个性化医疗信息服务的发展使得医疗信息服务模式发生了转变,即由传统的“人找信息”的被动服务模式向根据用户兴趣特点实现“信息找人”的主动服务模式转变。由于系统向用户提供的信息都是根据用户个体特征定制的,因此大大提升了医疗信息服务的体验和效率。然而目前已有的个性化医疗信息服务系统都是基于传统Web的服务方式,用户兴趣模型的构建也没有与用户个体的健康状况相结合,因此并不能很好地针对用户个体健康差异为其提供具有实时性、前瞻性的医疗信息服务。本文借助于移动终端设备便捷、实时的独特优势,提出构建一个基于移动互联网的个性化医疗信息服务系统。为了实现这一目标,本文主要针对以下几个方面开展研究工作:1.本文基于用户兴趣模型的推荐思想,提出将用户的体征参数信息参与用户兴趣模型的构建,并参考各项体征参数的相关临床标准制定了相应兴趣特征项的权重设置规则,实现了针对用户个体的健康差异提供更全面的个性化医疗信息服务。2.本文完成了用户兴趣模型的构建,并提出了其两种隐式更新机制。一方面通过跟踪用户点击行为,利用文本特征提取的相关技术实现了用户兴趣模型的增量更新;另一方面,本文基于艾宾浩斯遗忘曲线提出了一种兴趣权值衰减函数,从而实现了兴趣模型的减量更新。通过模拟人类大脑的遗忘规律,衰减用户的兴趣特征项权值,就能够有效降低用户不再感兴趣的特征项权重,提高兴趣模型表达的准确性与稳定性;同时也提高了兴趣模型的自适应性,避免其过于庞大和臃肿。3.本文基于WebCollector设计了一个多线程爬虫程序,可以从网络上分类抓取医疗信息。通过提取文本的指纹值来实现文档去重的操作,并利用文档频率-倒排文档频率算法实现了对文本特征的提取,从而实现了用向量空间模型来表征文档的信息,最终完成了医疗信息库的构建。4.本文利用Spring提供的Quartz任务调度框架使得服务器能够在后台按照设定的时间间隔定期更新用户的兴趣模型,提高了用户兴趣模型更新的实时性。此外,本文将用户的信息推荐列表持久化存储到数据库中,同样利用Quartz任务调度框架定期更新用户的信息推荐列表,大大提升了用户请求个性化推荐时服务器的响应速度,同时也提升了用户的使用体验。5.本文基于以上理论和基础研究,设计并实现了一个基于Android平台的实时个性化医疗信息服务的原型系统。系统结合显式和隐式两种方式来获取用户兴趣,接着利用向量的夹角余弦公式实现了用户兴趣模型与医疗信息文档的相似度计算,最终实现了将个性化推荐技术应用于医疗信息服务领域。系统测试的结果表明,信息推荐的查准率和查全率达到了初步使用的要求。