以Web of Science核心集合、CNKI为数据来源,采用文献计量与归纳性内容分析,从宏观、微观视角分析了个性化健康信息推荐系统研究的主题结构及存在的问题与挑战。研究表明,个性化健康信息推荐系统研究取得较大进展,已形成较为完善的知识...以Web of Science核心集合、CNKI为数据来源,采用文献计量与归纳性内容分析,从宏观、微观视角分析了个性化健康信息推荐系统研究的主题结构及存在的问题与挑战。研究表明,个性化健康信息推荐系统研究取得较大进展,已形成较为完善的知识体系,最新研究在积极整合深度学习等人工智能技术以推动该领域的创新发展。但现有推荐算法仍面临的诸多局限约束了相关研究的进一步发展。未来个性化健康信息推荐系统研究在提升不同场景中动态变化的健康需求的理解能力、优化多模态数据融合与隐私保护技术、增强推荐结果的可解释性、平衡推荐的准确性与健康伦理等方面可寻求新突破。展开更多
文摘以Web of Science核心集合、CNKI为数据来源,采用文献计量与归纳性内容分析,从宏观、微观视角分析了个性化健康信息推荐系统研究的主题结构及存在的问题与挑战。研究表明,个性化健康信息推荐系统研究取得较大进展,已形成较为完善的知识体系,最新研究在积极整合深度学习等人工智能技术以推动该领域的创新发展。但现有推荐算法仍面临的诸多局限约束了相关研究的进一步发展。未来个性化健康信息推荐系统研究在提升不同场景中动态变化的健康需求的理解能力、优化多模态数据融合与隐私保护技术、增强推荐结果的可解释性、平衡推荐的准确性与健康伦理等方面可寻求新突破。
