基于特征规则的在线医疗社区用户评论观点挖掘与情感分析方法

针对医院评价领域缺少大规模观点-情感语料库的情况,阐述国内外在线医疗社区知识共享以及基于特征的观点挖掘与分析研究现状,采用特征规则方法,基于补充情感词典,对在线医疗社区中用户关于医院的就医评价内容进行观点挖掘与情感分析并开展实证分析,结果显示该方法具有较好的挖掘效果。

基于时滞关联特征患者就诊反馈分析

抓取“微医网”医患评论数据,对其中时滞与患者满意度进行关联分析,并对评论内容进行主题挖掘,提取不同时滞区间内患者重点关注的内容。通过对患者评论文本不同时滞区间内容的分析,寻找满意度提升策略,以缓解医患关系。使用K-means将患者反馈数据根据就诊后时长反馈分为“短期”和“长期”,通过LDA主题提取模型,对满意度划分后的患者评论文本挖掘不同时滞区间内患者所关注的重点内容,将其差异进行对比分析发现,患者就诊满意度随着时滞呈现趋高现象,不同时滞文本显示患者评论维度大致相同,但随着时滞区间的转移,患者所关注的就诊体验内容也有所变化。

图书馆众筹项目成功的影响因素分析——以腾讯乐捐为例

引入信任理论构建图书馆众筹项目影响因素模型,以腾讯乐捐平台上的1374例图书馆众筹项目为样本进行定量分析,运用Probit回归探究图书馆众筹项目成功的关键影响因素。结果显示,持续天数对项目成功影响显著为负,项目描述图片数、发起者发起项目数、支持人数、企业配捐及进展更新对项目成功影响显著为正,目标金额、项目描述字数、发起人类型及回报对项目成功影响并不显著。基于此,提出图书馆众筹项目设计及平台发展等相关建议。

“新医科”背景下基于医工交叉培养卓越临床医学人才的思考与探索

为响应“健康中国”和“成渝地区双城经济圈建设”国家重大战略需求,重庆大学紧扣“新医科”建设内涵,高起点建设医学学科,高质量发展医学教育,深入推进医工交叉背景下临床医学人才精英化培养的探索实践。本研究从SWOT分析的视角,探析了新建医学学科“双一流”高校在临床医学人才培养方面的发展态势,并结合重庆大学临床医学英才班培养模式与“四大能力”建设、“四大整合”举措,以及“三大优化”机制等具体实践,阐述了“新医科”建设下基于医工交叉背景培养卓越临床医学人才的策略构建及相关思考。

基于混合采样与迁移学习的患者评论识别模型

【目的】针对患者评论中的不均衡样本数据,提出一种基于混合采样与迁移学习的端到端的卷积神经网络模型。【方法】采用混合采样与迁移学习的方法解决样本不均衡问题,并利用Word2Vec与卷积神经网络相结合的端到端深度学习架构对患者评论文本进行分布式表示、特征提取以及主题分类。【结果】采用混合采样与迁移学习的主题识别模型相比,以SVM为代表的传统机器学习模型以及单一卷积神经网络模型在准确率、召回率以及F1值上有明显提升。【局限】本研究的不均衡样本仅针对在线患者评论文本。【结论】本研究提出的基于混合采样与迁移学习的患者评论识别模型在应对不均衡样本问题时能够有效提升患者评论识别效果。