Электронный журнал открытого доступа Кардиометрия. Выпуск 16, Мая 2020

− социальный контекст: наличие и роль окружающих
людей;
− контекст устройства: вид и характеристики
устройства, с которого осуществляется доступ к
информации;
− модальный контекст: настроение пользователя,
цель, опыт, когнитивные способности.
Ряд исследователей, применивших свои рекомендательные
системы на практике отмечают, что
наиболее эффективно работает система, которая
использует для построения рекомендаций данные
о текущем пользователе, о поведении всех пользователей
в целом, о свойствах рекомендуемых
продуктов и о контексте текущего интереса пользователя
[1-3].
Таким образом, учет контекста при формировании
предложений является перспективным направлением
развития рекомендательных систем.
Использование информации о контексте может
помочь в решении проблем, характерных для большинства
существующих систем: холодного старта
(при появлении нового пользователя выносить
рекомендации можно как на основе данных о его
социально-демографическом портрете, так и о его
текущем состоянии и виде деятельности), предсказание
для нетипичных пользователей (учет большего
числа индивидуальных характеристик позволит
лучше персонифицировать рекомендации),
тривиальность рекомендаций, «пузырь фильтров»
(учет контекста позволит не ограничиваться только
прошлыми точками зрения пользователей). Однако
с учетом контекста в рекомендательных системах
по-прежнему остается и даже обостряется
проблема ресурсоемкости вычислений.
Рекомендательные системы в
кардиологии
За несколько последних десятилетий количество
медицинских данных (результатов анализов,
отчетов о здоровье пациентов, планов лечения и
прочего) достигло огромных объемов. Следовательно,
количество информации, доступной для
принятия решения по лечению пациента, увеличилось
в разы, но проблема заключается в том,
что эта информация представлена на различных
сайтах и ресурсах и собрать ее воедино достаточно
сложно. В качестве решения в настоящее время
предлагается создание персональных электронных
карт здоровья (ПЭКЗ), которые бы хранились
на едином для всех ресурсе и были бы доступны
как пациенту, так и любому лечащему пациента
врачу.
Более того, в медицинской сфере всё чаще начинают
применяться рекомендательные системы.
Данные системы находят применение как у
врачей, так и пациентов. Врачам система позволяет
ускорить и упростить процесс постановки
диагноза, пациент имеет возможность получить
предварительную консультацию. Ricci et al. (выделил
рекомендательные системы, используемые в
медицине, в отдельную группу, и назвал подобные
системы «медицинскими рекомендательными системами
(МРС)» [6]. Объектом МРС является не
конфиденциальная, научно доказанная, не привязанная
к конкретному пациенту медицинская информация.
МРС получает и обрабатывает данные
из ПЭКЗ каждого конкретного пользователя и на
их основе строит рекомендации. Доступ к МРС
получает и врач и пациент.
МРС призваны обеспечить пользователя высококачественным
релевантным контентом. Для
достижения высокого уровня релевантности необходимо
учитывать широкий контекст. МРС
учитывают сложные взаимосвязи между медицинскими
понятиями, расшифровывают аббревиатуры
и интерпретируют коды медицинской
классификации, адаптируют информацию для понимания
простым пациентом. Подобные системы
способны уменьшить эффект информационной
перегрузки у конечного пользователя).
МРС определяет информационные потребности
конкретного пользователя путем анализа записей
ПЭКЗ, поисковых запросов пользователя
или путем отслеживания истории просмотров
пользователя. Для получения высоко релевантных
рекомендации используются многие методы,
применяемые в вычислительной технике. Прежде
всего, информационный поиск (ИП).
Информационный поиск (англ. information
retrieval) – процесс поиска неструктурированной
информации, удовлетворяющей информационные
потребности [23,24].
Термин «информационный поиск» был впервые
введён Кельвином Муэрсом в 1948 в его докторской
диссертации, опубликован и употребляется
в литературе с 1950.
Поиск информации представляет собой процесс
выявления в некотором множестве докумен-
Выпуск 16. май 2020 | Cardiometry | 105