基于移動(dòng)互聯(lián)網(wǎng)的中醫(yī)知識(shí)推薦方法初探*

于彤 毛郁欣 高宏杰 于琦李敬華 張竹綠

基于移動(dòng)互聯(lián)網(wǎng)的中醫(yī)知識(shí)推薦方法初探*

于彤①毛郁欣②高宏杰①于琦①李敬華①張竹綠①

中醫(yī)藥知識(shí)服務(wù)領(lǐng)域的一個(gè)核心問題是：面對海量的中醫(yī)知識(shí)資源，如何根據(jù)用戶的健康狀況和行為信息，從中自動(dòng)找出用戶可能關(guān)注或感興趣的知識(shí)，從而實(shí)現(xiàn)中醫(yī)知識(shí)的主動(dòng)推薦。移動(dòng)互聯(lián)網(wǎng)因其普及性、便捷性以及強(qiáng)大的個(gè)人信息采集和自動(dòng)感知能力，為解決這一問題提供了理想的平臺(tái)。本文介紹個(gè)性化知識(shí)推薦的概念、背景和技術(shù)，闡述基于移動(dòng)互聯(lián)網(wǎng)的中醫(yī)知識(shí)推薦服務(wù)的現(xiàn)狀，提出存在的問題和研究思路。

中醫(yī)藥； 知識(shí)服務(wù)； 知識(shí)推薦； 移動(dòng)互聯(lián)網(wǎng)； 移動(dòng)設(shè)備

中醫(yī)藥是中華民族優(yōu)秀文化的一個(gè)重要組成部分，它歷史悠久，源遠(yuǎn)流長。數(shù)千年來，歷代醫(yī)家在醫(yī)療實(shí)踐中積累了豐富的經(jīng)驗(yàn)，創(chuàng)立了兼具理論深度和民族特色的中醫(yī)藥知識(shí)體系，為中華民放的繁衍昌盛作出了杰出的貢獻(xiàn)。隨著我國社會(huì)從溫飽到小康的轉(zhuǎn)型，百姓的生活水平日益提高，開始更加重視生活品質(zhì)，追求延年益壽，因此對中醫(yī)養(yǎng)生保健知識(shí)產(chǎn)生了日益強(qiáng)烈的興趣。

近年來，中醫(yī)藥領(lǐng)域的信息化建設(shè)取得了長足進(jìn)展，建設(shè)了大量的文獻(xiàn)庫和數(shù)據(jù)庫，形成了相對完整的中醫(yī)藥科學(xué)數(shù)據(jù)體系［1］。這些數(shù)字化資源中，蘊(yùn)含著豐富的中醫(yī)藥知識(shí)。如何將這些知識(shí)資源與人民群眾分享，使普通人從中受益，是一個(gè)非常重要的問題?；诨ヂ?lián)網(wǎng)的中醫(yī)藥知識(shí)服務(wù)系統(tǒng)能夠整合中醫(yī)臨床知識(shí)、中醫(yī)藥理論知識(shí)、中藥方劑知識(shí)和中醫(yī)疾病知識(shí)等中醫(yī)藥知識(shí)資源，面向網(wǎng)絡(luò)用戶提供中醫(yī)知識(shí)或其他的數(shù)字化服務(wù)，是在人民群眾中普及中醫(yī)藥知識(shí)的一種有效手段［2］。

中醫(yī)藥知識(shí)服務(wù)系統(tǒng)一般都實(shí)現(xiàn)了知識(shí)檢索功能，能幫助用戶從海量的中醫(yī)藥文獻(xiàn)和知識(shí)資源中迅速找到有關(guān)知識(shí)［3］。但知識(shí)檢索這種服務(wù)方式存在固有的局限性。為檢出所需的知識(shí)，用戶必須能夠輸入正確的檢索詞。這就要求用戶已關(guān)注相關(guān)主題，并能用正確的醫(yī)學(xué)術(shù)語將其表述出來。這對于醫(yī)學(xué)專業(yè)人員可能并非難事，但對于普通人往往是一個(gè)很大的挑戰(zhàn)。普通人很可能忽視了一些與自身健康有關(guān)的知識(shí)主題，甚至不清楚在網(wǎng)絡(luò)上存在哪些有用的知識(shí)檢索服務(wù)，因此無法充分獲取在知識(shí)庫中已經(jīng)存在的知識(shí)。

