目的通过比较初次献血者和重复献血者的不同人口学及献血行为特征,分析影响重复献血的相关因素,为制定针对保留初次献血者的召回策略提供依据。方法采用构成比等描述性分析、Logistic回归分析方法,回顾性分析来自浙江省采供血系统血液...目的通过比较初次献血者和重复献血者的不同人口学及献血行为特征,分析影响重复献血的相关因素,为制定针对保留初次献血者的召回策略提供依据。方法采用构成比等描述性分析、Logistic回归分析方法,回顾性分析来自浙江省采供血系统血液管理信息系统(BIS2.0)的2006-2015年浙江省3 226 571例全血献血者数据。结果浙江省2006-2015年重复献血者比例为30.8%,男性占57.8%;25岁以上比例高于初次献血者;71.7%的男性重复献血者60-79 kg,52.2%女性重复献血者50-59 kg;40%重复献血者首次献捐献400 m L;71.6%的重复献血者在0.5-2年内再次献血,其中40.8%为0.5-1年。结论重复献血的人口学方面的主要影响因素是职业、文化程度、首次献血量。精准召回人群特点:年龄26-45岁,职业稳定,首次献血400 m L,70-89 kg的男性,55kg以上的女性。间隔0.5-2年内召回干预为佳,其中0.5—1年最佳。展开更多
基于逻辑判别式(LD,Logistic Discrimination),提出一种叫做LDRC(LD based Rare-class Classification)方法用于提升LD在稀有类问题中的泛化性能.为了充分考虑稀有类的特性,构建了一种新目标函数RPM(Recall and Precision based M etri...基于逻辑判别式(LD,Logistic Discrimination),提出一种叫做LDRC(LD based Rare-class Classification)方法用于提升LD在稀有类问题中的泛化性能.为了充分考虑稀有类的特性,构建了一种新目标函数RPM(Recall and Precision based M etric),其同时考虑正类和负类的召回率以及正类的精度,其中正类和负类的召回率用于保障模型在评估指标召回率以及g-mean(正类和分类的召回率的几何平均数)上具有较高的泛化能力,正类的召回率和精度用于保障了模型具有较高的准确率以及fmeasure值(基于正类召回率与精度的指标).LDRC使用RPM作为目标函数监督参数学习过程,以保障LDRC具有较高的整体泛化能力.UCI数据集上的实验结果表明,与传统的逻辑判别、基于过采样和基于欠采样的逻辑判别相比,LDRC模型在评价指标召回率、g-mean和f-measure上都表现出明显优势.展开更多
协同过滤推荐是当前最成功的个性化推荐技术之一,但是传统的协同过滤推荐算法普遍存在推荐性能低和抗攻击能力弱的问题.针对以上问题,提出了一种基于多元化社交信任的协同过滤推荐算法CF-CRIS(collaborative filtering based on credibi...协同过滤推荐是当前最成功的个性化推荐技术之一,但是传统的协同过滤推荐算法普遍存在推荐性能低和抗攻击能力弱的问题.针对以上问题,提出了一种基于多元化社交信任的协同过滤推荐算法CF-CRIS(collaborative filtering based on credibility,reliability,intimacy and self-orientation).1)借鉴社会心理学中的信任产生原理,提出基于多个信任要素(可信度、可靠度、亲密度、自我意识导向)的信任度计算方法;2)深入研究社交网络环境中各信任要素的识别、提取和量化方法;3)基于用户间的综合信任度选取可信邻居,完成对目标用户的个性化推荐.基于通用测试数据集的实验研究结果表明:该算法不但可以极大地提高推荐系统的精确度和召回率,而且表现出良好的抗攻击能力.展开更多
文摘目的通过比较初次献血者和重复献血者的不同人口学及献血行为特征,分析影响重复献血的相关因素,为制定针对保留初次献血者的召回策略提供依据。方法采用构成比等描述性分析、Logistic回归分析方法,回顾性分析来自浙江省采供血系统血液管理信息系统(BIS2.0)的2006-2015年浙江省3 226 571例全血献血者数据。结果浙江省2006-2015年重复献血者比例为30.8%,男性占57.8%;25岁以上比例高于初次献血者;71.7%的男性重复献血者60-79 kg,52.2%女性重复献血者50-59 kg;40%重复献血者首次献捐献400 m L;71.6%的重复献血者在0.5-2年内再次献血,其中40.8%为0.5-1年。结论重复献血的人口学方面的主要影响因素是职业、文化程度、首次献血量。精准召回人群特点:年龄26-45岁,职业稳定,首次献血400 m L,70-89 kg的男性,55kg以上的女性。间隔0.5-2年内召回干预为佳,其中0.5—1年最佳。
文摘基于逻辑判别式(LD,Logistic Discrimination),提出一种叫做LDRC(LD based Rare-class Classification)方法用于提升LD在稀有类问题中的泛化性能.为了充分考虑稀有类的特性,构建了一种新目标函数RPM(Recall and Precision based M etric),其同时考虑正类和负类的召回率以及正类的精度,其中正类和负类的召回率用于保障模型在评估指标召回率以及g-mean(正类和分类的召回率的几何平均数)上具有较高的泛化能力,正类的召回率和精度用于保障了模型具有较高的准确率以及fmeasure值(基于正类召回率与精度的指标).LDRC使用RPM作为目标函数监督参数学习过程,以保障LDRC具有较高的整体泛化能力.UCI数据集上的实验结果表明,与传统的逻辑判别、基于过采样和基于欠采样的逻辑判别相比,LDRC模型在评价指标召回率、g-mean和f-measure上都表现出明显优势.
文摘协同过滤推荐是当前最成功的个性化推荐技术之一,但是传统的协同过滤推荐算法普遍存在推荐性能低和抗攻击能力弱的问题.针对以上问题,提出了一种基于多元化社交信任的协同过滤推荐算法CF-CRIS(collaborative filtering based on credibility,reliability,intimacy and self-orientation).1)借鉴社会心理学中的信任产生原理,提出基于多个信任要素(可信度、可靠度、亲密度、自我意识导向)的信任度计算方法;2)深入研究社交网络环境中各信任要素的识别、提取和量化方法;3)基于用户间的综合信任度选取可信邻居,完成对目标用户的个性化推荐.基于通用测试数据集的实验研究结果表明:该算法不但可以极大地提高推荐系统的精确度和召回率,而且表现出良好的抗攻击能力.
