基于深度学习的医疗后评价系统的设计与实现

基于深度学习的医疗后评价系统的设计与实现

ID:34255949

大小:3.62 MB

页数:73页

时间:2019-03-04

基于深度学习的医疗后评价系统的设计与实现_第1页
基于深度学习的医疗后评价系统的设计与实现_第2页
基于深度学习的医疗后评价系统的设计与实现_第3页
基于深度学习的医疗后评价系统的设计与实现_第4页
基于深度学习的医疗后评价系统的设计与实现_第5页
资源描述:

《基于深度学习的医疗后评价系统的设计与实现》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、学校代码:10255学号:2161682基于深度学习的医疗后评价系统的设计与实现DesignandImplementationofPost-medicalEvaluationSystemBasedonDeepLearning学科专业:计算机技术学生姓名:李航指导教师:潘乔企业导师:严加勇答辩日期:2018年5月东华大学计算机科学与技术学院SchoolofComputerScienceandTechnologyDonghuaUniversity东华大学学位论文原创性声明本人郑重声明:我恪守学术道德,崇尚严谨学风。所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取

2、得的成果。除文中已明确注明和引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写,我对所写的内容负责,并完全意识到本声明的法律结果由本人承担。学位论文作者签名:日期:年月东华大学学位论文版权使用授权书学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅或借阅。本人授权东华大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□,在年解密后适用本版权书。本学位论文属于不保密□。学位论文作

3、者签名:指导教师签名:日期:年月日日期:年月东华大学硕士学位论文答辩委员会成员名单姓名职称职务工作单位备注乐嘉锦教授答辩委员会主席东华大学李悦讲师答辩委员会委员东华大学骆轶姝副教授答辩委员会委员东华大学王梅教授答辩委员会委员东华大学陈德华副教授答辩委员会委员东华大学朱立峰教授级高工答辩委员会委员瑞金医院基于深度学习的医疗后评价系统的设计与实现摘要基于深度学习的医疗后评价系统的设计与实现摘要当前医患关系紧张一个很重要的原因是医患之间有效沟通太少,而线上评价系统是一种有效的医患沟通渠道。从长远看,对于医疗机构和医生提高服务质量、逐步缓解医患矛盾是有帮助的。它可以为患者就医选

4、择医生提供参考,为医生聆听患者对诊疗的意见提供渠道,根据患者的评价与需求来改进工作,而医疗机构还可以根据患者对医生的整体评价状况来给予适当的奖惩,提升医院整体管理水平。但是单个医生的评价数可能就有成百上千条,一个医疗机构中成百上千的医生会拥有大量的患者评价文本信息,仅靠人工方法来处理和找出正、负面的评价进行分析,需要耗费大量的人力和时间。同时,大量的评价数据,无法为患者、医生以及医疗机构管理者等提供有效直观的信息。如何从中提取有价值的核心信息,也是亟待解决的问题。本文的主要工作是为某三甲医院设计并开发了一个基于深度学习的医疗后评价系统,整个系统采用MVC架构设计并开发,

5、实现了线上评价的基本功能,并提出了一种面向字向量的医疗后评价情感分析方法进行评价文本的情感分析,将关键词提取技术应用于评价文本的数据分析,整合了评价信息资源,加速了该医院的医疗信息化建设,并同时在网页端和移动端为用户提供服务。本文的主要工作内容如下:1)设计并实现了医疗后评价系统。本文采用MVC设计模式搭建该医疗后评价系统,为患者、医生、管理员三种角色提供服务。在I基于深度学习的医疗后评价系统的设计与实现摘要Web端实现用户评价、医患交流等基本功能,并在移动端为患者提供评价相关功能服务,提升了用户体验与系统的灵活性;将面向字向量的医疗后评价情感分析方法嵌入系统,实现评价

6、情感倾向分析功能;结合评价数据的关键词提取,实现评价的分析与展示功能。系统采用的分层思想,降低了各模块之间的耦合度,令业务代码的逻辑更加清晰,也使得各功能模块的信息交互更为简便。2)提出了一种面向字向量的医疗后评价情感分析方法。该方法首先使用预训练好的字向量组成句子的特征矩阵作为卷积神经网络的输入,免除了传统词向量因分词误差,词法分析所带来的额外操作和文本噪音。利用反向传播算法训练模型,以梯度下降方法进行参数优化。在模型的训练过程中,进行池化操作时,以标点等分隔符将文本切分为不同部分,各部分单独使用池化层进行特征值最大化,从而保留句子中多个最大特征值,更好的捕获句子中所

7、包含的情感信息。3)实现了评价数据的关键词提取。在对评价进行数据分析时,引入关键词提取技术,对医生大量的评价数据进行分类整理,提取患者对医生评价的核心信息,解决用户在参考海量信息时遇到的信息超载问题。根据提取出的关键词为每位医生生成特定的特点云图,云图中会根据特点关键词的大小表征各关键词的权重,为患者、医生及管理者提供关于患者对医生特点描述的直观展示。关键词:医疗评价文本;评价系统;情感分析;卷积神经网络;字向量;II基于深度学习的医疗后评价系统的设计与实现ABSTRACTDESIGNANDIMPLEMENTATIONOFPOST-MED

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。