用户登录  |  用户注册
首 页毕业论文毕业设计下载定做交易过程截图支付宝在线支付
当前位置:完美毕业网毕业设计下载计算机毕业设计安卓Android毕业设计

智慧养老系统健康服务推荐软件设计

联系方式:点击这里给我发消息QQ212181988
官方主页:www.biye114.com
图片预览: ;论坛转帖
插件情况:
售后服务:请联系客服QQ:212181988
一键分享拿折扣:
  • 好的评价 如果您觉得此软件好,就请您
      0%(0)
  • 差的评价 如果您觉得此软件差,就请您
      0%(0)

软件简介

 随着我国人口结构的变化,人口老龄化问题日益突出。智慧养老系统的出现,使老年人能够更好的享受贴心的养老服务。由于老年人面临着更多的健康问题,健康推荐服务与老年人的健康息息相关,因此显得格外重要。然而市场上大部分健康医疗网站的推荐结果仅仅根据关键词搜索或者用户点击量来进行健康服务推荐,推荐结果并不具有针对性且准确度较低,满足不了老年人在线健康咨询的需求。
针对这一问题,本文在对现有推荐算法的研究现状基础上,对现有的医生推荐算法进行了研究、改进与验证,提高了医生推荐精准度。本文将改进后的混合医生推荐算法应用在智慧养老系统健康服务推荐软件中,弥补了当前市面上健康服务推荐精准度不足的问题。具体的,本文进行了如下工作:
1. 概述了课题背景与国内外的研究现状,在此基础上研究分析了智慧养老系统所存在的不足,并针对健康服务推荐结果精确度较低的情况,提出了本文的研究内容——健康服务推荐软件。通过对健康服务推荐软件的需求分析,明确了软件的体系结构,分析确定了软件的技术方案。最终,将健康服务推荐软件设计为一款基于B/S架构的MVC结构的网站。
2. 针对当前健康服务推荐领域的不足,对现有算法进行改进,形成了改进的混合医生推荐算法。该算法将已有的混合医生推荐算法中引入了病情描述语义相似度与医生互动相似度,通过最终计算的医生推荐度来对用户推荐列表中的医生进行排名并推荐。最后对改进的混合医生推荐算法中的权重系数进行选择,选择推荐精准度最高情况下的权重系数,并与改进前医生推荐方法进行了对比。
3. 根据需求分析,对软件模块与数据库进行详细设计,其中包括健康医疗、关怀计划以及健康咨询等模块,并详细介绍了医生推荐模块的实现方法。
4. 设计了软件的测试方案,对健康服务推荐软件的软件性能、功能进行了测试,结果表明,软件符合项目需求,达到预期目标。

关键词:智慧养老系统,健康服务,推荐软件,医生推荐算法,B/S

目录
图录 IX
表录 XI
注释表 XIII
第1章 引言 1
1.1 课题背景 1
1.2 国内外研究现状 2
1.2.1 智慧养老现状 2
1.2.2 个性化推荐研究现状 3
1.2.3 健康服务推荐研究现状 5
1.3 当前存在的问题 6
1.4 研究内容与意义 6
1.4.1 研究内容 6
1.4.2 研究意义 7
1.5 论文的组织结构 8
第2章 软件总体设计与分析 9
2.1 智慧养老系统整体结构 9
2.2 健康服务推荐软件需求分析 11
2.2.1 功能需求分析 11
2.2.2 性能需求分析 13
2.3 软件体系结构 13
2.3.1 用户显示层 14
2.3.2 业务逻辑层 15
2.3.3 数据服务层 16
2.4 软件方案设计 16
2.4.1 架构模式 16
2.4.2 Web服务器 18
2.4.3 数据库管理系统 19
2.4.4 框架选择 19
2.5 本章小结 21
第3章 混合医生推荐算法的研究与改进 23
3.1 已有医生推荐算法分析 23
3.1.1 基于领域专家度的医生推荐算法 23
3.1.2 基于信任度的医生推荐算法 25
3.1.3 融合领域专家度和信任度的医生推荐算法 26
3.2 改进的基于信任度的医生推荐算法 26
3.2.1 已有算法存在的不足与改进 27
3.2.2 病情描述相似度计算 28
3.2.3 医生互动相似度计算方法 30
3.2.4 改进的基于信任度的医生推荐算法 31
3.3 改进的混合医生推荐算法 31
3.4 实验分析 33
3.4.1 实验数据集 33
3.4.2 常用评价方法 35
3.4.3 实验设计与结果分析 37
3.5 本章小结 40
第4章 软件详细设计与实现 41
4.1 软件功能模块设计 41
4.2 数据库设计与实现 43
4.2.1 数据库设计 43
4.2.2 数据库连接与操作 46
4.3 医生推荐模块的设计与实现 46
4.3.1 工作流程 46
4.3.2 离线计算模块的实现 48
4.3.3 在线推荐模块的实现 49
4.4 其他功能模块详细设计与实现 50
4.4.1 健康医疗 51
4.4.2 关怀计划 53
4.4.3 健康资讯 55
4.5 本章小结 56
第5章 软件测试与结果分析 57
5.1 测试方案分析 57
5.1.1 常用测试方法 57
5.1.2 测试目标 57
5.2 测试环境搭建 58
5.3功能测试及结果分析 59
5.3.1 系统管理测试 59
5.3.2 健康医疗测试 62
5.3.3 关怀计划测试 67
5.3.4 健康资讯测试 69
5.4 性能测试与结果分析 71
5.4.1 算法性能测试 71
5.4.2 软件性能测试 72
5.5 本章小结 74
第6章 总结与展望 75
6.1 总结 75
6.2 展望 76
参考文献 77
致谢 81
攻读硕士学位期间从事的科研工作及取得的成果 83

