(Luận văn) xây dựng mô hình hệ tư vấn dựa trên tiếp cận không tương tác giữa các tiêu chí trong lĩnh vực y tế

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC QUY NHƠN VÕ HÀ PHƯƠNG lu an n va XÂY DỰNG MƠ HÌNH HỆ TƯ VẤN DỰA TRÊN TIẾP CẬN tn to KHƠNG TƯƠNG TÁC GIỮA CÁC TIÊU CHÍ TRONG LĨNH p ie gh VỰC Y TẾ d oa nl w Mã số : Khoa học máy tính : 8.48.01.01 nf va an lu Chuyên ngành z at nh oi lm ul Người hướng dẫn: TS LÊ XUÂN VIỆT z m co l gm @ an Lu n va ac th si LỜI CAM ĐOAN Tôi cam đoan cơng trình nghiên cứu riêng tơi Các số liệu, kết nêu luận văn trung thực chưa cơng bố tài liệu khác Bình Định, ngày … tháng ….năm 2019 lu Học viên thực luận văn an n va to p ie gh tn Võ Hà Phương d oa nl w nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va ac th si LỜI CẢM ƠN Với tình cảm chân thành lịng biết ơn sâu sắc, cho phép gửi lời cảm ơn chân thành tới: Trường Đại học Quy Nhơn, Khoa Công nghệ thông tin, giảng viên, nhà sư phạm tận tình giảng dạy tạo điều kiện giúp đỡ, nhiệt tình đóng góp ý kiến cho tơi q trình học tập, nghiên cứu hồn thành luận văn lu Đặc biệt xin bày tỏ lòng biết ơn sâu sắc đến thầy hướng dẫn khoa an n va học, TS Lê Xuân Việt, người tận tình hướng dẫn, bảo giúp đỡ, tn to động viên tơi suốt q trình nghiên cứu hoàn thành luận văn gh Cảm ơn bạn đồng nghiệp, bạn bè, gia đình động viên, khích lệ p ie giúp đỡ tơi q trình học tập nghiên cứu khoa học w Mặc dù cố gắng nhiều, luận văn không tránh khỏi oa nl thiếu sót; tác giả mong nhận thông cảm, dẫn, giúp đỡ đóng d góp ý kiến nhà khoa học, quý thầy cô, cán quản lý an lu bạn đồng nghiệp nf va Xin chân thành cảm ơn! z at nh oi lm ul Bình Định, ngày … tháng … năm 2019 Học viên thực luận văn z l gm @ m co Võ Hà Phương an Lu n va ac th si MỤC LỤC LỜI CAM ĐOAN LỜI CẢM ƠN DANH MỤC CÁC CHỮ VIẾT TẮT DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH MỞ ĐẦU 1 Lý chọn đề tài lu an Mục tiêu nghiên cứu va Đối tượng phạm vi nghiên cứu n Phương pháp nghiên cứu gh tn to Ý nghĩa khoa học thực tiễn p ie Cấu trúc luận văn CHƯƠNG CƠ SỞ LÝ THUYẾT nl w 1.1 ĐỊNH NGHĨA VÀ MỤC TIÊU CỦA HỆ TƯ VẤN d oa 1.1.1 Định nghĩa an lu 1.1.2 Mục tiêu hệ tư vấn nf va 1.2 MƠ HÌNH HỆ TƯ VẤN 1.2.1 Dữ liệu đầu vào hệ tư vấn lm ul 1.2.2 Dữ liệu đầu hệ tư vấn 10 z at nh oi 1.2.3 Quy trình phát triển hệ tư vấn 10 1.3 PHÂN LOẠI HỆ TƯ VẤN 10 z 1.4 PHÁT TRIỂN HỆ TƯ VẤN 13 gm @ 1.4.1 Hệ tư vấn dựa nội dung 13 l 1.4.2 Hệ tư vấn lọc cộng tác 15 co 1.4.3 Hệ tư vấn dựa nhân học 18 m 1.4.4 Hệ tư vấn dựa tri thức 19 an Lu 1.4.5 Hệ tư vấn lai ghép 23 n va ac th si 1.4.6 Hệ tư vấn mạng xã hội 26 1.4.7 Hệ tư vấn nhóm 28 1.5 ĐÁNH GIÁ HỆ TƯ VẤN 31 1.5.1 Các tiêu chí đánh giá hệ tư vấn 31 1.5.2 Các phương pháp đánh giá hệ tư vấn 33 1.6 MỘT SỐ CHỦ ĐỀ MỚI TRONG HỆ TƯ VẤN 34 1.7 TỔNG KẾT CÁC HƯỚNG NGHIÊN CỨU 34 1.7.1 Nghiên cứu liệu 35 1.7.2 Đề xuất cải tiến phương pháp tư vấn 35 lu KẾT LUẬN CHƯƠNG 38 an n va CHƯƠNG MƠ HÌNH TƯ VẤN KHƠNG TƯƠNG TÁC GIỮA CÁC 2.1 Mơ hình khơng tương tác tiêu chí 39 gh tn to TIÊU CHÍ 39 p ie 2.1.1 Ma trận đa tiêu chí 39 2.1.2 Ma trận đa tiêu chí có trọng số (WA) 40 nl w 2.1.3 Ma trận đa tiêu chí với trọng số thứ tự (OWA) 40 d oa 2.1.4 