期刊导航
期刊开放获取
上海教育软件发展有限公..
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
1
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
基于时序图卷积神经网络的在线健康社区高质量答案甄别研究
1
作者
孙文晶
马捷
郝志远
《情报学报》
北大核心
2025年第5期562-576,共15页
在线健康平台中的问诊模块是“互联网+医疗”模式下用户进行健康咨询、获取健康信息的重要渠道,准确甄别高质量答案内容对于用户的健康决策行为具有重要指导意义。本文以“好大夫在线”平台中的问诊文本作为研究对象,提出一种基于时序...
在线健康平台中的问诊模块是“互联网+医疗”模式下用户进行健康咨询、获取健康信息的重要渠道,准确甄别高质量答案内容对于用户的健康决策行为具有重要指导意义。本文以“好大夫在线”平台中的问诊文本作为研究对象,提出一种基于时序图卷积神经网络的在线健康社区高质量答案甄别模型。该模型在双系统理论与图论思想的基础上,一方面,设计用于衡量答案质量的特征体系,并依此完成实验数据集的创建过程;另一方面,利用图卷积神经网络模型GraphSAGE(graph sample and aggregate)对质量衡量特征体系里的细化指标完成融合,在GraphSAGE中嵌入门控循环单元(gated recurrent unit,GRU),并同步构建“医生-问题”网络图作为模型输入,最终形成GraphSAGE-GRU模型完成答案质量的预测以及高质量答案的甄别过程。本文选取SVM(support vector machine)、DT(decision tree)、kNN(k-nearest neighbor)、CNN(convolutional neural network)、GRU和GCN(graph convolutional network)作为基线方法进行对照实验,实验结果表明,本文提出模型的准确性更高,准确率可达93.2%;在甄别高质量答案方面同样表现最优,能够在实验样本中甄别出近95%的高质量答案样本。
展开更多
关键词
在线健康社区
质量
预测
双系统理论
GraphSAGE-GRU
高质量答案甄别
在线阅读
下载PDF
职称材料
题名
基于时序图卷积神经网络的在线健康社区高质量答案甄别研究
1
作者
孙文晶
马捷
郝志远
机构
吉林大学商学与管理学院
吉林大学信息资源研究中心
南京财经大学公共管理学院
出处
《情报学报》
北大核心
2025年第5期562-576,共15页
基金
国家自然科学基金青年科学基金项目“可解释人工智能驱动下知识增强的应急辩证决策研究”(72404119)
吉林大学“中国式现代化道路”与“人类文明新形态”哲学社会科学研究创新团队项目“推进人类数字生态文明:数字化转型视域下的数据价值与数据创新”(2022CXTD20)。
文摘
在线健康平台中的问诊模块是“互联网+医疗”模式下用户进行健康咨询、获取健康信息的重要渠道,准确甄别高质量答案内容对于用户的健康决策行为具有重要指导意义。本文以“好大夫在线”平台中的问诊文本作为研究对象,提出一种基于时序图卷积神经网络的在线健康社区高质量答案甄别模型。该模型在双系统理论与图论思想的基础上,一方面,设计用于衡量答案质量的特征体系,并依此完成实验数据集的创建过程;另一方面,利用图卷积神经网络模型GraphSAGE(graph sample and aggregate)对质量衡量特征体系里的细化指标完成融合,在GraphSAGE中嵌入门控循环单元(gated recurrent unit,GRU),并同步构建“医生-问题”网络图作为模型输入,最终形成GraphSAGE-GRU模型完成答案质量的预测以及高质量答案的甄别过程。本文选取SVM(support vector machine)、DT(decision tree)、kNN(k-nearest neighbor)、CNN(convolutional neural network)、GRU和GCN(graph convolutional network)作为基线方法进行对照实验,实验结果表明,本文提出模型的准确性更高,准确率可达93.2%;在甄别高质量答案方面同样表现最优,能够在实验样本中甄别出近95%的高质量答案样本。
关键词
在线健康社区
质量
预测
双系统理论
GraphSAGE-GRU
高质量答案甄别
Keywords
online health community
quality prediction
dual-process theory
GraphSAGE-GRU
high-quality answer identification
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于时序图卷积神经网络的在线健康社区高质量答案甄别研究
孙文晶
马捷
郝志远
《情报学报》
北大核心
2025
0
在线阅读
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
