基于文本语义分块的中医病情分类问题研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 中医病情分类研究背景与意义 | 第13-14页 |
| 1.2 研究现状 | 第14-20页 |
| 1.2.1 医疗专家系统研究现状 | 第14-16页 |
| 1.2.2 文本特征表示研究现状 | 第16-18页 |
| 1.2.3 文本分类研究现状 | 第18-19页 |
| 1.2.4 中医文本分类研究现状 | 第19-20页 |
| 1.3 本文主要工作 | 第20-21页 |
| 1.4 本文的组织结构 | 第21-23页 |
| 第2章 相关技术综述 | 第23-47页 |
| 2.1 中医基本理论与肾病辩证分型 | 第23-25页 |
| 2.1.1 中医的基本理论 | 第23-24页 |
| 2.1.2 肾病辩证分型 | 第24-25页 |
| 2.2 中文分词技术 | 第25-26页 |
| 2.2.1 分词 | 第25-26页 |
| 2.2.2 去停用词 | 第26页 |
| 2.3 文本特征表示方法 | 第26-34页 |
| 2.3.1 词袋模型 | 第26-27页 |
| 2.3.2 TF-IDF文本特征表示方法 | 第27-28页 |
| 2.3.3 基于领域语义的文本特征表示方法 | 第28-30页 |
| 2.3.4 基于语义向量的文本特征表示方法 | 第30-34页 |
| 2.4 文本相似度计算方法 | 第34-40页 |
| 2.4.1 概述 | 第34-35页 |
| 2.4.2 基于字符串的相似度计算方法 | 第35-36页 |
| 2.4.3 基于向量空间模型的相似度计算方法 | 第36-38页 |
| 2.4.4 基于本体知识的相似度计算方法 | 第38页 |
| 2.4.5 基于句法分析的相似度计算方法 | 第38-39页 |
| 2.4.6 中文文本相似度计算难点 | 第39-40页 |
| 2.5 中文文本分类技术 | 第40-45页 |
| 2.5.1 分类流程 | 第40-41页 |
| 2.5.2 分类模型 | 第41-45页 |
| 2.6 本章小结 | 第45-47页 |
| 第3章 基于文本语义分块的病情相似度计算方法 | 第47-63页 |
| 3.1 概述 | 第47-49页 |
| 3.2 文本块定义 | 第49页 |
| 3.3 文本语义分块方法 | 第49-56页 |
| 3.3.1 基于统计的短语识别方法 | 第50-51页 |
| 3.3.2 基于规则的短语识别方法 | 第51-53页 |
| 3.3.3 基于规则和统计的短语识别方法 | 第53-54页 |
| 3.3.4 文本语义分块 | 第54-56页 |
| 3.4 基于语义分块的文本特征表示 | 第56-59页 |
| 3.4.1 概述 | 第56-57页 |
| 3.4.2 文本块向量生成 | 第57-58页 |
| 3.4.3 文本块权值计算 | 第58-59页 |
| 3.5 基于语义分块的文本相似度计算 | 第59-60页 |
| 3.6 实验结果与分析 | 第60-61页 |
| 3.7 本章小结 | 第61-63页 |
| 第4章 中医病情文本分类方法 | 第63-71页 |
| 4.1 病情文本特征提取 | 第63-66页 |
| 4.1.1 分词 | 第63-64页 |
| 4.1.2 去停用词 | 第64页 |
| 4.1.3 特征提取 | 第64-66页 |
| 4.2 基于传统特征表示方法的分类模型 | 第66-69页 |
| 4.2.1 基于TF-IDF的病情分类模型 | 第66-67页 |
| 4.2.2 基于文档向量的病情分类模型 | 第67-69页 |
| 4.3 基于SBBV算法的病情分类模型 | 第69-70页 |
| 4.4 本章小结 | 第70-71页 |
| 第5章 中医病情分类融合模型 | 第71-83页 |
| 5.1 非文本特征统计分析 | 第71-75页 |
| 5.2 非文本特征的分类模型 | 第75-79页 |
| 5.2.1 朴素贝叶斯分类模型 | 第75-76页 |
| 5.2.2 随机森林分类模型 | 第76-79页 |
| 5.3 多维度病情分类融合模型 | 第79-81页 |
| 5.4 本章小结 | 第81-83页 |
| 第6章 实验结果与分析 | 第83-101页 |
| 6.1 实验介绍 | 第83-86页 |
| 6.1.1 实验方案及环境 | 第83页 |
| 6.1.2 实验数据 | 第83-85页 |
| 6.1.3 评价指标 | 第85-86页 |
| 6.2 基于文本特征的分类实验 | 第86-96页 |
| 6.2.1 基于TF-IDF的病情分类实验 | 第86-90页 |
| 6.2.2 基于文档向量相似性的病情分类实验 | 第90-92页 |
| 6.2.3 基于SBBV算法的病情分类实验 | 第92-94页 |
| 6.2.4 实验结果对比分析 | 第94-96页 |
| 6.3 融合模型实验 | 第96-100页 |
| 6.4 本章小结 | 第100-101页 |
| 第7章 总结与展望 | 第101-105页 |
| 7.1 工作总结 | 第101-102页 |
| 7.2 未来展望 | 第102-105页 |
| 参考文献 | 第105-109页 |
| 攻读硕士学位期间主要的研究成果 | 第109-111页 |
| 致谢 | 第111页 |