Không tương tác tiêu chí 41 an lu 2.1.5 Quyết định đa tiêu chí 41 nf va 2.2 Tư vấn không tương tác tiêu chí 42 2.2.1 Ma trận xếp hạng 42 lm ul 2.2.2 Xác định giá trị xếp hạng tư vấn 47 z at nh oi 2.2.3 Đánh giá độ xác định mơ hình 50 KẾT LUẬN CHƯƠNG 54 z CHƯƠNG XÂY DỰNG ỨNG DỤNG VÀ THỬ NGHIỆM 49 gm @ 3.1 Xây dựng ứng dụng 55 l 3.2 Kiến trúc tổng thể hệ thống 57 co 3.3 Đặc tả chi tiết thành phần 58 m 3.3.1 Dữ liệu đầu vào 58 an Lu 3.3.2 Dữ liệu đầu 60 n va ac th si 3.4 Thử nghiệm ứng dụng 60 3.5 Nhận xét đánh giá kết 64 KẾT LUẬN CHƯƠNG 64 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 65 DANH MỤC TÀI LIỆU THAM KHẢO QUYẾT ĐỊNH GIAO ĐỀ TÀI LUẬN VĂN (bản sao) lu an n va p ie gh tn to d oa nl w nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va ac th si DANH MỤC CÁC BẢNG Bảng 1.1 Các cách phân loại hệ tư vấn 12 Bảng 1.2 Các cách phân loại hệ tư vấn nhóm 29 Bảng 1.3 Các nhóm tiêu chí đánh giá hệ tư vấn 33 Bảng 2.1 Mơ hình đa tiêu chí khơng tương tác với phép tốn trung bình số học 40 Bảng 2.2 Mơ hình đa tiêu chí khơng tương tác với phép tốn trung bình trọng số 40 lu an Bảng 2.3 Mơ hình đa tiêu chí khơng tương tác với phép tốn trung bình n va trọng số thứ tự 40 tn to Bảng 2.4 Ma trận xếp hạng 42 gh Bảng 2.5 Tư vấn ma trận có m người dùng (users) n sản phẩm p ie (items) 44 w Bảng 2.6 Lọc cộng tác dựa mục liệu 45 oa nl Bảng 2.7 Lọc cộng tác dựa mục liệu 46 d Bảng 2.8 Bảng giá trị so sánh 47 an lu Bảng 2.9 Mơ hình đa tiêu chí với am, gm, hm in a (3,4) 48 nf va Bảng 2.10 Mơ hình tư vấn lọc cộng tác dựa mục liệu 49 lm ul Bảng 2.11 Kết tư vấn item-based với owa 50 Bảng 3.1 thông tin liệu 59 z at nh oi Bảng 3.2 Một số kết thử nghiệm 61 z m co l gm @ an Lu n va ac th si DANH MỤC CÁC HÌNH Hình 2.1 Tập tương đồng ua (u2, u4, uy) bảng 2.5 47 Hình 3.1 Quy trình nạp liệu 55 Hình 3.2 Quy trình phân tích đưa tư vấn 56 Hình 3.3 kiến trúc hệ thống 58 Hình 3.4 Mẫu danh sách tập liệu 58 Hình 3.5 Mẫu liệu thử nghiệm 60 Hình 3.4 kết thử nghiệm trường hợp thứ 63 lu an Hình 3.5 kết thử nghiệm trường hợp thứ 63 n va p ie gh tn to d oa nl w nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va ac th si MỞ ĐẦU Lý chọn đề tài Hệ tư vấn (Recommender Systems Recommendation Systems) công cụ phần mềm ứng dụng trang web mà sử dụng loại tri thức liệu khác để: (1) dự đốn sở thích (phản hồi) cá nhân hay nhóm người cho sản phẩm dịch vụ cụ thể; (2) và/hoặc gợi ý (đề xuất) sản phẩm dịch vụ cho cá nhân hay nhóm Hệ tư vấn trở thành lĩnh vực nghiên cứu quan trọng kể từ năm lu 90 Trải qua hai mươi năm phát triển, hệ tư vấn ứng dụng vào nhiều lĩnh an vực sống như: thương mại điện tử, du lịch điện tử, học tập điện tử, va n dịch vụ điện tử, v.v [8] Một số lĩnh vực thương mại điện tử xếp vào tn to nhóm “truyền thống” chúng ứng dụng hệ tư vấn vào nghiệp vụ ie gh từ sớm tiếp tục khai thác Bên cạnh đó, p với phát triển công nghệ web, internet, thiết bị cảm biến, thiết nl w bị di động việc đáp ứng nhu cầu tư vấn người dùng nhu d oa cầu kinh doanh hay hỗ trợ nhà cung cấp, hệ tư vấn triển khai an lu nhiều lĩnh vực khác Một số ứng dụng tiếng hệ tư vấn như: hệ tư nf va vấn Amazon.com [24] đề xuất cho người dùng