為了彌補(bǔ)知識(shí)檢索的局限性，可根據(jù)用戶的特點(diǎn)向其進(jìn)行主動(dòng)的知識(shí)推送。不同用戶對中醫(yī)藥知識(shí)的需求不盡相同，但人們往往對與自身體質(zhì)和健康狀況相關(guān)的中醫(yī)藥知識(shí)更感興趣。若能根據(jù)用戶的特點(diǎn)和偏好，向其提供個(gè)性化的知識(shí)推薦服務(wù)，則可更好地滿足用戶的需要。在下文中，將介紹個(gè)性化知識(shí)推薦的概念、背景和技術(shù)，闡述基于移動(dòng)互聯(lián)網(wǎng)的中醫(yī)知識(shí)推薦服務(wù)的現(xiàn)狀，提出存在的問題和研究思路。

1 個(gè)性化中醫(yī)知識(shí)推薦

個(gè)性化知識(shí)推薦，是指根據(jù)用戶的特點(diǎn)和偏好，向其提供具有針對性的知識(shí)服務(wù)。以中醫(yī)為例，系統(tǒng)可根據(jù)用戶的中醫(yī)體質(zhì)類型，向其推薦與該體質(zhì)相關(guān)的知識(shí)；若用戶患有某種疾病，則系統(tǒng)可優(yōu)先提供該疾病的相關(guān)知識(shí)。為實(shí)現(xiàn)個(gè)性化知識(shí)推薦服務(wù)，需要搜集用戶的個(gè)人信息。這些信息可由用戶填寫或設(shè)定，也可由用戶使用行為推定。例如，用戶可通過表單填寫（或勾選）其所感興趣的疾病；又如，用戶輸入的檢索詞，可反映出其所關(guān)心的主題。系統(tǒng)會(huì)為每個(gè)注冊用戶構(gòu)建“用戶模型”，用于描述用戶的特點(diǎn)和偏好，判斷用戶的需求。

當(dāng)用戶訪問系統(tǒng)時(shí)，系統(tǒng)會(huì)根據(jù)該用戶的模型以及系統(tǒng)自身的推薦邏輯，確定針對該用戶的知識(shí)推薦內(nèi)容。例如，若系統(tǒng)測出用戶屬于氣虛質(zhì)，則會(huì)基于知識(shí)庫向用戶推薦氣虛質(zhì)適宜的飲食（如當(dāng)季水果等）。個(gè)性化知識(shí)推薦方法是知識(shí)服務(wù)系統(tǒng)中的一項(xiàng)核心技術(shù)，它一般具有如下特點(diǎn)。

1.1 可定制性 知識(shí)服務(wù)根據(jù)用戶的設(shè)定來實(shí)現(xiàn)。系統(tǒng)采取“量體裁衣”的策略，向用戶提供和推薦具有針對性和相關(guān)性的知識(shí)，以滿足用戶的需求。

1.2 主動(dòng)性 系統(tǒng)不僅被動(dòng)地響應(yīng)用戶的知識(shí)請求，而且會(huì)“猜測”用戶需要什么，并采用推薦、提醒、個(gè)性化知識(shí)展示界面等方式主動(dòng)提供知識(shí)服務(wù)。

1.3 差異化 系統(tǒng)面向各類用戶提供差異化的知識(shí)內(nèi)容，滿足用戶的不同需求。用戶會(huì)因自身特點(diǎn)和需求不同，得到不同的用戶體驗(yàn)。

個(gè)性化知識(shí)推薦方法能進(jìn)一步簡化用戶利用中醫(yī)知識(shí)的方式和途徑，降低中醫(yī)知識(shí)普及的門檻，促進(jìn)中醫(yī)知識(shí)的共享和傳播。

