一种基于大健康信息推送的方法及系统

技术领域

本发明涉及信息推送系统技术领域，尤其涉及一种基于大健康信息推送的方法及系统。

背景技术

随着移动互联网的普及，人们获取健康信息的途径越来越多样化。然而，由于每个人的健康状况不同，他们对健康信息的需求也各异。传统的健康信息推送方式往往无法满足这种个性化需求。因此，开发一种能够根据用户画像和人际关系进行精准推送的大健康信息推送系统显得尤为重要。

经检索，中国专利申请号为CN202011167824.X的专利，公开了一种健康管理信息推送方法、装置、设备及存储介质，涉及健康管理技术领域。该方法包括：获取目标用户的多个历史操作信息；将该目标用户的多个历史操作信息输入用户画像生成模型，得到该目标用户的用户画像，该用户画像用于表征所述目标用户的属性标签、行为标签以及兴趣标签，该属性标签用于标识该目标用户的个人信息，所述行为标签用于标识该目标用户执行预设行为的概率，该兴趣标签用于标识该目标用户感兴趣的信息；根据该目标用户的用户画像，向该目标用户推送健康管理信息。上述专利中的健康管理信息推送方法存在以下不足：虽然通过生成用户画像进行针对性的推送，但是，其用户画像主要考虑用户的历史操作等因素，并未考虑社交信息等因素，以至于可能存在刻画画像不准确的情况，还有待改进。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于大健康信息推送的方法及系统。

