ارائه یک روش جدید برای بهبود دقت و کارایی سیستم های توصیه گر سلامت با استفاده از محاسبات ابری

سیستم های پیشنهاد دهنده امروزه در زمینه های مختلف اعم از صنعت پزشکی، شبکه های اجتماعی، وب سایت های آنلاین و سایر حیطه ها کاربرد دارد. سیستم های پیشنهاد دهنده نقش بسیار مهمی را در زندگی روزمره انسان ها ایفا نموده است. این سیستم ها امروزه به صنعت پزشکی نیز وارد شده است و برای ارائه پیشنهادات در زمینه دارو برای بیماران بخصوص برای بیمارستان و درمانگاه ها مورد استفاده قرار می گیرد. چالش تعیین داروها برای بیماران در بیمارستان ها و مکان ها درمانی تبدیل به یک مشکل بسیار اساسی شده است. علارغم روش های گوناگونی که تا کنون مطرح شده است؛ اما هنوز با محدودیت هایی اعم از دقت پیشنهادات روبرو خواهیم بود. از این رو، در این پژوهش از یک سیستم پیشنهاد دهنده ترکیبی در بستر رایانش ابری با استفاده از روش های یادگیری ماشین و پیش بینی لینک استفاده شده است. با شبیه سازی روش پیشنهادی و مقایسه با سایر روش ها مشاهده گردید که روش مطرح شده در این پژوهش از AUC 95 . 95 % و صحت 70 . 5% برخوردار بوده که این میزان بهبود در مقایسه با سایر روش های لیئوس، چنگ، RBMBM و روش INBM به ترتیب برابر با 5 . 43 ، % 3 . 3 ، % 1 . 4% و 2 . 1 % بوده است.

کلیدواژه ها:

سیستم پیشنهاد دهنده دارو ، یادگیری ماشین ، داده کاوی ، رایانش ابری