基于自然语言处理的分类和基于众数的肌肉骨骼疾病风险因素排序
计算与语言
2024-11-06 v4 机器学习
摘要
本研究深入探讨肌肉骨骼疾病（MSD）风险因素，结合自然语言处理（NLP）和基于众数的排序。目的是细化理解、分类和优先级排序，以进行有针对性的预防和治疗。评估了八种NLP模型，结合预训练变换器、余弦相似度和距离度量，将因素分类为个人、生物力学、工作场所、心理和组织类别。BERT与余弦相似度达到28%的准确率；句子变换器与欧几里得距离、Bray-Curtis距离和闵可夫斯基距离达到100%的准确率。通过10折交叉验证，统计检验确保了结果的稳健性。调查数据和基于众数的排序确定了严重性等级，与文献一致。“工作姿势”是最严重的，突出了姿势的作用。调查见解强调“工作不安全感”、“努力-回报不平衡”和“员工设施差”是重要贡献因素。排序为MSD预防提供了可操作的见解。该研究提出了有针对性的干预措施、工作场所改进和未来研究方向。这种集成的NLP和排序方法增强了对MSD的理解，并为职业健康策略提供了信息。
引用
@article{arxiv.2312.11517,
title = {A Natural Language Processing-Based Classification and Mode-Based Ranking of Musculoskeletal Disorder Risk Factors},
author = {Md Abrar Jahin and Subrata Talapatra},
journal= {arXiv preprint arXiv:2312.11517},
year = {2024}
}