[发明专利]一种电子医疗系统中的隐私保护医疗服务推荐方法

说明书

本发明涉及一种电子医疗系统中的隐私保护医疗服务推荐方法，属于医疗服务推荐以及隐私保护技术领域。该推荐方法主要是根据用户需求与医生信息的相似度以及医生的信誉分数来进行推荐，具体来说包括相似度计算、医生推荐以及医生信誉分数计算三部分。相似度计算即服务器根据用户需求向量与医生个人信息的向量进行相似度计算；医生推荐即服务器根据用户需求与医生信息的相似度和医生的相似度这两个因素进行医生推荐；医生信誉分数计算即服务器处理用户对医生的反馈评分并更新医生的信誉分数。本发明可实现密文下的相似度和信誉分数计算，实现了用户个人信息在推荐过程中的隐私保护。

技术领域

本发明涉及一种电子医疗系统中的隐私保护医疗服务推荐方法，属于医疗服务推荐及隐私保护技术领域。

背景技术

随着电子医疗系统和推荐系统的不断发展和进步，在线电子医疗服务推荐已经成为了日常生活中不可或缺的一部分。根据不同用户和医生的信息，在线医疗推荐服务器可以为每个病人用户寻找到合适的医生。具体来说，病人用户提交他们的需求给服务器，服务器将用户的需求与医生的个人信息进行匹配，在这个过程中，如何有效地为用户匹配到合适的医生以及如何保证病人和医生的信息的隐私性是至关重要的。

许多现有的研究都在努力医生推荐系统的性能，一部分推荐系统使用可信度和信誉分数作为推荐的依据，可信度和信誉分数是服务提供者的服务质量的一种反映，服务器会推荐信誉分数高的服务提供者给用户；另一部分推荐系统考虑用户需求或兴趣来进行推荐，虽然这些推荐系统能够给用户进行推荐，但是只考虑单一因素如用户需求，作为推荐的依据可能会对推荐的准确性有影响。例如，在一些文章中，病人将自己的需求与医生的信息进行匹配以找到合适的医生，但是医生的个人信息由医生自己上传到服务器，这些医生的信息不能客观地反映出医生的服务质量，所以病人和医生匹配的结果可能会不准确，所以我们需要一个参数来客观地评价医生的服务使得推荐结果更加准确。

除此之外，采用信誉分数作为推荐的依据，我们需要使用用户对服务的反馈来计算出信誉分数，因为不同用户的背景和阅历不同，所以他们提供的反馈的质量也不同，更坏的一种情况是，一些恶意用户可能给予恶意评价来降低医生的信誉，对于上述的情况，对于不同用户的反馈应赋予不同的权重来进行计算。考虑到用户信息的敏感性，在推荐过程中，用户和医生的信息应该是隐私保护的。在最近的关于隐私保护的推荐系统的研究中，隐私保护的方法可以分为三种，第一种是基于安全的多方计算的方法，它在保护隐私的过程中需要消耗大量的计算资源；第二种方法是使用随机数来对敏感数据进行扰动，以使得隐私获得保护，但是加入扰动的数据在一定程度上会影响推荐的准确性；第三种方法是使用假名来保护用户的真实ID从而获得隐私保护。但是综上三种隐私保护的方法都不适用于我们的医疗服务推荐的场景。

综上所述，现有的推荐系统的机制以及隐私保护的方法无法满足我们的医疗服务推荐场景下的需求。

发明内容

本发明的目的是解决在线医疗服务推荐系统中的推荐准确性和隐私性的难题，提出了一种电子医疗系统中的隐私保护医疗服务推荐方法。

所述隐私保护医疗服务推荐方法的核心思想为：是一种基于相似度和医生信誉的推荐机制，通过考虑相似度以及信誉度为主的多个因素进行推荐，提高推荐的准确性；同时对于相似度和医生信誉的计算采用隐私保护的算法，具体为：在进行用户需求向量和医生信息向量匹配时，对用户和医生的向量加入扰动并进行处理，采用隐私保护的相似度计算，使得服务器无法获得明文下的用户和医生数据；此外，在密文下进行用户反馈评分聚合，并利用真值发现技术对大量用户反馈评分进行处理计算出真值，对于多个时间段用户反馈的真值，使用狄利克雷分布计算出医生的信誉分数。

所述隐私保护医疗服务推荐方法包括用户需求匹配以及医生信誉分数计算两部分；

其中，用户需求匹配，包括如下步骤：

步骤1：用户向服务器发出医疗服务请求；

步骤2：服务器验证用户身份，并给予反馈；