基于概率因子图模型的医疗社会网络用户健康状态检测方法

作     者：宫继兵 王睿 王晓峰 崔莉 Gong Jibing;Wang Rui;Wang Xiaofeng;Cui Li

作者机构：燕山大学计算机科学与工程系河北秦皇岛066004 中国科学院计算技术研究所北京100190 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：2013年第50卷第6期

页      面：1285-1296页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家"九七三"重点基础研究发展计划基金项目(2011CB302803) 中国科学院战略性先导科技专项项目(XDA060307000) 国家自然科学基金项目(61003292) 

主　　题：医疗社会网络 医疗物联网 多源异构数据融合 大规模传感器网络建模与分析 人体健康状态 检测 预测方法 

摘      要：社会网络应用已无处不在,在健康医疗领域也是如此.同时,传感器网络的发展也面临新的形势.在真实世界中,有许多因素(如社会关系、历史健康状态和个人属性信息)都能对健康状态检测?预测结果产生影响.然而,却很少有相关文献能够系统阐述新形势下在一个动态社会网络中节点用户健康状态如何进行检测?预测以及不同因素对用户健康状态影响到何种程度.首先描述一种新颖的医疗物联网:医疗社会网络(medical social networks,MSNs);然后统一考虑社会关系、历史健康状态和用户属性对网络用户健康状态检测结果的影响,提出一种新的基于时-空概率因子图模型(temporal-spatial factorgraph model,TS-FGM)的网络用户健康状态检测?预测方法.在Twitter数据集上对所提出的模型进行了验证,并在一个真实的临床医疗数据集上与SVM基线算法进行了对比实验.实验结果表明所提出的TS-FGM模型是有效的,健康状态检测方法也在一定程度上优于基线方法.