基于Web数据挖掘的COVID-19流行病学特征分析

基于Selenium数据挖掘技术,通过对2020年2月4日−22日新浪微博“肺炎患者求助超话”中690例有效病例的分析,获得了新浪微博中真实求助病例的流行病学特征。研究发现,求助患者97.6%来自于武汉,重点集中在武昌、硚口、汉阳等中心城区,与当地的医疗资源和人口密度成正比。微博求助病例主要分布在2020年2月4日−7日,随着医疗资源紧张程度的缓解,通过微博求助的病例明显减少。求助患者确诊日期主要分布在2020年1月16日−2月6日,与中国疾控中心发布的病例分布情况基本一致。求助患者年龄分布中位数为60岁,明显高于中国疾控中心发布的数据,但与武汉市中心医院的数据基本吻合。该文研究结果说明,针对重大突发性传染病,微博等社交媒体除了在舆论传播上发挥作用,在流行病学分析上也具有重要意义。基于社交媒体的实时性和广泛性,结合数据挖掘和大数据分析等方法,有助于决策层快速掌握一线真实情况。

基于TAO主观诊断偏差性的分类应用

甲状腺相关眼病是一种早期病理特征不明显的常见慢性致盲性眼眶疾病,为解决诊断过程中医生主观诊断偏差导致的误诊问题,提出一种基于复合模型缩放方法的模型Efficient-TAO。通过优化训练过程,改进动态激活函数和随机权值平均机制提高性能,通过图像预处理算法实现眼肌CT图像数据的直接训练。实验结果表明,模型的分类准确率达到98.34%,在其它算法评价指标中均表现良好。可视化结果进一步验证了Efficient-TAO算法在疾病分类中的可信度。

一种基于主题相似性的Mashup服务聚类方法研究

随着Web服务技术的快速发展,Mashup的数量和多样性呈快速增长趋势。有效地管理Mashup服务资源和选取合适的Mashup,成为当今面临的一个重要挑战。鉴于此,提出了一种融合文档和标签的多层网络主题模型Mashup服务聚类方法。该模型对描述文本和标签进行融合,挖掘融合后信息的隐含主题,根据Mashup相似性构建相似性网络,并对网络进行谱聚类,进一步提高聚类效果。在真实数据集上进行了实验比较和分析,结果表明,所提方法在准确率、召回率方面都有明显优势。