1章 引言
1.1 课题背景
人口老龄化是指一个国家或地区中,老年人所占比例较高的状态,一般是由于人口平均寿命增加或者人口生育率降低导致的[1]。目前,通常说一个国家或地区进入了老龄化社会,就说明该国家或地区人口中10%以上超过了60岁或者7%以上超过了65岁[2]。据国家统计局发布的年度数据显示,截止到2016年底,我国65岁及以上老年人已经占总人口的10.8%,约为1.5亿,这表明我国已经是一个老龄化国家。我国社会人口老龄化问题是一个不容忽视的问题,由于老年人面临更多健康、服务、医疗等问题,需要消耗更多的社会资源去照顾,因此老龄化问题是我国的社会发展中的重大考验。构建新型养老体系、对老年人进行合理的全方位照料以及对卫生服务的大量需求都给社会带来了巨大挑战[3]。
近年来,随着社会发展,人口老龄化问题也越来也受到政府以及研究学者们的重视。与此同时,以互联网等技术为代表的新一代信息技术被应用于解决该问题,研究学者们也提出智慧养老这一概念。另外,养老产业也开始寻求与互联网的融合,充分利用国家发展红利与先进的科技技术实现自我强化、自我发展与自我优化,如将智能化的产品与服务引入到养老中,为老年人提供及时、高效、便捷、智慧化的养老服务等。
同时,政府也对智慧养老产业给予政策支持。工信部、民政部、卫计委等在已经发布的《智慧健康养老产业发展行动计划(2017-2020年)》中,提出了2020年我国要基本建成智慧养老体系的目标,为未来的智慧养老产业发展打下了基础。国务院在印发的《“十三五”国家老龄事业发展和养老体系建设规划》中,也明确说明智慧养老可以与互联网相结合,形成“互联网+”养老工程。随后,在国家政府的鼓励下,各地区政府、企业、研究人员陆续开展智慧养老领域的研究与建设。
目前,智慧养老系统中的健康医疗服务个性化推荐方面的研究和应用还处于起步阶段[4]。由于各类医疗健康服务种类繁多且针对的用户群体各不相同,而用户对各种医疗健康服务并不十分了解,因此用户仅凭自身很难选择最适合自己的健康服务。中国国务院在2016年10月5日审议通过了《“健康中国2030”规划纲要》,说明我国政府越来越关心民众健康问题,在文件中提出健康服务可以与互联网相结合,鼓励进行在线健康咨询等服务,对健康服务行业具有很大的促进作用[5]。目前,虽然昂贵的医疗信息管理系统能在一定程度上提高医院效率,但其能够大范围应用于医院和病人的能力并未发挥出来。据美国的健康调查显示,截止到2012年底,在美国18岁以上的成年人进行在线健康咨询的人数占总人数的35%以上,其中有一半的人会在进行在线健康咨询过后进行更加专业的健康治疗[6]。据CNNIC在2016年1月22日发布的《第37次中国互联网发展状况统计报告》显示,到2015年12月为止,我国进行过在线医疗服务的人数已达1.52亿,大约占总网民人数的22.1%,在线医疗服务仍有巨大发展潜力需要挖掘[7]。据国家卫计委统计信息中心数据显示,在2016年前7个月中,在我国各地医疗卫生机构进行治疗的数量高达44.9亿人次。如何从海量的数据中高效的找到最适合患者的医师,对于患者来说就显得至关重要。这些数据都表明智慧养老系统中的健康服务软件在国内外都具有巨大的发展潜力与广阔前景。
1.2 国内外研究现状
1.2.1 智慧养老现状
老龄化问题是一个全球性问题,在国外一些国家针对老龄化问题已经做了很长时间的尝试,并且取得了一定的成果。在美国形成了大约300多个养老社区,为独居老人提供了全方位的居家养老服务,例如日常生活帮助、小区购物、家中日常维修等服务。在养老社区中,老年人可以利用互联网或者电话等方式及时向社区的管理人员进行反馈,社区的管理人员也可以因此为老年人制定个性化的贴心服务,使老年人在家就能够享受到社区提供的全方位照顾[8]。英国生命信托基金会设想打造一套智能化的老年人住宅,住宅将采用物联网、红外感应等技术对家中进行实时监测,实现对家中的老年人进行全方位的远程监控。如在室内的地毯中植入感应装置,如果老年人不小心在住宅内发生摔倒等事故,地面中的传感器就会立即感应到并及时通知医护人员或者老年人家属;如在厨房墙壁植入电子芯片装置,如果发生老年人忘记关闭灶台的情况,热水壶的安全警报就会发出提醒;另外,药盒中的芯片装置会提醒老人按时吃药[9]。
