聂卉

作品数：39被引量：257H指数：10
导出分析报告
供职机构：中山大学更多>>
发文主题：情感分析抑郁症用户生成内容本体WEB信息抽取更多>>
发文领域：自动化与计算机技术文化科学轻工技术与工程理学更多>>
发文期刊：《计算机工程与设计》《计算机研究与发展》《情报学报》《情报杂志》更多>>
所获基金：国家社会科学基金教育部人文社会科学研究基金广东省哲学社会科学“十二五”规划项目广东省哲学社会科学规划项目更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
结合梯度提升树算法与可解释机器学习模型SHAP的抑郁症影响因素研究被引量：1
《数据分析与知识发现》2024年第3期41-52,共12页聂卉 吴晓燕 
2022广州社会科学基金项目(项目编号:10000-42220402)的研究成果之一。
【目的】本研究旨在探讨构建抑郁严重度预测模型及其解释性问题,通过分析互联网用户生成的内容,进一步发展抑郁症风险预测研究,从而提高抑郁症自动检测模型的可靠性和实用性。【方法】通过收集“好大夫在线”平台上的抑郁症医疗咨询文...
关键词：抑郁症预测 在线用户生成内容 可解释机器学习 梯度提升树算法 
基于在线医疗咨询文本的抑郁症症状短语的自动识别被引量：1
《现代情报》2023年第9期63-73,共11页聂卉 吴晓燕 
2022广州社会科学基金项目“双循环新发展格局下粤港澳大湾区社会保障高效协同研究”(项目编号:10000-42220402);2023广州市哲学社会科学发展“十四五”规划项目“健康中国背景下面向互联网医疗大数据的抑郁症风险预测研究”(项目编号:2023GZGJ259)。
[目的/意义]利用在线医疗咨询文本探索抑郁症症状的自动抽取方法,推进健康大数据的深层次应用。[方法/过程]以在线问诊平台“好大夫在线”的患者问诊记录为语料,选择无监督机器学习法,运用短语识别和深度学习语义建模技术实现抑郁症症...
关键词：在线医疗咨询文本 抑郁症 语义建模 短语识别 
引入注意力机制的在线问诊推荐研究被引量：3
《数据分析与知识发现》2023年第8期138-148,共11页聂卉 蔡瑞昇 
2020广州市科技计划项目(项目编号:202002020036)的研究成果之一。
【目的】将深度学习引入医疗推荐领域,解决在线诊疗过程中患者“择医”面临的实际问题。【方法】利用患者问诊记录,采用层次注意力网络(HAN)构建医生与患者模型;设计基于“医患”适配度和患者“评分”的医生推荐方案。两个方案应用深度...
关键词：推荐系统 智慧医疗 深度学习 在线问诊 
基于在线问诊记录的抑郁症病患群组划分与特征分析被引量：6
《数据分析与知识发现》2022年第2期222-232,共11页聂卉 吴晓燕 林芸 
广州市科技计划项目(项目编号:202002020036)的研究成果之一。
【目的】通过挖掘抑郁症患者的在线问诊记录来深入了解该病患群体。【方法】采集“好大夫在线”的抑郁症问诊记录,利用词向量构建病患模型,通过K-means算法实现病症群组划分,运用t-SNE、热图、词云等技术可视化各群组的结构及相互关系,...
关键词：在线医疗 抑郁症 聚类 可视化 
在线音乐用户付费意愿影响因素的探索性分析被引量：7
《现代情报》2021年第6期118-128,共11页何文芊 聂卉 裴雷 
[目的/意义]在线音乐用户的付费意愿是音乐版权保护与产业可持续发展的关键。本文旨在基于探索性分析研究在线音乐用户付费意愿的影响因素。[方法/过程]以顾客感知价值理论、技术接受与使用统一理论、粉丝热忱理论等为依据,构建研究模型...
关键词：在线音乐 用户 付费意愿 顾客感知价值理论 UTAUT 
融合用户兴趣及评论效用的评论信息推荐被引量：8
《图书情报工作》2021年第10期68-78,共11页聂卉 邱以菲 
国家社会科学基金项目"面向用户感知效用的在线评论的质量与控制研究"(项目编号:15BTQ067)研究成果之一。
[目的/意义]Web 2.0时代,在线评论质量参差不齐和过载问题十分严重,人们从中获取有价值内容的认知成本越来越高。探究以信息推荐方式解决评论过载的有效方案,以提升网络信息利用率和信息服务质量。论文提出的评论排名推荐方案关注评论...
关键词：信息推荐 评论效用预测 用户建模 在线评论 
基于内容特征的评论效用排名预测——以豆瓣书评为例被引量：12
《管理评论》2021年第2期176-186,共11页聂卉 
国家社会科学基金项目(15BTQ067)
本文基于双路径模型理论,以书评为对象,深入探究表征评论内容信息量、结构、语言、论据及情感的特征变量对评论感知效用的影响,据此构建评论效用预测模型,实现基于内容的评论排名预测。研究分两个层面:解释层面,运用基于随机森林的特征...
关键词：在线评论 预测 评论效用 文本挖掘 
基于修正点互信息的特征级情感词极性自动研判被引量：11
《图书情报工作》2020年第5期114-123,共10页聂卉 首欢容 
国家社会科学基金项目"面向用户感知效用的在线评论的质量与控制研究"(项目编号:15BTQ067)研究成果之一。
[目的/意义]基于语料的情感词发现依语句上下文推断情感词极性,能显著提升情感分析的准确率,在面向领域的特征级情感分析任务中有重要应用价值。[方法/过程]对特征级情感极性研判问题展开探讨,提出基于点互信息的"特征-情感"对情感极性...
关键词：情感分析 点互信息算法 领域情感词 上下文 
引入词向量的隐性特征识别研究被引量：3
《数据分析与知识发现》2020年第1期99-110,共12页聂卉 何欢 
国家社会科学基金项目“面向用户感知效用的在线评论的质量与控制研究”(项目编号:15BTQ067)的研究成果之一.
【目的】研究基于在线产品评论的隐性特征抽取,帮助用户从评论资讯中获取完整的产品信息与用户评价。【方法】对两类主流的隐性特征抽取方法,即共现关系推断法和分类法,进行对比分析;构建领域词向量将语义关系引入语句模型,通过增强语...
关键词：隐性特征 词向量 特征抽取 情感分析 
结合词向量和词图算法的用户兴趣建模研究被引量：8
《数据分析与知识发现》2019年第12期30-40,共11页聂卉 
国家社会科学基金项目“面向用户感知效用的在线评论的质量与控制研究”(项目编号:15BTQ067)的研究成果之一.
【目的】提出一个基于评论的用户建模算法,实现评论资讯的个性化推荐。【方法】借助预训练词向量从评论观点句中提取细粒度的产品特征,基于语义关联构建特征词图,并运用TextRank关键词抽取算法计算用户对产品特性的关注度,构建用户兴趣...
关键词：用户兴趣建模 个性化推荐 评论挖掘 
全选清除导出
共4页<1234>
检索报告 对象比较 聚类工具 使用帮助 返回顶部