排序方式: 共有77条查询结果,搜索用时 15 毫秒
1.
【目的/意义】医生同时兼具提供医疗服务的社会工作者和从事科学研究的科研工作者双重身份,因而需要从更全面、立体的角度组织管理和利用互联网中多源的医生数据用来构建医生画像,对于患者寻求医疗救助、提高健康服务质量具有重要作用。【方法/过程】在提出医生画像概念的基础上,以医院官网、百科类网站、文献数据库、在线健康社区等数据源为基础,提出基于特征分析和标签提取的医生画像构建模型,分别从医生的人口统计属性、简介特长、科研成果、科研合作、患者在线评价五个方面构建医生画像,最后在此基础上进行实证研究,以可视化的方式展示医生画像。【结果/结论】基于特征分析和标签提取的医生画像构建模型能够全面描述医生信息并将其以更加直观的形式展示出来,从而推动为患者提供个性化的健康服务和精准的医生推荐等研究的发展。 相似文献
2.
【目的/意义】金融市场是信用交易最为广泛和活跃的市场,也是信用风险的高发领域。随着我国信用交易
规模的不断扩大和信用体系建设的不断推进,迫切需要专业化、智能化的信用知识服务。【方法/过程】回顾和梳理
了信用知识服务的相关研究,分析了金融领域信用知识服务的需求,将知识融合的理论和方法应用于金融领域信
用知识服务的整个流程与环节中。【结果/结论】构建了基于三层知识融合的金融领域信用知识服务模型,分析了知
识获取层、知识处理层、知识服务层的结构与功能。阐述了基于三层知识融合的金融领域信用知识服务在信用评
估、信贷风险管理、社会信用生态构建中的应用。【创新/局限】提出了基于三层知识融合的金融领域信用知识服务
模型。有待于实现一个智能化的金融领域信用知识服务系统。 相似文献
3.
基于文本聚类与LDA相融合的微博主题检索模型研究 总被引:1,自引:0,他引:1
伴随着微博的日趋流行,对微博信息的检索逐渐成为人们获取第一消息的手段.其中文本聚类和主题发现是信息检索领域的有效方法,采用适当的方法是影响微博短文本信息检索质量的关键因素.文章针对文本聚类和LDA主题模型的互补特征,综合考虑了微博特殊文体和短文本聚类效率问题,提出了基于频繁词集的文本聚类和基于类簇的LDA主题挖掘相融合的微博检索方法,给出了针对微博文体的一种新的主题检索模型.实验表明,该方法不仅能有效地划分微博文本,并且能清晰地挖掘类簇中潜在主题. 相似文献
4.
基于本体与规则的语义推理研究 总被引:1,自引:0,他引:1
为解决本体相关概念的共享和信息集成,发现本体间的语义关联,提出了本体与规则整合下的语义推理模型ORRM,构建了家庭本体FO。将推理集中在两个不同层次,第一层的推理使用Racer推理机进行描述逻辑的推理,检测本体的冲突。第二层使用本体中表示的概念和属性制定成员规则库,采用基于XML的SWRL呈现规则和Jess推理引擎,增加了本体概念问语义的关联。该模型在本体中引入规则表示,弥补了OWL DL在推理机制上的不足,推导出的新本体在原本体的基础上实现了本体成员间隐含关系的语义推理,完善了本体知识库的内容。在语义Web领域,该模型的应用能够提高本体知识的利用率。 相似文献
5.
6.
7.
8.
基于多代理的网格服务中介,主要目的是动态地发现网格服务,为已发现的服务确定有效的规划和协调策略,并安全可靠地利用这些服务.在数字图书馆中引入网格和多代理网格服务中介,既使数字图书馆服务在网格开放、共享的资源环境下具有更多的可扩展性、高效性和健壮性,同时也为数字图书馆的权限管理、版权管理和安全措施等方面提出了更高的要求. 相似文献
9.
10.
[目的/意义] 微博转发是实现微博信息传播的重要方式,对用户转发行为进行研究可以更好地理解微博信息传播机制,对热点话题检测、舆情监控、微博营销等具有重要意义。针对以往研究中用户兴趣表示不够全面准确以及未考虑情感差异对用户转发行为的影响,提出一个融入情感差异和用户兴趣的微博转发预测模型。[方法/过程] 该模型首先从维基百科中提取概念语义关系构建维基知识库,将其作为语义知识源对微博文本进行语义扩展,解决语义稀疏问题;对语义扩展后的用户历史微博进行聚类,提取用户兴趣主题和主题对用户的影响力;然后计算微博中各类情感的情感强度,提取情感差异特征;最后结合用户行为特征、用户交互特征、微博特征、用户兴趣特征和情感差异特征,运用SVM实现微博转发预测。[结果/结论] 在新浪微博真实数据集上进行实验,验证了所提模型的有效性。 相似文献