目的:筛选出脊髓损伤患者神经源性膀胱的国际功能、残疾、健康分类核心类目。方法:通过ISCOS提供的开放脊髓损伤数据库(international SCI data sets)筛选出和神经源性膀胱相关的基础数据库,整理出这些数据库的每个变量。利用WHO-FIC合...目的:筛选出脊髓损伤患者神经源性膀胱的国际功能、残疾、健康分类核心类目。方法:通过ISCOS提供的开放脊髓损伤数据库(international SCI data sets)筛选出和神经源性膀胱相关的基础数据库,整理出这些数据库的每个变量。利用WHO-FIC合作中心ICF研究组开发的ICF与结局测量工具间联系和匹配的原则,采用专业人员对内容定性联系和匹配的方法,将针对筛选出的变量与ICF综合版测量项目进行联系和匹配。整理匹配的ICF项目生成神经源性膀胱ICF核心要素。结果:通过对比2名研究者筛选相同变量,合并相近的变量,剔除与神经源性膀胱不相关的变量,最终纳入85项。共提取有明确意义的概念60个,可与ICF联系、匹配的概念46个。与ICF联系、匹配后共得出神经源性膀胱ICF核心类目40项,其中身体功能16项、身体结构8项、活动和参与9项、环境因素与个人因素7项。结论:系统回顾研究法初步筛选出脊髓损伤患者神经源性膀胱ICF核心类目,为神经源性膀胱评估、治疗提供了更全面的框架。展开更多
[目的/意义]基于近邻用户的协同过滤推荐作为推荐系统应用最广泛的算法之一,受数据稀疏和计算可扩展问题影响,推荐效果不尽如人意。[方法/过程]针对上述问题,提出了一种改进的推荐算法(Category Preferred Data Field Clustering Based ...[目的/意义]基于近邻用户的协同过滤推荐作为推荐系统应用最广泛的算法之一,受数据稀疏和计算可扩展问题影响,推荐效果不尽如人意。[方法/过程]针对上述问题,提出了一种改进的推荐算法(Category Preferred Data Field Clustering Based Collaborative Filtering Recommendation,CPDFC-CFR)。首先,该算法舍弃用户评分,利用评论情感构建用户—项目矩阵,以增强用户偏好表示能力;其次,该算法引入类目偏好和语义偏好的概念,利用类目偏好比对高维用户—项目矩阵进行降维,并在用户相似度计算中纳入评论情感偏好、项目类目偏好和语义偏好,以降低数据稀疏性;最后,该算法将数据场作为用户聚类的前置算法,把数据场输出(极大值点)作为K-means算法输入,以提升算法实时性和稳定性。[结果/结论]实验结果表明:①项目类目级别越低,CPDFC-CFR算法准确性(F-measure)和即时性(相似度计算次数和推荐耗时)越优;②与其他推荐算法相比,CPDFC-CFR算法能够有效提升推荐准确性和计算效率,对协同过滤推荐系统建设具有重要参考价值。展开更多
文摘目的:筛选出脊髓损伤患者神经源性膀胱的国际功能、残疾、健康分类核心类目。方法:通过ISCOS提供的开放脊髓损伤数据库(international SCI data sets)筛选出和神经源性膀胱相关的基础数据库,整理出这些数据库的每个变量。利用WHO-FIC合作中心ICF研究组开发的ICF与结局测量工具间联系和匹配的原则,采用专业人员对内容定性联系和匹配的方法,将针对筛选出的变量与ICF综合版测量项目进行联系和匹配。整理匹配的ICF项目生成神经源性膀胱ICF核心要素。结果:通过对比2名研究者筛选相同变量,合并相近的变量,剔除与神经源性膀胱不相关的变量,最终纳入85项。共提取有明确意义的概念60个,可与ICF联系、匹配的概念46个。与ICF联系、匹配后共得出神经源性膀胱ICF核心类目40项,其中身体功能16项、身体结构8项、活动和参与9项、环境因素与个人因素7项。结论:系统回顾研究法初步筛选出脊髓损伤患者神经源性膀胱ICF核心类目,为神经源性膀胱评估、治疗提供了更全面的框架。
文摘[目的/意义]基于近邻用户的协同过滤推荐作为推荐系统应用最广泛的算法之一,受数据稀疏和计算可扩展问题影响,推荐效果不尽如人意。[方法/过程]针对上述问题,提出了一种改进的推荐算法(Category Preferred Data Field Clustering Based Collaborative Filtering Recommendation,CPDFC-CFR)。首先,该算法舍弃用户评分,利用评论情感构建用户—项目矩阵,以增强用户偏好表示能力;其次,该算法引入类目偏好和语义偏好的概念,利用类目偏好比对高维用户—项目矩阵进行降维,并在用户相似度计算中纳入评论情感偏好、项目类目偏好和语义偏好,以降低数据稀疏性;最后,该算法将数据场作为用户聚类的前置算法,把数据场输出(极大值点)作为K-means算法输入,以提升算法实时性和稳定性。[结果/结论]实验结果表明:①项目类目级别越低,CPDFC-CFR算法准确性(F-measure)和即时性(相似度计算次数和推荐耗时)越优;②与其他推荐算法相比,CPDFC-CFR算法能够有效提升推荐准确性和计算效率,对协同过滤推荐系统建设具有重要参考价值。