mặt hàng mà họ thích, hệ tư vấn phim điện ảnh Netflix [25] gợi ý cho người dùng lm ul phim mà họ nên xem, hay hệ gợi ý bạn bè Facebook Dữ liệu đầu vào z at nh oi hệ tư vấn nhiều dạng khác [10] như: thông tin sản phẩm hay dịch vụ, thông tin người dùng, thông tin giao dịch ghi lại tương tác z người dùng hệ thống, sở tri thức lấy từ nguồn thông tin công @ gm khai hay từ chuyên gia, thông tin ngữ cảnh, hay đặc tả người dùng l Các kỹ thuật tư vấn xây dựng dựa nhiều kỹ thuật dùng khai m co phá liệu học máy [10] Các kỹ thuật phân lớp, phân cụm, an Lu khai phá luật kết hợp, mơ hình hồi quy, hay số phương pháp học máy có giám sát không giám sát Dựa kỹ thuật tư vấn, hệ tư vấn n va ac th si phân thành nhiều nhóm [10][18]: hệ tư vấn dựa nội dung (contentbased recommender systems), hệ tư vấn lọc cộng tác (collaborative filtering recommender systems), hệ tư vấn dựa nhân học học (demographic recommender systems), hệ tư vấn dựa tri thức (knowledge-based recommender systems), hệ tư vấn lai ghép (hybrid recommender systems), hệ tư vấn dựa ngữ cảnh (context-based or context-aware recommender systems), hệ tư vấn mạng xã hội (social network recommender systems), hệ tư vấn nhóm (group recommender systems) Mỗi loại hệ tư vấn có lu ưu nhược điểm phù hợp với số loại liệu đầu an vào lĩnh vực ứng dụng cụ thể Hệ tư vấn lọc cộng tác thường sử dụng va n lĩnh vực thương mại Hệ tư vấn dựa ngữ cảnh sử dụng tn to lĩnh vực mà thông tin ngữ cảnh (ví dụ: thời gian, trạng thái cảm xúc) ie gh vai trị quan trọng Hệ tư vấn nhóm sử dụng lĩnh vực p mà việc gợi ý sản phẩm hay dịch vụ cho nhóm cần thiết cho cá nl w nhân Hệ tư vấn dựa tri thức phù hợp để gợi ý mặt hàng không oa mua thường xuyên Hệ thống tư vấn lai ghép sử dụng muốn d hợp sức mạnh thuật tốn mơ hình khác để khắc phục số an lu nf va thiếu sót thuật tốn hay mơ hình đó… Mặc dù hệ tư vấn đạt nhiều thành công việc đề xuất mơ hình tư vấn hay cải lm ul tiến phương pháp tư vấn hướng nghiên cứu chủ đạo z at nh oi Trong thời đại bùng nổ thông tin, ngày có nhiều kho liệu lớn (BigData), nhu cầu tìm kiếm khai thác thơng tin ngày cao với nhiều hình z thức đa dạng, phong phú Đặc biệt cơng nghệ internet phát triển nhanh @ gm chóng, nhu cầu xử lý thông tin hệ thống mạng vấn đề tất yếu Cùng với l hệ thống thương mại điện tử, giao dịch khách hàng, tra cứu thơng tin an Lu nhanh chóng mở rộng toàn giới m co nhiều lĩnh vực khác nhau: google, amazon, facebook phát triển n va ac th si 55 CHƯƠNG XÂY DỰNG ỨNG DỤNG VÀ THỬ NGHIỆM Trong chương này, từ kiến thức sở khoa học thuật toán chương chương luận văn tập trung thực cơng việc: Nghiên cứu phân tích chức tổng thể xây dựng hệ thống tư vấn lĩnh vực y tế; Đặc tả chi tiết việc xây dựng hệ thống; Thử nghiệm đánh giá hiệu hệ thống 3.1 Xây dựng ứng dụng lu Để xây dựng mơ hình hệ tư vấn dựa tiếp cận không tương tác an Bước 1: Nạp liệu, bước tải liệu từ file sau n va tiêu chí lĩnh vực y tế trải qua bước tn to gh chọn lọc số quan trọng lưu vào tập liệu chương trình p ie Sơ đồ quy trình nạp liệu: Lưu vào tập liệu chương trình Chọn lọc số quan trọng d oa nl w Tải liệu từ File nf va an lu Hình 3.1 Quy trình nạp liệu Như theo sơ đồ 