在线问诊服务回答质量评价方法研究
发布时间：2023-03-19 19:39
伴随着人口老龄化、慢性病频发以及人们健康意识的提升,高质量的医疗服务需求快速增长。然而由于医疗资源的短缺以及分布的不均衡,健康消费者的医疗服务需求无法有效地得到满足。幸运的是,伴随着移动互联网以及智能终端的快速普及,在线问诊服务正在快速兴起,健康消费者足不出户就可以远程获得著名医院专业医生所提供的在线疾病、健康咨询与指导,这种廉价高效的全新线上医疗方式有效地整合了线下医疗资源,既满足了健康消费者的一般需求,也在某种程度上缓解了医院的运营压力。与传统的社区问答系统以及搜索引擎相比,在线问诊服务中每一个回答都是由经过资格认证的专业执业医师提供,可以确保大部分回答是可信赖的。尽管在线问诊服务具有提供高质量回答的能力,但是却不能确保每个回答都是高质量的。例如高级别医生可能工作忙碌,并不能确保总是有足够的业余时间给线上健康消费者提供详细而高质量的回答。而一些低级别的医生可能只是想借助在线问诊服务平台推销自己及其医院,通常提供一些不相关的广告。低质量的回答会给在线问诊服务中累计的海量健康问答信息的知识挖掘和复用造成巨大困扰,而高质量的健康问答信息知识库是构建虚拟健康助理以及健康推荐系统的关键。因而...
【文章页数】：160 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题背景及研究的目的和意义
1.2 国内外研究现状及分析
1.2.1 社区问答系统回答质量评价研究
1.2.2 短文本分类
1.2.3 协同训练
1.2.4 研究现状总结
1.3 本文的研究内容
1.4 本文的内容安排
第2章 基于典型非文本特征的在线问诊服务回答质量评价方法
2.1 引言
2.2 在线问诊服务回答质量面临的挑战
2.3 在线问诊服务回答质量评价问题描述
2.4 在线问诊服务回答质量评价指标制定
2.5 在线问诊服务典型非文本特征提取与分析
2.5.1 表面语言特征
2.5.2 社会化特征
2.5.3 时序特征
2.6 实验与讨论
2.6.1 实验设置
2.6.2 实验结果与分析
2.7 本章小结
第3章 基于深度短文本特征的在线问诊服务回答质量评价方法
3.1 引言
3.2 面临的挑战
3.3 预训练词嵌入
3.4 学习框架
3.4.1 卷积神经网络组件
3.4.2 依赖敏感卷积神经网络组件
3.4.3 协同决策组件
3.4.4 多模学习组件
3.4.5 质量预测组件
3.4.6 超参数和训练
3.5 实验与讨论
3.5.1 实验设置
3.5.2 实验结果与分析
3.6 本章小结
第4章 基于异构数据融合的在线问诊服务回答质量评价方法
4.1 引言
4.2 面临的挑战
4.3 受限玻尔兹曼机与深度信念网络
4.3.1 受限玻尔兹曼机
4.3.2 深度信念网络与深度学习
4.4 学习框架
4.4.1 文本特征特征学习
4.4.2 典型非文本特征特征学习
4.4.3 异构特征融合
4.4.4 监督训练和分类
4.4.5 模型评估和训练细节
4.5 实验与讨论
4.5.1 实验设置
4.5.2 实验结果与分析
4.6 本章小结
第5章 基于数据自动化标注和特征融合的在线问诊服务回答质量评价方法
5.1 引言
5.2 面临的挑战
5.3 学习框架
5.3.1 在线问诊服务数据集收集组件
5.3.2 预训练特定领域词嵌入组件
5.3.3 依赖敏感卷积神经网络视角特征学习组件
5.3.4 卷积神经网络视角特征学习组件
5.3.5 基于隐因子分解机的协同训练组件
5.3.6 集成学习与质量预测组件
5.3.7 超参数与训练
5.4 实验与讨论
5.4.1 实验设置
5.4.2 实验结果与分析
5.4.3 第2章至第5章所提出方法的综合对比
5.5 本章小结
结论
参考文献
攻读博士学位期间发表的论文及其它成果
致谢
个人简历
本文编号：3765837
【文章页数】：160 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题背景及研究的目的和意义
1.2 国内外研究现状及分析
1.2.1 社区问答系统回答质量评价研究
1.2.2 短文本分类
1.2.3 协同训练
1.2.4 研究现状总结
1.3 本文的研究内容
1.4 本文的内容安排
第2章 基于典型非文本特征的在线问诊服务回答质量评价方法
2.1 引言
2.2 在线问诊服务回答质量面临的挑战
2.3 在线问诊服务回答质量评价问题描述
2.4 在线问诊服务回答质量评价指标制定
2.5 在线问诊服务典型非文本特征提取与分析
2.5.1 表面语言特征
2.5.2 社会化特征
2.5.3 时序特征
2.6 实验与讨论
2.6.1 实验设置
2.6.2 实验结果与分析
2.7 本章小结
第3章 基于深度短文本特征的在线问诊服务回答质量评价方法
3.1 引言
3.2 面临的挑战
3.3 预训练词嵌入
3.4 学习框架
3.4.1 卷积神经网络组件
3.4.2 依赖敏感卷积神经网络组件
3.4.3 协同决策组件
3.4.4 多模学习组件
3.4.5 质量预测组件
3.4.6 超参数和训练
3.5 实验与讨论
3.5.1 实验设置
3.5.2 实验结果与分析
3.6 本章小结
第4章 基于异构数据融合的在线问诊服务回答质量评价方法
4.1 引言
4.2 面临的挑战
4.3 受限玻尔兹曼机与深度信念网络
4.3.1 受限玻尔兹曼机
4.3.2 深度信念网络与深度学习
4.4 学习框架
4.4.1 文本特征特征学习
4.4.2 典型非文本特征特征学习
4.4.3 异构特征融合
4.4.4 监督训练和分类
4.4.5 模型评估和训练细节
4.5 实验与讨论
4.5.1 实验设置
4.5.2 实验结果与分析
4.6 本章小结
第5章 基于数据自动化标注和特征融合的在线问诊服务回答质量评价方法
5.1 引言
5.2 面临的挑战
5.3 学习框架
5.3.1 在线问诊服务数据集收集组件
5.3.2 预训练特定领域词嵌入组件
5.3.3 依赖敏感卷积神经网络视角特征学习组件
5.3.4 卷积神经网络视角特征学习组件
5.3.5 基于隐因子分解机的协同训练组件
5.3.6 集成学习与质量预测组件
5.3.7 超参数与训练
5.4 实验与讨论
5.4.1 实验设置
5.4.2 实验结果与分析
5.4.3 第2章至第5章所提出方法的综合对比
5.5 本章小结
结论
参考文献
攻读博士学位期间发表的论文及其它成果
致谢
个人简历
本文编号：3765837
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3765837.html