买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥工业大学

摘要：本发明提供一种考虑隐性反馈和人机交互的医疗案例知识推荐方法及系统，涉及医疗数据处理技术领域。本发明通过对用户浏览案例的历史行为数据进行收集和预处理以及加密处理，然后采用相似度计算算法和融合了注意力机制的多层神经网络融合的协同过滤算法分别对显、隐性反馈数据进行处理，并利用差分隐私保护模型对数据处理结果进行加密，最后基于显、隐性反馈数据的处理结果，结合人机交互行为确定适合用户的个性化精准案例推荐列表。本技术方案在为用户精准推荐个性化案例的同时保护了用户和患者的个人隐私，综合性能优越。

主权项：1.一种考虑隐性反馈和人机交互的医疗案例知识推荐方法，其特征在于，所述方法包括：获取用户浏览案例的历史行为数据并进行预处理和加密处理；所述历史行为数据包括显性反馈数据和隐性反馈数据；基于所述显性反馈数据获取用户的案例评分矩阵和不同案例间的相似度，基于所述隐性反馈数据利用融合了注意力机制的GMF和MLP的混合推荐模型获取用户-案例交互矩阵，以及对所述用户-案例交互矩阵和案例数据进行加密；基于所述相似度、用户的案例评分矩阵，以及所述用户-案例交互矩阵获取初步推荐列表；基于所述初步推荐列表，结合用户交互行为获取最终推荐列表；其中，基于所述隐性反馈数据利用融合了注意力机制的GMF和MLP的混合推荐模型获取用户-案例交互矩阵，以及对所述用户-案例交互矩阵和案例数据进行加密，包括：2.1生成训练集，训练集由正样本和负样本组成，并且每个正样本posyui对应5个负样本，正样本为所有的有交互数据u,i，对于每个正样本u,i生成5个负样本，具体的： posyui的第o个负样本其中，o＝1,2,3,4,5对于并令对于并令LLL对于并令2.2利用NCF通用框架将用户从隐性反馈型数据得到的用户-案例交互矩阵Y定义为：yui＝[yui1,yui2,yui3,yui4,yui5]T 其中，yui表示用户u-案例i交互矩阵Y中的元素，yuij值为1表示用户U与案例i存在某种交互行为；yuij值为0表示用户U与案例i不存在某种交互行为；用户U与案例i的交互行为具体为用户对案例的浏览行为，对案例的评论行为，对案例的转发行为，对案例的收藏行为，对案例表现出的不喜欢行为；具体地：yui1,yui2,yui3,yui4,yui5＝浏览，评论，转发，收藏，不喜欢2.3GMF和MLP的混合推荐模型对隐性反馈数据的处理包括以下过程：2.3.1输入层将用户Useru和案例Itemi均被one-hot编码转化成稀疏向量；第i个用户的向量useri＝[0,0,…,0,1,0,…,0],useri维度为1*M,useri[i]＝1,useri[j]＝0，i≠j；第i个案例的向量itemi＝[0,0,…,0,1,0,…,0],itemi维度为1*N,itemi[i]＝1,itemi[j]＝0，i≠j；M为用户数,N为案例数；2.3.2嵌入层把useri向量和itemi向量分别嵌入到一个较小维数的空间，具体的：令GMF，MLP的嵌入矩阵分别为:PG,QG,PM,QM，其中： 对于useri与itemi，GMF嵌入向量为MLP的嵌入向量为2.3.3①GMF层 其中，e表示内积,②MLP层 其中，其中：relux＝max0,x其中,2.3.4注意力层将注意力机制引入到神经网络中，识别对预测结果有重要贡献的关键特征，具体的，注意力层为： 其中,z2∈R3×K, 其中,z3∈R3×K 其中,w∈R5×K,yui∈R5×12.3.5输出层： 其中, 2.3.6损失函数的计算： 2.4采用基于随机响应的差分隐私保护模型对医生用户个性化推荐模型进行加密保护，包括：将输出层输出的对于隐性反馈型数据的处理结果采用基于随机响应的差分隐私保护模型进行保护，从而达到保护医生用户个性化推荐模型的目的，加入随机化模块，将差分隐私加入神经网络中，具体步骤如下：将输出值转化合并为二进制字符串，并进行标准化；对m个二进制字符串分别进行随机化，产生m*ε隐私损失；在随机响应中，相邻输入的差为d，则灵敏度为d；对二进制字符串进行随机化，隐私损失为输入值ε；其中，二进制字符串的长度L＝p+q+1，p代表整数部分的二进制位数，q代表小数部分的二进制位数，因此合并后的二进制字符串长度为L*s，s为卷积层输出的数目；两个连续输入的差别最多为L*s，因此，灵敏度为L*s，随机化概率为：

全文数据：

权利要求：

百度查询： 合肥工业大学 考虑隐性反馈和人机交互的医疗案例知识推荐方法及系统