学科分类
/ 1
2 个结果
  • 简介:目的本研究探索中文消费者健康词表的构建方法;研究利用Word2vec构建消费者体检健康词表的可行性和合理性。方法抓取天涯医院的信息作为语料,使用结巴分词进行中文分词处理,使用Word2vec构造词向量模型,从而形成消费者体检词表。最后,使用预测准确率、准确率、召回率评价指标对词向量的模型效果进行评估。结果消费者体检健康词表包含了74个种子词、137个消费者用词。候选词的准确率为94.71%,召回率为51.27%,F1值为0.33,74个种子词形成的候选词中前3个词为同义词的预测准确率为60.81%。结论本研究验证了Word2vec在识别消费者用词方面的强大能力,利用Word2vec技术可以用来开发中文消费者健康词表。我们发现,Word2vec自动生成的候选消费者词列表质量不足以生成消费者健康词表,但是能作为人工审核构建的重要参考,为开发完整的中文CHV奠定了坚实的基础。

  • 标签: 深度学习 机器学习 文本挖掘 Word2vec 消费者健康词表
  • 简介:摘要 目的 针对消费者对使用食物营养标签的认知进行调查并对其影响因素进行探究。方法 对我市的群众采取问卷调查的形式,随机分层选取的方式对 200个调查者进行调查,并对调查结果进行分析。结果 200个调查者中,有 55%的调查者知道食物营养标签;有 30%的调查者会对食物营养标签进行仔细阅读来选择所需要购买的食物;有 70%的调查者认为食物营养标签有很大的帮助;有 57%的调查者会根据食物营养标签来选取自己所需要购买的产品。结论 消费者对食物营养标签的认识度很低,对食物营养标签的使用率也不是很高,为了促进消费者能够选取适合自己的食物,应该加大对食物营养标签的宣传力度。

  • 标签: 消费者 食物营养标签 认知 影响因素