2 推薦系統(tǒng)技術(shù)概述

個(gè)性化知識(shí)推薦服務(wù)的后臺(tái)需要推薦系統(tǒng)（亦稱推薦引擎或推薦平臺(tái)等，Recommender System）的支持。推薦系統(tǒng)能推測用戶對某一信息條目的偏好程度，從大量信息中過濾出用戶想要的信息［4］。近年來，推薦系統(tǒng)在電子書店、視頻網(wǎng)站以及搜索引擎等各種網(wǎng)絡(luò)信息系統(tǒng)中得到了極為廣泛的應(yīng)用，成為一項(xiàng)功能強(qiáng)大、價(jià)值巨大的信息服務(wù)。

推薦系統(tǒng)的核心是其所使用的推薦方法（或稱推薦算法）。目前，推薦方法主要包括“協(xié)同過濾”（Collaborative Filtering）和“基于內(nèi)容的過濾”（Content-based filtering）兩大類［5］。協(xié)同過濾方法是根據(jù)某個(gè)用戶的行為（對事物的購買、選擇或評價(jià)等）以及其他用戶的類似行為建立模型，再使用該模型預(yù)測該用戶可能感興趣的事物［6］?；趦?nèi)容的過濾方法是根據(jù)事物的特征判斷事物之間的相似性，從而向用戶推薦更多類似的事物［7］。

很多其他的人工智能方法也可被應(yīng)用于推薦系統(tǒng)。例如，主題模型（Topic Model）是能夠從大量離散數(shù)據(jù)集中挖掘出隱含的主題結(jié)構(gòu)的一類統(tǒng)計(jì)模型［8］。這里的“主題”是指由一些語義相關(guān)的特征構(gòu)成的、用來描述一個(gè)話題的抽象概念。利用主題模型可以識(shí)別一份文檔所表達(dá)的主題，從而將該文檔推薦給對相關(guān)主題感興趣的用戶。又如，社會(huì)網(wǎng)絡(luò)分析 通過網(wǎng)絡(luò)模型體現(xiàn)一類人群中個(gè)體之間的多層次交互關(guān)系。通過社會(huì)網(wǎng)絡(luò)分析，可以發(fā)現(xiàn)人與人之間的愛好、生活習(xí)慣等相似關(guān)系，以此為基礎(chǔ)對用戶做相應(yīng)的個(gè)性化推薦［9］。再如，利用關(guān)聯(lián)規(guī)則挖掘（Association Rule Mining）算法，可從海量數(shù)據(jù)中發(fā)現(xiàn)事物之間的關(guān)聯(lián)關(guān)系，然后據(jù)此進(jìn)行相應(yīng)的推薦［10］。關(guān)聯(lián)規(guī)則是形如X→Y的蘊(yùn)涵式，具有一定的支持度和信任度?；陉P(guān)聯(lián)規(guī)則的推薦是以關(guān)聯(lián)規(guī)則為基礎(chǔ)，若用戶特征滿足規(guī)則頭，則將規(guī)則體的內(nèi)容作為推薦對象推薦給用戶。

上述推薦方法都是基于統(tǒng)計(jì)的，試圖從海量數(shù)據(jù)中挖掘用戶的偏好和需求?！盎谥R(shí)的推薦系統(tǒng)”（knowledge based recommenders）與這些方法不同，它不是基于海量數(shù)據(jù)分析的結(jié)果進(jìn)行推薦的，而是基于事物分類、用戶偏好、推薦原則等方面的顯性知識(shí)的一種推理技術(shù)［11］。基于知識(shí)的推薦方法因它們所用的“效用知識(shí)”（Functional Knowledge）的不同而有明顯區(qū)別。效用知識(shí)是一種關(guān)于一個(gè)事物如何滿足某一特定用戶的知識(shí)，因此能解釋需要和推薦的關(guān)系。效用知識(shí)可以是任何能支持推理的知識(shí)結(jié)構(gòu)，它可以是用戶已經(jīng)規(guī)范化的查詢，也可以是一個(gè)更詳細(xì)的用戶需要的表達(dá)式。此類方法可以在“協(xié)同過濾”和“基于內(nèi)容的過濾”等方法不適用的領(lǐng)域發(fā)揮作用。其優(yōu)點(diǎn)是不依賴于大量的數(shù)據(jù)積累，因此容易啟動(dòng)；其缺點(diǎn)是在定義推薦所需知識(shí)的過程中可能遇到知識(shí)獲取瓶頸。

