A Study on Trust Clustering of Perceived Recommendations Considering Patient’s Trust Propensity in the Context of “Internet+Healthcare” Services
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Internet + medical health" service is an important direction of current medical development.The high interactivity between doctors and patients in online medical services and the massive and dynamic nature of recommended information have brought new challenges to the platform's analysis of patient perceived trust.It is difficult for the trust transfer model to process massive information in real time.Clustering massive recommended trust is an effective solution, but data clustering is difficult to process simultaneously with the perceived recommendation trust tendency, which brings about the problem of perceived recommendation trust clustering.How to measure the trust tendency reflected in the clustering of patient perceived recommendation trust is a difficult problem faced by the trust transfer model in the context of Internet medical health services.This paper proposes a two-stage research idea of " conversion first, clustering later".Intuitive fuzzy sets are used to measure the fuzziness of patient perceived recommendation trust, and combined with sentiment dictionary, density clustering method and other methods to cross and penetrate each other, a patient perceived recommendation trust clustering method is constructed in the context of Internet medical health services.Finally, data experiments were conducted using the real data of the top 17 doctors on the Haodafu online platform to verify the effectiveness of the method.This method can reflect the subjectivity and ambiguity of patients' perceived trust, provide a solution for the processing of massive recommendation information, contribute to the research on the improvement of trust transfer method system, and provide method support for predicting and analyzing the trust measurement of patients in the context of Internet medical health services.The model proposed in this paper can be used as the core of the trust-based recommendation system in Internet medical care, and help Internet medical platforms formulate precise strategies for doctors.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle