文献

J-GLOBAL ID：201702232731812562   整理番号：17A1563756

異種ネットワークにおけるユーザ類似性評価による医療ソーシャルメディアにおけるユーザ推奨【Powered by NICT】

User recommendation in healthcare social media by assessing user similarity in heterogeneous network

著者 (2件)： Jiang Ling (College of Computing and Informatics, Drexel University, 3141 Chestnut Street, Philadelphia, PA, 19104, United States) ,  Yang Christopher C. (College of Computing and Informatics, Drexel University, 3141 Chestnut Street, Philadelphia, PA, 19104, United States)
資料名： Artificial Intelligence in Medicine  (Artificial Intelligence in Medicine)
巻： 81  ページ： 63-77  発行年： 2017年 
JST資料番号： T0685A  ISSN： 0933-3657  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： オンライン健康社会ウェブサイトの急速な成長は,膨大な量の医療情報を捕捉すると健康消費者のためのアクセス容易に情報を作成した。E患者はしばしば情報的支援と情緒的支援のためのこれらの社会的ウェブサイトを用いた。しかし,健康消費者は過負荷情報を圧倒した。医療情報検索は消費者にとって非常に困難であるが,それらの大部分をいうまでもなく熟練した情報探索されていない。本研究では,オンライン健康社会ウェブサイトにおけるユーザ類似性を測定するための手法を調べた。消費者に類似したユーザを推奨することにより,より効率的な方法で情報的支援と情緒的支援を探究しそれらを助けることができる。不均一医療情報ネットワークとしての医療ソーシャルメディアデータを示し,不均一ネットワークにおけるユーザ類似性を測定するための局所的および大域的構造的アプローチを導入することを提案する。コンテンツベースアプローチによる提案した構造的アプローチを比較した。実験は,人気のあるオンライン健康社会ウェブサイトから収集したデータセットで実施した,その結果はコンテンツベースアプローチは不活性なユーザのための良好な性能であることを示したが,構造的アプローチは,アクティブユーザのための優れた性能を示した。さらに,全体的な構造アプローチは,すべてのユーザグループのための局所構造的アプローチより優れていた。添加では,ネットワーク中のエッジのための異なる重量スキーマを用いた局所的および大域的構造的アプローチに関する実験を行った。レバレッジは局所的および全体的な両方の方法に対して最良であった。最後に,著者らは異なる手法を統合し,ハイブリッド法は個々の手法よりも優れた性能が得られたことを示した。結果はコンテンツベース方法は,通常,集束関心を持つ不活性ユーザの類似性を効果的に捕捉できることを示し,豊富な構造情報が利用可能な場合の構造的手法がより良い性能を達成することができた。局所構造的アプローチは,ネットワークにおけるノード間の直接接続を考慮するだけで,全体的な構造アプローチは,間接的なつながりを考慮に入れた。大域的類似性アプローチは,疎なネットワークを扱い,二人のユーザ間の陰的類似性を捉えることができた。種々の手法を二人のユーザ間の類似性関係の様々な側面を捕捉することができる。異なる方法を一緒に組み合わせて,各個々の方法を用いた場合よりも良好な性能を達成することができた。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 高速度 ,  患者 ,  *ネットワーク ,  医学情報 ,  過負荷 ,  消費者 ,  *類似性 ,  情報検索 ,  データ構造
準シソーラス用語： 局所構造 ,  医療情報ネットワーク ,  Webサイト ,  健康 ,  オンライン ,  *ソーシャルメディア , 【Automatic Indexing@JST】

著者キーワード (5件)： 不均一ネットワークマイニング ,  類似性解析 ,  医療情報学 ,  ソーシャルメディア分析 ,  レコメンデーションシステム

分類 (2件)： 検索技術  (AC06020S) ,  電話・データ通信・交換一般  (ND11010T)

タイトルに関連する用語 (6件)： 異種ネットワーク ,  類似性 ,  評価 ,  医療 ,  ソーシャルメディア ,  推奨