基于网页分析算法的网络医疗信息可信度研究

摘要

当前已处于信息时代，互联网和我们的生活息息相关，但由于错信虚假的网络医疗信息而导致严重后果的事件时有发生。因此研究虚假网络医疗信息的识别，为用户提供可信的网络医疗信息是当前亟待解决的问题。 然而，当前网络信息可信度评价指标大部分依赖于专家知识，导致算法不够灵活，且效率不高，难以应对当前爆发式增长的网络信息。因此本文通过研究三个网络医疗信息评价指标，实现了部分可信度评价指标不依赖于专家知识，提高了算法的灵活性和效率。首先，本文改进了PageRank算法，提高了对虚假网络信息的识别准确率。而后，通过进一步研究，改进了网页外观评价指标，提出了一种网页外观量化方法，并采用神经网络自动提取可信度评价属性，实现了页面外观评价指标不依赖于专业知识。最后基于概率模型的语言表达风格提出了一种评价网络医疗信息可信度的指标，实验证明该指标具有一定可行性，并且效率较高。 通过以上三个改进指标和其它评价指标对比分析，本文构建了一个效率较高，能够满足当前海量的网络信息可信度评价需求的网络医疗信息可信度评价体系。

目录

第一个书签之前

1　绪论

1.1　研究背景与意义

1.2　研究现状

1.2.1　网络信息研究现状

1.2.2　医疗信息可信度研究现状

1.2.2.1　国外研究现状

1.2.2.2　国内研究现状

1.3　本文的主要研究内容和研究方法

1.4　小结

2　相关理论研究

2.1　PageRank算法

2.2　文本表示

2.2.1　布尔模型

2.2.2　One-hot

2.2.3　向量空间模型

2.2.4　LDA（Latent Dirichlet Allocation）

2.2.5　Distributed representation

2.3　神经网络

2.3.1　BP神经网络

2.3.2　循环神经网络

2.4　小结

3　网络医疗信息可信度评价分析

3.1　可信度和信息可信度定义

3.2　网络信息和网络医疗信息可信度评价标准

3.3　本文的网络医疗信息可信度定义和评价标准分析

3.3.1　PR值判断网络医疗信息分析

3.3.2　量化网页标签对网络医疗信息可信度分析

3.3.3　语言表达风格在网络医疗信息可信度分析

3.4　小结

4　网络医疗信息评价指标构建

4.1　基于改进PageRank算法构建网页PR值

4.1.1　PageRank算法存在的问题

4.1.2　基于PageRank算法改进的NPR算法思想

4.1.3　一种验证PageRank算法实验方法原理

4.2　基于神经网络改进网页外观指标

4.2.1　基于网页标签的网页外观量化表示

4.2.2　网页结构模型设计

4.3　语言表达风格指标

4.3.1　语言模型在网页可信度中应用分析

4.3.2　FT模型构建

4.3.2.1　word2Vec构建FT模型

4.3.2.2　基于RNN的FT模型构建

4.4　各评价指标权重分配

4.5　小结

5　实验验证

5.1　NPR算法实验

5.1.1　数据生成

5.1.2　实验环境

5.1.3　实验结果分析

5.2　网页外观模型算法实验

5.2.1　实验数据采集

5.2.2　实验环境

5.2.3　实验结果分析

5.3　语言表达风格实验验证

5.3.1　实验数据采集和语料库构建

5.3.2　实验环境介绍

5.3.3　实验结果分析

5.4　各指标加权验证

5.5　小结

6　总结和展望

致 谢

参考文献

攻读学位期间发表的学术论文及研究成果北大学