相对于国外来说,我国的智慧养老体系建设起步较晚,但近些年来随着智慧养老领域研究的深入,我国智慧养老领域研究也取得了一定的成果。欧呈在研究现有智慧居家养老服务系统建设现状的基础上,设计了一个智慧居家养老服务信息系统,使其能够有效的使用各种社会资源,充分挖掘与利用社区中所有可用于居家养老服务的资源,搭建从社区到居家老人的联系平台[10];刘建兵首先对当前智慧养老建设中所使用的信息技术进行了研究与分析,随后对多种智慧服务子平台的解决方案进行了探讨[11];贾伟对当前我国智慧养老建设中存在的一些问题进行了分析,并针对性的提供了一些参考解决方案[12];吕忠文针对当前居家养老中,缺少健康信息服务的问题,设计并实现了电子医疗健康领域中的医院信息管理系统,构建了健康医疗信息资源平台,为居家老年人提供了健康养老信息服务[13];姚建铨在智慧医疗与智慧养老结合的发展趋势下,对我国目前的主要的智慧养老模式的优缺点与未来发展进行了探讨[14];朱晓凤将当前的信息技术与流行的Android技术进行结合,设计并实现了基于Android技术的智慧养老服务平台,为社区养老的老年人建立在线电子健康档案,使老年人与家属更加方便直观的了解老年人当前的健康状况[15]。
1.2.2 个性化推荐研究现状
国外对个性化推荐的研究开始于上世纪九十年代,在1997年之前,推荐系统主要应用于垃圾邮件的筛选,信息或新闻的过滤等,1997年之后,推荐系统开始应用于电商领域,并越来越受到人们的重视。协同过滤方法是目前使用最广泛的个性化推荐方法,它由Goldberg等等在1992年首次提出,它的主要思想是某些兴趣相同或类似的用户之间喜好的东西也相近。协同过滤方法的出现使人们开始考虑到用户之间的关系,而不是简单的考虑项目与用户之间的匹配度[16]。之后,基于协同过滤的推荐方法广泛电子商务的应用,随着社会与信息技术的不断发展与普及,电子商务系统中的用户急速增加,每次进行基于用户的协同过滤方法进行用户的相似度都需要进行大量的计算,计算量成为了电子商务系统的一个发展瓶颈。针对这一问题,Sarwar等进一步的提出了基于项目的协同过滤,它利用项目之间的相似度来为用户进行类似项目的推荐,该方法大大减少了电子商务系统中的计算复杂度,但由于没有考虑到用户之间相似度的情况,该方法下的推荐效果并不是很好[17]; O’Connor在分析了相似度计算过程中计算量过大的问题后,提出了物品聚类的方法来降低相似度的计算复杂度[18];Schein利用贝叶斯分类法来解决推荐系统中新项目推荐的问题[19]。
近些年来,随着我国互联网的发展,个性化推荐算法在国内也越来越受到学者的重视,也取得了很多研究成果。系统中用户会随着时间的增加而不断增加,但用户数量过大会导致协同过滤算法的计算量成倍增加,针对这一问题,邓爱林等提出了一种基于项目聚类方法的协同过滤算法[20]。首先按照项目之间的相似度情况,将项目划分为几个聚类,按照项目与聚类的距离关系,将项目分类到最近的聚类中,之后将同一聚类下的项目作为最近邻集合推荐给用户。该方法避免了因用户或项目数量增加而导致的计算量激增问题,使系统的推荐计算效率大大增加。但是,该方法的缺点也很明显,仅仅考虑了项目与聚类之间的相似度,并未考虑目标用户的兴趣爱好以及用户项目偏好等,因此该方法的推荐效果并不是很好。
邢春晓等在研究针对用户兴趣的协同过滤算法的基础上,提出推荐算法虽然可以将新项目推荐给用户,但是无法满足用户变动的兴趣变化[21]。针对这一问题他们在考虑了用户兴趣改变的基础上,提出了一种新的协同过滤推荐算法,该算法将用户兴趣时间与推荐时的时间差作为考虑因素,同时引入了资源相似度因素作为推荐标准。该算法能够在充分考虑用户兴趣变化的基础上,同时保持较好的推荐准确度。
针对研究领域中,用户对文献与科研人员等信息检索不方便的问题,邓少伟等提出了一种基于论文作者合作关系的推荐方法[22]。利用论文作者的学术合作关系,将论文关键词与作者相关联,找到研究学者与研究领域之间的相似度关系,并将与用户搜索文献相近的学术成果进行推荐。
如今,随着互联网的日益普及,每天都会产生大量的用户行为数据,为个性化推荐进一步的发展提供了可能。大量网站或应用为了提高用户体验度都将个性化推荐方法应用于自己的产品,如淘宝,网易云音乐等都有了个性化定制的功能,它们一方面利用用户的个人信息,如年龄、性别、地区等,另一方面收集大量用户历史行为数据,结合用户自身的特点对用户可能感兴趣的项目进行预测。目前,个性化推荐方法已经广泛应用在很多领域中,如电子商务、社交网络和音乐等。
1.2.3 健康服务推荐研究现状
近些年,随着互联网的发展,各类医疗健康网站也不断出现,医疗健康网站所提供的服务种类繁多,但用户对于病情描述模糊不清,对于用户的搜索,仅仅依靠人工查询或是简单的关键字搜索不仅耗时耗力,还满足不了用户对于健康服务的需求。对于健康服务网站而言,用户对于推荐准确度的要求较高。如何更好更快的为用户进行合适、满意的健康服务推荐已经成为了健康服务网站需要解决的大问题。因此将个性化推荐方法应用于健康领域显得尤为重要。
