冷启动推荐系统实现:仅含患者ID与ICD码的搭建问题咨询
独立ID+单字段ICD场景下的推荐系统落地技术路径
场景核心约束锚定
- 当前数据集仅含患者唯一ID、ICD编码两个字段,且每例新增病例对应独立ID,无跨病例的用户行为链路,意味着传统依赖长期用户ID的协同过滤、用户长期embedding建模方案完全失效,患者ID在这个场景下仅作为单样本的唯一标识,不具备长期价值。
分阶段可落地的技术实现路径
1. 基础特征层重构(零额外数据依赖)
- 先对ICD编码做结构化语义对齐:依托ICD官方的层级编码规则(如ICD-10的章节-类目-亚目三级结构),把原始的离散编码拆为层级标签、关联疾病系统属性,避免将ICD编码作为无意义字符串处理。
- 剔除无价值的ID特征逻辑:所有样本特征的来源完全基于ICD编码集合,不把独立的病例ID纳入特征工程环节,避免引入无意义噪声。
2. 从轻到重适配场景的算法选型
- 最低成本可上线基线:关联规则挖掘
直接将每例ID下的所有ICD编码作为一个“购物篮样本”,用FP-Growth或Apriori算法挖掘ICD编码间的频繁共现关系,计算共现的置信度、提升度指标构建关联规则库。线上新病例进来后,匹配当前携带的ICD集合,直接输出规则库中关联度最高、未被当前病例覆盖的推荐结果(如对应临床路径、干预方案等)。该方案实现周期短,完全不依赖跨病例的用户关联,适配独立ID的冷启动特性。 - 中灵活度方案:ICD语义双塔检索
抛弃传统双塔架构里的长期用户塔,替换为当前病例ICD集合的特征塔:离线用历史病例的ICD集合,训练将ICD集合映射为定长向量的编码器;再将待推荐的物品(与ICD绑定的临床服务、检查项、干预方案等)映射为物品侧向量,通过历史共现的正样本对做对比学习训练。线上新病例进来后,直接提取当前携带的ICD集合生成查询向量,与物品向量库做近邻检索,输出TopN推荐结果。该方案比关联规则的非线性捕捉能力更强,同样适配每例独立ID的场景。 - 高深度挖掘方案:ICD-病例异构图建模
用现有两个字段直接构造异构图:节点分为两类,一类是ICD编码节点,一类是病例节点;边为“病例关联某ICD”的连接关系,不需要额外的关联数据。在图上跑图神经网络做消息传递,自动学习ICD节点间的隐式关联权重。线上新病例进来后,提取其携带的所有ICD节点,在图上检索关联权重最高、未被覆盖的关联节点,作为最终推荐结果。该方案可自动挖掘跨样本的隐性共现规律,比关联规则的挖掘深度更高,同样不需要打通不同病例的患者ID关联。
场景专属适配的避坑要点
- 不要硬套传统推荐的用户长期行为逻辑:不要为一次性的病例ID训练专属embedding,因为每个ID仅出现一次,学出的特征全是随机噪声,会直接拉低模型效果。
- 所有规则、模型输出的结果要做合理性校验:ICD共现不代表因果关联,需要过滤掉无明确临床逻辑、提升度极低的关联结果,避免输出不符合常识的推荐内容。
- 反馈链路要绑定ICD特征而非病例ID:因为病例ID是一次性的,要把临床端的推荐采纳/驳回反馈绑定到当前病例的ICD集合特征上,才能实现模型的持续迭代,不然反馈数据会随一次性ID全部丢失。
内容的提问来源于stack exchange,提问作者Asjad Sohail
相关产品推荐
相关产品推荐

