半结构化药物数据智能分类技术研究与系统实现（全日制专业学位）
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-15页 |
| ·本文的研究背景及意义 | 第11-12页 |
| ·本文的主要工作 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| 2 相关理论与技术概述 | 第15-23页 |
| ·半结构化药物数据分类流程 | 第15-16页 |
| ·药物名称预处理 | 第16-18页 |
| ·中文分词 | 第16-17页 |
| ·向量空间模型(VSM) | 第17-18页 |
| ·特征选择 | 第18-19页 |
| ·药品名称表示 | 第19-20页 |
| ·分类介绍 | 第20-22页 |
| ·分类含义 | 第20页 |
| ·文本分类算法 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 3 半结构化药物数据分词算法 | 第23-33页 |
| ·常用的中文分词思想 | 第23-24页 |
| ·常用中文分词算法的性能分析 | 第24-26页 |
| ·IK介绍 | 第26页 |
| ·词典库建立思想 | 第26-29页 |
| ·分词过程及算法分析 | 第29-32页 |
| ·分词过程 | 第29-31页 |
| ·算法分析 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4 改进的特征选择算法 | 第33-42页 |
| ·常用的特征选择算法 | 第33-35页 |
| ·特征项选择算法分析 | 第35-36页 |
| ·期望交叉熵算法分析 | 第36-38页 |
| ·期望交叉熵的改进策略 | 第38-39页 |
| ·特征项集合的建立 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 5 半结构化药物数据分类算法 | 第42-58页 |
| ·贝叶斯理论 | 第42-44页 |
| ·贝叶斯定理 | 第42-43页 |
| ·极大后验假设 | 第43页 |
| ·事件独立性 | 第43-44页 |
| ·常见的贝叶斯分类方法 | 第44-46页 |
| ·朴素贝叶斯分类的缺陷 | 第46-47页 |
| ·半结构化药物数据分类模型增量学习机制 | 第47-48页 |
| ·半结构化药物数据智能分类系统模型 | 第48-50页 |
| ·半结构化药物数据智能分类系统修正策略 | 第50-55页 |
| ·增量策略概述 | 第50-51页 |
| ·未带类标签的待测实例修正模型 | 第51-54页 |
| ·带类标签的待测实例修正模型 | 第54-55页 |
| ·分类器及特征项集合修正算法 | 第55-56页 |
| ·系统算法分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 6 半结构化药物数据智能分类系统设计与实现 | 第58-72页 |
| ·系统背景与功能说明 | 第58-59页 |
| ·半结构化药物数据智能分类系统设计框架及模块说明 | 第59-61页 |
| ·本系统关键算法介绍 | 第61-63页 |
| ·系统实验及结果分析 | 第63-71页 |
| ·开发环境介绍 | 第63-64页 |
| ·系统界面介绍 | 第64-68页 |
| ·实验语料库 | 第68-69页 |
| ·测试方法及结果分析 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 7 总结与展望 | 第72-74页 |
| ·总结 | 第72-73页 |
| ·展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 学位论文数据集 | 第78页 |
