藥物專利的數(shù)據(jù)挖掘技術研究.pdf

1、目前，英、美、法等發(fā)達國家已經建成了世界權威的專利數(shù)據(jù)庫，對藥物化學專利文獻處理方面的技術比較成熟，我國近幾年也十分重視藥物化學信息資源的建設和計算機處理水平的發(fā)展并取得了一定的成果。事實證明對專利文獻深度挖掘和高技術處理能夠明顯提高數(shù)據(jù)庫的查全率和查準率，本文以此為出發(fā)點，使用目前被廣泛應用于各個領域的數(shù)據(jù)挖掘技術全面處理了藥物專利中包含的化學結構圖形和文本信息。 本論文運用面向對象編程技術，使用C++編程語言完善了本課題組開

2、發(fā)的化學結構圖形輸入輸出軟件StruDraw，實現(xiàn)了文字向結構圖形的翻譯功能。用戶只需輸入要查找的化合物名稱便可在圖形輸出界面得到所需的化學結構圖形，免去了費時費力查找資料的過程。 本文的重點是藥物專利文本信息的處理。保證查全率和查準率的關鍵在于專利文獻的分類準確度，數(shù)據(jù)挖掘類型之一便是文本的自動分類，機器學習算法是實現(xiàn)數(shù)據(jù)挖掘技術的手段。本文為實現(xiàn)藥物專利分類的機器處理，結合藥物專利本身特點，使用機器學習算法實現(xiàn)了專利文本自動

3、分類。首先對，2000余份藥物專利按照治療功能分類，抽取其中五類作為訓練樣本，對每一類提取特征文本，使用向量空間模型將非結構化的文本進行數(shù)字化表示，分別使用支持向量機(Support Vector Machine，SVM)，樸素貝葉斯(Naive Bayes，NB)，徑向基神經網絡(Radical Basis Function Network，RBFNetwork)對專利樣本進行分類測試，并通過各種分類模型評估指標對這三種分類算法進行了