一種非結(jié)構(gòu)化數(shù)據(jù)中醫(yī)知識(shí)抽取與關(guān)聯(lián)的方法.pdf

1、隨著計(jì)算機(jī)技術(shù)和Internet的飛速發(fā)展，數(shù)字圖書館以其便捷性和易訪問(wèn)性，正日益取代傳統(tǒng)圖書館作為知識(shí)傳播中心的地位，成為新興的數(shù)據(jù)和知識(shí)中心。然而數(shù)字圖書館的海量數(shù)字化資源大多是非結(jié)構(gòu)化的，其文本信息都很難被各種應(yīng)用程序識(shí)別和直接利用，更不用說(shuō)蘊(yùn)含在文本中的知識(shí)了。因此，基于文本處理的知識(shí)抽取和挖掘技術(shù)已經(jīng)成為數(shù)字圖書館領(lǐng)域的一個(gè)研究熱點(diǎn)，并且出現(xiàn)了許多基于不同原理的技術(shù)和方法。
　　 本文主要研究了非結(jié)構(gòu)化的中醫(yī)藥書籍文本

2、的知識(shí)抽取和關(guān)聯(lián)技術(shù)，并以此實(shí)現(xiàn)了一個(gè)中醫(yī)藥信息服務(wù)系統(tǒng)。該系統(tǒng)完成了中醫(yī)藥書籍文本的知識(shí)抽取和關(guān)聯(lián)工作，同時(shí)利用抽取和整合的信息輔助讀者查閱數(shù)字圖書館中的中醫(yī)藥文獻(xiàn)。
　　 知識(shí)抽取是利用支持向量機(jī)的方法完成的。首先設(shè)計(jì)中醫(yī)藥知識(shí)的概念體；其次為概念體的每個(gè)內(nèi)容設(shè)置一個(gè)支持向量機(jī)：然后根據(jù)中醫(yī)藥文本的排版布局特征、用詞特征以及內(nèi)容特征等設(shè)置各個(gè)支持向量機(jī)的特征向量；最后通過(guò)組合各單個(gè)概念體內(nèi)容的抽取模式得到整個(gè)概念的抽取模式。

3、此方法有效地解決了從非結(jié)構(gòu)化文本中抽取結(jié)構(gòu)化信息的難題。
　　 知識(shí)關(guān)聯(lián)著重于中醫(yī)藥知識(shí)點(diǎn)之間的關(guān)系挖掘，利用目錄文件中的分類層次結(jié)構(gòu)挖掘中醫(yī)藥知識(shí)點(diǎn)之間的直接聯(lián)系；利用字符串匹配或文本相似度比較挖掘中醫(yī)藥知識(shí)點(diǎn)之間的間接聯(lián)系；利用聚類的方法挖掘方劑間的潛在聯(lián)系。
　　 本文的所提的知識(shí)抽取和關(guān)聯(lián)技術(shù)，將中醫(yī)知識(shí)從非結(jié)構(gòu)化的文本中抽取出來(lái)，以特定的結(jié)構(gòu)存儲(chǔ)、組織，并對(duì)各知識(shí)點(diǎn)進(jìn)行有效的關(guān)聯(lián)，并在此基礎(chǔ)上實(shí)現(xiàn)了一個(gè)中醫(yī)藥信