3.1 Đầu tiên ta cần chuẩn bị file liệu có lm ul thông tin chi tiết việc khám bệnh lượng lớn bện nhân bao gồm z at nh oi thông tin liên quan đến bệnh lẫn thông tin cá nhân người đến khám Cụ thể thơng tin cá nhân Họ tên, Giới tính, ngày sinh, năm sinh, z địa , Mã thẻ BHYT,… @ gm Thông tin bệnh gồm số lâm sàng chiều cao, cân nặng, l nhiệt độ, nhịp thở, huyết áp tối đa, huyết áp tối thiểu, mạch thông tin m co chẩn đoán chẩn đoán ICD 10 Bộ y tế ban hành Các thông tin an Lu quan trọng ảnh hưởng đến việc chẩn đoán nhiều loại bệnh Theo thống kê bệnh viện lớn, thơng tin định phần n va ac th si 56 lớn đến kết khám bệnh bác sĩ Do bước thứ cần thực chọn lọc số quan trọng, thơng tin phân tích trên, tập trung vào miền liệu quan trọng tránh bị ảnh hưởng thông tin liên quan dẫn đến nhiễu thông tin chương trình phân tích Bước 2: Phân tích, đưa tư vấn Đây xem bước quan trọng quy trình Trong bước phải nhập số bệnh nhân hệ thống kiểm tra truy vấn số tập liệu cuối hệ thống lu phân tích xuất kết tư vấn có giá trị gần so với số an va nhập n Sơ đồ quy trình phân tích đưa tư vấn tn to p ie gh Nhập số bệnh nhân Truy vấn số tập liệu Kiểm tra w Không đầy đủ nl Yêu cầu bổ sung số d oa Phân tích, đưa kết tư vấn an lu nf va Hình 3.2 Quy trình phân tích đưa tư vấn lm ul Như theo sơ đồ 3.2, ta phải nhập số (mỗi số tiêu z at nh oi chí) vào chương trình sau chương trình kiểm tra số vừa nhập thiếu số chương trình cảnh báo, ngược lại chương trình tiến hành truy vấn số tập liệu phân tích z gm @ đưa kết tư vấn l Sau chương trình thực phân tích đưa kết tư vấn m co số kết luận có, để bác sĩ thêm kênh tham khảo ý kiến an Lu Như bác sĩ có thêm số lựa chọn có tính định hướng để củng cố kiểm chứng thêm kết luận mình, đồng thời cân nhắc kỹ n va ac th si 57 hết có xung đột Những điều làm kết khám bệnh có thêm chắn Từ quy trình Hình 3.2, nói việc phân tích, đánh giá số bệnh nhân chiếm vai trò quan trọng quy trình Tuy nhiên, cơng việc tốn nhiều thời gian bệnh viện Thông thường quy trình chiếm lớn thời gian lần chẩn đoán bác sĩ Chẳng hạn, Trung tâm y tế Phù Cát, với phịng khám bác sĩ Một ngày có khoảng 350-500 bệnh nhân đến khám Như tốn thời lu gian cho việc khám bệnh đưa chẩn đốn bác sĩ an va Chính vậy, hệ thống tư vấn dựa tiếp cận không tương tác n tiêu chí giúp cho việc đánh giá cách xác, nhanh chóng gh tn to Hệ thống phải có chức giải vấn đề p ie 3.2 Kiến trúc tổng thể hệ thống Từ chức vừa phân tích trên, tơi tổ chức kiến trúc tổng thể oa nl w hệ thống sau: d Kiến trúc hệ thống bao gồm phần: (xem Hình 3.3) an lu - Phần 1: Đầu vào hệ thống tập liệu hồ sơ sức khỏe Dữ liệu nf va lưu dạng file Excel Dùng liệu để thực phân tích lm ul tư vấn cho bệnh nhân z at nh oi - Phần 2: Đây phần cốt lõi hệ thống Nó bao gồm lớp giao diện (User Interface Layer) để tương tác với người sử dụng, lớp phân tích liệu (Data Analysing Layer) - để tư vấn cho bệnh nhân z xuất kết cho bác sĩ m co l gm @ - Phần 3: Đầu hệ thống kết tư vấn cho bệnh nhân Từ đề an Lu n va ac th si 58 Dữ liệu đầu vào Hệ thống tư vấn Giao diện người dùng -Tập liệu Hồ sơ sức khỏe Phân tích liệu Dữ liệu đầu -Kết tư vấn bệnh nhân dựa vào liệu Hồ sơ sức khỏe -Chi tiết