| 致谢 | 第1-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-17页 |
| 第1章 绪论 | 第17-25页 |
| ·知识发现研究背景 | 第17-19页 |
| ·中医药知识发现研究背景 | 第19-22页 |
| ·中医药的跨越式发展需要信息技术 | 第19-20页 |
| ·中医药积累的海量数据需要知识发现 | 第20页 |
| ·中医药信息化成果为知识发现创造了条件 | 第20-21页 |
| ·中医药特点迫切需要知识发现可靠性研究 | 第21-22页 |
| ·本文的研究内容与主要贡献 | 第22-23页 |
| ·本文的组织结构 | 第23-25页 |
| 第2章 中医药知识发现研究现状 | 第25-43页 |
| ·中医药知识发现数据基础 | 第25-29页 |
| ·中国方剂数据库 | 第26-27页 |
| ·中国中药数据库 | 第27页 |
| ·中国中医药期刊文献数据库 | 第27-28页 |
| ·中医药学语言系统 | 第28-29页 |
| ·中医药知识发现现状 | 第29-40页 |
| ·中医方剂知识发现 | 第29-34页 |
| ·中药知识发现 | 第34-38页 |
| ·中药药性知识发现 | 第34-37页 |
| ·中药化学成分知识发现 | 第37-38页 |
| ·中医证候知识发现 | 第38-40页 |
| ·中医药知识发现发展趋势 | 第40-43页 |
| 第3章 知识发现可靠性框架PBRF-KD | 第43-67页 |
| ·知识发现可靠性的过程视角 | 第43-46页 |
| ·PBRF-KD知识发现可靠性框架 | 第46-60页 |
| ·一般知识发现过程中的可靠性框架 | 第46-47页 |
| ·基于CRISP-DM的可靠性框架PBRF-KD | 第47-50页 |
| ·PBRF-KD框架中的7种可靠性相关因素 | 第50-60页 |
| ·目标 | 第51-52页 |
| ·领域 | 第52-53页 |
| ·数据质量 | 第53-55页 |
| ·数据预处理 | 第55-56页 |
| ·模型选择 | 第56-58页 |
| ·评估方法 | 第58-59页 |
| ·部署机制 | 第59-60页 |
| ·PBRF-KD小结 | 第60页 |
| ·PBRF-KD在中医药领域的应用 | 第60-65页 |
| ·中医药知识发现中的目标 | 第61-62页 |
| ·中医药知识发现中的领域 | 第62页 |
| ·中医药知识发现中的数据质量 | 第62-63页 |
| ·中医药知识发现中的数据预处理 | 第63页 |
| ·中医药知识发现中的模型选择 | 第63-64页 |
| ·中医药知识发现中的评估方法 | 第64-65页 |
| ·中医药知识发现中的部署机制 | 第65页 |
| ·本章小结 | 第65-67页 |
| 第4章 结构性因素的分析与优化 | 第67-100页 |
| ·中医药知识发现中的结构性因素 | 第67-70页 |
| ·数据完整性分析-属性的缺失 | 第68-69页 |
| ·数据完整性分析-属性值的缺失 | 第69-70页 |
| ·结构性因素优化方法 | 第70-99页 |
| ·基于顺序半相关度量的文本缺失字段填补方法 | 第70-87页 |
| ·基于顺序的文本相似度分类体系 | 第71-76页 |
| ·顺序半相关的文本相似度度量 | 第76-81页 |
| ·基于M-Similarity的最近邻匹配填补方法 | 第81-83页 |
| ·文本字段填补实验结果分析和评估 | 第83-87页 |
| ·基于M-Similarity的多标签文本分类方法 | 第87-99页 |
| ·多标签文本分类的现状与不足 | 第88-90页 |
| ·基于M-Similarity的多标签文本分类方法 | 第90-91页 |
| ·多标签文本分类实验结果分析与评估 | 第91-99页 |
| ·本章小结 | 第99-100页 |
| 第5章 表达性因素的分析与优化 | 第100-117页 |
| ·中医药知识发现中的表达性因素 | 第100-104页 |
| ·表达粒度分析 | 第100-103页 |
| ·表达粒度过小 | 第100-102页 |
| ·表达粒度过大 | 第102-103页 |
| ·表达一致性分析 | 第103-104页 |
| ·数值单位不一致 | 第103-104页 |
| ·一义多词 | 第104页 |
| ·表达性因素优化方法 | 第104-115页 |
| ·基于规则的表达粒度细分方法 | 第105-113页 |
| ·预处理规则 | 第106-111页 |
| ·拆分规则 | 第111-113页 |
| ·基于本体的表达一致化方法 | 第113-115页 |
| ·本章小结 | 第115-117页 |
| 第6章 信任性因素的分析与优化 | 第117-133页 |
| ·中医药知识发现中的信任性因素 | 第117-118页 |
| ·中医药知识发现中的数据可信度衡量方法 | 第118-121页 |
| ·基于互联网知名度的数据可信度衡量方法 | 第119页 |
| ·基于历史文献认可度的数据可信度衡量方法 | 第119-121页 |
| ·基于数据可信度的加权频繁模式挖掘算法 | 第121-131页 |
| ·加权频繁模式挖掘算法 | 第122-123页 |
| ·基于互联网知名度的加权频繁模式挖掘 | 第123-128页 |
| ·消渴方实验结果 | 第123-127页 |
| ·脾胃方实验结果 | 第127-128页 |
| ·基于历史文献认可度的加权频繁模式挖掘 | 第128-131页 |
| ·消渴方实验结果 | 第128-130页 |
| ·脾胃方实验结果 | 第130-131页 |
| ·本章小结 | 第131-133页 |
| 第7章 中医药知识发现系统DartSpora | 第133-155页 |
| ·知识发现系统发展历史 | 第133-141页 |
| ·基于单机体系结构的知识发现系统 | 第133-135页 |
| ·基于并行体系结构的知识发现系统 | 第135-136页 |
| ·基于分布式体系结构的知识发现系统 | 第136-137页 |
| ·基于网格体系结构的知识发现系统 | 第137-140页 |
| ·Discovery Net | 第138-139页 |
| ·Knowledge Grid | 第139页 |
| ·DataMiningGrid | 第139-140页 |
| ·知识发现系统发展小结 | 第140-141页 |
| ·中医药知识发现原型系统DartSpora | 第141-153页 |
| ·DartSpora系统架构 | 第142-144页 |
| ·DartSpora虚拟组织模型 | 第144-146页 |
| ·DartSpora系统功能 | 第146-152页 |
| ·DartSpora对知识发现可靠性的关注 | 第152-153页 |
| ·本章小结 | 第153-155页 |
| 第8章 总结与展望 | 第155-158页 |
| ·本文工作总结 | 第155-157页 |
| ·未来工作展望 | 第157-158页 |
| 参考文献 | 第158-169页 |
| 作者简历 | 第169-170页 |
| 攻读博士学位期间的科研成果 | 第170-171页 |
