社交媒體健康知識發現與個性化診療方法研究

《社交媒體健康知識發現與個性化診療方法研究》是依託北京理工大學，由顏志軍擔任項目負責人的面上項目。

基本介紹

• 中文名：社交媒體健康知識發現與個性化診療方法研究
• 依託單位：北京理工大學
• 項目負責人：顏志軍
• 項目類別：面上項目

項目摘要

隨著網際網路技術的快速發展和線上社交媒體的日益流行，越來越多的患者和醫生通過線上社交媒體分享、交流和諮詢醫療健康知識，從而獲得更好的醫療健康服務。然而，社交媒體存在數據量龐大、非結構化、不規範等典型特徵，這給健康知識發現和診療決策支持帶來了重大挑戰。現有健康社交媒體的研究主要聚焦於使用動機、健康信息熱點、社交媒體對公眾健康的影響等方面，而針對如何從社交媒體中發現健康知識以支持個性化診療決策的研究尚處於起步階段。本研究將運用文本分析和數據挖掘等方法研究社交媒體健康知識發遷探趨現方法，抽取社交媒體健康交流數白婚淚據中的健康概念及其診療關係，挖掘疾病的診斷拒禁茅鍵和治療知識，為個性化診療提供決策支持。理論上，本項目研究將提出若干套用於社交媒體健康知識發現的新技術和新方法；實踐上，本項目研究將建立一個為普通用戶和醫護人員提供個性化疾病診斷和治療建議的套用平台。

結題摘要

線上健康社交媒體是隨著網際網路技術的快速發展而產生的重要健康交流平台，越來越多的患者和醫生通過線上社交媒體分享、交流和諮詢醫療健康知識，從而獲得更好的醫療健康服務。本項目綜合運用文本分析、數據挖掘、計量經濟學、仿真建模等方法研究社交媒體用戶行為、健康知識發現和疾病預測等問題。首先，研究健康社交媒體的用戶參與行為。分析了用戶在健康社交媒體進行知識分享的影響因素，探討了自我價值實現、聲望、社會支持、面子、認知成本和執行成本對用戶健康知識分享的影響，剖析了不同社會支持類型對用戶持續參與健康社交媒體的影響，發現了不同社會支持類型的不棗敬您同作用，研究了金錢激勵對用戶線上社交媒體不同行為的影響機制。其次，研究了社交媒體健康概念和關係抽取技術，提出了基於深度學習的健康實體和實體關係識別方法。建立了包括酷榜民字元表示層、雙向長短期記憶網路層和條件隨機場層的實體識別框架，基於中文一體化醫學語言系統實現了高準確率的健康實體抽取，將時序關係看作分類問題，通過構建高級語義特徵和時間短語抽取識別實體中的時序關係。第三，研究了社交媒體健康知識發現和疾病預測方法。研究了社交媒體中的藥物使用知識發現方法，對社交再主媒體中的疾病發展趨勢進行了預測，研究了社交網路中的信息和疾病傳播模型，探討了面向個體的疾病動態發展預測方法。項目在社交媒體用戶行為和知識發現領域等領域紙轎察試開展了一系列研究工作，發表了學術論文26篇，其中SCI/SSCI論文17篇，畢業研究生14人，提出了若干套用於社交媒體健康知識發現的新技術和新方法，有助於為普通用戶和醫護人員建立個性化疾病診斷和治療平台。