摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-17页 |
1.1 课题背景 | 第11-12页 |
1.2 研究意义 | 第12-13页 |
1.3 研究现状 | 第13-14页 |
1.4 本文的课题内容 | 第14页 |
1.5 本文的组织结构 | 第14-17页 |
第2章 相关技术概述 | 第17-25页 |
2.1 语义Web | 第17-18页 |
2.2 Jena语义Web开发框架 | 第18-20页 |
2.3 LARQ | 第20页 |
2.3.1 Lucence简介 | 第20页 |
2.3.2 ARQ查询引擎 | 第20页 |
2.4 个性化推荐算法 | 第20-24页 |
2.4.1 传统的个性化推荐 | 第21-22页 |
2.4.2 基于本体的个性化推荐 | 第22-24页 |
2.5 本章小结 | 第24-25页 |
第3章 医疗健康本体模型的构建 | 第25-41页 |
3.1 本体构建方法 | 第25-26页 |
3.2 主要参考标准 | 第26页 |
3.3 医疗健康本体的构建方法 | 第26-37页 |
3.3.1 确定医疗健康本体的专业领域和范畴 | 第27页 |
3.3.2 考虑复用现有的本体 | 第27-28页 |
3.3.3 列出医疗健康本体中的重要术语 | 第28-29页 |
3.3.4 定义类和类的层次关系 | 第29-33页 |
3.3.5 定义数据类型属性 | 第33-34页 |
3.3.6 定义对象属性 | 第34-36页 |
3.3.7 创建实例 | 第36-37页 |
3.4 医疗健康本体的存储 | 第37-38页 |
3.5 采用医疗健康领域本体进行存储的作用 | 第38-39页 |
3.6 本章小结 | 第39-41页 |
第4章 运动处方推荐模型与关键算法研究 | 第41-53页 |
4.1 基于规则推理的推荐模型 | 第41-43页 |
4.1.1 推荐模型的设计思路 | 第41-42页 |
4.1.2 推荐模型的构建 | 第42-43页 |
4.2 基于案例推理的推荐模型 | 第43-45页 |
4.2.1 推荐模型的设计思路 | 第43-44页 |
4.2.2 推荐模型的构建 | 第44-45页 |
4.3 混合推荐模型的构建 | 第45-46页 |
4.4 本体相似度计算的关键算法 | 第46-52页 |
4.4.1 概念相似度计算 | 第46-48页 |
4.4.2 患者本体相似度计算 | 第48-52页 |
4.5 本章小结 | 第52-53页 |
第5章 个性化运动处方推荐系统的设计与实现 | 第53-79页 |
5.1 业务功能设计 | 第53-54页 |
5.2 实现架构设计 | 第54-56页 |
5.3 本体存储的设计与实现 | 第56-60页 |
5.3.1 本体存储方法的选择 | 第56页 |
5.3.2 本体构建 | 第56-57页 |
5.3.3 本体TDB存储方式的实现 | 第57-60页 |
5.4 基于本体的医疗健康知识检索的设计与实现 | 第60-63页 |
5.4.1 检索功能机理 | 第60-61页 |
5.4.2 检索实现流程 | 第61页 |
5.4.3 相关类及方法定义 | 第61-63页 |
5.5 基于规则和案例推理的个性化运动处方推荐的设计与实现 | 第63-72页 |
5.5.1 本体规则的构建 | 第64-66页 |
5.5.2 推理引擎的选择 | 第66-67页 |
5.5.3 相关类及方法定义 | 第67-72页 |
5.6 系统测试结果与分析 | 第72-78页 |
5.6.1 功能性测试 | 第73-76页 |
5.6.2 本体存储方法选择测试 | 第76-77页 |
5.6.3 推荐准确性测试 | 第77-78页 |
5.7 本章小结 | 第78-79页 |
第6章 总结与展望 | 第79-81页 |
6.1 工作总结 | 第79-80页 |
6.2 工作展望 | 第80-81页 |
参考文献 | 第81-85页 |
致谢 | 第85页 |