چكيده فارسي :
سلامت، بهداشت و خدمات درماني قسمت جدايي ناپذير زندگي هر فردي در طول زندگي اش است. هر فردي در دوره هاي مختلف زندگي خود به نوعي نيازهاي متنوعي در حوزه سلامت احساس مي كند كه با استفاده از امكانات موجود، سعي در پاسخ گويي به اين نيازها را دارد. با توجه به استقبال زياد افراد از شبكه هاي اجتماعي در دو دهه اخير، يكي از ابزارهايي كه مي تواند امكانات مختلفي را در اختيار افراد در حوزه سلامت بگذارد شبكه هاي اجتماعي است. در اين پژوهش ي1ك شبكه اجتماعي سلامت معرفي شده است كه بر روي ارتباط كاربران يا بيماران با پزشكان و خدمات درماني مختلف تمركز دارد. براي بهبود كارايي اين شبكه يك سيستم توصيه گر پيشنهاد شده است كه مي تواند به كاربران يك پزشك، يك حوزه تخصصي جهت اخذ مشاوره پزشكي و يا يك مطلب را بر اساس نيازمندي هاي آنان پيشنهاد دهند. از شبكه هاي اطلاعاتي ناهمگون براي مدل سازي شبكه اجتماعي سلامت بهره گرفته ايم. اين شبكه ها وجود چندين نوع شيء، مانند پزشك، بيمار و مشاوره، و چندين نوع رابطه، مانند درخواست مشاوره و پاسخ به مشاوره، را در برمي گيرند. براي مدل توصيه، با توجه به روش هايي كه شبكه هاي ناهمگون ارائه مي دهند، از بازخوردهاي ضمني اي كه هر فرد در شبكه ثبت مي كند، استفاده كرديم تا با يافتن شباهت هاي مطابق با اين بازخوردها، بهترين پيشنهاد ها را به وي ارائه دهيم. براي الگوريتم يادگيري مدل توصيه از رتبه بندي، شخصي سازي شده بيزين استفاده شده است. الگوريتم ارائه شده تركيبي از روش امتياز رتبه بندي و الگوريتم يادگيري مذكور است. در انتها با اعمال روش پيشنهادي بر روي مجموعه داده، كارايي اين شبكه اجتماعي و سيستم توصيه گر نشان داده شده است.
چكيده لاتين :
Health and health services are two inseparable parts of one's life. Each person has had different needs for health services at least several times during their life cycle and would resolve them with available facilities. Regarding the high popularity of social networks in the last two decades, one of the tools that can provide many opportunities for people in the health field is social networking. In this research, we introduce a health social network which focuses on users or patients’ association with doctors and a variety of health services. In order to improve this network’s performance, we suggest a recommender system that can offer users a doctor, a special expertise in order to ask medical consultation, or an article, based on their needs. We have used heterogeneous information networks for modeling the health social network. These networks cover several types of objects, such as physicians, patients and consultation, and also several types of relationships, such as requesting or answering a consultation. For the recommender model, we use each user’s implicit feedback which they register on the network, according to the methods provided by the heterogeneous information networks. Bayesian Personalized Ranking is used in recommender model’s learning algorithm. This algorithm is a combination of ranking scores method and the foresaid learning algorithm. In the end, we will show how to use this social network and the recommender system, by applying the suggested method on our dataset.
