【例会】面向医疗健康的个性化推荐算法研究(大论文框架)

主持:刘杰

参会老师:杨矫云,阙夏

参会学生:程坤、段优、郭思伊、韩朋、景波、江思源、李雨龙、刘杰、刘硕、马蒙、明鉷、唐晨、滕越、肖勇博、赵春阳

时间:2018.12.19

摘要

健康领域推荐、药物重定位、药物相似度计算、健康护理措施推荐、数据稀疏性对推荐效果的影响、简单描述本文算法

1 绪论

1.1研究背景和意义

通过介绍新药研发周期和经费上存在的问题引入药物重定位策略

简单介绍个性化推荐对于药物重定位工作的帮助

1.2国内外研究现状

1.2.1推荐系统研究现状

简单介绍典型的推荐算法以及当前不断改进的推荐算法

简单介绍国内推荐系统应用场景及效果

1.2.2医疗健康个性化推荐研究现状

简单介绍药物重定位的几种研究策略:如基于疾病、基于靶点以及临床观察等

简单介绍近年来有特色的药物重定位算法

简单介绍近年来将个性化推荐应用于药物重定位中的算法并指出存在的问题

(1.1、1.2结合相关资料及小论文内容)

1.3主要研究内容

个性化推荐算法在药物重定位中的应用

相似度计算

药物重定位推荐系统的实现

1.4论文的组织结构

概述每一章主要内容

2 相关理论和技术概述

2.1推荐算法概述(综述)

2.1.1基于协同过滤的推荐算法

原理、优缺点(什么展现形式)

2.1.2基于内容的推荐算法

原理、优缺点

2.1.3基于人口统计学的推荐算法

原理、优缺点

2.1.4混合推荐算法

原理、优势

2.2药物重定位策略概述

2.2.1药物-靶点关系分析策略

通过分析药物靶点之间的相似性来进行药物重定位(包括有效性靶点和副作用靶点)

2.2.2药物-疾病关系分析策略

利用药物-疾病对应关系来进行药物重定位

2.2.3药物-药物关系分析策略

基本理论:具有相同化学性质的药物也具有类似的生化活性

2.2.4其他分析策略

2.3健康护理措施推荐概述

2.4本章小结

3 基于药物和疾病特征关联的药物重定位混合推荐算法小论文)

3.1算法设计

3.1.1基本原理

3.1.2相似度计算

介绍各类相似度计算方法及公式

3.1.3评分表示方法

3.2实验数据

3.2.1实验数据集及预处理

数据集来源及数据内容介绍

预处理:包括原始数据集如何处理成可以用的数据,利用处理后的数据对疾病进行特征标准

3.2.2数据稀疏度计算

 

3.3算法评测指标

推荐系统评测指标介绍(综述)

介绍MAE作为评测指标带来的问题以及用召回率、准确率和F值来衡量算法优劣的必要性

3.4实验结果与分析

3.4.1实验结果

3.4.2结果分析

3.5本章小结

4 健康护理措施推荐

5总结与展望

总结全文:主要工作和取得的效果

针对还可以优化和扩展的地方提出未来的工作方向

参考文献

anyShare分享到:
This entry was posted in 例会. Bookmark the permalink.

发表评论