kết tư vấn lu Hình 3.3 Kiến trúc hệ thống an 3.3 Đặc tả chi tiết thành phần va n 3.3.1 Dữ liệu đầu vào gh tn to Tập liệu dùng để huấn luyện cho mơ hình hệ tư vấn dựa tiếp p ie cận khơng tương tác tiêu chí gồm 1000 hồ sơ khám (đã có kết luận bác sĩ) Xã Cát Tài, Phù Cát, Bình Định Dữ liệu chuẩn hóa theo oa nl w tiêu chuẩn quản lý Hồ sơ sức khỏe công dân Bộ y tế ban hành Mẫu d danh sách ban đầu Hình 3.4 nf va an lu z at nh oi lm ul z l gm @ Hình 3.4 Mẫu danh sách tập liệu m co an Lu Bảng liệu sàng lọc loại bỏ thuộc tính khơng cần thiết khơng ảnh hưởng tới q trình phân tích đánh giá hệ thống n va ac th si 59 như: Họ tên, Giới tính, ngày sinh, năm sinh, địa , Mã thẻ BHYT,… Sau rút gọn, thông tin lưu dạng file Excel, chứa thông tin Bảng 3.1 Bảng 3.1 Thông tin liệu Thông tin STT Chú thích trường Thơng tin chiều cao bệnh nhân Đơn vị Chiều cao Cân nặng Nhiệt độ tính cm lu an Thơng tin cân nặng bệnh nhân Đơn vị n va tính kg vị tính oC ie gh tn to Thông tin nhiệt độ thể bệnh nhân Đơn Thông tin tần số thở bệnh nhân Đơn vị p Nhịp thở tính số lần phút oa nl w Huyết áp tối đa Huyết áp tối thiểu Mạch Kết luận d Thông tin huyết áp tối đa bệnh nhân Đơn Thông tin huyết áp tối thiểu bệnh nhân nf va an lu vị tính mmHg Đơn vị tính mmHg lm ul Thơng tin Mạch bệnh nhân Đơn vị tính z at nh oi số lần phút Thông tin kết luận bác sĩ z Như vậy, từ liệu, ta thấy số chiều cao, cân nặng, @ gm nhiệt độ, nhịp thở, huyết áp tối đa, huyết áp tối thiểu, mạch, số l tương ứng với tiêu chí Theo ý kiến chun mơn bác sĩ, tiêu chí m co nói có thay đổi khác thường so với ngưỡng bình thường, cộng với an Lu việc khai thác tiền sử bệnh nhân đưa kết luận chẩn đoán n va ac th si 60 mặc bệnh theo mã ICD 10 Với liệu đầy đủ trên, bác sĩ dễ dàng quan sát xem kết luận bệnh nhân Nhiệm vụ chương trình sử dụng liệu mô tả chi tiết để hỗ trợ tư vấn cho bác sĩ 3.3.2 Dữ liệu đầu Dữ liệu đầu hệ thống tư vấn danh sách kết luận có tập huấn luyện Như kết đầu chương số kết chẩn đoán có Chẳng hạn nhập tập tiêu chí vào chương trình nhận lu kết tư vấn số kết luận chẩn đốn bác sĩ có an n va tập huấn luyện Kết thể dạng danh sách cửa sổ tn to thông báo chương trình 3.4 Thử nghiệm ứng dụng gh p ie Dữ liệu để thử nghiệm 134 hồ sơ sức khỏe Trạm y tế Thị Trấn Ngô w Mây thuộc Trung tâm y tế huyện Phù Cát Dữ liệu thu thập từ phần oa nl mềm http://hssk.ytecoso.vn:8080 Bộ y tế ban hành, gồm thơng tin d đầu vào chưa có kết luận chẩn đoán bác sĩ nf va an lu z at nh oi lm ul z m co l gm @ an Lu Hình 3.5 Mẫu liệu thử nghiệm n va ac th si 61 Với liệu đầu vào vậy, sau tiến hành chạy thử nghiệm, chúng tơi trích số minh họa Bảng 3.2 đây: Bảng 3.2 Một số kết quả thử nghiệm TT Phù hợp/Không phù hợp với ý kiến Kết quả tư vấn Chỉ số (Tiêu chí) bác sĩ 158; 43; 37; 26; 140; 80; 80 I84; J40; Bình thường Phù hợp 145; 50; 37; 19; 110; 70; 69 Bình thường; K08.1; H52.1; M47 Phù hợp 163; 51; 37; 24; 120; 70; 80 I84;J40; Bình thường Phù hợp 143; 39; 37; 19; 120; 70; 68 H52.1; K08.1;Bình thường; Q66.0; M54.5 Khơng phù hợp 168; 65; 37; 19; 155; 90; 65 Bình thường; I10; H52.1; K08.1; Q66.0 Phù hợp 161; 50; 37; 24; 160; 90; 65 I10;H52.1;K08.1;Bình thường; Q66.0 Phù hợp 