國民健康訪問調查ptt的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

偵測憂鬱傾向者情緒狀態：以機器學習分析PTT電子佈告欄文章

為了解決國民健康訪問調查ptt的問題，作者林姿慧 這樣論述：

本研究的目的是希望藉由分析社群媒體資料對有憂鬱傾向者有更多的了解，尤其其中可能包含從未接觸過精神醫療服務的使用者，並希望運用機器學習技術增進精神醫療臨床實務效益。本研究的方法是以社群論壇「批踢踢實業坊」(PTT)作為文本資料來源，共92,273筆，並以人工標註出有表達自殺意念的365筆資料。運用機器學習技術建立有憂鬱傾向者的情緒狀態偵測模型(偵測是快樂或悲傷)和自殺意念偵測模型。並以獨立樣本t檢定和卡方檢定分析文本資料，以了解有和無憂鬱傾向者於普遍性、快樂和悲傷情緒狀態，以及表達自殺意念時的文本特性差異(包含發文時間、人稱代名詞使用頻率和發文字數等變項)。本研究的結果顯示情緒狀態偵測模型預測

能力可達AUC(Area Under the Receiver Operating Characteristic Curve) = .889。而自殺意念偵測模型預測能力可達AUC = .964，但AUPRC(Area Under the Precision-Recall Curve) = .315，顯示該模型對於偵測有自殺意念的使用者預測能力較低，但因臺灣尚未有相關研究，本研究的初步探索可供借鏡。而有和無憂鬱傾向者的文本特性差異分析結果顯示於發文時間、人稱代名詞使用頻率和發文字數有明顯差異，並且於快樂情緒狀態時的差異較大，但表達自殺意念時的差異不明顯。本研究結果未來可能運用於早期偵測和心理衡鑑

資訊蒐集，以及追蹤治療後情緒變化，以協助臨床決策判斷等。但本研究因受限於難以取得適當且足夠的自殺相關文本資料，相關分析結果待後續研究進一步檢驗和改善。

大數據分析下的素食研究

為了解決國民健康訪問調查ptt的問題，作者賴風元 這樣論述：

在現今的社會，素食對於大眾已經不是一個陌生的概念，因為我本身是素食者，所以嘗試利用KEYPO探索大數據工具來看網路上網民對於素食的看法。本研究依網路聲量方面多集中在意見領袖的留言及言論部分，則是集中在素食有關的議題做出觀察。在資料探勘部分，主要以IG、Youtube、臉書和PTT為主。接著，在意見領袖部分，主要以波及重點人物或意見領袖的發文為主。本研究首先針對關於素食的關鍵字設定，其步驟先行選擇(素食、蔬食)等關鍵字，接著，配合KEYPO探索大數據工具的探索概念、素食及蔬食所出現的關鍵字，進行布林邏輯運算。最後，將所有分析的數據與網民的解讀進行對話，統整出量測時間內對於素食的分析。