现如今,医疗健康领域个性化推荐方法的研究在国内外已经取得的一定的成果。Kim在推荐的同时,将患者所处的场景信息与脉搏、呼吸频率等健康信息融合于协同过滤推荐方法内,提高了推荐的准确度[23]。然而,他们却忽略了用户与医护人员的之间的关系对推荐结果产生的影响;Lin等将医护人员与患者的个人特征按照不同权重进行融合,并将其作为医生推荐标准,能够为不同特点的患者提供针对性的个性化医疗方案,但是他们忽略了医护人员在过去该领域的认可度,即医护人员的领域是否熟练,专业知识是否精通这一因素并没有考虑在内[24];Huang 等将医护人员与健康医疗诊断建立档案,并根据用户档案信息进行医护人员以及健康医疗诊断信息方面的健康医疗方案推荐[25];Duan 等在考虑到医护人员的领域信誉度与患者的个人喜好的基础上,为患者提供个性化医疗解决方案,但仅仅考虑了医护人员或者患者中的一个方面,没有考虑到医患之间的关系[26];孙晓曦将用户的历史行为数据进行采集,并提出了基于用户兴趣聚类的个性化推荐算法,后将该算法应用于医疗服务领域,提高了用户的医疗服务推荐准确度,但是推荐结果并不能及时反映用户的兴趣变化,当用户兴趣变化时,无法对推荐结果进行及时的更新,导致推荐结果可能陈旧[27];刘彭和覃绍俊在研究分析了协同过滤算法的基础之上,各自提出了一种基于协同过滤的个性化医生推荐方法[28,29]。
随着人们生活质量的提高,对健康的关注也越来越多,推荐系统在医疗服务领域的应用也越来越多,如好大夫网根据医生的擅长领域与患者好评数为用户提供医生的个性化推荐服务;39健康网根据投票数与好评的医生数为用户提供医院信息推荐。他们都是基于用户对医生或医院的历史评分数据,或者医生、医院实体的属性特征评分,为用户进行最恰当的推荐;丁香医生网为用户提供的医院和医生的推荐信息是根据医院的各种属性特征和用户的评分数据为用户推荐医院信息,同时根据医生的属性特征和用户对医生的历史评价数据作为用户推荐医生的信息。
1.3 当前存在的问题
由于智慧养老系统中健康医疗服务个性化推荐方面的研究还处于起步阶段。通过查阅大量文献,对国内外发展现状进行查阅和学习,对比当前健康服务推荐软件的优缺点,发现当前多数医疗健康网站所采用的只是简单的关键词搜索方法或者点击量排名的方式来对用户进行服务推荐。这些推荐方法参考因素不多,且没有考虑到用户的自身情况,因此大部分推荐准确度并不理想。在实际生活中,用户需要听取一些专业的医护人员的意见或建议后才能够对健康医疗服务做出选择,单单依靠关键词搜索或排名是不够的[30]。
在中国,因为电子医疗健康领域是一个新兴领域,它的行业规范性很低,没有形成一个统一的标准和规范。一方面部分不法商贩会发布一些真实性与可信性堪忧的服务,另一方面大多数用户对电子医疗健康领域了解并不多,用户并不容易对服务提供商发布的医疗健康服务做出判断。因此需要将服务提供商的认可度与专业度考虑在内。本文改进了朱媛提出的融合领域专业度和信任度的医生推荐算法,并将改进后的混合医生推荐算法应用在软件中,为用户提供更加准确的医生推荐服务。
1.4 研究内容与意义
1.4.1 研究内容
本文的主要研究内容来自于校企合作项目“重庆市XXX小区智慧养老系统”,该项目的主要目标是设计并开发出一套针对老年人用户使用的安全可靠、操作简单、功能齐全、可扩展性强的智慧养老系统。健康服务推荐软件作为智慧养老系统的主要模块之一,提供利用用户档案与病情描述进行准确的医生在线推荐功能。针对系统需要完成的设计与开发,本人主要负责以下几项工作:
1. 对当前国内外已有的健康服务推荐软件进行研究,了解目前已有软件所具有的特点以及实际使用过程中的不足。
2. 在健康服务推荐软件现状分析的研究基础上,针对本软件所使用的场景进行功能和性能需求分析。根据软件需求给出系统总体设计方案,明确软件开发过程中的所使用的技术方案。
3. 对已有混合医生推荐算法进行研究,主要包括基于领域专家度的医生推荐算法与基于信任度的医生推荐算法,针对基于信任度的医生推荐算法进行改进,形成改进后的混合医生推荐算法并进行推荐准确度的验证。
4. 针对不同用户的需求,完成健康服务推荐软件中健康医疗、关怀计划以及健康资讯等主要功能模块以及相关数据库表字段的设计,实现对各个功能模块的开发。
5. 总结常用的测试方法,明确测试目标,搭建测试环境,并测试不同的测试实例的效果,最后对健康服务推荐软件的各个模块功能与软件性能进行测试并分析。

