基于多词TF-IDF算法的智能导医系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 导医系统研究现状 | 第14-15页 |
| 1.3 论文主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 2 相关技术 | 第17-30页 |
| 2.1 推理方法 | 第17-19页 |
| 2.1.1 贝叶斯推理 | 第17-18页 |
| 2.1.2 模糊集理论 | 第18页 |
| 2.1.3 Dempster-Shafer推理 | 第18-19页 |
| 2.1.4 可信度推理 | 第19页 |
| 2.2 自然语言处理 | 第19-24页 |
| 2.2.1 中文分词算法 | 第19-20页 |
| 2.2.2 中文分词器介绍 | 第20-22页 |
| 2.2.3 同义词处理技术 | 第22-24页 |
| 2.3 向量空间模型 | 第24-26页 |
| 2.3.1 TF-IDF算法 | 第24-25页 |
| 2.3.2 相似度计算方法 | 第25-26页 |
| 2.4 Android技术 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 智能导医系统设计 | 第30-37页 |
| 3.1 系统整体框架设计 | 第30-32页 |
| 3.2 UI界面子系统 | 第32-33页 |
| 3.3 自然语言处理子系统 | 第33页 |
| 3.4 导医计算子系统 | 第33-34页 |
| 3.5 数据存储和管理 | 第34-36页 |
| 3.6 本章小结 | 第36-37页 |
| 4 智能导医推理过程 | 第37-47页 |
| 4.1 自然语言处理 | 第37-40页 |
| 4.1.1 IKAnalyzer分词处理 | 第37-40页 |
| 4.1.2 同义词处理 | 第40页 |
| 4.2 导医推理过程分析 | 第40-45页 |
| 4.2.1 初步判定 | 第41-43页 |
| 4.2.2 相似度计算 | 第43-45页 |
| 4.3 可靠度计算 | 第45页 |
| 4.4 本章小结 | 第45-47页 |
| 5 TF-IDF算法的分析与改进 | 第47-50页 |
| 5.1 TF-IDF算法的分析 | 第47-48页 |
| 5.2 向量权重与相似度的计算 | 第48-49页 |
| 5.3 本章小结 | 第49-50页 |
| 6 智能导医系统的实现与实验分析 | 第50-62页 |
| 6.1 系统的实现 | 第50-58页 |
| 6.1.1 通信协议及数据结构 | 第50-51页 |
| 6.1.2 UI界面的实现 | 第51-56页 |
| 6.1.3 服务器端的开发 | 第56-58页 |
| 6.2 实验结果与分析 | 第58-61页 |
| 6.2.1 实验目的 | 第59页 |
| 6.2.2 实验数据集 | 第59页 |
| 6.2.3 实验环境 | 第59-60页 |
| 6.2.4 实验的方法及结果分析 | 第60-61页 |
| 6.3 本章小结 | 第61-62页 |
| 7 总结与展望 | 第62-64页 |
| 7.1 工作总结 | 第62-63页 |
| 7.2 展望 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第66-67页 |
| 致谢 | 第67页 |
