融合用户情感评分的节点专业影响力分析

[目的/意义]大多数社交网络节点的影响力计算没有考虑用户的评价,而用户评价对特定领域的专业影响力节点的识别具有重要意义。[方法/过程]本文利用领域字典和话题识别模型将目标用户的主题范围进行限定,同时结合社交网络用户中的个人信息综合指标,基于用户关注关系建立链路网络,并充分纳入用户评论的情感评分,提出针对专业影响力节点挖掘的Domain Rank算法。[结果/结论]研究表明,该算法能够有效的从多主题的用户群体中发现和识别潜在的专业影响力节点。

循证护理对老年冠心病患者的效果观察及负性情感评分影响分析

目的探讨老年冠心病(CHD)患者选择循证护理模式的临床疗效及负性情感的变化情况。方法筛选出本院心内科在2019/1-2020/1期间接收行CHD患者80例,通过病床号将其分成两组:对照组(常规护理)与实验组(循证护理),各40例,对比两组的复发率、护理满意度及负性情感评分等指标变化情况。结果经过一段时间的护理,在复发率、护理满意度等方面,实验组明显优于对照组(P<0.05);另外,在护理前,两组的负性情感评分对比无差异(P>0.05),但是在护理后,实验组的负性情感评分明显小于对照组,并且,两组的负性情感评分对比差异显著(P<0.05)。结论通过对老年CHD患者实施循证护理模式,能够有效地控制患者的疾病复发率,提高临床满意度,并且帮助患者消除负性情感,值得在一线广泛运行。

基于文本挖掘的舆情分析与情感分析——以乐山师范学院新浪官方微博评论为例

随着信息化时代的到来,新浪微博变为超大型的社交平台,引导着网络舆论的发展方向。如何从评论中获取有效信息和情感取向,以及掌握舆论的变化规律成为一个急需解决的问题。利用Python爬虫技术对乐山师范学院新浪官方微博评论进行爬取,并对文本数据进行处理,利用文本分析法和情感分析法,对语料进行分词,借助词频统计、稀疏矩阵、聚类分析、情感评分等手段获取能表达情绪的关键词,挖掘高价值的舆情主题,用可视化的方法展现人物的情感倾向,分析舆情中的情感变化规律。研究结果可展现微博用户对乐山师院的情感态度和舆情特征,并提供有效的解决策略。

产品评论文本中特征词提取及其关联模型构建与应用

网络上产品评论文本是用户对产品的评价与反馈,及时、有效挖掘其中有价值的信息是制造企业、销售商获取竞争优势迫切需要解决的问题。综合词形、词性、依存关系、控制词及其情感描述等,设计了特征词提取规则单元以及规则模板,基于条件随机场实现了产品特征词的有效提取,并对特征词进行分类;构建了特征词频次、情感评分的计算模型;结合产品特征词的内容与分类,构建了产品特征词关联模型。在此基础上,提出了基于贝叶斯网络的产品特征词关键影响因素推理方法,并以某手机产品为对象进行应用与验证。研究结果可以为制造企业、销售商的精细化管理提供实施依据。

3+1整体康复护理在阿尔茨海默病患者中的应用价值

目的探讨3+1整体康复护理在阿尔茨海默病患者中的应用价值。方法回顾性选取2019年1月至2021年12月沈阳静安精神卫生医院老年科收治的97例阿尔茨海默病患者作为研究对象,根据护理方法的不同分为3+1整体康复护理组(50例)和常规护理组(47例)。常规护理组给予常规性护理措施,3+1整体康复护理组在常规组护理的基础上实施3+1整体康复护理措施,比较两组患者痴呆评分、认知功能评分、抑郁状态评分、日常生活能力评分、情感淡漠状况评分情况。结果干预前,两组患者痴呆评分、认知功能评分、抑郁状态评分比较,差异无统计学意义(P>0.05);干预后,两组患者痴呆评分、认知功能评分、抑郁状态评分均低于本组干预前,且3+1整体康复护理组痴呆评分、认知功能评分、抑郁状态评分低于常规护理组,差异均有统计学意义(P<0.05)。干预前,两组患者日常生活能力评分、情感淡漠状况评分比较,差异无统计学意义(P>0.05);干预后,两组患者日常生活能力评分高于本组干预前,情感淡漠状况评分低于本组干预前,3+1整体康复护理组日常生活能力评分高于常规护理组,情感淡漠状况评分低于常规护理组,差异均有统计学意义(P<0.05)。结论3+1整体康复护理在阿尔茨海默病患者中应用,可以改善临床症状和不良情绪,提高认知功能和日常生活能力,缓解情感淡漠状态,值得临床推广应用。