论文部分内容阅读
随着科学技术的发展,个性化信息推荐技术日益渗透在我们的日常生活中。个性化信息推荐可以使人们只需要关注现有的关键性信息,通过计算机的处理能力,挖掘出一些隐藏的信息之间的关联性。在失语症的治疗过程中,每个患者失语类型不同,因此他们的训练侧重点是不同的。而在治疗过程中,由于言语治疗师精力有限,其言语治疗训练安排也只能采用只照顾大多数人群的统一套题安排的方法。所以结合推荐系统方法,针对不同的患者,进行个性化的治疗辅助,成为失语症康复领域里有重要价值的研究课题。语言障碍人群表达力评测与康复系统采取了人机交互的形式,主要使用了语音识别、自然语言文本分析、推荐算法等技术,实现了一个可在移动终端设备上使用的产品。在康复训练的过程中,对于不同类型的患者,表现出的语言能力短板不同,那么训练的题目有针对性地向短板侧重。相同失语症类型的用户在康复训练时,推荐他们类似的题目更能达到训练目的。通过研究传统基于用户和基于物品的协同过滤推荐算法,在此基础上提出了一种混合推荐算法。以用户的答题提示次数,题目难度,答题分数作为推荐的依据,定义了关联度的概念。在算法的研究基础上,开发了康复题目推荐子系统,增加了认识算法的直观性,减少了操作配置的复杂度,使得推荐算法的研究更有系统性和建设性。最终通过交叉实验验证了失语症康复题目混合推荐算法的实际效果。通过在与合作医院的真实数据集上进行实验,对本文提出的算法进行验证,证明了本文算法可以在此场景下模拟言语治疗师进行题目选择推荐,其题目推荐的平均绝对误差低至0.23,准确度达80%。此外,因系统交互的易操作性和简洁性,对语言能力稍强或者有家属陪同的失语症患者,可以不需要医师独立在家进行康复训练,有效减少了言语治疗师医疗资源的成本,解决了地域和经济等客观因素带来的失语症患者无法得到及时的治疗的问题。本文推荐算法的提出为失语症康复训练现状提供了新的研究方向,康复题目推荐子系统的研发也有助于该算法的后续研发和完善。