隨著國內(nèi)老齡化速度的加快,國內(nèi)對養(yǎng)老問題越來越重視,健康養(yǎng)老也成為當(dāng)今社會最重要的問題之一。目前養(yǎng)老服務(wù)業(yè)存在信息集成度低、數(shù)據(jù)利用率低等問題,為解決上述問題,搭建互聯(lián)化養(yǎng)老服務(wù)平臺是最有效的手段之一。但由于平臺上的養(yǎng)老服務(wù)資源多樣化,老年人無法快速找到適合自己的服務(wù),導(dǎo)致用戶需求與服務(wù)資源不匹配。因此,需要提取老年人和養(yǎng)老服務(wù)基本特征,通過服務(wù)推薦的方式來滿足老年人個性化的需求。為此本文將構(gòu)建基于深度學(xué)習(xí)的養(yǎng)老服務(wù)推薦模型,生成服務(wù)推薦候選集,研究基于人工免疫的多目標(biāo)優(yōu)化推薦算法,并對養(yǎng)老服務(wù)推薦系統(tǒng)做詳細(xì)的需求分析及功能模塊設(shè)計(jì),最終設(shè)計(jì)并實(shí)現(xiàn)養(yǎng)老服務(wù)推薦系統(tǒng),主要從以下四個方面進(jìn)行展開工作:（1）針對傳統(tǒng)推薦算法中存在的冷啟動和數(shù)據(jù)稀疏問題,建立基于深度學(xué)習(xí)的養(yǎng)老服務(wù)推薦候選集生成模型。通過老年人和養(yǎng)老服務(wù)的基本屬性信息,分別提取老年人特征和養(yǎng)老服務(wù)特征,并根據(jù)均方誤差來訓(xùn)練模型,通過訓(xùn)練好的模型從眾多養(yǎng)老服務(wù)中篩選出較為適合目標(biāo)用戶的服務(wù),作為養(yǎng)老服務(wù)推薦候選集。（2）針對目前推薦系統(tǒng)存在的推薦目標(biāo)單一化而導(dǎo)致用戶逐漸陷入信息局限化的問題,構(gòu)建基于人工免疫算法的多目標(biāo)優(yōu)化推薦模... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

論文研究思路圖

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-20-第3章養(yǎng)老服務(wù)推薦候選集生成模型研究本章通過深度學(xué)習(xí)的方法提取老年人特征和養(yǎng)老服務(wù)特征，從而挖掘老年人和養(yǎng)老服務(wù)之間存在的潛在關(guān)系，通過用戶評分均方誤差訓(xùn)練模型，最終通過訓(xùn)練好的模型預(yù)測老年人對養(yǎng)老服務(wù)的評分，從而選取預(yù)測評分較高的服務(wù)生成養(yǎng)老服務(wù)推薦候選集。3.1問題描述傳統(tǒng)推薦方法例如基于用戶的協(xié)同過濾方法和基于項(xiàng)目的協(xié)同過濾方法，基本思想都是通過用戶評分或項(xiàng)目標(biāo)簽來計(jì)算用戶和項(xiàng)目之間的相似度�；谟脩舻膮f(xié)同過濾方法是在系統(tǒng)中先找到與目標(biāo)用戶相似的用戶，將有相似興趣的用戶所使用過而目標(biāo)用戶沒有使用過的服務(wù)推薦給目標(biāo)用戶�；陧�(xiàng)目的協(xié)同過濾方法是計(jì)算項(xiàng)目間的相似度，將與目標(biāo)用戶使用過的服務(wù)相似度高的服務(wù)推薦給用戶。但傳統(tǒng)的推薦算法存在很多問題，冷啟動問題和數(shù)據(jù)稀疏問題是傳統(tǒng)推薦算法中存在的普遍問題。為解決上述問題，本章提出利用深度學(xué)習(xí)方法提取老年人特征和養(yǎng)老服務(wù)特征，并利用評分?jǐn)?shù)據(jù)，找到二者間的關(guān)系，為老年人篩選出適合他們的服務(wù)�；谏疃葘W(xué)習(xí)的推薦模型示意圖如圖3-1所示。圖3-1基于深度學(xué)習(xí)的推薦模型示意圖

