基于中文文本分类的自动诊病系统
| 中文摘要 | 第1-8页 |
| 英文摘要 | 第8-10页 |
| 第1章 绪论 | 第10-22页 |
| 1．1 研究目的与意义 | 第10-14页 |
| 1．1．1 研究背景 | 第10-12页 |
| 1．1．2 工作目标 | 第12页 |
| 1．1．3 研究意义 | 第12-14页 |
| 1．2 方法综述 | 第14-20页 |
| 1．2．1 汉语分词简介 | 第14-15页 |
| 1．2．2 词性标注技术 | 第15-18页 |
| 1．2．3 自动分类 | 第18-20页 |
| 1．3 本文主要工作内容 | 第20-21页 |
| 1．4 本章小结 | 第21-22页 |
| 第2章 文本的采集 | 第22-31页 |
| 2．1 组织电子病案 | 第22-23页 |
| 2．2 数据采集模块 | 第23-26页 |
| 2．3 文本预处理 | 第26-28页 |
| 2．4 词典系统 | 第28-30页 |
| 2．5 本章小结 | 第30-31页 |
| 第3章 分词和词性标注一体化的汉语分词 | 第31-45页 |
| 3．1 汉语的自动分词概述 | 第31-34页 |
| 3．1．1 汉语自动分词的主要内容 | 第31-32页 |
| 3．1．2 未登录词识别问题 | 第32-34页 |
| 3．1．3 词性标注的主要问题 | 第34页 |
| 3．2 汉语自动分词方法 | 第34-42页 |
| 3．2．1 最大匹配法 | 第35-36页 |
| 3．2．2 一种改进的HMM分词算法 | 第36-37页 |
| 3．2．3 全切分法 | 第37-38页 |
| 3．2．4 HMM模型及Viterbi算法简介 | 第38-42页 |
| 3．3 分词和词性标注一体化的方法 | 第42-44页 |
| 3．4 本章小结 | 第44-45页 |
| 第4章 基于文本分类的自动诊病系统 | 第45-60页 |
| 4．1 文本自动分类的相关研究 | 第45-53页 |
| 4．1．1 文本分类的数学解释 | 第46-47页 |
| 4．1．2 文本自动分类 | 第47页 |
| 4．1．3 文本分类系统的任务 | 第47-48页 |
| 4．1．4 关键技术 | 第48-52页 |
| 4．1．5 重要的应用简介 | 第52-53页 |
| 4．2 基于文本分类的自动诊病系统 | 第53-57页 |
| 4．2．1 贝叶斯分类算法的设计 | 第54-55页 |
| 4．2．2 贝叶斯分类算法的进一步讨论 | 第55页 |
| 4．2．3 系统诊病流程 | 第55-57页 |
| 4．3 分类算法的评估方法 | 第57页 |
| 4．4 实验结果 | 第57-59页 |
| 4．5 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间所发表的学术论文 | 第68-69页 |
| 个人简历 | 第69页 |
