半結構化藥物數據智能分類技術研究與系統(tǒng)實現(xiàn)(全日制專業(yè)學位).pdf

1、隨著信息存儲技術和通訊技術的發(fā)展，各行業(yè)的信息量呈爆炸式增長，作為已有幾千年歷史的醫(yī)藥行業(yè)更是具有龐大的數據量。信息自動分類技術已成為人們獲取有用信息不可或缺的工具，文本分類、郵件分類、網頁分類等已取得顯著成效，為很多行業(yè)的數據管理帶來了極大的方便。為了實現(xiàn)藥物數據的智能化管理，提高管理效率，本課題研究了如何把智能分類技術用于半結構化的藥物數據處理，最后并設計實現(xiàn)了半結構化藥物數據智能分類系統(tǒng)。
　　 通過對各種分詞技術和分類技

2、術的研究，并結合藥物數據的特點，本課題借助IK分詞思想，采用自動增量學習和人工增量學習相結合的增量式樸素貝葉斯分類模型實現(xiàn)了半結構化藥物數據分類任務。本文的主要內容如下：
　　 借鑒一般的文本分類流程，本文首先給出了系統(tǒng)的總體分類架構，并對每個環(huán)節(jié)給予了理論及技術介紹。通過對各種分詞方法的比較研究，結合藥物數據的特點，本文在IK分詞思想的基礎上完成了中文藥物名稱分詞，并對分詞步驟、詞典庫的建立、算法時間復雜度給予了詳細描述。

3、r>　　 通過對特征選擇算法的深入分析，本文提出了一種既考慮類不相關詞匯對分類的貢獻又考慮特征項在類間分布情況的改進的期望交叉熵算法，實驗證明改進的特征選擇算法具有更好的選擇效果。
　　 針對樸素貝葉斯模型不具有學習新實例的缺陷，并結合特征項在藥物名稱中的權重，本文提出了自動增量學習和人工增量學習相結合的加權增量式樸素貝葉斯模型。并闡述了具體的修正算法，包括分類器修正和特征項集合修正。
　　 最后本文實現(xiàn)了半結構化藥物