为了实现上述目的，本发明采用了如下技术方案：

一种基于大健康信息推送系统，包括：

用户画像构建模块：收集用户的基本信息、生活习惯、疾病史数据，通过机器学习算法构建用户画像；

信息过滤与推荐模块：根据用户画像和行为数据，筛选出与用户兴趣相关的健康信息，并通过协同过滤、内容过滤算法进行推荐；

信息分发与反馈模块：将推荐的健康信息发送给用户，同时收集用户的反馈信息，包括点击率、阅读时长，用于优化推荐策略。

优选的：所述推送系统还包括：

数据分析模块：该模块负责对用户行为数据、健康信息进行分析，以便优化系统性能和提供更精准的服务；

系统管理模块：该模块负责系统的配置、维护和管理；

接口模块：该模块负责与其他系统的接口对接。

优选的：所述用户画像构建模块的用户画像构建方法为：

a.收集用户的基本信息，包括年龄、性别、职业；

b.收集用户的生活习惯数据，包括饮食习惯、运动量、睡眠质量；

c.收集用户的疾病史数据，包括既往病史、家族病史；

d.使用聚类分析、主成分分析等机器学习算法构建用户画像。

优选的：所述信息过滤与推荐模块的具体实现方式为：

a.分析用户的历史行为数据，了解用户的偏好；

b.分析用户的社交网络数据，了解用户的朋友圈关系；

c.使用协同过滤、内容过滤等算法，根据用户画像和行为数据筛选出与用户兴趣相关的健康信息；

d.通过机器学习算法不断优化推荐策略，提高推荐的准确性。

优选的：所述信息分发与反馈模块的具体实现方式为：

a.将推荐的健康信息发送给用户；

b.收集用户的反馈信息，包括点击率、阅读时长；

c.根据用户的反馈信息，调整推荐策略，提高推荐的效果。

优选的：所述数据分析模块的数据分析方法包括：

a.对用户行为数据进行统计分析，了解用户的行为模式；

b.对健康信息进行分类整理，建立健康信息库；

c.利用数据挖掘技术发现潜在的健康问题和趋势。

优选的：所述系统管理模块的具体管理方法包括：

a.提供系统参数设置界面，方便管理员调整系统参数；

b.提供日志记录功能，记录系统的运行情况；

c.提供备份和恢复功能，确保系统的安全性和稳定性。

优选的：所述接口模块的具体传输方法包括：

a.提供API接口，方便其他系统调用本系统的功能；

b.与其他系统的接口对接，实现数据的共享和交互。

优选的：所述推送系统的推送方法包括如下步骤：

S1：用户画像构建模块构建用户画像；

S2：信息过滤与推荐模块分析用户的历史行为数据，了解用户的偏好；

S3：信息过滤与推荐模块分析用户的社交网络数据，了解用户的朋友圈关系；

S4：信息过滤与推荐模块根据用户画像和行为数据筛选出与用户兴趣相关的健康信息；

S5：信息分发与反馈模块将推荐的健康信息发送给用户；

S6：信息分发与反馈模块收集用户的反馈信息；

S7：根据用户的反馈信息，调整推荐策略，提高推荐的效果。

优选的：所述信息过滤与推荐模块在进行推荐时，采用如下公式：

其中，u

本发明的有益效果为：

1.本发明能够根据用户画像和人际关系进行精准推送，满足用户的个性化需求；利用大数据和人工智能技术，提高推荐的准确性和效率；可以应用于各种健康信息领域，如疾病预防、健康管理等。

2.本发明的该系统可以通过对大量健康信息的分析和处理，快速地为用户提供所需的健康信息，从而提高了系统的效率和响应速度。

3.本发明的系统可以通过收集和分析大量的健康数据，为医生和研究人员提供有价值的信息，帮助他们更好地了解用户的健康状况和需求。

附图说明

图1为本发明提出的一种基于大健康信息推送的方法及系统的结构示意图。

具体实施方式

下面结合具体实施方式对本专利的技术方案作进一步详细地说明。

实施例1：

一种基于大健康信息推送系统，包括：

用户画像构建模块：收集用户的基本信息、生活习惯、疾病史数据，通过机器学习算法构建用户画像；

信息过滤与推荐模块：根据用户画像和行为数据，筛选出与用户兴趣相关的健康信息，并通过协同过滤、内容过滤算法进行推荐；

信息分发与反馈模块：将推荐的健康信息发送给用户，同时收集用户的反馈信息，包括点击率、阅读时长等，用于优化推荐策略。

其中，所述用户画像构建模块的用户画像构建方法为：

a.收集用户的基本信息，包括年龄、性别、职业等；

b.收集用户的生活习惯数据，包括饮食习惯、运动量、睡眠质量等；

c.收集用户的疾病史数据，包括既往病史、家族病史等；

d.使用聚类分析、主成分分析等机器学习算法构建用户画像。

其中，所述信息过滤与推荐模块的具体实现方式为：

a.分析用户的历史行为数据，了解用户的偏好；

b.分析用户的社交网络数据，了解用户的朋友圈关系；

c.使用协同过滤、内容过滤算法，根据用户画像和行为数据筛选出与用户兴趣相关的健康信息；

d.通过机器学习算法不断优化推荐策略，提高推荐的准确性。

其中，所述信息分发与反馈模块的具体实现方式为：

a.将推荐的健康信息发送给用户；

b.收集用户的反馈信息，包括点击率、阅读时长等；

c.根据用户的反馈信息，调整推荐策略，提高推荐的效果。

其中，所述推送系统的推送方法包括如下步骤：

S1：用户画像构建模块构建用户画像；

S2：信息过滤与推荐模块分析用户的历史行为数据，了解用户的偏好；

S3：信息过滤与推荐模块分析用户的社交网络数据，了解用户的朋友圈关系；

S4：信息过滤与推荐模块根据用户画像和行为数据筛选出与用户兴趣相关的健康信息；

S5：信息分发与反馈模块将推荐的健康信息发送给用户；

S6：信息分发与反馈模块收集用户的反馈信息；

S7：根据用户的反馈信息，调整推荐策略，提高推荐的效果。

本发明能够根据用户画像和人际关系进行精准推送，满足用户的个性化需求；利用大数据和人工智能技术，提高推荐的准确性和效率；可以应用于各种健康信息领域，如疾病预防、健康管理等。

