TY -的A2 -林登,玛丽亚AU -高,掸族盟——郭Guibing AU -李,润之盟,Wang Zongmin PY - 2017 DA - 2017/10/03 TI -利用多作用改善医疗个性化排名协同过滤SP - 5967302六世- 2017 AB -如今,向用户提供高质量的推荐服务是一个重要的组件在web应用程序,包括购物,交朋友,和医疗。这可以被认为是一个问题估计用户的偏好利用显式反馈(数值评级),或与隐式协作排名的问题反馈(例如,购买、视图和点击)。对解决这个问题以前作品包括点态回归方法和成对的排名方法。新兴医疗网站和在线医疗数据库实施医疗服务推荐的新挑战。在本文中,我们开发一个模型,MBPR(医疗贝叶斯个性化排名在多个用户的行为),基于简单的观察,用户倾向于分配更高的排名同时喜欢在一些医疗服务用户的其他操作。在真实数据集的实验结果表明,MBPR达到更准确的推荐比一些先进的方法,显示了其通用性和可伸缩性通过实验数据集从一个移动购物应用。SN - 2040 - 2295 UR - https://doi.org/10.1155/2017/5967302 - 10.1155 / 2017/5967302摩根富林明医疗工程PB - Hindawi KW - ER