基于協同過濾的醫學生智能學習推薦系統設計

羅智霖 殷萍 蔡敏 畢迎春

摘要：為提高醫學院校學生自我管理和學習的能力，設計一種基于協同過濾的醫學生智能學習推薦系統，以臨床醫學專業學生為例，通過分析用戶歷史行為，經過數據探索與預處理，應用協同過濾算法，篩選并推送滿足用戶學習興趣和需求的信息和習題，為用戶提供個性化服務。

關鍵詞：協同過濾;醫學生;智能推薦

中圖分類號：TP302.1? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）36-0095-02

開放科學（資源服務）標識碼（OSID）：

Design of Intelligent Learning Recommendation System for Medical Students Based on Collaborative Filtering

LUO Zhi-lin， YIN Ping， CAI Min， BI Ying-chun

（School of Medical Information， Wannan Medical College， Wuhu 241002， China）

Abstract： In order to improve the self-management and learning ability of medical college students， an intelligent learning recommendation system for medical students based on collaborative filtering is designed. Taking students majoring in clinical medicine students as an example， through analyzing users' historical behavior， after data exploration and preprocessing， collaborative filtering algorithm is applied to screen and push information and exercises that meet users' learning interests and needs. It can provide personalized services for users.

Key words： collaborative filtering; medical students; intelligent recommendation

推進信息技術與醫學教育融合，加強醫學人才培養，是提高醫療衛生服務水平的基礎工程[1]，黨的十八大以來，我國醫學教育蓬勃發展，為衛生健康事業輸送了大批高素質醫學人才。在新型冠狀病毒肺炎疫情防控中，我國醫學教育培養的醫務工作者發揮了重要作用。但同時面對疫情提出的新挑戰、實施健康中國戰略的新任務、世界醫學發展的新要求，我國醫學教育還存在人才培養結構亟需優化、培養質量亟待提高、醫藥創新能力有待提升等問題[2]。

醫學院校學生面臨著眾多的學習科目和內容，隨著網絡技術的飛速發展，醫學生可以在網絡世界中獲取到更多的醫學知識，但面對海量的網絡數據，醫學生花費了大量的上網時間，卻很難學習到真正對自己有價值的知識，本文設計的基于協同過濾的醫學生智能學習推薦系統，通過分析提取用戶的歷史行為數據，應用協同過濾算法，為醫學生智能推薦可能感興趣的信息和習題，減輕醫學生繁重的學習壓力，提高醫學生學習效率和學習能力。

1 系統總體設計

1.1 系統設計目標

系統面向的用戶主要為醫學院校的學生，為學生提供醫學資訊、短視頻、相關學習資料、習題等信息，統計錯題類型，根據醫學生學習習慣和歷史數據，為其推薦他們感興趣的資訊和復習題目。系統界面設計清晰簡明，符合醫學生使用習慣，盡可能縮小系統的內存消耗，依據信息訪問頻率進行存儲處理，能夠適配不同分辨率的機型，注重用戶隱私保護。

1.2 系統架構設計

為提高系統開發質量和開發效率，方便系統的更新和維護，本系統采用Client-Server（C/S）結構，客戶端為前端設計，用于與用戶進行交互、記錄用戶行為數據并展示推薦結果，服務器端用于對移動端收集的數據進行分析，根據協同過濾推薦算法，構建推薦模型，結合文本處理技術獲取推薦內容，將推薦結果傳送至移動端，推送給用戶[3]。

圖1為系統架構圖，包括用戶層、應用層、網絡層、服務層和數據層。系統主要為醫學生用戶服務，用戶層還包括醫務工作者、教師等用戶，以及系統管理人員。本系統采用基于移動端的MVC開發模式，服務層提供各種接口，包括用戶管理接口、智能推薦接口、交流討論接口和健康問卷接口，系統采用MySQL數據庫進行數據存儲及處理。

2 系統功能模塊設計

系統包括四個主模塊，分別為醫學視野、學習天地、日常展示和個性定制，具體功能模塊結構圖如圖2所示。用戶注冊后，有三種登錄方式可以選擇，分別是賬號密碼登錄、第三方協議登錄和手機短信登錄。采用第三方協議登錄時，界面會跳轉到第三方軟件上進行授權登錄，如果沒有安裝第三方協議軟件則會提示下載安裝第三方軟件。

