XiaoMi-AI文件搜索系统
World File Search SystemAirlangga
版权所有 ©2024 艾尔朗加大学公共卫生学院，CC BY-SA 许可下开放获取 | 由 IAGIKMI 和艾尔朗加大学联合出版
并发症 6 。2 型糖尿病通常与高糖消费习惯有关，这会导致血糖负荷升高。这反过来又会引发炎症、葡萄糖不耐症和胰岛素抵抗 7 。根据 2013 年印度尼西亚基础健康研究，53.1% 的 10 岁及以上人士每天食用甜食和饮料超过一次 8 。到 2018 年，对于那些习惯每天饮用添加甜味剂的饮料超过一次的人来说，这一数字已上升到 61.3% 9 。此外，30.2% 的受访者表示平均消费频率为每周一至六次。印度尼西亚食品消费调查还显示，青少年中糖消费量超过 50 克的患病率略高于儿童，为 0.4% 10 。从生物学上讲，与成年人相比，青少年往往对甜味的敏感度较低，但对甜味的偏好更高 11 。因此，他们被确定为
2024年11月15日-ACGG -Airlangga University
Aseec Tower Airlangga University，JL。Airlangga No.4-6，Airlangga，Arabaya，East Java，印度尼西亚Aseec Tower Aseec Tower Airlangga University，JL。Airlangga No.4-6，Airlangga，Surabaya，East Java，印度尼西亚
使用高级机器学习模型在YouTube评论上检测垃圾邮件：比较研究Gregorius Airlangga 1* 1 Atma Jaya天主教大学
摘要在YouTube等平台上产生的用户生成内容的指数增长导致垃圾邮件评论的增加，这对用户体验和内容审核的工作产生了负面影响。本研究介绍了各种机器学习模型的全面比较研究，用于检测YouTube上的垃圾评论。该研究评估了一系列传统和集合模型，包括线性支持向量分类器（LinearsVC），Randomforest，LightGBM，XGBoost和fotingClassifier，目的是识别自动垃圾邮件检测的最有效方法。数据集由标记的YouTube注释组成，并使用术语频率插图频率（TF-IDF）矢量化进行文本预处理。使用分层的10倍交叉验证对每个模型进行训练和评估，以确保鲁棒性和概括性。LinearsVC优于所有其他模型，其精度为95.33％，F1得分为95.32％。该模型表现出优异的精度（95.46％）和召回（95.33％），使其在区分垃圾邮件和合法评论方面非常有效。结果突出了线性垃圾邮件检测系统的线性潜力，在准确性和计算效率之间提供了可靠的平衡。此外，研究表明，尽管Random Forest和投票classifier之类的集合模型表现良好，但在这种情况下它们并没有超过更简单的线性模型。未来的工作将探索深度学习技术的结合，例如卷积神经网络（CNN）和经常性神经网络（RNN），以捕获更复杂的模式并进一步提高YouTube等社交媒体平台上的垃圾邮件检测准确性。
版权所有©2023公共卫生大学Airlangga Airlangga cc下的公开访问权限 - SA许可证|加入Iagikmi＆Universitas Airl
2型糖尿病（T2DM）是一种非传染性疾病，全球患病率增加。到2021年，预计的2型糖尿病人数可能会达到5.37亿。管理T2DM既复杂又经济要求。这种疾病与影响健康，生产力和整体生活质量的严重并发症有关。已经表明，与非糖尿病药物相比，超过50％的糖尿病患者死于心血管疾病，因视网膜损害而导致失明，下肢截肢的风险更大25倍。先前的研究报告说，需要改善T2DM患者的饮食管理和自我保健。当前的患者干预包括饮食计划，食物选择，体育锻炼以及低血糖指数产品的发展3。