[发明专利]一种基于隐私保护多级属性相似度的电子医疗推荐方法

说明书

本发明涉及一种基于隐私保护多级属性相似度的电子医疗推荐方法，属于医疗服务推荐以及隐私保护技术领域。可信医疗机构将加密后的医生信息及密钥分别发给服务器和用户，用户需求和医生信息都用多级属性进行表示，用户向服务器发出医疗服务请求，服务器根据用户需求和医生信息进行匹配，具体采用多级属性推荐，对于用户需求和医生信息采用隐私保护的相似度方法。所述方法采用多级属性进行信息标注，如医生的职称属性可分为初级医师、中级医师、高级医师和特级医师四个级别，分别用数字1、2、3、4进行表示；并依据用户关注属性的权值进行推荐，使得推荐结果更加合理效率上有很大的提升，可以实现更加高效的电子医疗推荐。

技术领域

本发明涉及一种基于隐私保护多级属性相似度的电子医疗推荐方法，属于医疗服务推荐以及隐私保护技术领域。

背景技术

随着电子医疗系统和推荐系统的不断发展和进步，在线电子医疗服务推荐已经成为了日常生活中不可或缺的一部分。根据不同用户和医生的信息，在线医疗推荐服务器可以为每个用户寻找到合适的医生。具体来说，用户提交他们的需求给服务器，服务器将用户的需求与医生的个人信息进行匹配，在这个过程中，如何有效地为用户匹配到合适的医生以及如何保证用户信息和医生信息的隐私性是至关重要的。

许多现有的研究都在努力提升医生推荐系统的性能，一部分推荐系统使用可信度和信誉分数作为推荐的依据，可信度和信誉分数反映了服务提供者的服务质量，服务器会推荐信誉分数高的服务提供者给用户；另一部分推荐系统考虑用户需求或兴趣来进行推荐，虽然这些推荐系统能够给用户进行推荐，但是它们大多采用二进制向量来表示医生的信息，利用1或0来表示医生是否具有某种属性，这种向量的设置会影响到推荐的准确性，例如二进制属性可以表示该医生是否为主任医师，1代表是，0代表不是，但是在实际生活中，主任医师可以分为多个职称如初级医师、中级医师和高级医师等。这种情况下，只用二进制向量不能准确表达用户的需求，所以我们需要用1、2、3、4表示的多级属性来表达用户的需求。

考虑到用户信息的敏感性，在推荐过程中，用户和医生的信息应该是隐私保护的。在最近关于隐私保护推荐系统的研究中，隐私保护的方法可以分为三种，第一种是基于安全的多方参与的方法，它在保护隐私的过程中需要消耗大量算力资源；第二种方法是使用随机数来对敏感数据进行扰动，以使得隐私获得保护，但是加入扰动数据在一定程度上会影响推荐的准确性；第三种方法是使用假名来保护用户的真实ID，从而实现隐私保护。但是以上三种隐私保护方法都不适用于我们的医疗服务推荐场景。

综上所述，现有推荐系统机制以及隐私保护方法无法满足我们的医疗服务。

发明内容

本发明的目的是解决在线医疗服务推荐系统中的推荐准确性和隐私性两方面难以兼顾的难题，提出了一种基于隐私保护多级属性相似度的电子医疗推荐方法。

所述电子医疗推荐方法依托于基于多级属性相似度的隐私保护医疗服务推荐系统，该医疗服务推荐系统包括用户、服务器以及可信医疗机构；可信医疗机构将加密后的医生信息及密钥分别发给服务器和用户，用户需求和医生信息都用多级属性进行表示，用户向服务器发出医疗服务请求，服务器根据用户需求和医生信息进行匹配，具体采用多级属性推荐，对于用户需求和医生信息采用隐私保护的相似度方法。

其中，多级属性包括职称属性、工龄以及医生评分。

所述基于隐私保护多级属性相似度的电子医疗推荐方法，包括系统初始化、用户查询和医生推荐；具体包括如下步骤：

步骤1：系统初始化，具体为：可信医疗机构对医生的信息进行加密处理，加密后再存储在服务器上用于医生推荐；可信医疗机构向用户发送密钥，用于用户需求加密，包括如下子步骤：

步骤1.1：可信医疗机构随机生成一个3n维二进制向量和两个3n阶可逆矩阵M₁、M₂；向量和可逆矩阵M₁、M₂为医生信息和用户需求信息加密所使用的密钥；