论文部分内容阅读
信息技术的快速发展将人们带入了大数据时代,从海量数据中获取到需要的信息难度加大,发现感兴趣的信息的速度也在下降。推荐系统通过分析用户历史行为和预测用户的偏好值,可以帮助用户避免信息过载问题和提供个性化服务。基于知识的推荐系统可以有效对某些专业领域中想要获取的信息进行推荐,传统的基于知识的推荐系统,可以避免“冷启动”问题,但是系统的知识是静态的,应对知识库中没有解决方案时处理能力较差。医疗设备是不断提高医学科学技术水平的基本条件,也是医学现代化程度的重要标志,医疗设备检修维护过程,涉及大量的知识和环节,随着设备复杂程度的提高,设备检修维护成本也会随之以数量级提高。针对以上问题,本文提出了将服务推荐系统应用于医疗设备检修维护过程,对推荐系统和关联规则挖掘算法的研究现状进行了调研,分析了当前常用的服务推荐系统,提出了基于约束与基于关联规则的混合推荐算法,以及相对应的关联规则挖掘算法,给出了针对医疗设备检修服务推荐的解决方法,实现了医疗设备检修服务推荐系统。本文的主要工作包括:(1)阐述推荐系统的研究现状,结合相关技术理论,分析了当前不同推荐算法的优缺点。(2)提出了基于约束和基于关联规则的混合推荐算法。基于约束的方法保证推荐结果的专业性强,并且使用基于关联规则的推荐方法,根据原有的关联规则以及挖掘出的关联规则进行推理,从而进行准确的推荐。(3)医疗设备检修服务具有专业性强,准确度高等特点,通过基于约束和基于关联规则的混合推荐算法较为适合医疗设备检修服务的过程,并且使用改进的数据挖掘算法挖掘潜藏在日志文件中的规则和信息。(4)使用上述的混合推荐算法实现了医疗设备检修服务推荐系统。通过实验证明,提出的针对日志文件的挖掘算法提高了算法的时间效率;医疗设备检修服务推荐系统有效的提高了推荐结果的准确性、专业性和先进性。