既然推薦系統(tǒng)已被成功應(yīng)用于商業(yè)領(lǐng)域的商品關(guān)聯(lián)推薦，它也就可能被用于中醫(yī)知識(shí)的個(gè)性化推薦。可綜合利用上述方法，研制面向中醫(yī)藥領(lǐng)域的個(gè)性化知識(shí)推薦系統(tǒng)，使之能夠利用用戶個(gè)人健康信息、人際網(wǎng)絡(luò)信息和健康公共信息，向用戶提供有用的知識(shí)和有效的建議，幫助用戶決定應(yīng)該進(jìn)行什么有益的飲食規(guī)劃、生活活動(dòng)或疾病治療規(guī)劃，達(dá)到疾病防治和提高生活質(zhì)量的效果。一個(gè)面向中醫(yī)知識(shí)的個(gè)性化推薦系統(tǒng)將能夠?qū)崟r(shí)利用采集到的數(shù)據(jù)做出主動(dòng)推薦，提高用戶的疾病防治能力及其對中醫(yī)知識(shí)的信賴度。

3 移動(dòng)互聯(lián)網(wǎng)和中醫(yī)知識(shí)推薦

近年來，智能手機(jī)等移動(dòng)設(shè)備迅速普及，移動(dòng)互聯(lián)網(wǎng)取得迅猛發(fā)展［12］。移動(dòng)互聯(lián)網(wǎng)因其普及性、便捷性以及強(qiáng)大的個(gè)人信息采集和自動(dòng)感知能力，為個(gè)性化知識(shí)推薦提供了理想的平臺(tái)。首先，智能終端為用戶個(gè)人健康信息的采集提供了便捷的手段，可通過規(guī)范化的問卷、量表采集用戶個(gè)人健康數(shù)據(jù)并判斷其健康狀況。例如，可以基于中華中醫(yī)藥學(xué)會(huì)發(fā)布的《中醫(yī)體質(zhì)分類與判定》等標(biāo)準(zhǔn)，為用戶提供“中醫(yī)體質(zhì)測試”服務(wù)；系統(tǒng)會(huì)列出一組與用戶近期的體驗(yàn)和感覺相關(guān)的問題，根據(jù)用戶的答案判斷出用戶的中醫(yī)體質(zhì)類型。其次，基于智能終端的傳感系統(tǒng)自動(dòng)采集時(shí)間、地域、天氣等用戶相關(guān)數(shù)據(jù)，這種用戶情境感知能力能進(jìn)一步提升推薦系統(tǒng)的精準(zhǔn)性。例如，通過GPS系統(tǒng)，可感知用戶的地理位置，據(jù)此推薦當(dāng)?shù)氐拿朗常鵁o需推薦在當(dāng)?shù)夭淮嬖诘氖巢募跋嚓P(guān)食譜。最后，智能終端為個(gè)性化中醫(yī)知識(shí)推薦提供了移動(dòng)應(yīng)用程序、萬維網(wǎng)、短信、微信等多種實(shí)現(xiàn)途徑。

