发布者：数据科学与商务智能研究所 时间：2018-09-05 阅读次数：968
应管理科学与工程系邀请，犹他大学运营与信息管理系助理教授刘晓于2018年8月22日-23日访问我司，与我司师生就电子健康与深度学习相关主题做了学术交流，并就商务分析模块课程建设与我方做了深度交流。
讲座现场
8月22日下午，刘晓老师在bat365中文官方网站大楼407会议室作了题为“Understanding Medication Nonadherence from Social Media: A Sentiment-Enriched Deep Learning Approach”的学术讲座，讲座由数据科学与商务智能研究所刘璇老师主持。药物不依从（MNA）是指患者不按规定服用药物的行为，MNA的负面健康后果每年给美国医疗保健系统带来2900亿美元的额外费用，了解MNA和预防有害的结果已经成为卫生保健研究人员和制药企业从业人员的迫切目标。过去几年中，在社交媒体上出现了大量的患者参与行为，使其成为一种成本低、效益高、异质性丰富的数据源，可以补充和加深对MNA的理解。然而，这种数据集在现有的MNA研究中未被挖掘出来，且以前的健康类社会媒体分析相关研究普遍面临的技术挑战包括多样化的患者词汇和不平衡的信息流。本研究目的在于从患者生成内容（UGC）中确定患者MNA的原因，研究开发了基于情感挖掘的深度学习方法来解决社交媒体挖掘中的技术挑战。通过对约180种药物的53180个评论的评估发现，研究提出的深度学习方法具有87.29%的精度，召回率达93.27%，F1得分为90.18%，研究表明新模型显著优于其他的强基准方法。通过研究，进一步确定了九种类型的MNA原因。研究通过定义MNA推理和挖掘问题，设计了一种新的基于深度学习的方法，并运用于健康类社交媒体，研究结果能帮助医护人员了解病人的行为动机，并据此设计可能的干预措施。管理科学与工程系程岩、马玲、刘璇、李嘉等老师及部分研究生参加了本次讲座，与会人员就报告内容与刘晓老师进行了热烈讨论。
来访期间，双方亦就商务分析模块建设进行了深入研讨。刘教授向我们详细介绍了犹他大学商务分析模块建设具体情况，包括项目特色、团队情况、课程整体逻辑、各课程主要内容等，并对我司商务分析课程模块建设提出了若干宝贵建议。信管专业部分教师代表出席了本次模块建设研讨会。
相关新闻链接：