2.1 醫學視野模塊

系統登錄后，會進入醫學視野模塊，界面如圖3所示。用戶可以通過搜索欄搜索常見的醫學相關知識，醫學時訊為用戶推送最新的醫學訊息，以醫療衛生相關政策文件、醫學前沿快訊、醫學考試等文章為主。短視頻為用戶呈現醫學相關視頻，包括醫生、教師、實習醫生等用戶發布的醫學領域視頻，供醫學生學習醫學知識和臨床基本技能，糾正一些醫學常識的錯誤認知，了解學長的實習狀態，激發學習的興趣和熱情。

2.2 學習天地模塊

用戶在學習天地模塊中，可以從共享的學習資料中，找到自己感興趣的學習內容進行學習、收藏或下載，而智能推薦模塊則通過用戶訪問日志和做題的統計信息進行數據抽取，經過智能推薦系統，為用戶推送相關題目，圖4為智能推薦系統流程圖。

以臨床醫學專業學生用戶為例，醫學基本知識包括基礎醫學、醫學人文、預防醫學和臨床醫學，習題庫中將題目進行數據分類，將基礎醫學相關的題目細分為人體解剖學、生物化學、生理學、病理生理學、醫學微生物學、醫學免疫學、病理學、藥理學，將臨床醫學相關的題目細分為診斷學和內科學、外科學、婦產科學、兒科學等，根據用戶訪問的學習資料和做題數據的統計信息，應用協同過濾推薦算法，為臨床醫學專業學生推薦需要鞏固練習的習題，提高學生的學習效率，為進入臨床實習前開展的臨床醫學專業水平測試做好準備。

2.3 日常展示模塊

日常展示模塊為用戶提供交流討論平臺，用戶可以分享自己的學習經驗或者學習的困惑、考研心得、日常生活學習的趣事等，交流討論模塊為醫學院校的學生提供了一個醫學專業領域思想交流的平臺，醫生或教師用戶也可在平臺上為學生答疑解惑，引導更專業更深入的話題討論。

2.4 個性定制模塊

個性定制模塊包括健康問卷和用戶管理，用戶通過填寫健康問卷，獲得相應的健康指導，包括生理健康和心理健康，問卷中還包括學習時間、上網時間等內容，通過記錄用戶每天的學習規律，推薦用戶制定合理的學習計劃。用戶管理除了可以設置個人信息，還設有“醫星”專欄，用戶上傳學習資料、瀏覽醫學時訊、刷短視頻、參與討論等，都可以獲得相應的醫星獎勵，參與度越高，獲得的醫星越多，積攢的醫星，可以兌換功能服務，如下載資料時需要用醫星兌換，應用自動排版等功能需要用醫星兌換，增加用戶活躍度。

3 結束語

隨著互聯網和信息技術的迅猛發展，網絡數據呈現出飛躍性的增長，面對海量的信息數據，用戶很難快速準確地獲取自己感興趣的信息[4]。推薦系統可以幫助用戶避免信息超載，為其提供符合自身需求的推薦，提高信息的有效利用[5]。基于協同過濾的醫學生智能學習推薦系統能夠輔助醫學院校的學生學習專業知識，掌握專業技能，培養醫學人文素養，為用戶準確?地推送相應的習題信息，節省用戶時間，提升用戶體驗，提高醫學生學習興趣和學習能力，能夠建立穩定的系統用戶，并為其他應用提供參考。

參考文獻：

[1] 國務院辦公廳.國務院辦公廳關于深化醫教協同進一步推進醫學教育改革與發展的意見[J].中華人民共和國國務院公報，2017（21）：13-17.

[2] 國務院辦公廳.國務院辦公廳關于加快醫學教育創新發展的指導意見[J].中華人民共和國國務院公報，2020（28）：27-31.

[3] 鄧勇文，葛有金，楊麗，等.基于Android的醫療常識推薦系統的設計與開發[J].銅陵職業技術學院學報，2020，19（4）：79-82.

[4] 秦沖，趙鐵柱，柳毅.個性化推薦算法的研究及發展綜述[J].東莞理工學院學報，2021，28（3）：51-60.

[5] 李孟浩，趙學健，余云峰，等.推薦算法研究進展[J/OL].小型微型計算機系統：1-14.[2021-05-16].http：//kns.cnki.net/kcms/detail/21.1106.TP.20210507.1358.004.html.

【通聯編輯：謝媛媛】