本发明可广泛应用于以下场景：

医疗机构：为患者提供个性化的健康管理服务；

保险公司：为用户提供定制化的保险产品推荐；

健康领域的相关科技公司：为用户提供智能健康助手服务。

实施例2：

一种基于大健康信息推送系统，包括：

用户画像构建模块：收集用户的基本信息、生活习惯、疾病史数据，通过机器学习算法构建用户画像；

信息过滤与推荐模块：根据用户画像和行为数据，筛选出与用户兴趣相关的健康信息，并通过协同过滤、内容过滤算法进行推荐；

信息分发与反馈模块：将推荐的健康信息发送给用户，同时收集用户的反馈信息，包括点击率、阅读时长等，用于优化推荐策略。

此外，所述推送系统还包括：

数据分析模块：该模块负责对用户行为数据、健康信息进行分析，以便优化系统性能和提供更精准的服务；

系统管理模块：该模块负责系统的配置、维护和管理；

接口模块：该模块负责与其他系统的接口对接。

其中，所述数据分析模块的数据分析方法包括：

a.对用户行为数据进行统计分析，了解用户的行为模式；

b.对健康信息进行分类整理，建立健康信息库；

c.利用数据挖掘技术发现潜在的健康问题和趋势。

其中，所述系统管理模块的具体管理方法包括：

a.提供系统参数设置界面，方便管理员调整系统参数；

b.提供日志记录功能，记录系统的运行情况；

c.提供备份和恢复功能，确保系统的安全性和稳定性。

其中，所述接口模块的具体传输方法包括：

a.提供API接口，方便其他系统调用本系统的功能；

b.与其他系统的接口对接，实现数据的共享和交互。

其中，所述用户画像构建模块的用户画像构建方法为：

a.收集用户的基本信息，包括年龄、性别、职业等；

b.收集用户的生活习惯数据，包括饮食习惯、运动量、睡眠质量等；

c.收集用户的疾病史数据，包括既往病史、家族病史等；

d.使用聚类分析、主成分分析等机器学习算法构建用户画像。

其中，所述信息过滤与推荐模块的具体实现方式为：

a.分析用户的历史行为数据，了解用户的偏好；

b.分析用户的社交网络数据，了解用户的朋友圈关系；

c.使用协同过滤、内容过滤等算法，根据用户画像和行为数据筛选出与用户兴趣相关的健康信息；

d.通过机器学习算法不断优化推荐策略，提高推荐的准确性。

其中，所述信息过滤与推荐模块在进行推荐时，采用如下公式：

其中，u

其中，所述信息分发与反馈模块的具体实现方式为：

a.将推荐的健康信息发送给用户；

b.收集用户的反馈信息，包括点击率、阅读时长等；

c.根据用户的反馈信息，调整推荐策略，提高推荐的效果。

其中，所述推送系统的推送方法包括如下步骤：

S1：用户画像构建模块构建用户画像；

S2：信息过滤与推荐模块分析用户的历史行为数据，了解用户的偏好；

S3：信息过滤与推荐模块分析用户的社交网络数据，了解用户的朋友圈关系；

S4：信息过滤与推荐模块根据用户画像和行为数据筛选出与用户兴趣相关的健康信息；

S5：信息分发与反馈模块将推荐的健康信息发送给用户；

S6：信息分发与反馈模块收集用户的反馈信息；

S7：根据用户的反馈信息，调整推荐策略，提高推荐的效果。

本发明能够根据用户画像和人际关系进行精准推送，满足用户的个性化需求；利用大数据和人工智能技术，提高推荐的准确性和效率；可以应用于各种健康信息领域，如疾病预防、健康管理等。

本发明可广泛应用于以下场景：

医疗机构：为患者提供个性化的健康管理服务；

保险公司：为用户提供定制化的保险产品推荐；

健康领域的相关科技公司：为用户提供智能健康助手服务。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。