随着计算机技术和互联网技术的不断创新,医疗康复信息化建设逐步进入网络化、数字化阶段。医疗康复系统作为医疗信息化实现的重要方式之一,能够使得患者更加便捷地获取医疗康复信息,目前受到越来越多的关注。针对当前医疗康复系统中用户在获取医疗康复信息时存在数据量大、精度差等问题,本文研究并实现了一种基于Hadoop平台的医疗康复推荐系统。该系统能根据用户的行为数据,为用户推荐不同的医疗康复方案,从而有效地提高用户康复效果。本文的主要工作包括以下内容:1)在对传统推荐技术进行分析的基础上,综合考虑了用户的医疗康复训练行为具有隐式反馈数据和显式评分数据的特征,提出了一种加权矩阵分解模型进行医疗康复信息推荐,该模型在最优化目标函数(评分矩阵中预测分值和实际分值之间误差的平方)的过程中,加入隐式反馈矩阵、用户属性、系统使用等属性特征进行多方权重归一化计量,使改进的目标函数能够更好的优化模型参数,为用户提供更为精确的预测评分。2)针对传统数据处理技术在数据处理方面存在关系复杂、数据处理效率低的问题,设计一种基于Hadoop平台的大数据索引存储的医疗康复体系架构。首先在HBase数据库中设计了基于二级索引机制的医疗信息存储模型;其次,通过MapReduce技术对数据进行清洗和处理;最后,使用Spark Streaming流式计算框架实时进行计算,使得该系统不仅能存储大量的医疗数据信息,而且有效提高了数据处理效率。3)设计并实现了一种基于Hadoop平台的医疗康复推荐系统。在系统实现时采用了SSM(Spring+SpringMVC+MyBatis)框架进行设计,其中Spring MVC对医疗康复系统的业务逻辑进行控制与实现,MyBatis则负责医疗康复系统中底层关系数据库的持久化。该系统不仅能对大量用户的医疗数据信息进行收集和管理,而且可以根据用户的康复行为数据为用户推荐适合的医疗康复信息,帮助用户更有效的进行康复训练。