163; 54; 37; 25; 110; 70; 86 Y86; I10; H26; K08.1; J40 Không phù hợp 142; 51; 37; 20; 180; 100; 86 Y86; I10; H26; K08.1; J40; Phù hợp 141; 47; 36.5; 19; 140; 80; 70 K08.1; M47; K52; M25.5; Bình thường 10 158; 60; 37; 22; 110; 70; 75 E14; Bình thường; H52.1 11 168; 60; 37.5; 20; 150; 90; 74 Bình thường; I10; U62.111; M47; H26 12 162; 48; 37; 20; 180; 90; 71 K08.1; U62.111; M47; K52; M25.5 lu an n va p ie gh tn to d oa nl w nf va an lu z at nh oi lm ul Không phù hợp z Phù hợp gm @ m co l Phù hợp an Lu Không phù hợp n va ac th si 62 68; 10.5; 37; 22; 100; Bình thường; I10; 13 14 15 16 17 lu an n va 18 163; 40; 37; 20; 100; U62.111; G47.0; M47; 60; 72 U62.141; H26 151; 55; 37; 30; 140; K08.1; M47; K52; 70; 70 M25.5; Bình thường 150; 47; 37; 23; 110; 90; 75 E14; Bình thường; H52.1 140; 35; 27; 24; 120; U62.111; G47.0; M47; 70; 72 U62.141; H26 161; 54; 37; 35; 120; 70; 70 K08.1; M47; K52; M25.5; Bình thường 171; 54; 37; 25; 130; Bình thường; I10; 70; 65 H52.1; K08.1 136; 48; 37; 20; 160; 80; 86 Y86; I10; H26; K08.1; J40 Không phù hợp Phù hợp Phù hợp Không phù hợp Phù hợp Phù hợp Phù hợp d Trong đó: oa nl w 20 U62.111; M47; H26 p ie gh tn to 19 Phù hợp 60; 74 lu an - Cột số (tiêu chí) chiều cao, cân nặng, nhiệt độ, nhịp nf va thở, huyết áp tối đa, huyết áp tối thiểu, mạch lm ul - Cột kết tư vấn: Hệ thống đưa kết tư vấn bao gồm mã z at nh oi bệnh theo mã bệnh ICD 10 Bộ y tế ban hành - Cột ý kiến bác sĩ so sánh kết tư vấn chương trình với ý kiến bác sĩ z gm @ Chi tiết cho cột Kết tư vấn Bảng 3.2, thử nghiệm cho trường hợp, chẳng hạn trường hợp thứ 6, Hệ thống đưa l m Tham khảo ý kiến bác sĩ kết phù hợp co tư vấn như: I10; H52.1; K08.1; Bình thường; Q66.0 (xem Hình 3.4) an Lu n va ac th si 63 lu an va n Hình 3.4 Kết quả thử nghiệm trường hợp thứ tn to gh Tương tự trên, trường hợp thứ Bảng 3.2, Hệ thống p ie kết luận: Y86; I10; H26; K08.1; J40 (Hình 3.5) Kết không phù hợp so với ý kiến chuyên gia d oa nl w nf va an lu z at nh oi lm ul z l gm @ co Hình 3.5 Kết quả thử nghiệm trường hợp thứ m Như vậy, luận văn này, chúng tơi thử nghiệm tồn 134 hồ an Lu sơ sức khỏe TYT Thị trấn Ngô Mây: n va ac th si 64 - Số kết tư vấn chương trình phù hợp với ý kiến cuả bác sĩ 80 hồ sơ sức khỏe chiếm 59,7% - Số kết tư vấn chương trình khơng phù hợp với ý kiến bác sĩ 54 hồ sơ sức khỏe chiếm 40,3% Với kết trên, ta thấy hệ thống tư vấn đem lại số ý nghĩa định Từ đó, bác sĩ có thêm số lựa chọn mang tính định hướng để củng cố kiểm chứng thêm kết luận Do vậy, sử dụng hệ tư vấn, kết chẩn đoán bệnh tăng phần chắn lu kết luận bệnh cho bệnh nhân an va 3.5 Nhận xét đánh giá kết quả n Với liệu mô trên, hệ thống cho kết tư vấn đơn Tốc độ xử lý hệ thống tương đối nhanh, tiết kiệm thời gian p ie gh tn to giản, dễ hiểu xác, đa số trùng khớp với ý kiến bác sĩ áp dụng xử lý cho khối liệu lớn Thường lần tư vấn thực oa nl w vòng chưa đầy phút d Hệ thống cơng cụ phân tích hữu ích, giúp cho bác sĩ an lu việc tiết kiệm thời gian khám chữa bệnh cho người bệnh nf va Chất lượng tư vấn phụ thuộc vào chất lượng liệu Do KẾT LUẬN CHƯƠNG z at nh oi thống cao lm ul triển khai theo thời gian tích lũy liệu lớn độ xác hệ Trong