快速增长的移动设备的使用,越来越多的移动内容为挖掘有用的信息提供一个很好的机会。然而,这些内容主要存在于自由文本格式网页,新闻,短信,和Twitter /微信消息,信息提取的一个重大的挑战。自然语言处理(NLP)是计算机科学的一个重要领域,人工智能,计算语言学。其关心的是电脑和人类之间的相互作用(自然)的语言。NLP的目标是使计算机程序处理和理解非结构化文本。在移动环境中,NLP可以使应用程序更聪明通过自动分析内容,理解其语义,代表他们的用户和采取适当行动。最先进的NLP技术已被证明是有用的在处理信息过载问题在移动环境中,例如,新闻聚合和总结,回答问题,信息提取和检索、语义理解、和个性化。
NLP技术应用到移动设备上的内容最近在学术界和产业界引起了人们的关注。一直努力为移动平台开发各种NLP应用程序,如Siri,可检索的信息或事件的地方,现在谷歌,它可以提取上下文相关的信息。然而,它仍然缺乏深刻的文本处理功能,如抽象、总结,完成复杂的语义理解和信息集成任务。除了常见的应用程序,在快速发展的领域,如医疗、关键电子健康记录数据可立即附近几乎任何地方,甚至在加护病房。病人指出可以通过敲击屏幕。复杂的NLP技术需要大量的分析数据及时做出关键决定。
在这个特殊的问题,文章对技术的使用,方法和应用自然语言处理和移动计算提交和同行评议。特殊的问题显示了在这些领域新发展的多样性。我们接受7高质量的原始研究的文章和评论文章。
本文的文献回顾自然语言处理授权移动计算”引入学术出版物上的系统调查和分析在自然语言处理的主题授权移动计算在过去的十年。作者应用数量分析技术包括描述性统计、地理可视化、社会网络分析、潜在狄利克雷分配,和亲和力传播聚类,发现研究的现状和趋势的话题。本文可以帮助研究人员了解研究热点,合作模式和学术资源分布以及跟踪新领域的科学发展。
论文“中国医生的现状和新方法使用社交媒体获得医学知识:微信”的研究提供了一个定量的勘探方法获得医学知识使用社交媒体如微信。关注微信,使用最广泛的移动社交媒体在中国,作者设计、分布式、收集,并分析了利用一个在线调查工具自行测试问卷。报导最理想的模式获取专业医学知识通过微信数据分析。本文主张学术界和工业界都更加关注社交媒体如微信为其越来越重要的作用在获得医学知识和中国医生的继续教育。
”识别连续和不连续药物不良反应提到使用LSTM-CRF从社交媒体“提出了一个重要的医学使用社会媒体,特别是关于病人的治疗经验使用移动设备有价值的药物不良反应(ADR)的信息。作者提出了一个深层神经网络LSTM-CRF结合与crf LSTM神经网络识别ADR提到从社交媒体在医学。他们调查了三个因素的影响包括表示连续和不连续ADR提到,帖子的主题,和外部知识库。作者认为本文是第一次尝试使用深层神经网络挖掘连续和不连续adr从社交媒体。
本文“手机答疑,协助糖尿病的早期预警系统管理”表明,开发一个方便的设备在慢性病管理和监控越来越重要。专注于2型糖尿病,作者开发了一种手机糖尿病答疑和早期预警系统命名Dia-AID,辅助糖尿病患者或患有糖尿病的高风险。系统提供了一个大型的多语言库中常见的糖尿病问题,多模融合问答框架,和一个健康数据管理模块。系统将帮助糖尿病患者或在提供糖尿病高危糖尿病患者信息和监控他们的健康状况通过糖尿病问答,风险评估和健康记录管理。
摘要“多值属性的层次结构域和相应的应用程序在数据挖掘”描述属性之间的关联规则的使用常识模式提供潜在的有用的信息,比如移动用户的利益。作者集中在处理对象和属性之间的关系。减少关联规则的数量,提高计算效率,他们提出了一个基于概念格的方法和属性分析和建立了函数依赖于原始之间的连接关系和相应的“粗糙”关系。实验证明该方法是可行的和有效的减少关联规则。
纸”情绪词汇的方法自动生成移动购物评论”解决的需要处理大量的用户评论各种产品越来越多地利用自己的智能手机。产品评论的情感分析严重依赖情绪词汇的质量。专注于高质量的情绪词汇的生成,作者提出了一个自动的方法构建特定于域的情绪词汇之间的关系通过考虑情绪词和产品功能在移动购物评论。生成的词汇分类任务评估情绪在中英文使用产品评论。实验表明,该情绪词汇生成方法的有效性在移动的环境。
文章“使用字面意思神经网络模型对多项选择题阅读理解任务”研究对阅读理解多项选择题的任务根据一些测试数据集。它评估的有用性句子理解和单词的理解。作者提出了一个能使用LSTM网络和神经网络模型训练语句能注意语句模型获得字面意思表示句子中嵌入的文档。实验表明,该模型优于各种最先进的基线上的多项选择题阅读理解任务。
纸”推荐移动微博用户通过一个基于用户集群的张量分解方法”的因素进行了探讨用户微博用户推荐移动社交网络的影响。它强调现有用户的弱点影响分析研究忽视用户时间特性和未能过滤营销用户较低的影响。作者提出了一个张量该用户集群模型进行影响分析。这个模型识别潜在影响力的用户和构造特征张量对用户影响预测和微博用户的建议。实验表明该模型能够识别潜在的有影响力的用户,提高现有推荐系统通过影响分析。
的利益冲突
作者宣称没有利益冲突有关这篇文章的出版。
确认
我们想表达我们的感谢所有作者的高质量的提交和评论家的及时和专业的评论。
田勇郝
雷蒙德黄
哲,他
Haoran谢
Tak-Lam黄
福王李