面向医疗系统的多样性数据深层神经网络推荐算法

摘要

针对医疗数据多样性导致推荐过程存在干扰,易产生较大推荐歧义,且使用简单学习过程无法区分数据,导致推荐结果不佳的问题,提出面向医疗系统的多样性数据深层神经网络推荐算法.首先,设计了医疗推荐系统框架,对多样性医疗数据进行预处理.然后,引入设计的深层神经网络模型,并对该模型进行训练,最后,将预处理完成的医疗数据输入深层神经网络模型进行深度处理,输出推荐函数,完成数据推荐,解决学习中的歧义性.试验结果表明,所提算法的数据预处理效果较好,改进后的深层神经网络模型能够产生更多的激活函数,且所提算法的数据推荐准确率高达89％,精度较高,优于其他模型,利用所提算法改进后的医疗系统学习性能较好,能够为医疗领域的信息化发展提供参考依据.