基于人口密度的移动LBS大数据医院推荐
社会与信息网络
2017-08-03 v1
摘要
就医难是中国的主要民生问题之一。由于患者缺乏关于医院空间分布和容量的先验知识，一些医院具有异常高或零星的人口密度。本文提出了一种基于基于位置服务（LBS）大数据估计每家医院时空人口密度的新模型，这将有利于引导和分散门诊患者。为了提高估计精度，提出了几种方法通过对检测到的各种行为进行分类来对 LBS 数据去噪。此外，提出了一种基于长短期记忆（LSTM）的深度学习来预测人口密度趋势。利用百度大规模 LBS 日志数据库，我们将所提模型应用于中国北京 113 家医院，并构建了一个在线医院推荐系统，该系统可以根据实时人口密度信息以及医院等级和距离等医院基本信息为用户提供医院排行榜。我们还利用所提系统从这些 LBS 日志中挖掘出若干有趣的模式。
引用
@article{arxiv.1708.00759,
title = {Population Density-based Hospital Recommendation with Mobile LBS Big Data},
author = {Hanqing Chao and Yuan Cao and Junping Zhang and Fen Xia and Ye Zhou and Hongming Shan},
journal= {arXiv preprint arXiv:1708.00759},
year = {2017}
}