检索结果-南通市图书馆

作者：付可欣北京化工大学

学位级别：硕士

随着互联网技术与医疗卫生行业的深入融合,医疗社交媒体作为一种新兴的“互联网+医疗”服务模式,具有在线咨询、线上复诊和远程专家门诊等多重功能。目前,平台已经汇集了海量的医疗健康知识,蕴含着丰富的源自普通大众的疾病诊疗经验和... 详细信息

随着互联网技术与医疗卫生行业的深入融合,医疗社交媒体作为一种新兴的“互联网+医疗”服务模式,具有在线咨询、线上复诊和远程专家门诊等多重功能。目前,平台已经汇集了海量的医疗健康知识,蕴含着丰富的源自普通大众的疾病诊疗经验和健康医疗知识。然而,由于网络信息表达的口语化和多样化的特征,使这些健康知识包含了大量冗余内容以及表述形式不规范的信息,如何有效提炼出其中蕴含的高质量医疗知识变得十分困难。而知识图谱技术的迅速发展及其在各领域的广泛应用,为解决上述难题提供了一套可行方案。目前来源于半结构化和结构化结构的医疗知识图谱已经日渐成熟,而鲜有研究关注从丰富的医疗社交媒体非结构化的文本信息中挖掘知识,或利用这些平台作为数据源构建疾病知识图谱及其应用,使得大量医疗信息未能得到充分利用。因此,本文聚焦于医疗社交媒体的医疗健康知识,对平台上的信息进行筛选、整理和分析,并构建疾病知识图谱及其应用。具体研究内容如下:(1)基于医疗社交媒体的实体识别。将医疗社交媒体平台作为获取医疗知识的重要数据源,通过机器学习和深度学习等技术手段获取医患问答记录和医疗健康知识,对数据进行预处理并转换为词向量,与BERT预训练语言模型的词嵌入层进行融合,使模型充分学习医疗健康知识和表达方式,连接Bi-LSTM模型更好地感知上下文语义信息,最后连接CRF层进行误差修正并利用Soft Max函数识别和发现新兴的医疗实体,为疾病知识图谱的扩充和完善提供有力支持。(2)基于词汇增强的关系抽取。针对中文医疗信息存在实体边界模糊、口语化和不规范等问题,本研究在信息抽取中基于流水线方法的基础上,在医疗实体识别和关系抽取间增加词汇增强这一步骤。通过将已经识别出的实体以及自建的医疗社交媒体语料库与国际疾病分类数据集进行实体链接,确保关系抽取过程基于一致且明确的概念进行,从而减少信息冗余,高效利用已经获取的医疗信息。(3)构建疾病知识图谱及问答系统。将经过实体识别和关系抽取后的医疗信息进行有序组织,形成完整、准确的知识体系。保存到Neo4j的知识图谱中,进行医疗知识的可视化展示。并基于此构建医疗知识问答系统,快速生成答案,减少用户信息搜索和筛选的时间,提升医疗问答服务的响应速度与解答准确性。本研究旨在充分探索和挖掘基于医疗社交媒体平台的疾病知识和健康信息,以此作为数据源构建更为完整、准确的疾病知识图谱及问答系统,从而为医疗领域的决策和实践提供科学、高效的指导。

关键词：医疗社交媒体命名实体识别疾病知识图谱医疗问答系统

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向医疗社交媒体的用户评论情感分析研究

引用

郑州航空工业管理学院学报 2016年第6期34卷 63-70页

作者：孙二冬王刚合肥工业大学管理学院安徽合肥230009 过程优化与智能决策教育部重点实验室安徽合肥230009

针对已有的文本情感分析方法并没有关注到医疗社交媒体中用户评论数据呈现非均衡分布的问题,将非均衡数据分类方法应用于医疗社交媒体用户评论情感分析研究中,该方法主要包括基于取样的方法和基于集成学习的方法,分别从数据层面和算法... 详细信息

