[发明专利]一种大数据架构下的医学领域自媒体平台数据推送方法

摘要

本发明提供一种大数据架构下的医学领域自媒体平台数据推送方法，其包括以下步骤:步骤1：数据选择与转化；从用户行为日志信息中抽取有效数据，转化为建模数据矩阵；步骤2：构建评估数据矩阵；从建模数据矩阵筛选出符合评估推荐模型健壮性的评估数据矩阵；步骤3：推荐模型构建与评价；步骤4：组合形成推荐结果。本发明将医学领域自媒体平台相关数据进行系统的分析、建模，并给出模型预测的评价方法，通过该模型能够基于医学领域自媒体平台数据，对医生阅读进行有效的推荐，使医生在登录平台时实时获取相关文献，为达到最佳阅读选择提供依据。

主权项

一种大数据架构下的医学领域自媒体平台数据推送方法，其特征在于：其包括以下步骤：步骤1:数据选择与转化；从用户行为日志信息中抽取可供建模的有效数据，并将这种流式数据转化为用户、时间、标签集合为列展开的建模数据矩阵；步骤2:构建评估数据矩阵；为了降低数据矩阵的稀疏性，从建模数据矩阵筛选出符合评估推荐模型健壮性的评估数据矩阵；(2.1)行过滤数据，即统计某用户某月阅读标签的个数，根据设定的阈值决定是否过滤掉某行数据；(2.2)列过滤数据，即统计某标签阅读次数，根据设定的阈值决定是否过滤掉某列数据。步骤3:推荐模型构建与评价，其步骤如下：(3.1)依据阅读记录中的时间字段，将建模数据矩阵分割为训练集Xtrain、测试集Xtest,测试集为当月数据，训练集包含当月之前三个月的数据；(3.2)使用改进基于物品的协同过滤推荐算法在训练集上建模；(3.3)根据推荐模型按列对当月数据进行循环迭代推荐预测，得到所有用户所有标签的推荐矩阵Xrecomd；(3.4)类似(3.1)～(3.3)步骤，对评估数据矩阵进行相同的处理，得到推荐矩阵X1recomd；(3.5)设定阈值tcontrol，对评估数据矩阵以及对应的推荐矩阵X1recomd进行0‑1化处理，计算敏感度，特异度指标，选出稳定的大众化整体最优标签池TagPool。步骤4:组合形成推荐结果，其步骤如下：(4.1)原有用户根据ID从推荐矩阵Xrecomd中按推荐系数选择最大的6个标签，加入大众化整体最优标签池TagPool中的标签形成用户自身的标签池；(4.2)对于原有用户，根据自身的数字化的基本信息综合形成5个推荐标签；(4.3)新用户则根据自身的数字化基本信息从最优标签池TagPool中综合形成5个推荐标签；(4.4)考虑标签的时效性，得到具体的推荐内容。