買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜武漢科技大學(xué)申請的專利一種社區(qū)老年輕度認(rèn)知障礙智能隨訪服務(wù)推薦方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114141321B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-03-21發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202111376448.X，技術(shù)領(lǐng)域涉及：G16H10/20；該發(fā)明授權(quán)一種社區(qū)老年輕度認(rèn)知障礙智能隨訪服務(wù)推薦方法是由高峰;袁凱;曾燕;劉茂福;顧進(jìn)廣設(shè)計研發(fā)完成，并于2021-11-19向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種社區(qū)老年輕度認(rèn)知障礙智能隨訪服務(wù)推薦方法在說明書摘要公布了：本發(fā)明提供一種社區(qū)老年輕度認(rèn)知障礙智能隨訪服務(wù)推薦方法，根據(jù)采集到的老年隨訪信息提出基于特征進(jìn)化選擇的預(yù)測模型，基于認(rèn)知障礙預(yù)測結(jié)果設(shè)置基于相似度計算的養(yǎng)老服務(wù)推薦模型；采用量表方式，建立社區(qū)老年認(rèn)知和慢病管理調(diào)查問卷；將量表調(diào)查問卷電子化；構(gòu)建web系統(tǒng)，發(fā)布電子版調(diào)查問卷；支持量表查詢，進(jìn)行量表數(shù)據(jù)的獲得，將數(shù)據(jù)儲存在數(shù)據(jù)庫中；采用基于特征進(jìn)化選擇的預(yù)測模型進(jìn)行老年人患老年癡呆疾病程度預(yù)測；采用基于相似度計算的養(yǎng)老服務(wù)推薦模型生成醫(yī)療養(yǎng)老服務(wù)推薦結(jié)果。本發(fā)明相對于現(xiàn)有方法，能提供更全面的MCI隨訪量表、更準(zhǔn)確的預(yù)測結(jié)果、更易用的隨訪系統(tǒng)以及更為個性化的老年服務(wù)推薦。

本發(fā)明授權(quán)一種社區(qū)老年輕度認(rèn)知障礙智能隨訪服務(wù)推薦方法在權(quán)利要求書中公布了：1.一種社區(qū)老年輕度認(rèn)知障礙智能隨訪服務(wù)推薦方法，其特征在于：根據(jù)采集到的老年隨訪信息提出基于特征進(jìn)化選擇的預(yù)測模型，基于認(rèn)知障礙預(yù)測結(jié)果設(shè)置基于相似度計算的養(yǎng)老服務(wù)推薦模型，實現(xiàn)社區(qū)老年MCI隨訪信息采集和養(yǎng)老服務(wù)推薦，實現(xiàn)過程包括以下步驟，步驟1.1，采用量表方式，建立社區(qū)老年認(rèn)知和慢病管理調(diào)查問卷；步驟1.2，將量表調(diào)查問卷電子化；步驟1.3，構(gòu)建web系統(tǒng)，發(fā)布電子版調(diào)查問卷；步驟1.4，支持量表查詢，包括根據(jù)量表編號、受訪者姓名、受訪者身份證號、研究者姓名和或隨訪時間進(jìn)行量表數(shù)據(jù)的獲得；步驟1.5，將步驟1.4中獲取的數(shù)據(jù)儲存在數(shù)據(jù)庫中；步驟1.6，根據(jù)步驟1.4中獲取的數(shù)據(jù)，采用基于特征進(jìn)化選擇的預(yù)測模型進(jìn)行老年人患老年癡呆疾病程度預(yù)測，得到預(yù)測的MCI結(jié)果；步驟1.7，根據(jù)步驟1.4中獲取的數(shù)據(jù)和步驟1.6中預(yù)測的MCI結(jié)果，采用基于相似度計算的養(yǎng)老服務(wù)推薦模型生成醫(yī)療養(yǎng)老服務(wù)推薦結(jié)果；所述基于特征進(jìn)化選擇的預(yù)測模型，采用基于特征進(jìn)化選擇隨機森林的老年MCI早期風(fēng)險篩查模型，該模型執(zhí)行包括以下步驟，步驟2.1，根據(jù)MCI特征設(shè)定隨機森林參數(shù)范圍，決策樹最大深度的取值應(yīng)略小于MCI的特征數(shù)；步驟2.2，設(shè)定染色體編碼規(guī)則，將隨機森林MCI預(yù)測模型的一組參數(shù)組合作為一個染色體；步驟2.3，用參數(shù)組初始化種群，生成一系列染色體表示隨機森林MCI預(yù)測模型參數(shù)組，形成一個種群，進(jìn)行接下來的選擇、交叉和變異過程；步驟2.4，通過MCI預(yù)判準(zhǔn)確率求染色體的適應(yīng)度，染色體的適應(yīng)度對應(yīng)當(dāng)前個體的優(yōu)劣程度，根據(jù)個體對應(yīng)的參數(shù)組在隨機森林MCI預(yù)測模型的準(zhǔn)確率計算適應(yīng)度；步驟2.5，種群選擇個體，根據(jù)染色體的適應(yīng)度對個體進(jìn)行選擇，實現(xiàn)對隨機森林MCI預(yù)測模型的參數(shù)組合進(jìn)行篩選；步驟2.6，染色體基因交叉，用于產(chǎn)生新的可能解組合，即新的隨機森林MCI預(yù)測模型參數(shù)組合；步驟2.7，基因變異，用于產(chǎn)生更有利的隨機森林MCI預(yù)測模型的參數(shù)組；步驟2.8，終止條件判斷，循環(huán)步驟2.3至步驟2.6過程，當(dāng)循環(huán)次數(shù)達(dá)到預(yù)定值次數(shù)后，終止循環(huán)；步驟2.9，用特征選擇方法獲取的最優(yōu)參數(shù)進(jìn)行隨機森林預(yù)測MCI的訓(xùn)練，得到隨機森林自動預(yù)測MCI模型；所述生成醫(yī)療養(yǎng)老服務(wù)推薦結(jié)果，采用基于MCI預(yù)測結(jié)果和用戶相似度的協(xié)同過濾服務(wù)推薦方法，實現(xiàn)過程包括以下子步驟，步驟3.1，根據(jù)步驟1.6中預(yù)測的MCI結(jié)果將用戶分類成不同組；步驟3.2，根據(jù)用戶選擇的認(rèn)知干預(yù)服務(wù)，計算出同組用戶之間的相似度；每條數(shù)據(jù)包含用戶編號user_id，項目編號item_id，MCI結(jié)果mci_result三個屬性，首先根據(jù)mci_result值不同將數(shù)據(jù)分成不同組，計算用戶之間的相似度，得到目標(biāo)用戶前若干個相似用戶，定義每一個物品的流行度:ppli＝ln1+|Ni|，Ni代表每個項目被選擇的次數(shù)，用戶相似度計算公式為， U1和U2表示用戶1和用戶2選擇項目的集合；步驟3.3，取與目標(biāo)用戶相似度排名前若干個用戶，在這些用戶共同選擇次數(shù)最多且目標(biāo)用戶沒有選擇過的若干個項目作為推薦結(jié)果；步驟3.4，若目標(biāo)用戶為新用戶，將該用戶分組內(nèi)最熱門且目標(biāo)用戶沒有選擇過的若干個個項目作為推薦結(jié)果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人武漢科技大學(xué)，其通訊地址為：430081 湖北省武漢市青山區(qū)和平大道947號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。