致谢 | 第1-6页 |
摘要 | 第6-8页 |
ABSTRACT | 第8-14页 |
1 绪论 | 第14-30页 |
·研究背景 | 第14-22页 |
·中医数据挖掘研究背景 | 第15-18页 |
·中医数据挖掘研究现状 | 第18-22页 |
·主题模型在中医临床诊疗中的研究意义 | 第22-26页 |
·本文的研究内容和创新点 | 第26-28页 |
·论文的组织结构 | 第28-30页 |
2 主题模型研究概述 | 第30-64页 |
·主题模型的产生背景 | 第30-31页 |
·主题模型的发展过程 | 第31-45页 |
·向量空间模型 | 第32-33页 |
·隐语义索引模型 | 第33-35页 |
·几种生成模型 | 第35-40页 |
·隐狄利克雷分配模型 | 第40-45页 |
·LDA主题模型的近似推理方法 | 第45-54页 |
·变分推理 | 第45-48页 |
·吉布斯抽样 | 第48-51页 |
·在线近似推理 | 第51-54页 |
·基于LDA模型扩展的几种主题模型 | 第54-62页 |
·相关主题模型 | 第54-56页 |
·分层LDA主题模型 | 第56-59页 |
·有监督的LDA主题模型 | 第59-60页 |
·作者-主题模型 | 第60-61页 |
·动态主题模型 | 第61-62页 |
·小结 | 第62-64页 |
3 特征加权的LDA主题模型 | 第64-88页 |
·引言 | 第64-66页 |
·相关研究 | 第66-67页 |
·词频分布对LDA主题模型的影响 | 第67-70页 |
·LDA主题模型的特证加权方法 | 第70-72页 |
·基于IDF的特征加权方法 | 第70-71页 |
·一种高斯函数特征加权方法 | 第71-72页 |
·特征加权的LDA主题模型的Gibbs抽样过程 | 第72-74页 |
·模型的判断准则 | 第74-75页 |
·实验 | 第75-86页 |
·基于IDF的特征加权方法的实验 | 第75-83页 |
·高斯函数特征加权方法的实验 | 第83-86页 |
·小结 | 第86-88页 |
4 基于词相似性与CRP的主题模型 | 第88-100页 |
·引言 | 第88-89页 |
·相关知识 | 第89-90页 |
·狄利克雷过程 | 第89-90页 |
·中国餐馆过程 | 第90页 |
·基于客人相关的中国餐馆过程 | 第90-91页 |
·基于词相似性和CRP的主题模型的Gibbs抽样过程 | 第91-92页 |
·超参数设置 | 第92-94页 |
·实验及分析 | 第94-98页 |
·模拟数据集上的实验 | 第94-96页 |
·中医临床诊疗数据集上的实验 | 第96-97页 |
·标准文本数据集上的实验 | 第97-98页 |
·小结 | 第98-100页 |
5 症状-中药-诊断主题模型 | 第100-118页 |
·引言 | 第100-101页 |
·相关研究 | 第101-103页 |
·《伤寒论》的辨证论治基本思想 | 第101-102页 |
·隐结构模型 | 第102-103页 |
·多关系主题模型 | 第103页 |
·症状-中药-诊断主题模型 | 第103-108页 |
·利用Gibbs抽样方法估计SHDT模型参数 | 第106-107页 |
·为新的患者诊断预测 | 第107-108页 |
·实验 | 第108-117页 |
·2型糖尿病临床诊疗数据与参数设置 | 第108-109页 |
·确定SHDT主题数的标准 | 第109页 |
·实验结果和分析 | 第109-115页 |
·诊断预测 | 第115-116页 |
·讨论 | 第116-117页 |
·小结 | 第117-118页 |
6 分层症状-中药主题模型 | 第118-128页 |
·引言 | 第118-119页 |
·相关研究 | 第119-122页 |
·分层症状-中药主题模型 | 第122-125页 |
·实验 | 第125-127页 |
·T2DM临床诊疗数据 | 第125-126页 |
·参数设置 | 第126页 |
·实验结果和分析 | 第126-127页 |
·小结 | 第127-128页 |
7 结束语 | 第128-130页 |
·本文主要研究工作 | 第128-129页 |
·进一步研究和展望 | 第129-130页 |
参考文献 | 第130-144页 |
攻读学位期间发表的论文 | 第144-148页 |
学位论文数据集 | 第148页 |