基于知识图谱的药品推荐系统的研究与实现
这是一篇关于药品推荐,知识图谱,协同过滤推荐,知识表示学习,网上药店系统的论文, 主要内容为近年来我国网上药店数量飞速增长,用户在网上药店进行购药时,药品种类繁多,而用户自身对于药品和病症专业知识了解甚少。在购药时,很难快速准确的找到自己所需药品。所以一个好的药品推荐系统对于网上药店至关重要。在现有的网上药店中,已经应用了一些推荐系统,比如直接按照药品销量进行排序推荐,但是这样的推荐方式显然不能起到很好的辅助购药效果。针对这一问题,本文提出融合知识图谱与协同过滤的药品推荐算法。并实现了与算法相匹配的个性化药品推荐网上药店系统。本文的主要研究工作如下:(1)药品领域知识图谱的构建使用Python的Scarpy框架从三个医疗健康网站(寻医问药药品网、家庭医生网、39健康网)爬取药品相关数据信息,参考专业医疗信息服务平台OMAHA(开放医疗与健康联盟)药品知识图谱构建结构采用自顶而下的方式抽象药品领域知识图谱实体和关系,随后进行知识抽取和知识融合得到药品知识图谱三元组信息,并使用Neo4j图数据库中对三元组信息进行存储,完成药品领域知识图谱的构建。(2)融合知识图谱与协同过滤的药品推荐算法传统药品推荐算法忽略药品自身语义信息而导致推荐精度不高,本文通过构建药品知识图谱引入药品间的语义信息作为重要推荐依据,使用知识表示学习翻译模型Trans R将药品知识图谱映射到低维连续的向量空间中获取药品实体及其关系,从而计算得出药品间的语义相似度,并结合协同过滤得出的行为相似度得出融合相似度,根据融合相似度进行评分预测并生成推荐列表。(3)个性化药品推荐网上药店系统设计与实现基于上述算法模型,结合网上药店系统的开发需求,采用B/S的架构对个性化药品推荐网上药店系统进行开发。系统前端使用Vue3,后端使用Spring Boot、Spring Cloud等技术,根据业务划分模块,以微服务的方式完成系统整体搭建。完成了药品推荐算法与网上药店系统的融合。实验结果表明,本文算法在药品推荐任务领域准确率、召回率和F值三项指标与包括协同过滤在内的基准算法对比均有一定程度提升,可以给出用户更好的药品推荐结果。个性化药品推荐网上药店系统在使用过程中运行状态良好,达到预期需求。
基于知识图谱的药品推荐系统的研究与实现
这是一篇关于药品推荐,知识图谱,协同过滤推荐,知识表示学习,网上药店系统的论文, 主要内容为近年来我国网上药店数量飞速增长,用户在网上药店进行购药时,药品种类繁多,而用户自身对于药品和病症专业知识了解甚少。在购药时,很难快速准确的找到自己所需药品。所以一个好的药品推荐系统对于网上药店至关重要。在现有的网上药店中,已经应用了一些推荐系统,比如直接按照药品销量进行排序推荐,但是这样的推荐方式显然不能起到很好的辅助购药效果。针对这一问题,本文提出融合知识图谱与协同过滤的药品推荐算法。并实现了与算法相匹配的个性化药品推荐网上药店系统。本文的主要研究工作如下:(1)药品领域知识图谱的构建使用Python的Scarpy框架从三个医疗健康网站(寻医问药药品网、家庭医生网、39健康网)爬取药品相关数据信息,参考专业医疗信息服务平台OMAHA(开放医疗与健康联盟)药品知识图谱构建结构采用自顶而下的方式抽象药品领域知识图谱实体和关系,随后进行知识抽取和知识融合得到药品知识图谱三元组信息,并使用Neo4j图数据库中对三元组信息进行存储,完成药品领域知识图谱的构建。(2)融合知识图谱与协同过滤的药品推荐算法传统药品推荐算法忽略药品自身语义信息而导致推荐精度不高,本文通过构建药品知识图谱引入药品间的语义信息作为重要推荐依据,使用知识表示学习翻译模型Trans R将药品知识图谱映射到低维连续的向量空间中获取药品实体及其关系,从而计算得出药品间的语义相似度,并结合协同过滤得出的行为相似度得出融合相似度,根据融合相似度进行评分预测并生成推荐列表。