在中醫(yī)藥領(lǐng)域，已出現(xiàn)了過日子、中醫(yī)養(yǎng)生、健康養(yǎng)生寶典、365健康養(yǎng)生、中華養(yǎng)生、中醫(yī)美容保健、養(yǎng)生美顏聽書等一系列面向社會(huì)大眾提供知識(shí)服務(wù)的移動(dòng)APP。許多產(chǎn)品會(huì)收集用戶行為信息和健康數(shù)據(jù)，據(jù)此向用戶提供知識(shí)推薦等個(gè)性化服務(wù)。例如，“過日子”會(huì)提請用戶進(jìn)行注冊并填寫個(gè)人健康信息，并根據(jù)用戶“中醫(yī)體質(zhì)測試”的結(jié)果判斷用戶的中醫(yī)體質(zhì)，進(jìn)而針對用戶的體質(zhì)類型提供個(gè)性化的知識(shí)推薦服務(wù)；“中華養(yǎng)生”以中醫(yī)理論為依據(jù)，實(shí)現(xiàn)了養(yǎng)生提醒功能，適時(shí)推薦運(yùn)動(dòng)、食療、調(diào)神等方面的養(yǎng)生知識(shí)，督促用戶從事養(yǎng)生保健活動(dòng)；“中醫(yī)養(yǎng)生鐘（普及版）”根據(jù)時(shí)辰（時(shí)間）與臟器經(jīng)絡(luò)的對應(yīng)關(guān)系為用戶提供養(yǎng)生提醒服務(wù)；“體質(zhì)養(yǎng)生（食療）系統(tǒng)”根據(jù)用戶“中醫(yī)體質(zhì)測試”的結(jié)果提供個(gè)性化知識(shí)推薦，幫助用戶在選擇食物時(shí)能根據(jù)自身體質(zhì)去分析營養(yǎng)價(jià)值，而不僅根據(jù)喜好［13］。上述產(chǎn)品有助于用戶獲得日常健康維護(hù)、疾病預(yù)防和生活指導(dǎo)等方面的中醫(yī)知識(shí)，指導(dǎo)并督促用戶從事養(yǎng)生保健活動(dòng)，以達(dá)到增強(qiáng)體質(zhì)、預(yù)防疾病、頤養(yǎng)生命之目的。

4 存在的問題和研究思路

上述產(chǎn)品已初步實(shí)現(xiàn)了個(gè)性化中醫(yī)知識(shí)推薦功能，但尚有改進(jìn)空間。存在的主要問題是知識(shí)權(quán)威性和用戶信任度較低［14］。中醫(yī)學(xué)術(shù)界多年來開展了大量的中醫(yī)藥信息化工作，組織全國一流專家進(jìn)行數(shù)據(jù)庫加工，建設(shè)了大量的中醫(yī)藥數(shù)據(jù)庫［1］。通過建立嚴(yán)格數(shù)據(jù)質(zhì)量評價(jià)標(biāo)準(zhǔn)以及數(shù)據(jù)審校機(jī)制，保證了數(shù)據(jù)質(zhì)量［15］。這些數(shù)據(jù)庫具有領(lǐng)域權(quán)威性，知識(shí)可信度高，為中醫(yī)知識(shí)推薦服務(wù)提供了優(yōu)質(zhì)資源。需要研究如何對這些知識(shí)資源進(jìn)行有效組織，并與用戶對中醫(yī)知識(shí)需求建立關(guān)聯(lián)，使這些知識(shí)資源能更有效地支持推薦服務(wù)。

另外，上述產(chǎn)品的推薦機(jī)制的合理性尚未得到專家的論證，在推薦技術(shù)和方法方面尚有進(jìn)一步研發(fā)和改進(jìn)的空間?？筛鶕?jù)個(gè)體化健康狀態(tài)，以實(shí)時(shí)健康風(fēng)險(xiǎn)評估為基礎(chǔ)，研究智能健康信息推薦技術(shù)，開發(fā)個(gè)性化中醫(yī)知識(shí)推薦系統(tǒng)，即時(shí)提供滿足百姓日常健康維護(hù)、疾病預(yù)防和生活指導(dǎo)方面的中醫(yī)知識(shí)。其中涉及3項(xiàng)主要的研究內(nèi)容。

4.1 用戶個(gè)人健康信息模型的研究與設(shè)計(jì) 為實(shí)現(xiàn)個(gè)性化的知識(shí)推薦，首先需要設(shè)計(jì)符合移動(dòng)互聯(lián)網(wǎng)技術(shù)特點(diǎn)且具有中醫(yī)特色的用戶個(gè)人健康信息模型。需要對基于移動(dòng)互聯(lián)網(wǎng)的用戶個(gè)體數(shù)據(jù)采集手段進(jìn)行調(diào)研，分析現(xiàn)有的個(gè)人健康數(shù)據(jù)的內(nèi)容、質(zhì)量和利用價(jià)值，對用戶的個(gè)體特征進(jìn)行系統(tǒng)梳理和量化建模，形成一個(gè)相對完善的、領(lǐng)域相關(guān)的用戶特征模型。

