Skip to main content

主题建模

使用BERTopic和传统主题建模技术高效识别MOOC论坛紧急帖子
·8050 words·17 mins
本研究通过比较BERTopic与传统主题模型,揭示了MOOC论坛中紧急帖子的主题识别方法,帮助教师快速响应学生需求。
评估COVID-19疫情期间英国、德国、瑞典和意大利公众对虚拟初级护理的看法:主题建模方法
·5091 words·11 mins
研究通过机器学习分析疫情期间欧洲四国患者对虚拟初级医疗的看法,揭示了其优势与挑战。
过去10年学生参与研究趋势:基于机器学习的42,000篇研究文章分析
·5585 words·12 mins
这篇论文通过机器学习技术分析了42,000篇学术文章,揭示了学生参与研究的趋势和主题,并提出了新的研究维度。
自然语言处理揭示COVID-19期间Reddit上脆弱的心理健康支持群体和加剧的健康焦虑:观察性研究
·6853 words·14 mins
通过自然语言处理技术,研究发现COVID-19疫情期间Reddit上的心理健康支持群体表现出更高的健康焦虑和自杀倾向。
使用基于快速医疗互操作性资源(FHIR)的数据模型分析患者安全消息:开发与主题建模研究
·4229 words·9 mins
本研究开发了一种基于FHIR标准的患者安全消息数据模型,用于识别和提取重要医疗信息,推动以患者为中心的护理。
用于分析气候变化、能源和粮食安全的社会行为者话语的主题建模方法
·9226 words·19 mins
该研究通过主题建模和话语分析,揭示了巴西乙醇生产与气候变化、粮食安全之间的复杂关系。