chương cuối này, luận văn trình bày cách thức tổ chức, xây z gm @ dựng ứng dụng thử nghiệm Đồng thời phân tích giải toán tư vấn lĩnh vực y tế dựa tiếp cận không tương tác tiêu l m thống tư vấn cần thiết co chí Qua thấy khả ứng dụng giải pháp toàn hệ an Lu n va ac th si 65 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Kết quả đạt Về mặt lý thuyết:  Tìm hiểu mơ hình hệ tư vấn cách phân loại hệ tư vấn;  Tìm hiểu tiêu chí đánh giá phương pháp đánh giá hệ tư vấn;  Tìm hiểu trình bày số chủ đề nghiên cứu hệ tư vấn; lu  Tổng kết lại hướng nghiên cứu hệ tư vấn an n va Về thực nghiệm: tn to  Xây dựng chương trình thử nghiệm mơ hình tư vấn đa tiêu chí với tiếp dùng mục liệu; p ie gh cận không tương tác sử dụng giải pháp lọc cộng tác dựa theo người nl w  Thử nghiệm hệ thống với 134 hồ sơ sức khỏe lĩnh vực y tế, so oa sánh kết với ý kiến chuyên gia d Hướng phát triển lu nf va an Trên sở kết đạt nghiên cứu này, chúng tơi nhận thấy cịn số vấn đề cần tiếp tục nghiên cứu để có kết tốt lm ul như: (1) Tiếp tục nghiên cứu đa dạng mơ hình định dựa z at nh oi tương tác hay khơng tương tác tiêu chí hệ thống tư vấn với nhiều khía cạnh, phương diện khác nhằm xử lý tồn tại, hạn chế hệ z tư vấn nay, tất nhiên nhiều vấn đề cần phải giải @ gm nghiên cứu tiếp (2) Trong luận văn gợi mở số giải pháp tập l trung theo tiếp cận kết hợp tiêu chí mà khơng cần tương tác m co tiêu chí mang lại kết đáng tin cậy Qua mơ hình mà an Lu tơi tổng kết đóng góp số hướng tư vấn để khai thác, phát triển thêm cho hệ tư vấn thời gian tới (3) Các kho liệu ngày lớn, n va ac th si 66 mơ hình đề xuất chưa đủ thời gian để nghiên cứu đánh giá lỗi cách triệt để, rào đón khiếm khuyết hệ thống thời gian chạy giải thuật liệu tăng lên nhiều có khả bùng nổ tổ hợp cần có biện pháp thích hợp xử lý thơng tin Vì thời gian tới thân tiếp tục nghiên cứu phát triển thêm để hồn thiện, cải tiến thêm mơ hình có lu an n va p ie gh tn to d oa nl w nf va an lu z at nh oi lm ul z m co l gm @ an Lu n va ac th si DANH MỤC TÀI LIỆU THAM KHẢO [1] Lư Chân Thiện Nguyễn Thái Nghe, Một cách tiếp cận xây dựng hệ thống gợi ý theo ngữ cảnh, Kỷ yếu Hội nghị Quốc gia lần thứ VIII Nghiên cứu ứng dụng Công nghệ thông tin (FAIR); Hà Nội, ngày 9-10/7/2015 [2] Nguyễn Thái Nghe (2013) Kỹ thuật phân rã ma trận xây dựng hệ thống gợi ý Trang 44-53, số 06/2013 Tạp chí Khoa học Trường Đại lu học Đà Lạt an [3] Nguyễn Tấn Hoàng, Huỳnh Hữu Hưng, Huỳnh Xuân Hiệp Tư vấn lọc va n cộng tác theo mục dựa độ biến thiên số hàm ý theo yếu tố to gh tn phản ví dụ trường hàm ý Hội thảo quốc gia lần thứ XX: Một p ie số vấn đề chọn lọc Công nghệ thông tin truyền thông Trang: 372-379 Năm 2017 nl w [4] Phan Phương Lan, Huỳnh Hữu Hưng, Huỳnh Xuân Hiệp Hệ tư vấn lọc d oa cộng tác dựa độ đo hàm ý thống kê Hội nghị REV-ECIT an lu 2017 Trang: 200-205 Năm 2017 nf va [5] Phan Phương Lan, Huỳnh Hữu Hưng, Huỳnh Xuân Hiệp Hệ tư vấn dựa lm ul độ đo cường độ hàm ý trách nhiệm Hội nghị FAIR 2017 z at nh oi Trang: 256-266 Năm 2017 [6] Tri Minh Huynh, Vu The Tran, Hung Huu Huynh, Hiep Xuan Huynh Item-based collaborative filtering in the multi-criteria recommender z datasets The International