1.4.2 研究意义
本文设计的智慧养老系统健康服务推荐软件可以利用医生档案、用户档案以及历史互动信息来实现针对用户的病情描述进行个性化医生的推荐,使用户能够在面对推荐系统提供的海量医生信息资源中快速匹配到最适合自己的医生,并进行咨询,解决了目前大多数医疗健康服务网站推荐方式简单且推荐结果精确度不高等问题。
本文在健康服务推荐软件中结合了混合个性化医生推荐算法,将领域认可度、医生专业度、用户相似度以及医生互动相似度进行结合,最终得到不同医生的推荐度并对前K个医生信息进行推送给用户,用户可以与医生进行在线咨询。目前,推荐算法已经应用在很多领域,如电子商务、网络广告投放、新闻订制等,但将个性化推荐引入到医疗健康服务中的研究还较少。因此,对医疗健康服务领域中医生推荐算法的研究以及智慧养老系统健康服务推荐软件的设计与实现都有着十分重要的理论意义与使用价值。
1.5 论文的组织结构
本文围绕健康服务推荐软件设计与实现展开论述,首先研究分析软件需求,设计了系统总体方案,重点对系统软件总体结构进行设计,之后研究了系统实现过程中的所使用的关键算法,设计并实现了软件的各个功能模块,最后对系统进行功能和性能测试。
本文共分为6章,每章具体研究内容如下:
第1章:引言。研究了本文课题的背景并对智慧养老、健康服务推荐系统与个性化推荐算法的国内外发展现状进行了阐述,明确了研究目的与意义。
第2章:软件总体设计与分析。本章首先根据系统的开发目的,设计系统的整体结构,接着明确了系统内不同角色的各自需求,设计了健康服务推荐软件的体系结构,最后结合需求进行了软件的技术方案设计。
第3章:混合医生推荐算法的研究与改进。主要对软件中所使用的医生推荐算法进行研究,介绍现有医生推荐算法并进行改进、验证。
第4章:软件详细设计与实现。首先根据软件所要实现的不同功能,设计了不同的功能模块以及相对应的数据库,然后对软件中的核心模块——医生推荐模块进行了详细的设计并实现,最后对软件内一些主要功能模块进行了设计与实现。
第5章:软件测试与结果分析。分析常用的测试方法,明确测试目标,搭建测试环境,并测试不同的测试实例的效果,最后对健康服务推荐软件的各个模块功能与算法、软件性能进行测试并分析。
第6章:总结与展望。对本文撰写工作进行了回顾与总结,明确了在项目工作中一些尚未解决的问题,并对本文的一些不足之处与下一步工作进行了展望。

