排序方式: 共有7条查询结果,搜索用时 166 毫秒
1
1.
2.
选取10款在业界具有较大影响力的移动医疗App,根据其界面提供的信息对问诊服务质量和App整体质量进行数据评价,同时对人群下载App的倾向进行分析。 相似文献
3.
4.
5.
以重庆医科大学本科生和研究生作为研究对象,调查其对移动医疗APP的认知和使用情况,包括上网设备与时长、知晓率与知晓途径、安装率与安装数量、使用率与频率、安装目的等方面。结果显示医学生对移动医疗APP知晓度高但使用率不高,不同教育层次和不同专业学生对移动医疗APP需求存在差异。 相似文献
6.
以“七麦数据”网站收录的中医移动医疗App作为研究对象,采用网络调查法和文献分析法,根据“七麦数据”对移动医疗App的分类,结合中医移动医疗App的信息服务内容和特点,将筛选出的中医移动医疗App划分为医疗健康类、中医养生类、知识传播类、全面综合类,并根据“七麦数据”网站中对各类中医移动医疗App的打分及累计下载量筛选出最具代表性的12款中医移动医疗App,从全面性、人性化、安全性、实用性4个一级指标和40个二级指标对其信息服务现状进行评价,指出当前中医移动医疗App信息服务存在的问题并提出建议。 相似文献
7.
目的:对我国移动医疗App的在线评论进行维度挖掘与情感分析,以便精准评价用户满意度。方法:基于App Store中国应用市场中医疗类App的在线评论数据,采用集成多策略的深度学习方法,首先应用TF-IDF算法、BERT模型和Canopy+K-means聚类分析方法提取移动医疗App在线评论的主要维度,然后通过计算各维度权重值,明确不同维度对用户整体评价意见的重要性,最后利用LSTM-CNN模型对各维度的用户评论进行细粒度情感分析。结果:用户关注的移动医疗App在线评论主要维度依次为专业性、可靠性、交互性、易用性和特色性;用户对移动医疗App的整体满意度不高,在可靠性、交互性、特色性维度上的评论积极情感倾向率较低;同时,移动医疗各细分领域的App在不同维度上也存在明显不同的优势和劣势,需要根据自身特色和发展目标进行优化与完善。结论:集成多策略的深度学习方法在移动医疗App在线评论维度挖掘和情感分类上具有很好的适用性、稳定性与可推广性,可为App在线评论文本分析和用户满意度评价提供重要的方法支撑。 相似文献
1