4.2 個(gè)性化中醫(yī)知識(shí)推薦算法研究與實(shí)現(xiàn) 首先，可通過文獻(xiàn)調(diào)研、專家咨詢、用戶訪談等方法，整理個(gè)性化中醫(yī)藥知識(shí)推薦的案例，明確知識(shí)推薦策略。進(jìn)而，可采用知識(shí)表示技術(shù)，構(gòu)建一個(gè)面向中醫(yī)知識(shí)推薦的規(guī)則庫，將推薦策略表達(dá)為形式化的知識(shí)推薦規(guī)則，從而建立個(gè)人健康信息模型與中醫(yī)藥知識(shí)資源之間的關(guān)聯(lián)關(guān)系，實(shí)現(xiàn)基于規(guī)則的中醫(yī)知識(shí)推薦。最后，可采用“基于知識(shí)的推薦”與“協(xié)同過濾”相結(jié)合的混合型推薦機(jī)制，研究和實(shí)現(xiàn)專門針對中醫(yī)知識(shí)的個(gè)性化推薦算法。

4.3 中醫(yī)知識(shí)主動(dòng)推送網(wǎng)絡(luò)服務(wù)的研究與實(shí)現(xiàn) 在研究和實(shí)現(xiàn)推薦算法的基礎(chǔ)之上，需要進(jìn)一步對該算法進(jìn)行網(wǎng)絡(luò)化封裝，在萬維網(wǎng)（Web）服務(wù)器端實(shí)現(xiàn)和部署知識(shí)推薦的網(wǎng)絡(luò)服務(wù)（Web Service），使得移動(dòng)客戶端和其他信息系統(tǒng)都能動(dòng)態(tài)調(diào)用知識(shí)推薦算法。該服務(wù)能夠直接根據(jù)用戶特征向移動(dòng)客戶端推送中醫(yī)知識(shí)，從而實(shí)現(xiàn)基于移動(dòng)互聯(lián)網(wǎng)的個(gè)性化知識(shí)推薦。

5 小結(jié)

知識(shí)推薦與知識(shí)檢索是知識(shí)服務(wù)的兩種基本方式：知識(shí)推薦屬于系統(tǒng)主動(dòng)推送，知識(shí)檢索屬于用戶主動(dòng)提取。這兩種方式相輔相成，相互融合，可以形成相對完整的中醫(yī)知識(shí)服務(wù)技術(shù)方案，進(jìn)一步提升知識(shí)服務(wù)系統(tǒng)的用戶友好性和針對性。移動(dòng)互聯(lián)網(wǎng)的發(fā)展以及智能終端的迅速普及，使具有用戶情境感知能力的個(gè)性化推薦系統(tǒng)成為可能?！斑^日子”等移動(dòng)應(yīng)用產(chǎn)品已初步實(shí)現(xiàn)了個(gè)性化中醫(yī)知識(shí)推薦功能，可根據(jù)用戶的個(gè)人健康信息（如性別、年齡、體質(zhì)、疾病等）以及時(shí)節(jié)、地域等環(huán)境信息，進(jìn)行個(gè)性化的中醫(yī)知識(shí)推薦，使用戶可以隨時(shí)隨地獲得針對自己和家人的養(yǎng)生知識(shí)和健康提示。需要基于中醫(yī)藥領(lǐng)域現(xiàn)有的優(yōu)質(zhì)數(shù)據(jù)資源，采用移動(dòng)互聯(lián)網(wǎng)技術(shù)，設(shè)計(jì)用戶個(gè)人健康信息模型，研制權(quán)威的中醫(yī)知識(shí)庫以及智能化的中醫(yī)知識(shí)推薦技術(shù)，實(shí)現(xiàn)中醫(yī)知識(shí)主動(dòng)推送網(wǎng)絡(luò)服務(wù)，幫助普通百姓獲得精準(zhǔn)的個(gè)性化中醫(yī)知識(shí)服務(wù)，從而提高用戶的疾病防治能力以及對中醫(yī)知識(shí)的信賴度。

［1］ 崔蒙，尹愛寧，范為宇，等.中醫(yī)藥科學(xué)數(shù)據(jù)建設(shè)研究進(jìn)展［J］.中國中醫(yī)藥信息雜志，2006，13（11）：104-105.

