期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
主题图技术在消费者健康信息资源组织中的应用——以糖尿病为例
被引量：
7
1
作者
李英英
王惠临
《现代图书情报技术》
CSSCI
北大核心
2013年第12期55-61,共7页
针对医学知识有限以及医学专业词汇与非医学专业人员用词(即消费者健康词汇)之间存在的差异,使消费者很难准确理解和检索医学健康信息的现状,利用主题图技术对消费者健康信息资源进行组织,以糖尿病为例,利用Ontopia公司开发的主题图工...
针对医学知识有限以及医学专业词汇与非医学专业人员用词(即消费者健康词汇)之间存在的差异,使消费者很难准确理解和检索医学健康信息的现状,利用主题图技术对消费者健康信息资源进行组织,以糖尿病为例,利用Ontopia公司开发的主题图工具进行实验,将同一概念的不同表达(即医学专业术语与消费者健康词汇)集合起来,并对医学概念之间的复杂关系进行揭示。这不仅能使消费者以他们熟悉的语言(消费者健康词汇)进行浏览和检索,还能帮助消费者对医学知识进行正确理解。
展开更多
关键词
主题图
知识组织
消费者健康信息学
消费者健康词汇
糖尿病
Ontopia
原文传递
用户健康词汇熟悉度的影响因素及Logistic预测模型
被引量：
2
2
作者
李玉玲
张素敏
曹锦丹
《中华医学图书情报杂志》
CAS
2014年第4期6-12,共7页
运用Logistic方法对用户健康词汇熟悉度进行多因素分析的结果表明,性别、文化程度、职业,健康关注度、健康素养以及词频是影响用户健康词汇熟悉度的相关因素。采用Logistic方法预测用户健康词汇熟悉度是可行的。
关键词
用户健康词汇
医学专业词汇
熟悉度
影响因素
预测模型
LOGISTIC回归分析
用户健康信息学
下载PDF
职称材料
基于词向量的消费者体检健康词表研究
被引量：
3
3
作者
张兴厅
文栋
雷健波
《中国卫生信息管理杂志》
2017年第5期707-711,共5页
目的本研究探索中文消费者健康词表的构建方法;研究利用Word2vec构建消费者体检健康词表的可行性和合理性。方法抓取天涯医院的信息作为语料,使用结巴分词进行中文分词处理,使用Word2vec构造词向量模型,从而形成消费者体检词表。最后,...
目的本研究探索中文消费者健康词表的构建方法;研究利用Word2vec构建消费者体检健康词表的可行性和合理性。方法抓取天涯医院的信息作为语料,使用结巴分词进行中文分词处理,使用Word2vec构造词向量模型,从而形成消费者体检词表。最后,使用预测准确率、准确率、召回率评价指标对词向量的模型效果进行评估。结果消费者体检健康词表包含了74个种子词、137个消费者用词。候选词的准确率为94.71%,召回率为51.27%,F1值为0.33,74个种子词形成的候选词中前3个词为同义词的预测准确率为60.81%。结论本研究验证了Word2vec在识别消费者用词方面的强大能力,利用Word2vec技术可以用来开发中文消费者健康词表。我们发现,Word2vec自动生成的候选消费者词列表质量不足以生成消费者健康词表,但是能作为人工审核构建的重要参考,为开发完整的中文CHV奠定了坚实的基础。
展开更多
关键词
深度学习
机器学习
文本挖掘
Word2vec
消费者健康词表
下载PDF
职称材料
中文消费者健康词的发现方法研究
4
作者
张兴厅
文栋
雷健波
《医学信息学杂志》
CAS
2017年第5期2-6,共5页
探索一种中文消费者健康词的发现方法,阐述其构建过程,验证利用Word2vec进行消费者健康词表构建的可行性和合理性,为开发完整的中文消费者健康词表奠定基础。
关键词
深度学习
机器学习
文本挖掘
Word2vec
消费者健康词表
下载PDF
职称材料
基于深度学习的用户健康词表构建方法研究
5
作者
尹延鑫
李传富
《医学信息学杂志》
CAS
2020年第8期29-33,共5页
对基于深度学习的用户健康词表构建方法进行系统探索,阐述实验工具、过程及结果,对利用深度学习方法构建用户健康词表的适用性、结果影响因素进行探讨,指出该方法具有较高适用性但尚待提高应用成熟度。
关键词
深度学习
文本挖掘
用户健康词表
Word2vec
下载PDF
职称材料
题名
主题图技术在消费者健康信息资源组织中的应用——以糖尿病为例
被引量：
7
1
作者
李英英
王惠临
机构
中国科学技术信息研究所
出处
《现代图书情报技术》
CSSCI
北大核心
2013年第12期55-61,共7页
基金
中国科学技术信息研究所重点工作课题"多语言科技信息语义关联网络构建及其应用"(项目编号:ZD2012-3-3)
中国科学技术信息研究所学科建设课题"自然语言处理"(项目编号:XK2012-6)的研究成果之一
文摘
针对医学知识有限以及医学专业词汇与非医学专业人员用词(即消费者健康词汇)之间存在的差异,使消费者很难准确理解和检索医学健康信息的现状,利用主题图技术对消费者健康信息资源进行组织,以糖尿病为例,利用Ontopia公司开发的主题图工具进行实验,将同一概念的不同表达(即医学专业术语与消费者健康词汇)集合起来,并对医学概念之间的复杂关系进行揭示。这不仅能使消费者以他们熟悉的语言(消费者健康词汇)进行浏览和检索,还能帮助消费者对医学知识进行正确理解。
关键词
主题图
知识组织
消费者健康信息学
消费者健康词汇
糖尿病
Ontopia
Keywords
Topic
maps
Knowledge
organization
consumer
health
informatics
consumer
health
vocabulary
Diabetes
mellitus
Ontopia
分类号
G203 [文化科学—传播学]
原文传递