(3)个性化药品推荐网上药店系统设计与实现基于上述算法模型,结合网上药店系统的开发需求,采用B/S的架构对个性化药品推荐网上药店系统进行开发。系统前端使用Vue3,后端使用Spring Boot、Spring Cloud等技术,根据业务划分模块,以微服务的方式完成系统整体搭建。完成了药品推荐算法与网上药店系统的融合。实验结果表明,本文算法在药品推荐任务领域准确率、召回率和F值三项指标与包括协同过滤在内的基准算法对比均有一定程度提升,可以给出用户更好的药品推荐结果。个性化药品推荐网上药店系统在使用过程中运行状态良好,达到预期需求。
基于知识图谱的药品推荐系统的研究与实现
这是一篇关于药品推荐,知识图谱,协同过滤推荐,知识表示学习,网上药店系统的论文, 主要内容为近年来我国网上药店数量飞速增长,用户在网上药店进行购药时,药品种类繁多,而用户自身对于药品和病症专业知识了解甚少。在购药时,很难快速准确的找到自己所需药品。所以一个好的药品推荐系统对于网上药店至关重要。在现有的网上药店中,已经应用了一些推荐系统,比如直接按照药品销量进行排序推荐,但是这样的推荐方式显然不能起到很好的辅助购药效果。针对这一问题,本文提出融合知识图谱与协同过滤的药品推荐算法。并实现了与算法相匹配的个性化药品推荐网上药店系统。本文的主要研究工作如下:(1)药品领域知识图谱的构建使用Python的Scarpy框架从三个医疗健康网站(寻医问药药品网、家庭医生网、39健康网)爬取药品相关数据信息,参考专业医疗信息服务平台OMAHA(开放医疗与健康联盟)药品知识图谱构建结构采用自顶而下的方式抽象药品领域知识图谱实体和关系,随后进行知识抽取和知识融合得到药品知识图谱三元组信息,并使用Neo4j图数据库中对三元组信息进行存储,完成药品领域知识图谱的构建。(2)融合知识图谱与协同过滤的药品推荐算法传统药品推荐算法忽略药品自身语义信息而导致推荐精度不高,本文通过构建药品知识图谱引入药品间的语义信息作为重要推荐依据,使用知识表示学习翻译模型Trans R将药品知识图谱映射到低维连续的向量空间中获取药品实体及其关系,从而计算得出药品间的语义相似度,并结合协同过滤得出的行为相似度得出融合相似度,根据融合相似度进行评分预测并生成推荐列表。(3)个性化药品推荐网上药店系统设计与实现基于上述算法模型,结合网上药店系统的开发需求,采用B/S的架构对个性化药品推荐网上药店系统进行开发。系统前端使用Vue3,后端使用Spring Boot、Spring Cloud等技术,根据业务划分模块,以微服务的方式完成系统整体搭建。完成了药品推荐算法与网上药店系统的融合。实验结果表明,本文算法在药品推荐任务领域准确率、召回率和F值三项指标与包括协同过滤在内的基准算法对比均有一定程度提升,可以给出用户更好的药品推荐结果。个性化药品推荐网上药店系统在使用过程中运行状态良好,达到预期需求。
基于知识图谱的药品推荐系统的研究与实现
这是一篇关于药品推荐,知识图谱,协同过滤推荐,知识表示学习,网上药店系统的论文, 主要内容为近年来我国网上药店数量飞速增长,用户在网上药店进行购药时,药品种类繁多,而用户自身对于药品和病症专业知识了解甚少。在购药时,很难快速准确的找到自己所需药品。所以一个好的药品推荐系统对于网上药店至关重要。在现有的网上药店中,已经应用了一些推荐系统,比如直接按照药品销量进行排序推荐,但是这样的推荐方式显然不能起到很好的辅助购药效果。针对这一问题,本文提出融合知识图谱与协同过滤的药品推荐算法。并实现了与算法相匹配的个性化药品推荐网上药店系统。