［2］ 高博， 崔蒙， 楊碩，等. 基于數(shù)據(jù)的中醫(yī)藥知識(shí)服務(wù)研究［J］. 圖書情報(bào)工作， 2012， 56（9）： 5-9.

［3］ 于彤， 蘇大明， 尹仁芳， 等. 中醫(yī)藥知識(shí)服務(wù)平臺(tái)構(gòu)建研究［J］. 中國醫(yī)學(xué)創(chuàng)新， 2014， 11（15）：120-123.

［4］ Francesco Ricci， Lior Rokach， Bracha Shapira. Introduction to recommender systems ［M］. Handbook， Recommender Systems Handbook， Springer， 2011：1-35.

［5］ Hosein Jafarkarimi， Alex Tze Hiang Sim， Robab Saadatdoost. A Na?ve Recommendation Model for Large Databases ［J］. International Journal of Information and Education Technology， 2012， 2（3）：216-219.

［6］ Prem Melville， Vikas Sindhwani. Recommender systems ［M］. Encyclopedia of Machine Learning， 2010.

［7］ Mooney R J， Roy L. Content-based book recommendation using learning for text categorization ［C］. In Workshop Recom. Sys.： Algo. and Evaluation， 1999.

［8］ David M Blei. Introduction to probabilistic topic models ［J］. Comm. ACM， 2012， 55（4）： 77-84.

［9］ John P Scott. Social network analysis：a handbook （2nd edition）［M］. Thousand Oaks， CA： Sage Publications， 2000.

［10］ Hipp J， Güntzer U， Nakhaeizadeh G. Algorithms for association rule mining - a general survey and comparison ［J］. ACM SIGKDD Explorations Newsletter， 2000， 52（2）： 58.

［11］ Burke R. Knowledge-based recommender systems ［J］. Encyclopedia of Library and Information Science， 2000， 69（32）：180-200.

［12］ 羅軍舟，吳文甲，楊明，等. 移動(dòng)互聯(lián)網(wǎng)：終端、網(wǎng)絡(luò)與服務(wù)［J］.計(jì)算機(jī)學(xué)報(bào)，2011，34（11）：2029-2051.

［13］ 胡奧杰. 基于android的體質(zhì)養(yǎng)生系統(tǒng)的開發(fā)［J］. 電子世界，2014，20（7）：112-113.

［14］ 朱毓梅. 中醫(yī)藥信息需求的調(diào)查分析［J］. 國際中醫(yī)中藥雜志，2014，36（9）：830-832.

［15］ 胡雪琴，崔蒙，陳兵，等.中醫(yī)藥科學(xué)數(shù)據(jù)的數(shù)據(jù)質(zhì)量研究［J］.世界科學(xué)技術(shù)-中醫(yī)藥現(xiàn)代化，2009，11（4）：589-592.

Preliminary Research on TCM Knowledge Recommendation Via Mobile Internet

YU Tong， MAO Yu-xin，GAO Hong-jie，et al.//Medical Innovation of China，2015，12（36）：115-118

A core problem of knowledge services in Traditional Chinese Medicine （TCM） domain is as follows：in the face of massive knowledge resources， how to automatically find out which ones a user may be interested in so as to realize active knowledge recommendation. Mobile Internet， with its popularity， convenience， and ability to collect personal information， provides an ideal platform to solve this problem. This paper introduced the concept and backgroundof personalized knowledge recommendation， analyzed the current status of TCM knowledge recommendation via mobile Internet， and proposed existing problems and research thoughts.

Traditional Chinese Medicine； Knowledge service； Knowledge recommendation； Mobile internet； Mobile device

10.3969/j.issn.1674-4985.2015.36.038

2015-04-07） （本文編輯：蔡元元）

國家自然科學(xué)基金項(xiàng)目（61379121）；北京市中醫(yī)藥科技發(fā)展資金項(xiàng)目（JJ2014-61）；中國中醫(yī)科學(xué)院自主選題項(xiàng)目（ZZ080324，ZZ090305）

①中國中醫(yī)科學(xué)院中醫(yī)藥信息研究所 北京 100700

②浙江工商大學(xué)

張竹綠

First-author’s address：Information Institute of Traditional Chinese Medicine， China Academy of Chinese Medical Sciences， Beijing 100700，China