gm @ system with ordered weighted averaging operator on sparse Conference on Information and l m (ICIDB-2018) Pages: accepted Year 2018 co Communication Technology and Digital Convergence Business an Lu n va ac th si [7] Lan Phuong Phan, Hung Huu Huynh, Hiep Xuan Huynh User based Recommender Systems using Implicative Rating Measure IJACSA No: Pages: 37-43 Year 2017 [8] A Felfernig, M Jeran, G Ninaus, F Reinfrank, S Reiterer, and M Stettinger, “Basic Approaches in Recommendation Systems”, Recommendation Systems in Software Engineering, Springer-Verlag Berlin Heidelberg, 2014, pp 15-38, [9] A.S Lampropoulos and G.A Tsihrintzis, “Review of Previous Work lu Related to Recommender Systems”, Machine Learning Paradigms, an Springer International Publishing Switzerland, 2015, pp 13-30 va n [10] C Aggarwal, Recommender Systems: The Textbook, Springer to gh tn International Publishing Switzerland, 2016, ISBN 978-3-319-29657-9 p ie [11] F Belanger, “A conjoint analysis of online consumer satisfaction”, Journal of Electronic Commerce Research, 6, 2005, pp 95–111 nl w [12] G Adomavicius and A Tuzhilin, “Context-aware recommender d oa systems”, Recommender Systems Handbook, Springer, New York, an lu 2011, pp 217–253 nf va [13] G Adomavicius, A Tuzhilin, “Toward the next generation of lm ul recommender systems: a survey of the state-of-the-art and possible 17, 2005, pp 734-749 z at nh oi extensions”, IEEE Transactions on Knowledge and Data Engineering, [14] I Avazpour, T Pitakrat, L Grunske, J Grundy, “Dimensions and metrics z for evaluating recommendation systems”, Recommendation Systems gm @ in Software Engineering, 2014, pp 245-273 l co [15] I Garcia, L Sebastia, “A negotiation framework for heterogeneous m group recommendation”, Expert Systems with Applications, 41, 2014, an Lu pp 1245–1261 n va ac th si [16] J Bobadilla, F Ortega, A Hernando, A Gutiérrez, “Recommender systems survey”, Knowledge-Based Systems, 46, 2013, pp 109-132 [17] J Canny, “Collaborative filtering with privacy via factor analysis”, ACM SIGR Conference, 2002, pp 238–245 [18] J Lu, D Wu, M Mao, W Wang, G Zhang, “Recommender system application developments: a survey” Decision Support Systems, 74, 2015, pp 12-32 [19] R Burke, “Hybrid Web Recomender Systems”, The Adaptive Web: lu Methods and Strategies of Web Personalization, Springer-Verlag: an London, 2006 va n [20] R Gras, J.C Regnier, “Extension de l’analyse statistique implicative au to gh tn cas des variables continues quelconques”, Springer, 2015, pp 130- ie 142 p [21] X Amatriain, A Jaimes, N Oliver, J Pujol 2011), “Data mining for recommender systems”, Recommender Systems oa nl w methods Handbook, Springer US, pp 39-71 d an lu [22] L.M DeCampos, J.M Fernandez-Luna, J.F Huete, M.A Rueda- nf va Morales, “Managing uncertainty in group recommending processes”, lm ul UMUAI, 19, 2009, pp 207-242 z at nh oi [23] I Garcia, S Pajares, L Sebastia, and E Onaindia, “Preference elicitation techniques for group recommender systems”, Information Science, 189, 2012, pp 155-175 m co l gm @ [25] http://www.netflix.com z [24] http://www.amazon.com an Lu n va ac th si