在线健康社区的知识抽取与用户行为研究 张艳丽著 9787550459175 西南财经大学出版社
当天发货,全新正版书。
¥
51.9
5.9折
¥
88
全新
库存224件
作者张艳丽著
出版社西南财经大学出版社
ISBN9787550459175
出版时间2023-10
四部分类子部>艺术>书画
装帧平装
开本16开
定价88元
货号14330445
上书时间2024-10-22
商品详情
- 品相描述:全新
- 商品描述
-
作者简介
张艳丽,上海财经大学 管理科学与工程专业博士,河南财政金融学院任教,副教授,电子商务专业,研究方向为在线社区的知识抽取和用户行为。
目录
目录第一章 绪论/ 1第一节 研究背景/ 1第二节 研究内容/ 5第三节 研究意义/ 7第四节 创新点/ 10第五节 本书组织结构/ 11第二章 文献回顾/ 13第一节 在线健康社区研究/ 13第二节 信息抽取和知识图谱构建/ 17第三节 双加工理论和信息采纳/ 34第四节 信息有用性相关研究/ 38第五节 本章小结/ 42第三章 在线健康社区的疾病诊断关系抽取研究/ 43第一节 背景与意义/ 43第二节 理论基础/ 45第三节 关系抽取的关键技术/ 47第四节 关系抽取的模型构建/ 52第五节 实验设置和结果讨论/ 58第六节 本章小结/ 68第四章 疾病用药管理的关系抽取和知识图谱构建研究/ 70第一节 背景与意义/ 70第二节 理论基础和相关概念/ 73第三节 研究方法和实现框架/ 76第四节 实验设置和结果讨论/ 81第五节 在线健康社区的知识图谱构建及其应用/ 91第六节 本章小结/ 106第五章 在线健康社区用户知识采纳行为研究/ 108第一节 背景与意义/ 108第二节 理论基础/ 111第三节 实现方法/ 116第四节 实验结果分析和讨论/ 123第五节 本章小结/ 134第六章 识别在线健康社区信息有用性的研究/ 138第一节 背景与意义/ 139第二节 理论基础/ 141第三节 基于核心理论的框架设计和实验方法/ 145第四节 结果分析/ 158第五节 本章小结/ 174
内容摘要
通常,用户通过在线健康社区提问一个问题后,面临着如何从众多回复中采纳一个最满意回复的问题。同时,如何从海量的问答数据中进行有用信息的识别,对于健康社区的知识管理,社区内的知识搜索以及有用信息推荐等具有重要意义。本书完成以下四方面的工作:(1)针对海量的医患问答数据,构建深度学习模型,研究在线健康社区中疾病、症状和检查之间的关系抽取问题;(2)针对海量的医患问答数据,对疾病、药物和药物效果进行实体识别,在实体识别的基础上,进行疾病、药物和药物效果之间的关系抽取,在关系抽取的基础上,研究知识图谱的构建技术,构建一个基于在线健康社区的知识图谱框架;(3)立足于提高医患问答健康社区中用户满意度,加强用户信任的问题,研究在线健康社区中用户采纳一个最满意医生回复的知识行为的影响因素,基于知识采纳的双加工理论,开发了一个概念模型,采用文本分析技术,从论据质量和信息源的可信度两个方面提取变量,分析用户的知识采纳行为。(4)在线健康社区虽然存在丰富庞大的信息,但是用户却很难从复杂海量的数据中直接识别出最有用的信息。针对各个在线健康平台都在寻求一种机制帮助用户找到相关且有用的信息满足用户需求的问题,从问答健康社区中用户采纳和点赞的知识行为着手,研究在线健康社区医生回复的有用性,从设计科学的思维出发,以知识采纳理论作为研究的核心理论,通过采用四种机器学习方法进行识别在线健康社区中医生回复信息的有用性,并同当前流行的深度学习技术以及前人的经典研究模型进行了对比,证实了本研究框架的优势。
主编推荐
本书作者根据在线健康社区(网站)上面的用户与医生回复往来的数据,进行大数据挖掘,形成了大数据挖掘模型,能够比较好地发现用户的问题与医生回复有效性之间的关系,从而发现有用的医生回复,并形成知识图谱,丰富医疗数据库的内容,造福天下病患。本书因此而具有比较明显的社会效益,是一件非常有意义的工作成果。本书之前的一些医患往来信息大数据挖掘效果都没有本书的框架模型好,因此这是非常值得出版的一本书。
精彩内容
通常,用户通过在线健康社区提问一个问题后,面临着如何从众多回复中采纳一个最满意回复的问题。同时,如何从海量的问答数据中进行有用信息的识别,对于健康社区的知识管理,社区内的知识搜索以及有用信息推荐等具有重要意义。本书完成以下四方面的工作:(1)针对海量的医患问答数据,构建深度学习模型,研究在线健康社区中疾病、症状和检查之间的关系抽取问题;(2)针对海量的医患问答数据,对疾病、药物和药物效果进行实体识别,在实体识别的基础上,进行疾病、药物和药物效果之间的关系抽取,在关系抽取的基础上,研究知识图谱的构建技术,构建一个基于在线健康社区的知识图谱框架;(3)立足于提高医患问答健康社区中用户满意度,加强用户信任的问题,研究在线健康社区中用户采纳一个最满意医生回复的知识行为的影响因素,基于知识采纳的双加工理论,开发了一个概念模型,采用文本分析技术,从论据质量和信息源的可信度两个方面提取变量,分析用户的知识采纳行为。(4)在线健康社区虽然存在丰富庞大的信息,但是用户却很难从复杂海量的数据中直接识别出最有用的信息。针对各个在线健康平台都在寻求一种机制帮助用户找到相关且有用的信息满足用户需求的问题,从问答健康社区中用户采纳和点赞的知识行为着手,研究在线健康社区医生回复的有用性,从设计科学的思维出发,以知识采纳理论作为研究的核心理论,通过采用四种机器学习方法进行识别在线健康社区中医生回复信息的有用性,并同当前流行的深度学习技术以及前人的经典研究模型进行了对比,证实了本研究框架的优势。
— 没有更多了 —
以下为对购买帮助不大的评价