基于中醫(yī)藥非相關(guān)文獻(xiàn)知識(shí)發(fā)現(xiàn)的研究.pdf

1、文本挖掘是人工智能、機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、數(shù)據(jù)挖掘及相關(guān)自動(dòng)文本處理如信息抽取、信息檢索、文本分類等理論和技術(shù)相結(jié)合的產(chǎn)物，它得到了越來(lái)越多研究人員的關(guān)注。中醫(yī)藥作為傳統(tǒng)醫(yī)學(xué)組成部分，包含著豐富的知識(shí)。幾千年的醫(yī)學(xué)實(shí)踐積累獲得了大量的數(shù)據(jù)，特別是在中醫(yī)藥文獻(xiàn)領(lǐng)域有著許多未知的知識(shí)。本文依據(jù)Swanson教授的非相關(guān)文獻(xiàn)知識(shí)發(fā)現(xiàn)的思想，在中醫(yī)藥文獻(xiàn)領(lǐng)域進(jìn)行文本挖掘。本文在多個(gè)方面如中醫(yī)術(shù)語(yǔ)、關(guān)聯(lián)關(guān)系以及文本分類等進(jìn)行了研究。本文研究?jī)?nèi)容

2、如下： 首先從理論上介紹了文本挖掘的建立過(guò)程，指出了本文基于空間向量模型作為文本特征值的研究方法，并對(duì)特征值的選取、提取和權(quán)重給予了說(shuō)明，并依據(jù)此闡述了本文建立文本數(shù)據(jù)庫(kù)的流程。 其次研究了非相關(guān)文獻(xiàn)的知識(shí)發(fā)現(xiàn)方法如Swanson的隱含知識(shí)發(fā)現(xiàn)方法，提出了本文的工作模型和系統(tǒng)結(jié)構(gòu)最后從理論上研究了挖掘關(guān)聯(lián)規(guī)則方法中經(jīng)典的Apriori算法和Max-Miner算法，指出了它們的不足，提出了一種基于集合枚舉樹(shù)的改進(jìn)的Max-