中医医案文本挖掘的若干关键技术研究
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第13-24页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 研究现状 | 第15-20页 |
| 1.2.1 文本挖掘 | 第15-18页 |
| 1.2.2 中医医案文本挖掘 | 第18-20页 |
| 1.3 研究方法与内容 | 第20-22页 |
| 1.3.1 研究方法 | 第20-21页 |
| 1.3.2 研究内容 | 第21-22页 |
| 1.4 论文结构 | 第22-24页 |
| 第二章 基于人工蜂群算法的中医医案本体构建 | 第24-42页 |
| 2.1 引言 | 第24-25页 |
| 2.2 相关工作和概念 | 第25-29页 |
| 2.2.1 本体及本体描述 | 第25-26页 |
| 2.2.2 基于文本的本体学习 | 第26-27页 |
| 2.2.3 人工蜂群算法 | 第27页 |
| 2.2.4 小生境技术 | 第27-29页 |
| 2.3 中医医案本体定义 | 第29-31页 |
| 2.4 中医医案概念抽取 | 第31-34页 |
| 2.4.1 本体概念提取流程 | 第31页 |
| 2.4.2 领域贡献度 | 第31-33页 |
| 2.4.3 候选概念提取算法 | 第33-34页 |
| 2.5 中医医案非分类关系抽取 | 第34-37页 |
| 2.5.1 非分类关系抽取模型 | 第34-36页 |
| 2.5.2 适应度函数 | 第36-37页 |
| 2.5.3 评价指标 | 第37页 |
| 2.6 实验结果及其分析 | 第37-41页 |
| 2.6.1 候选概念抽取结果 | 第37-39页 |
| 2.6.2 非分类关系抽取结果 | 第39-40页 |
| 2.6.3 结果分析 | 第40页 |
| 2.6.4 组合模型性能分析 | 第40-41页 |
| 2.7 本章小结 | 第41-42页 |
| 第三章 基于本体的中医医案命名实体识别算法 | 第42-62页 |
| 3.1 引言 | 第42-43页 |
| 3.2 相关工作和概念 | 第43-45页 |
| 3.2.1 信息抽取过程 | 第43页 |
| 3.2.2 命名实体识别分类 | 第43-44页 |
| 3.2.3 条件随机场 | 第44-45页 |
| 3.3 中医医案命名实体识别算法 | 第45-56页 |
| 3.3.1 命名实体识别流程 | 第45-47页 |
| 3.3.2 句式分类 | 第47-48页 |
| 3.3.3 数据清洗 | 第48-49页 |
| 3.3.4 术语词典 | 第49页 |
| 3.3.5 实体修正规则 | 第49-51页 |
| 3.3.6 分词方法 | 第51-52页 |
| 3.3.7 特征模板 | 第52-56页 |
| 3.4 实验结果及分析 | 第56-61页 |
| 3.4.1 评价标准 | 第56-57页 |
| 3.4.2 结果分析 | 第57-61页 |
| 3.5 本章小结 | 第61-62页 |
| 第四章 基于词共现的中医医案向量空间模型 | 第62-73页 |
| 4.1 引言 | 第62-63页 |
| 4.2 相关工作和概念 | 第63-65页 |
| 4.2.1 文本表示模型 | 第63-64页 |
| 4.2.2 向量空间模型 | 第64-65页 |
| 4.2.3 词共现与主题的相关性 | 第65页 |
| 4.3 词共现语义向量空间模型 | 第65-68页 |
| 4.3.1 词共现因子加权 | 第66页 |
| 4.3.2 共现词抽取算法 | 第66-67页 |
| 4.3.3 VSM和WCTVSM流程 | 第67-68页 |
| 4.4 实验结果及分析 | 第68-72页 |
| 4.4.1 实验数据分析 | 第68-69页 |
| 4.4.2 共现词抽取结果 | 第69-70页 |
| 4.4.3 结果分析 | 第70-71页 |
| 4.4.4 分类对比实验 | 第71-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 基于萤火虫算法的中医医案文本聚类算法 | 第73-88页 |
| 5.1 引言 | 第73-74页 |
| 5.2 相关工作和概念 | 第74-79页 |
| 5.2.1 聚类算法分类 | 第74-75页 |
| 5.2.2 K -medoids算法 | 第75-77页 |
| 5.2.3 萤火虫算法 | 第77-78页 |
| 5.2.4 粒相关概念 | 第78-79页 |
| 5.3 基于萤火虫算法和模拟退火的聚类算法 | 第79-81页 |
| 5.3.1 适应度函数 | 第79-80页 |
| 5.3.2 FSK -medoids算法设计方案 | 第80-81页 |
| 5.3.3 多样性指标 | 第81页 |
| 5.4 实验结果及分析 | 第81-87页 |
| 5.4.1 数据分析 | 第81-82页 |
| 5.4.2 聚类分析 | 第82-85页 |
| 5.4.3 结果分析 | 第85-86页 |
| 5.4.4 FSK -medoids算法性能分析 | 第86-87页 |
| 5.5 本章小结 | 第87-88页 |
| 第六章 中医医案文本挖掘系统 | 第88-96页 |
| 6.1 系统设计方案 | 第88-90页 |
| 6.1.1 系统设计目标 | 第88页 |
| 6.1.2 系统设计思路及体系结构 | 第88-89页 |
| 6.1.3 医案文本挖掘流程 | 第89-90页 |
| 6.2 系统界面及效果展示 | 第90-95页 |
| 6.2.1 系统主界面 | 第90-91页 |
| 6.2.2 医案管理系统 | 第91-93页 |
| 6.2.3 命名实体识别系统 | 第93-95页 |
| 6.2.4 中医医案聚类系统 | 第95页 |
| 6.3 本章小结 | 第95-96页 |
| 第七章 总结与展望 | 第96-100页 |
| 7.1 论文的研究总结 | 第96页 |
| 7.2 未来研究工作展望 | 第96-100页 |
| 附录一 心系疾病共现词抽取结果及分析 | 第100-105页 |
| 附录二 心系疾病文本聚类实验结果及分析 | 第105-117页 |
| 参考文献 | 第117-124页 |
| 攻读博士学位期间发表的科研论文 | 第124-125页 |
| 论文研究期间参与的相关研究项目 | 第125-126页 |
| 致谢 | 第126页 |