第2章 软件总体设计与分析
健康服务推荐软件是智慧养老系统的核心业务之一,也是本文的研究重点。本章在第1章对智慧养老系统发展现状的研究基础之上,研究分析了本文的软件总体结构,明确了软件需求,最终完成了健康服务推荐软件的体系结构与整体方案的分析与设计。
2.1 智慧养老系统整体结构
在明确智慧养老系统服务人群的需求,同时兼顾涉老数据存储与处理的基础上,可以将智慧养老系统分为五个部分:基础设施层、数据资源层、服务平台层、系统应用层以及交互展现层[31],其整体结构图如图2.1所示。


图2.1 智慧养老系统整体结构

1. 基础设施层
基础设施层位于智慧养老系统的最底层,主要负责提供硬件设备以及网络传输、数据存储以及计算资源等,并协调智慧养老系统所包含的不同功能子系统的数据在传输层内进行融合。本层涉及移动通信网络、互联网、卫星网络、云计算中心、容灾备份中心等多种基础设施。同时,基础设施层都有与上层配套的规范协议,保证系统能够稳定、安全运行。
2. 数据资源层
数据资源层为智慧养老系统提供资源基础,主要负责系统中涉老数据的采集、整理、融合以及分类等,其中涉老数据包含老年人个人档案信息、老年人健康信息、服务人员基础信息等。在分类好这些涉老数据基础上,对具体的业务建立合适的数据库表,供各个业务子系统使用。本文建立的与健康服务推荐相关的数据库都在数据资源层中进行存储,并对上层提供接口供其调用相关数据。
3. 服务平台层
服务平台层为智慧养老系统上的应用提供公共信息支撑能力,是智慧养老系统的核心功能。主要对数据进行清洗、整理、存储、挖掘等操作,交换、共享系统内部与系统外部之间数据,并为不同角色的登陆人员进行权限控制,显示角色权限内的各项功能。
4. 系统应用层
系统应用层是智慧养老系统相应业务需求的应用呈现,主要在系统中直接为用户提供服务,包括老年人个人信息查询、在线购物、在线健康咨询等线上养老服务。
5. 交互展现层
交互展示层可以根据不同角色提供不同权限的页面展示,主要承担与用户进行直接交互的任务。同时,该层可以根据智慧养老系统的用户所使用浏览设备的不同提供最适合设备的服务与交互界面。
本文主要进行智慧养老系统下健康服务推荐软件的设计与实现,健康服务推荐软件是智慧养老系统下的一项重要组成部分,主要为用户提供线上健康咨询等相关功能,涉及交互展现层、系统应用层、服务平台层的部分业务,此外,与健康咨询相关的数据保存在数据资源层中,具体设计与实现步骤见本文第四章。
2.2 健康服务推荐软件需求分析
需求分析是指在创建一个新的系统或者修改一个旧系统时,对所要完成的工作进行详细分析,明确新系统目标、定义和功能的工作。在健康服务推荐软件开发过程中,需求分析也是软件研发开始阶段的重要环节,根据所要完成目标的不同,本节将从软件的功能需求与性能需求两方面进行详细的分析。
2.2.1 功能需求分析
健康服务推荐软件是以健康服务网站为基础,依据用户年龄、地理位置以及病情描述等信息进行医生的推荐。因此,本软件需要具有健康服务网站的常用功能。健康服务网站能够为登录用户提供在线健康问答以及医生在线咨询的服务,而在提供服务之前,用户需要先注册登录成为网站用户才能够享受这些服务[32]。本文的健康服务推荐软件需要根据用户个人信息与病情描述进行针对性的医生推荐,所以在用户注册的同时,需要用户进行个人资料的填写,例如年龄,性别等;在医生注册时,也需要提供医生的个人相关信息,如擅长领域、职称、从医时间等。在用户进行在线健康咨询时,系统可以利用用户的病情描述、医生的个人档案、历史互动等信息为用户进行医生的个性化推荐。医生也可以通过本系统进行注册登录,为用户提供在线健康答疑的服务。
