基于分层聚类的心血管疾病协同过滤推荐模型研究

目的:医院收集了大量医疗数据,这些数据中提取的信息可用于临床决策和治疗推荐.传统的协同过滤推荐算法面临着数据稀疏性和可扩展性差等问题,这会降低系统的准确性和效率.方法:提出了一种基于聚类和子聚类的实时协同过滤推荐模型.该方法被用于四种不同类型的心血管疾病数据集,包括心绞痛、非心源性胸痛、隐形缺血和心肌梗死.将患者数据按照对应的疾病类别进行分层聚类,查询患者被引导到正确的疾病分区并从较小的子集中获得相似度评分.结果:实验结果表明,模型减少了查询患者的搜索范围,从而压缩提供准确建议所需时间,提升了推荐的准确性和效率.结论:模型对心血管疾病相关治疗方案的推荐具有重要的意义.