人、一需求推論代理人、一服務推論代理人及一服務擷取代理人，該介面代理人係當該使用者端連線至網際網路時，給予適當之網頁內容，以供該使用者端輸入觀光醫療需求及接收相關資訊；該需求推論代理人係接收來自該介面代理人之需求資訊，並主動收集使用者需求，將需求資訊進行比對，替使用者病情進行追蹤，再將結果傳送至該服務推論代理人，提供推論引擎進行分析及推薦；該服務推論代理人係將使用者需求資訊傳送至該模式庫系統進行語意推論及最適觀光醫療服務推論，並將所得之結果傳送給該服務擷取代理人；該服務擷取代理人係利用該資料庫伺服器及該UDDI登錄器查詢相關資訊，並透過給該介面代理人以回傳給該使用者端。
依申請專利範圍第1項所述之觀光醫療服務推薦方法，其中，該資料庫伺服器係包含一服務快取資料庫及一需求資料庫，提供整合性之觀光醫療服務儲存管控媒體，對觀光醫療搜尋與擷取快速地提供可靠的參考資訊；該服務快取資料庫係經由該服務擷取代理人進行週期性存取，以維持快取為最新狀態；該需求資料庫係經由該需求推論代理人進行比對及儲存相關語意分析處理。
依申請專利範圍第1項所述之觀光醫療服務推薦方法，其中，該終端設備係選自電腦或手持式行動設備。
依申請專利範圍第1項所述之觀光醫療服務推薦方法，其中，該至少一觀光醫療服務提供者係為空氣浴業者、純泉業者、硫酸泉業者、碳酸泉業者及鹽泉業者。