基于Hadoop的中文并行LDA算法及在电子病历挖掘中的应用
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第11-17页 |
| 1.1 选题背景与意义 | 第11-13页 |
| 1.2 相关研究现状 | 第13-15页 |
| 1.2.1 LDA算法研究现状 | 第13-14页 |
| 1.2.2 医疗行业数据挖掘现状 | 第14-15页 |
| 1.3 本文的研究工作 | 第15-16页 |
| 1.4 本文结构 | 第16-17页 |
| 2 主题模型技术综述 | 第17-28页 |
| 2.1 LDA模型简介 | 第17-18页 |
| 2.2 模型前提 | 第18-19页 |
| 2.2.1 贝叶斯法则 | 第18-19页 |
| 2.2.2 狄利克雷分布 | 第19页 |
| 2.3 建模 | 第19-22页 |
| 2.4 塌缩吉布斯采样算法 | 第22-26页 |
| 2.5 LDA缺点与改进 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 3 基于Hadoop的中文LDA算法设计 | 第28-41页 |
| 3.1 中文文本向量化并行算法 | 第28-31页 |
| 3.1.1 去除符号、停用词 | 第28页 |
| 3.1.2 中文分词工具 | 第28-30页 |
| 3.1.3 中文分词并行算法 | 第30-31页 |
| 3.2 基于Hadoop的并行LDA算法设计 | 第31-35页 |
| 3.2.1 分布式处理系统 | 第31-32页 |
| 3.2.2 数据分块 | 第32-33页 |
| 3.2.3 过滤低频词 | 第33-34页 |
| 3.2.4 算法处理过程 | 第34-35页 |
| 3.3 算法实现 | 第35-39页 |
| 3.4 本章小结 | 第39-41页 |
| 4 实验分析 | 第41-49页 |
| 4.1 实验环境及测试数据 | 第41页 |
| 4.2 分析指标 | 第41-42页 |
| 4.3 过程及结果分析 | 第42-47页 |
| 4.4 实验结论与存在的问题 | 第47页 |
| 4.5 本章小结 | 第47-49页 |
| 5 并行LDA算法在新生儿疾病挖掘中的应用 | 第49-62页 |
| 5.1 新生儿疾病及诊断特征 | 第49页 |
| 5.2 影响因素分析 | 第49-50页 |
| 5.3 实验设计 | 第50-55页 |
| 5.3.1 数据来源及预处理 | 第50-51页 |
| 5.3.2 参数设置 | 第51-53页 |
| 5.3.3 算法运行结果 | 第53-55页 |
| 5.4 挖掘结果与分析 | 第55-60页 |
| 5.4.1 分类准确率 | 第55-56页 |
| 5.4.2 主题的内容倾向 | 第56-57页 |
| 5.4.3 单因素方差分析 | 第57-60页 |
| 5.5 本章小结 | 第60-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间参加的研究工作和获得的学术成果 | 第69页 |
