基于相似约束LDA模型的糖尿病并发症发现方法
| 摘要 | 第8-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.1.1 研究背景 | 第15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 论文研究内容及组织架构 | 第18-19页 |
| 第二章 相关理论技术 | 第19-28页 |
| 2.1 糖尿病并发症研究 | 第19页 |
| 2.2 数据挖掘技术 | 第19-24页 |
| 2.2.1 关联规则挖掘 | 第20-21页 |
| 2.2.2 分类分析 | 第21-22页 |
| 2.2.3 聚类分析 | 第22-23页 |
| 2.2.4 辅助诊断标准 | 第23-24页 |
| 2.3 文本预处理 | 第24-26页 |
| 2.3.1 文本分词 | 第24-25页 |
| 2.3.2 去停止词 | 第25-26页 |
| 2.3.3 同义词转换 | 第26页 |
| 2.4 文本表示 | 第26-28页 |
| 2.4.1 独热模型 | 第26-27页 |
| 2.4.2 词向量模型 | 第27-28页 |
| 第三章 考虑相似性的病历文本主题分析方法 | 第28-40页 |
| 3.1 基于LDA模型的病历文本主题分析方法 | 第28-31页 |
| 3.1.1 LDA病历文本建模 | 第28-30页 |
| 3.1.2 LDA推理算法 | 第30-31页 |
| 3.2 考虑病历相似性的改进型主题分析 | 第31-35页 |
| 3.2.1 病历相似性约束 | 第31-32页 |
| 3.2.2 MRS-LDA | 第32-34页 |
| 3.2.3 模型相关度量 | 第34-35页 |
| 3.3 实验结果及分析 | 第35-39页 |
| 3.3.1 数据集 | 第35-37页 |
| 3.3.2 结果及分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于主题模型的糖尿病并发症发现方法 | 第40-47页 |
| 4.1 糖尿病并发症发现整体框架 | 第40-41页 |
| 4.2 基于病历主题分析的糖尿病并发症发现 | 第41-44页 |
| 4.2.1 向量空间建模 | 第41-42页 |
| 4.2.2 多标签分类 | 第42-43页 |
| 4.2.3 模型相关度量 | 第43-44页 |
| 4.3 实验结果及分析 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 参考文献 | 第49-54页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第54-55页 |