题名
用户健康词汇熟悉度的影响因素及Logistic预测模型
被引量：
2
2
作者
李玉玲
张素敏
曹锦丹
机构
吉林大学公共卫生学院医学信息学系
吉林省图书馆
出处
《中华医学图书情报杂志》
CAS
2014年第4期6-12,共7页
文摘
运用Logistic方法对用户健康词汇熟悉度进行多因素分析的结果表明,性别、文化程度、职业,健康关注度、健康素养以及词频是影响用户健康词汇熟悉度的相关因素。采用Logistic方法预测用户健康词汇熟悉度是可行的。
关键词
用户健康词汇
医学专业词汇
熟悉度
影响因素
预测模型
LOGISTIC回归分析
用户健康信息学
Keywords
consumer
health
vocabulary
Medical
vocabulary
Influencing
factors
Prediction
model
Logistic
re-gression
analysis
consumer
health
informatics
分类号
R-058 [医药卫生]
R193
下载PDF
职称材料
题名
基于词向量的消费者体检健康词表研究
被引量：
3
3
作者
张兴厅
文栋
雷健波
机构
北京大学第三医院
北京大学医学信息学中心
西南医科大学医学信息与工程学院
出处
《中国卫生信息管理杂志》
2017年第5期707-711,共5页
基金
国家自然科学基金项目(项目编号:81471756)
文摘
目的本研究探索中文消费者健康词表的构建方法;研究利用Word2vec构建消费者体检健康词表的可行性和合理性。方法抓取天涯医院的信息作为语料,使用结巴分词进行中文分词处理,使用Word2vec构造词向量模型,从而形成消费者体检词表。最后,使用预测准确率、准确率、召回率评价指标对词向量的模型效果进行评估。结果消费者体检健康词表包含了74个种子词、137个消费者用词。候选词的准确率为94.71%,召回率为51.27%,F1值为0.33,74个种子词形成的候选词中前3个词为同义词的预测准确率为60.81%。结论本研究验证了Word2vec在识别消费者用词方面的强大能力,利用Word2vec技术可以用来开发中文消费者健康词表。我们发现,Word2vec自动生成的候选消费者词列表质量不足以生成消费者健康词表,但是能作为人工审核构建的重要参考,为开发完整的中文CHV奠定了坚实的基础。
关键词
深度学习
机器学习
文本挖掘
Word2vec
消费者健康词表
Keywords
Deep
learning,
Machine
learning,
Text
mining,
Word2vec,
consumer
health
vocabulary
分类号
R194.3 [医药卫生—卫生事业管理]
R-34 [医药卫生—公共卫生与预防医学]
下载PDF
职称材料
题名
中文消费者健康词的发现方法研究
4
作者
张兴厅
文栋
雷健波
机构
北京大学第三医院
北京大学医学信息学中心
西南医科大学医学信息与工程学院
出处
《医学信息学杂志》
CAS
2017年第5期2-6,共5页
基金
国家自然科学基金项目(项目编号:81471756)
文摘
探索一种中文消费者健康词的发现方法,阐述其构建过程,验证利用Word2vec进行消费者健康词表构建的可行性和合理性,为开发完整的中文消费者健康词表奠定基础。
关键词
深度学习
机器学习
文本挖掘
Word2vec
消费者健康词表
Keywords
Deep
learning
Machine
learning
Text
mining
Word2vec
consumer
health
vocabulary
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
TP391.1 [自动化与计算机技术—控制科学与工程]
下载PDF
职称材料
题名
基于深度学习的用户健康词表构建方法研究
5
作者
尹延鑫
李传富
机构
安徽中医药大学
安徽中医药大学第一附属医院
出处
《医学信息学杂志》
CAS
2020年第8期29-33,共5页
基金
合肥市自主创新政策“借转补”资金项目(医疗卫生项目)“基于深度学习的肺癌智能诊断系统研制与应用示范”(项目编号:YW201710120004)。
文摘
对基于深度学习的用户健康词表构建方法进行系统探索,阐述实验工具、过程及结果,对利用深度学习方法构建用户健康词表的适用性、结果影响因素进行探讨,指出该方法具有较高适用性但尚待提高应用成熟度。
关键词
深度学习
文本挖掘
用户健康词表
Word2vec
Keywords
Deep
Learning(DL)
text
mining
consumer
health
vocabulary
(CHV)
Word2vec
分类号
R-056 [医药卫生]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
主题图技术在消费者健康信息资源组织中的应用——以糖尿病为例
李英英
王惠临
《现代图书情报技术》
CSSCI
北大核心
2013
7
原文传递
2
用户健康词汇熟悉度的影响因素及Logistic预测模型
李玉玲
张素敏
曹锦丹
《中华医学图书情报杂志》
CAS
2014
2
下载PDF
职称材料
3
基于词向量的消费者体检健康词表研究
张兴厅
文栋
雷健波
《中国卫生信息管理杂志》
2017
3
下载PDF
职称材料
4
中文消费者健康词的发现方法研究
张兴厅
文栋
雷健波
《医学信息学杂志》
CAS
2017
0
下载PDF
职称材料
5
基于深度学习的用户健康词表构建方法研究
尹延鑫
李传富
《医学信息学杂志》
CAS
2020
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