本文的主要研究工作如下:(1)药品领域知识图谱的构建使用Python的Scarpy框架从三个医疗健康网站(寻医问药药品网、家庭医生网、39健康网)爬取药品相关数据信息,参考专业医疗信息服务平台OMAHA(开放医疗与健康联盟)药品知识图谱构建结构采用自顶而下的方式抽象药品领域知识图谱实体和关系,随后进行知识抽取和知识融合得到药品知识图谱三元组信息,并使用Neo4j图数据库中对三元组信息进行存储,完成药品领域知识图谱的构建。(2)融合知识图谱与协同过滤的药品推荐算法传统药品推荐算法忽略药品自身语义信息而导致推荐精度不高,本文通过构建药品知识图谱引入药品间的语义信息作为重要推荐依据,使用知识表示学习翻译模型Trans R将药品知识图谱映射到低维连续的向量空间中获取药品实体及其关系,从而计算得出药品间的语义相似度,并结合协同过滤得出的行为相似度得出融合相似度,根据融合相似度进行评分预测并生成推荐列表。(3)个性化药品推荐网上药店系统设计与实现基于上述算法模型,结合网上药店系统的开发需求,采用B/S的架构对个性化药品推荐网上药店系统进行开发。系统前端使用Vue3,后端使用Spring Boot、Spring Cloud等技术,根据业务划分模块,以微服务的方式完成系统整体搭建。完成了药品推荐算法与网上药店系统的融合。实验结果表明,本文算法在药品推荐任务领域准确率、召回率和F值三项指标与包括协同过滤在内的基准算法对比均有一定程度提升,可以给出用户更好的药品推荐结果。个性化药品推荐网上药店系统在使用过程中运行状态良好,达到预期需求。
基于知识图谱的药品推荐系统的研究与实现
这是一篇关于药品推荐,知识图谱,协同过滤推荐,知识表示学习,网上药店系统的论文, 主要内容为近年来我国网上药店数量飞速增长,用户在网上药店进行购药时,药品种类繁多,而用户自身对于药品和病症专业知识了解甚少。在购药时,很难快速准确的找到自己所需药品。所以一个好的药品推荐系统对于网上药店至关重要。在现有的网上药店中,已经应用了一些推荐系统,比如直接按照药品销量进行排序推荐,但是这样的推荐方式显然不能起到很好的辅助购药效果。针对这一问题,本文提出融合知识图谱与协同过滤的药品推荐算法。并实现了与算法相匹配的个性化药品推荐网上药店系统。本文的主要研究工作如下:(1)药品领域知识图谱的构建使用Python的Scarpy框架从三个医疗健康网站(寻医问药药品网、家庭医生网、39健康网)爬取药品相关数据信息,参考专业医疗信息服务平台OMAHA(开放医疗与健康联盟)药品知识图谱构建结构采用自顶而下的方式抽象药品领域知识图谱实体和关系,随后进行知识抽取和知识融合得到药品知识图谱三元组信息,并使用Neo4j图数据库中对三元组信息进行存储,完成药品领域知识图谱的构建。(2)融合知识图谱与协同过滤的药品推荐算法传统药品推荐算法忽略药品自身语义信息而导致推荐精度不高,本文通过构建药品知识图谱引入药品间的语义信息作为重要推荐依据,使用知识表示学习翻译模型Trans R将药品知识图谱映射到低维连续的向量空间中获取药品实体及其关系,从而计算得出药品间的语义相似度,并结合协同过滤得出的行为相似度得出融合相似度,根据融合相似度进行评分预测并生成推荐列表。(3)个性化药品推荐网上药店系统设计与实现基于上述算法模型,结合网上药店系统的开发需求,采用B/S的架构对个性化药品推荐网上药店系统进行开发。系统前端使用Vue3,后端使用Spring Boot、Spring Cloud等技术,根据业务划分模块,以微服务的方式完成系统整体搭建。完成了药品推荐算法与网上药店系统的融合。实验结果表明,本文算法在药品推荐任务领域准确率、召回率和F值三项指标与包括协同过滤在内的基准算法对比均有一定程度提升,可以给出用户更好的药品推荐结果。个性化药品推荐网上药店系统在使用过程中运行状态良好,达到预期需求。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设客栈 ，原文地址：https://m.bishedaima.com/lunwen/52498.html
