生物醫(yī)學(xué)多文檔自動(dòng)文摘系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、生物醫(yī)學(xué)研究是二十一世紀(jì)最受關(guān)注的研究領(lǐng)域之一，尤其隨著生物醫(yī)學(xué)研究在分子層面的展開，人類基因組計(jì)劃的實(shí)施完成，產(chǎn)生了海量的生物醫(yī)學(xué)數(shù)據(jù)，并形成了數(shù)以百計(jì)的生物醫(yī)學(xué)數(shù)據(jù)庫。這些醫(yī)學(xué)數(shù)據(jù)后面隱藏著大量的生物醫(yī)學(xué)知識(shí)，對研究人員和醫(yī)療工作者來說，如何方便、快捷、準(zhǔn)確的查詢與檢索這些知識(shí)，并從這些繁雜的數(shù)據(jù)中找到有用的信息對他們的工作有著至關(guān)重要的作用。
　　本文從當(dāng)前醫(yī)學(xué)研究人員和醫(yī)療工作者面臨的實(shí)際問題出發(fā)，將多文檔自動(dòng)文摘技術(shù)應(yīng)用

2、到生物醫(yī)學(xué)領(lǐng)域，重點(diǎn)研究了生物醫(yī)學(xué)多文檔自動(dòng)文摘系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。
　　首先，根據(jù)PubMed上查詢結(jié)果的特點(diǎn)，利用爬蟲程序?qū)⒂脩粼赑ubMed上的查詢結(jié)果保存到本機(jī)計(jì)算機(jī)中，并針對原始原料的特點(diǎn)，提出語料庫建立的方法，建立語料庫。
　　其次，在建立語料庫的基礎(chǔ)上，為了規(guī)范數(shù)據(jù)格式，對語料庫進(jìn)行預(yù)處理，重點(diǎn)研究對語料的詞性標(biāo)注和命名實(shí)體識(shí)別，并最終選取標(biāo)記效果更好、速度更快的雙向推理算法，最簡優(yōu)先策略，確保了對語料詞的準(zhǔn)確標(biāo)

3、記的同時(shí)，克服了傳統(tǒng)算法的缺陷。
　　最后，對規(guī)范化的數(shù)據(jù)進(jìn)行主題識(shí)別，主題識(shí)別是本文的關(guān)鍵，本文在根據(jù)醫(yī)學(xué)文獻(xiàn)的數(shù)據(jù)量大的特點(diǎn)，采用K-means聚類算法進(jìn)行主題聚類的同時(shí)，對傳統(tǒng)的算法進(jìn)行改進(jìn)，使其在聚類的同時(shí)可以動(dòng)態(tài)的增加類別，克服了傳統(tǒng) K-means聚類算法初始聚類數(shù)固定，難發(fā)現(xiàn)潛在主題的缺點(diǎn)。并首次提出交替增強(qiáng)策略，將其應(yīng)用于文摘句的抽取，最終對抽取的文摘句排序，生成文摘，并對生產(chǎn)文摘采用兩種內(nèi)部評(píng)測方法評(píng)測，取得了很