系统管理员主要负责对系统进行信息管理与维护等工作,因此需要具有对系统的管理权限。这些管理权限具体包括用户管理、医生管理、在线健康问答管理、关怀计划管理以及系统管理等。用户管理是指对注册用户的管理,如注销恶意注册用户,定期提醒用户补全资料等;医生管理是管理员对已注册医生进行管理,可以对医生进行资料核实、资料修改以及注销等操作;在线健康问答管理是对用户在线发布的健康咨询帖子的管理,同时也需要根据用户要求对帖子进行删除或关闭等操作;关怀计划管理是医生对用户进行在线解答之后,需要对用户进行的反馈计划进行下发等操作。
现针对不同的用户角色,分别对用户、医生、系统管理员进行需求分析。
1. 用户需求分析
用户是本系统的主要服务对象,也是本系统的直接使用者。具体需求总结如下:
(1)管理自己的账户信息、基本信息和医疗信息。
(2)进行在线健康咨询。
(3)选择推荐的医生进行邀请回答与在线咨询。
(4)查看系统推荐的健康资讯。
(5)对医生的回答信息进行评价。
(6)查看自己的历史在线健康咨询记录。
(7)对自己发出的健康问题可以进行删除或关闭操作。
2. 医生需求分析
医生是本系统中在线健康问题答疑的工作人员,需要对用户提出的问题进行在线回复与解答,另外,医生还需要对管理员下发的关怀工单向用户进行反馈,并将反馈结果以文字或图片方式上传至管理员进行审核。具体需求总结如下:
(1)管理自己的账户信息与基本信息。
(2)查询用户的医疗健康信息。
(3)在线进行医疗健康知识的答疑。
(4)关怀计划对用户健康咨询进行反馈。
3. 系统管理员需求分析
系统管理员为本系统的后台管理者,主要负责系统功能的维护、人员信息的管理、关怀工单的下发与审核、在线健康问答帖子的管理等。具体需求总结如下:
(1)管理自己的账户信息与基本信息。
(2)管理用户、医生以及其他管理员的账户信息、基本信息和角色信息,可以对用户与医生的资料进行核查。
(3)管理在线健康问答帖,可以根据用户要求对帖子进行删除或关闭等操作。
(4)关怀计划中,将未反馈的健康咨询添加到关怀工单并下发给医生;对已反馈的关怀计划进行审核。
(5)更新其他管理信息,如黑名单、投诉信息等。
2.2.2 性能需求分析
在已经确定好功能需求的基础上,还需要保证软件在运行过程中保持稳定与高效,因此需要对软件的性能需求进行分析。具体如下:
1. 响应时间:本项目的目标是完成医疗健康推荐任务,面向对象目标是中小型社区的用户,大约10000人。因此需要对用户每日的操作次数进行预估,系统需要支持每天100万的请求次数,同时为了使用户具有较好的体验感,在满足单日请求次数的情况下,要求业务的响应时间不超过3秒。
2. 安全性:所有的系统软件都需要保证系统内信息的安全。因此,本系统使用分层权限的方法对用户只显示其权限以内的信息,同时,系统的开发者与管理者都不具备对用户关键隐私信息的访问权限。
3. 友好性:即界面对用户友好。系统应用界面主要实现用户与系统间的交互,因此友好的界面能够使用户更加乐意使用本系统,提高用户使用本系统时的满意度。
4. 可扩展性:系统应用的功能不是一成不变的,它会随着用户需求的改变而不断完善,因此应用需要满足能够以最小的成本情况下,完成应用的更新功能。
2.3 软件体系结构
通过2.2节的需求分析,明确本论文的主要目标是利用web技术以及数据库技术搭建一个面向用户、医生以及管理员的健康服务推荐软件。本文采用层次化结构来实现本系统,将系统划分为三层结构:用户显示层、业务逻辑层和数据服务层。健康服务推荐软件结构图如图2.2所示。