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-23-3.3.1用戶特征提取模型人工神經(jīng)網(wǎng)絡(luò)的核心思想是模仿人腦神經(jīng)處理問題的方式[50]，通過內(nèi)部存在的復(fù)雜神經(jīng)元結(jié)構(gòu)，通過相應(yīng)的規(guī)則進(jìn)行學(xué)習(xí)，根據(jù)給定數(shù)據(jù)學(xué)習(xí)到相應(yīng)的特征后再進(jìn)行推理，從而進(jìn)行信息的處理。網(wǎng)絡(luò)結(jié)構(gòu)中的神經(jīng)元數(shù)目的多少影響著整體結(jié)構(gòu)的識別和記憶能力，通過對大量數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練，不斷輸出接近期望的結(jié)果。在神經(jīng)網(wǎng)絡(luò)中可以包含多層隱藏層，通過非線性變化，從而實(shí)現(xiàn)特征抽象。通過大量的數(shù)據(jù)，學(xué)習(xí)到數(shù)據(jù)的特征用于預(yù)測問題或分類問題。因此為提取老年人特征，本章利用人工神經(jīng)網(wǎng)絡(luò)提取老年人特征，老年人特征提取模型如圖3-2所示。用戶ID職業(yè)性別老年人基本信息嵌入層......養(yǎng)老服務(wù)ID特征老年人基本信息特征向量性別特征隱藏層老年人特征向量年齡月收入配偶情況自理能力程度職業(yè)特征年齡特征月收入特征配偶情況特征自理能力程度服特征圖3-2老年人特征提取模型老年人特征提取過程如下：（1）將數(shù)據(jù)輸入嵌入層我們將老年人基本屬性信息各個字段轉(zhuǎn)化為數(shù)字，將其做為嵌入矩陣的索引。在神經(jīng)網(wǎng)絡(luò)中，嵌入層的作用就是將詞索引映射到低維度的詞向量進(jìn)行表示，通過嵌入層可以得到老年人各個屬性特征向量。用:1,2,3,…,來表示老年人的各個屬性，通過嵌入層得到用戶屬性特征向量，見式（3-1）。11（3-1）其中表示激活函數(shù)，1表示偏置，1表示權(quán)重。在神經(jīng)網(wǎng)絡(luò)中需要利用激活函數(shù)，使得每一層的輸出都是非線性的，如果在神經(jīng)元中輸入后沒有激活

【參考文獻(xiàn)】：
期刊論文
[1]我國機(jī)構(gòu)養(yǎng)老服務(wù)質(zhì)量研究現(xiàn)狀及其思考[J]. 喬志華,劉芳.  經(jīng)濟(jì)研究導(dǎo)刊. 2019(08)
[2]“互聯(lián)網(wǎng)+”推動養(yǎng)老服務(wù)精準(zhǔn)化的機(jī)理及實(shí)現(xiàn)路徑[J]. 周紅云,董葉.  中州學(xué)刊. 2019(03)
[3]老齡化背景下日本居家養(yǎng)老服務(wù)體系的構(gòu)建及啟示[J]. 孫作文.  當(dāng)代經(jīng)濟(jì). 2019(03)
[4]日本醫(yī)養(yǎng)結(jié)合養(yǎng)老模式及其對我國的啟示[J]. 周馳,翁嘉,章寶丹.  醫(yī)學(xué)與哲學(xué)（A）. 2018(12)
[5]養(yǎng)老服務(wù)標(biāo)準(zhǔn)體系建設(shè)研究[J]. 謝敏,謝丹超,張洪.  中國標(biāo)準(zhǔn)化. 2018(12)
[6]從文化角度解讀德國的創(chuàng)新養(yǎng)老模式[J]. 徐玲.  安徽文學(xué)(下半月). 2018(04)
[7]中日養(yǎng)老現(xiàn)狀及制度比較分析[J]. 邢韻齡.  中國市場. 2018(06)
[8]基于多目標(biāo)優(yōu)化算法NSGA-II推薦相似缺陷報(bào)告[J]. 樊田田,許蕾,陳林.  計(jì)算機(jī)學(xué)報(bào). 2019(10)
[9]德國養(yǎng)老護(hù)理服務(wù)業(yè)的發(fā)展經(jīng)驗(yàn)對我國的借鑒[J]. 宋群,焦學(xué)利.  中國社會工作. 2017(32)
[10]養(yǎng)老機(jī)構(gòu)現(xiàn)狀淺析[J]. 蔣高霞,王琳,吉愛峰.  科技經(jīng)濟(jì)導(dǎo)刊. 2017(31)



本文編號：3515561