针对已有的文本情感分析方法并没有关注到医疗社交媒体中用户评论数据呈现非均衡分布的问题,将非均衡数据分类方法应用于医疗社交媒体用户评论情感分析研究中,该方法主要包括基于取样的方法和基于集成学习的方法,分别从数据层面和算法层面来解决医疗社交媒体中数据非均衡分布问题。与其他的方法相比,Random Subspace方法取得了最好的分类效果。实验结果验证了非均衡数据分类方法在医疗社交媒体用户评论情感分析中应用的有效性。

关键词：医疗社交媒体非均衡数据分类文本情感分析集成学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

西安市口腔医生使用医疗社交媒体的现状调查

引用

山西医科大学学报 2018年第8期49卷 991-994页

作者：米莲徐典张桓徐佳玉文萍王丹杨西安医学院口腔医学院口腔修复学教研室西安710021

目的了解西安市口腔医生对医疗社交媒体的认知情况和使用现状,分析医疗社交媒体的优缺点及影响因素,为推动医疗社交媒体在口腔医疗领域的广泛使用奠定基础。方法针对使用情况设计调查问卷,于2017年7-8月份分别在西安市20家口腔医疗机构... 详细信息

目的了解西安市口腔医生对医疗社交媒体的认知情况和使用现状,分析医疗社交媒体的优缺点及影响因素,为推动医疗社交媒体在口腔医疗领域的广泛使用奠定基础。方法针对使用情况设计调查问卷,于2017年7-8月份分别在西安市20家口腔医疗机构对177名在岗口腔医生进行问卷调查(有效问卷172份),并对结果进行统计分析。结果医疗社交媒体认知率为69.2%,使用率为39.0%,使用频率以一周数次最多见(13.4%)。使用目的集中在查阅资料(25.6%)、与同行交流心得(22.7%)、医患沟通(21.5%)等方面。交流内容不可靠(15.1%)、泄露个人隐私(15.1%)等问题的选项占比较高。调查对象对社交媒体满意度为20.9%。结论西安市口腔医生对医疗社交媒体的认知情况良好,但使用度不高。使用社交媒体的目的更倾向于专业交流和学习。各媒体安全性、专业性、信息质量等方面存在的问题是制约医疗社交媒体发展和应用的重要因素。

关键词：口腔医生医疗社交媒体调查问卷

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

融合数据增强与半监督学习的药物不良反应检测

引用

计算机工程 2022年第6期48卷 314-320页

作者：佘朝阳严馨徐广义陈玮邓忠莹昆明理工大学信息工程与自动化学院昆明650504 昆明理工大学云南省人工智能重点实验室昆明650504 云南南天电子信息产业股份有限公司昆明650041

目前药物不良反应(ADR)研究使用的数据主要来源于英文语料,较少选用存在标注数据稀缺问题的中文医疗社交媒体数据集,导致对中文医疗社交媒体的研究有限。为解决标注数据稀缺的问题,提出一种新型的ADR检测方法。采用ERNIE预训练模型获取... 详细信息

目前药物不良反应(ADR)研究使用的数据主要来源于英文语料,较少选用存在标注数据稀缺问题的中文医疗社交媒体数据集,导致对中文医疗社交媒体的研究有限。为解决标注数据稀缺的问题,提出一种新型的ADR检测方法。采用ERNIE预训练模型获取文本的词向量,利用BiLSTM模型和注意力机制学习文本的向量表示,并通过全连接层和softmax函数得到文本的分类标签。对未标注数据进行文本增强,使用分类模型获取低熵标签,此标签被作为原始未标注样本及其增强样本的伪标签。此外,将带有伪标签的数据与人工标注数据进行混合,在分类模型的编码层和分类层间加入Mixup层,并在文本向量空间中使用Mixup增强方法插值混合样本,从而扩增样本数量。通过将数据增强和半监督学习相结合,充分利用标注数据与未标注数据,实现ADR的检测。实验结果表明,该方法无需大量的标注数据,缓解了标注数据不足对检测结果的影响,有效提升了药物不良反应检测模型的性能。

关键词：医疗社交媒体药物不良反应数据增强半监督学习预训练语言模型

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：