图2.2 健康服务软件系统结构

2.3.1 用户显示层
用户显示层位于三层结构的最上层,负责系统图形化界面的呈现。在健康服务推荐软件中,用户显示层中需要进行显示的有首页、注册页面、登录页面、个人信息页面、在线健康问答页面、医生推荐页面等。用户显示页面需要具有良好的布局,合理的颜色搭配,给用户一个很好的印象,以此吸引用户进行更多的网站行为,产生更多的行为数据。这些数据都将作为以后系统的输入数据,因此这些用户历史行为数据都会对未来的推荐结果产生直接的影响,因此用户显示层对于健康服务推荐软件来说是很重要的一部分,最重要的是,该层提供符合用户自身状况的个性化医生推荐页面。另外,医生推荐结果的显示页面还应该包括以下几个部分:
1. 推荐医生的基本信息:对于用户来说,通过该信息可以直接了解医生的一些基本信息,如姓名、照片等。
2. 推荐医生的评价信息:评价信息直接反映了推荐结果的质量,也直接反映了大部分用户对该医生的看法。
3. 推荐理由:一个能够说服用户的理由会更加对用户产生吸引,使用户更愿意进行更多的健康推荐服务。
2.3.2 业务逻辑层
业务逻辑层负责系统的访问控制、功能管理和数据分析处理,是系统的核心部分。其中,访问控制是根据网站中用户所分属角色的不同,对访问权限加以控制,实现了同一网站面向不同角色时的不同显示,节约了系统资源;功能管理是指对功能模块中用户的操作指令接收并解析,并调用相应控制器下的对应函数实现业务处理,最后将结果返回给用户显示层;数据分析处理是指将软件所需数据进行校验、解析、查询、计算等,最终实现软件与后台之间数据的传递。其中,数据分析处理部分是在推荐系统处于最核心的地位,为了提高数据处理效率,减少系统响应时间,本文将核心推荐部分设计为离线计算模块和在线推荐模块两个模块[4]。下面分别对两模块进行介绍,具体的工作流程会在4.3.2与4.3.3节中进行详细描述。
1. 离线计算模块
离线计算模块的功能有:每间隔一段时间,系统后台就会按照预设的读取规则从数据库中读取用户个人信息、医生信息以及历史互动信息,并根据推荐算法计算规则,分别计算医生在各个领域下的认可度、经验度,并将两者进行融合作为离线计算结果保存在数据库中,供在线推荐模块可以实时的读取调用。
2. 在线推荐模块
在线推荐模块的功能是针对已经成功登录的用户收集一些实时行为数据,如搜索数据等,分析出与用户当前健康相关的信息,并与用户信息、历史互动信息

下载地址

点击此处→注册会员上传设计赚钱
以上是大纲和介绍,如需要完整的资料请在线购买.

软件评论评论内容只代表网友观点,与本站立场无关!

   评论摘要(共 0 条,得分 0 分,平均 0 分) 查看完整评论

下载说明

* 本站所有资料均已审核通过,内容原创保密,标准格式,质量保证
* 无需注册,点击在线购买后即可获取该套毕业设计(论文)完整
* 支付后请联系在线客服QQ:212181988发送资料
  • 官方微信