基于BERT的青少年心理健康预警模型

目的:设计并训练一个青少年心理健康预警模型,通过对青少年心理健康调查问卷或心理日记等文本数据进行分析,及时发现并预警青少年存在的心理问题。方法:基于BERT预训练模型,构建基于青少年身心健康的预警模型,利用青少年心理健康调查问卷数据和心理论坛上抓取的资料,对模型进行增强训练和微调,从而实现对心理健康相关信息的文本分析和预警,有效和迅速地发现青少年群体中的心理问题。结果:实验结果表明,基于BERT的青少年心理健康预警模型在分类任务中展现出优异的性能。经过增强训练后的BERT模型分类准确率达到了88.21%,与传统的MLP、SVM、LSTM模型相比,在准确率和召回率等关键指标上有显著提升。结论:本研究提出的预警模型为心理健康评估提供了科学而便捷的方法,能有效提升对青少年心理状态评估的准确性,适用于医院、学校和家庭等多种场景。未来将进一步优化模型,以应对更加复杂和多样化的数据挑战。

在线医疗平台信息服务质量评价模型构建

目的:构建在线医疗平台信息服务质量评价模型,完成在线医疗平台信息服务质量科学方法的讨论。方法:借助文献分析完成在线医疗平台信息服务质量评价指标的选择,借助层次分析法和专家调查方式完成指标权重的定量分析。结果:根据权重分析,得出在线医疗平台信息服务质量“五维”评价模型,一级指标权重排序依次为远程诊疗医生资源(0.3070)、平台信息内容质量(0.2408)、平台栏目设计与布局(0.2065)、系统稳定与安全(0.1303)、个性化服务模块(0.1154)。结论:五维评价模型是在线医疗平台信息质量评价较为可行的方法与路径。