[发明专利]一种面向长期养老照护的协同交互式服务推荐方法

说明书

本发明公开了一种面向长期养老照护的协同交互式服务推荐方法，该方法针对养老照护历史数据在质量、数量上普遍存在的不足，通过训练数据扩充与编码、基于随机森林算法的模型训练与测试、人工迭代优化模型推荐方案三个关键环节，来进行智能算法驱动的协同交互式服务推荐。本发明是基于真实的养老照护数据现状而设计，可较好地应对现有养老数据的各种问题，提高老人照护生成方案的实际有效性及可用性，进而智能、高效地满足庞大的老人个性化照护需求，缓解紧张的护理资源压力。

技术领域

本发明涉及数据驱动的智能养老照护服务领域，是一种针对老年人长期健康照护的智能化服务推荐方法，即一种面向长期养老照护的协同交互式服务推荐方法。

背景技术

人口老龄化已然成为当今社会的一种常态。为应对不断加剧的老龄化问题，各类养老服务模式被相继提出，为部分或完全丧失生活自理能力的老年人提供个性化长期护理服务与生活支持，以提升老人的生活质量，辅助他们更好地独立生活。面向老年人的长期护理服务与生活支持，需要在医养照护等相关专业知识的指导下，基于老年人的实际生活情况、心理情况和健康状况，为其提供恰当、持续、个性化的短期或长期健康护理服务，以提升老人的生活自理能力，或辅助其更好地独立生活。显然，在面向老年人的长期护理服务与支持问题中，如何定义、量化老人的个性化需求，以及如何设计恰当的、与之相匹配的服务，是其中的基础和重点。

传统的人工量化、制定老人照护方案需要花费的大量时间和精力，已无法满足市场的需求。近年来，人工智能、大数据、物联网等技术飞速发展，催生了智能养老（Intelligent Aged Care）的起步和发展，为老龄化发展带来了颠覆性的改变。基于各类智慧算法来进行老年群体的需求分析与服务设计，已经成为养老照护相关领域的研究热点和重点。在过去几年中，学术界、业界都开展了一系列与智慧养老相关的研究和工作，各类智慧养老技术被设计、开发与应用。然而，目前大部分智能推荐技术都是在实验室环境下，基于可用度较高的训练数据进行模型训练，而真实的养老数据数量少、质量差、个体差异较大，使得现有方法难以在此数据基础上输出较优的结果。纵观当下的智慧养老市场，也不难发现，现有的智能养老服务设计大都面临着“理论测试优异但实际用户反馈差强人意”的窘境。一方面，当前的养老照护数据由于机构边界、数据隐私等各方面原因，往往存在数据数量少、质量较低、数据偏差性较大等问题，导致现有数据现状难以满足现有智能模型对于数据训练集的需求，较少的数据量也导致无法剔除较多具有实际意义的“异常”数据来提高预测系统的准确度；另一方面，老人自身情况往往具有复杂化、情境化、个性化等特征，照护方案制定流程中往往是由多种角色协同完成，这就使得完全依赖数据和智能的算法面临“人本温度”不足的挑战；这些都导致直接使用智能算法介入照护计划生成过程只有“差强人意”的实际有效性。

发明内容

基于上述技术背景和现状，本发明的目的是提出一种面向长期养老照护的协同交互式服务推荐方法，该方法基于真实老人历史数据存在的数据量少、数据质量差、个体差异大等特点，在较大程度地保留老人历史数据基础上，通过改善推荐算法框架设计，即在现有机器学习算法构建的预测模型基础上，通过基于专家规则的训练数据扩充与编码、算法训练与测试、人工调优环节等三个关键环节，来提升生成照护方案的可用性和有效性。本发明通过增加外部力量来构造较为合理的服务项目推荐算法，一方面在算法训练数据中加入专家规则来提高训练数据集的准确性；另一方面遵循Human-in-the-loop原则，添加人机协同的照护方案优化环节，优化后的结果将被再次投入预测模型的重构中，进而不断提高服务推荐方法的实际有效性。

实现本发明目的的具体技术方案是：

一种面向长期养老照护的协同交互式服务推荐方法，在现有机器学习算法构建的预测模型基础上，增添基于专家规则的训练数据扩充与编码、算法训练与测试、人工调优环节等三个关键环节，来应对养老照护历史数据量少、质量差、个体差异大等现状，进而使得推荐结果更符合老人的实际护理需求；特点是该方法包括以下具体步骤：

步骤1：构建初始训练数据集