基于异常评分行为分析的虚假评论商品识别方法

在电商平台的所有评论信息中检测虚假评论时,评论领域的多样性以及虚假评论的总体稀疏性会导致识别准确率的下降。如果首先识别出包含虚假评论的商品,再对其中的评论进行针对性检测,会大大提高识别的效率和准确性。本文提出了一种基于异常评分行为分析的虚假评论商品识别方法,在对虚假评论行为分析的基础上,采用正态分布拟合和时序数据突变点检测方法,实现对虚假评论的发现。实验结果表明,该方法可以有效地识别虚假评论目标商品。

某医院2015-2016年新生儿神经行为评分异常发生情况及影响因素分析

目的探讨新生儿神经行为评分(NBNA)异常发生情况及影响因素。方法选取2015年1月-2016年12月我院收治的186例新生儿作为研究对象,采用回顾性分析法分析所有新生儿的临床资料,根据资料结果记录所有新生儿和其母亲的基本情况以及新生儿NBNA评分情况,分析新生儿NBNA评分异常的发生情况,并比较不同NBNA评分新生儿间其上述资料的差异,研究影响新生儿NBNA评分异常的相关因素。结果本组研究186例新生儿中NBNA评分异常发生率为52例(27.96%);非条件单因素Logistic回归模型分析显在2组新生儿中胎龄、出生体质量、小于胎龄儿、多胎、新生儿窒息、呼吸窘迫综合征、颅内出血、高胆红素血症、高脑钠肽以及新生儿母亲高血压及糖尿病的发生情况比较差异间均具有统计学意义(P<0.05);通过非条件多因素Logistic回归模型分析可得,胎龄、出生体质量、新生儿窒息、颅内出血、高胆红素血症、呼吸窘迫综合征以及高脑钠肽均为导致新生儿NBNA评分异常的独立危险因素(P<0.05)。结论新生儿NBNA评分异常发生率较高,其中胎龄、出生体质量、新生儿窒息、颅内出血、高胆红素血症、呼吸窘迫综合征以及高脑钠肽均为导致新生儿NBNA评分异常的独立危险因素。