(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211187093.4 (22)申请日 2022.09.28 (71)申请人 海南小鹏健康互联网医院股份有限 公司 地址 571900 海南省三沙市澄迈县老城镇 高新技术产业示范区海南生态软件园 A-22五楼 (72)发明人 李昌华　 (74)专利代理 机构 湖北创融蓝图知识产权代理 事务所 (特殊普通合伙) 42276 专利代理师 黄太林 (51)Int.Cl. G06F 16/9536(2019.01) G06F 16/958(2019.01)G06F 16/335(2019.01) G06F 16/35(2019.01) G06F 40/216(2020.01) G06K 9/62(2022.01) (54)发明名称 一种基于大数据用户画像的健康知识推荐 方法及系统 (57)摘要 本发明属于健康知识推荐技术领域， 具体提 供了一种基于大数据用户画像的健康知识推荐 方法及系统， 其中方法包括： 根据用户固有属性 及用户多维度行为记录， 构建多维度的用户画 像； 根据关键词对知识文章进行领域细分得到文 章分类； 结合用户画像及文章分类对用户进行兴 趣推荐。 通过多维度用户画 像构建， 用户相似度， 文章内容关键词提取等手段， 完成了用户画像构 建和文章领域细分就可以根据用户画像进行兴 趣推荐， 同时也可以根据用户相似度来推荐相似 用户浏览过的知识文章。 将相似推荐和兴趣推荐 结合来对用户进行知识文章推荐， 提高推荐的精 准度和个性 化。 权利要求书1页 说明书4页 附图2页 CN 115525838 A 2022.12.27 CN 115525838 A 1.一种基于大 数据用户画像的健康知识推荐方法， 其特 征在于， 包括以下步骤： S1， 根据用户固有属性及用户多维度行为记录， 构建多维度的用户画像； S2， 根据关键词对知识文章进行 领域细分得到文章分类； S3， 结合用户画像及文章分类对用户进行兴趣推荐。 2.根据权利要求1所述的基于大数据用户画像的健康知识推荐方法， 其特征在于， 所述 S1具体包括： 从药店及医院平台获取用户多维度行为记录， 所述用户多维度行为记录包括 用户的问诊 行为记录、 购药行为记录、 推荐文章点击记录、 文章浏览记录和系统登录 登出时 间记录。 3.根据权利要求1所述的基于大数据用户画像的健康知识推荐方法， 其特征在于， 所述 S1中用户固有属性具体包括： 性别、 年龄、 籍贯、 既往病史及治疗史。 4.根据权利要求1所述的基于大数据用户画像的健康知识推荐方法， 其特征在于， 所述 S1还包括： 使用协同过滤的方法对多用户进 行关联寻找相似用户， 推荐相似用户浏览记录， 形成相似度推荐。 5.根据权利要求4所述的基于大数据用户画像的健康知识推荐方法， 其特征在于， 所述 S3之后还 包括： 结合相似度推荐及兴趣推荐完成对用户的知识文章推荐。 6.根据权利要求1所述的基于大数据用户画像的健康知识推荐方法， 其特征在于， 所述 S2具体包括： 先对知识文章内容采用TF ‑IDF算法进行关键词 提取， 然后根据知识文章内容 的关键词对知识文章进行 领域细分。 7.根据权利要求6所述的基于大数据用户画像的健康知识推荐方法， 其特征在于， 所述 S2具体包括以下步骤： S21， 对于文章 中任意一个关键词的词频TF和/或逆文档频率IDF大于阈值时， 计算出所 述关键词与所述文章的相关性 值＝TF*IDF； S22， 按照步骤S21的方法， 计算多个关键词的相关性值， 以此对文章内容领域进行细 分。 8.一种基于大数据用户画像的健康知识推荐系统， 其特征在于， 所述系统用于实现如 权利要求1 ‑7任一项所述的基于大 数据用户画像的健康知识推荐方法， 包括： 用户画像构建模块， 用于根据用户固有属性及用户多维度行为记录， 构建多维度的用 户画像； 领域分类模块， 用于根据关键词对知识文章进行 领域细分得到文章分类； 推荐模块， 用于结合用户画像及文章分类对用户进行兴趣推荐。 9.一种电子设备， 其特征在于， 包括存储器、 处理器， 所述处理器用于执行存储器中存 储的计算机管理类程序时实现如权利要求 1‑7任一项所述的基于大数据用户画像的健康知 识推荐方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 其上存储有计算机管理类程序， 所述计算 机管理类程序被处理器执行时实现如权利要求 1‑7任一项所述的基于大数据用户画像的健 康知识推荐方法的步骤。权　利　要　求　书 1/1 页 2 CN 115525838 A 2一种基于大数据用户画像的健康知识 推荐方法及系统 技术领域 [0001]本发明涉及健康知识推荐技术领域， 更具体地， 涉及一种基于大数据用户画像的 健康知识推荐方法及系统。 背景技术 [0002]在当前自媒体时代， 越来越多的人习惯通过 网络去获取知识和一些生活小技巧和 常识。 药店平台和医院平台也提供基本的问诊购药服务之外也会有专门的知识模块进 行科 普。 然而现有的一些药店和医院平台的知识文章推荐， 大多只是对文章的随机推送或进行 简单推荐， 并没有重视用户与其推荐文章之间的关联性。 用户在平台上 的行为与知识推荐 模块并没有产生交叉， 或者只是简单地对近期行为进行推荐。 这样的原因一部分是在于用 户在这些平台方的行为较为单一， 用户画像单薄， 对于单人用户无法通过其行为数据构建 完整的用户画像。 另一部分在于推荐的文章内容细分度不够， 无法形成多标签体系与用户 画像进行对应。 发明内容 [0003]本发明针对现有技术中存在的健康知识文章推荐内容细分度较差， 用户行为较为 单一， 用户画像单薄， 无法形成多标签 体系与用户画像进行对应的技 术问题。 [0004]本发明提供了一种基于大 数据用户画像的健康知识推荐方法， 包括以下步骤： [0005]S1， 根据用户固有属性及用户多维度行为记录， 构建多维度的用户画像； [0006]S2， 根据关键词对知识文章进行 领域细分得到文章分类； [0007]S3， 结合用户画像及文章分类对用户进行兴趣推荐。 [0008]优选地， 所述S1具体包括： 从药店及医院平台获取用户多维度行为记录， 所述用户 多维度行为记录包括用户的问诊 行为记录、 购药行为记录、 推荐文章点击记录、 文章浏览记 录和系统登录登出时间记录 。 [0009]优选地， 所述S1中用户固有属性具体包括： 性别、 年龄、 籍贯、 既往病史及治疗史。 [0010]优选地， 所述S1还包括： 使用协同过滤的方法对多用户进行关联寻找相似用户， 推 荐相似用户浏览记录， 形成相似度推荐。 [0011]优选地， 所述S3之后还包括： 结合相似度推荐及兴趣推荐完成对用户的知识文章 推荐。 [0012]优选地， 所述S2具体包括： 先对知识文章内容采用TF ‑IDF算法进行关键词提取， 然 后根据知识文章内容的关键词对知识文章进行 领域细分。 [0013]优选地， 所述S2具体包括以下步骤： [0014]S21， 对于文章中任意一个关键词的词频TF和/ 或逆文档频率IDF大于阈值时， 计算 出所述关键词与所述文章的相关性 值＝TF*IDF； [0015]S22， 按照步骤S21的方法， 计算多个关键词的相关性值， 以此对文章内容领域进行 细分。说　明　书 1/4 页 3 CN 115525838 A 3