循證醫(yī)學網絡文獻的分類方法及其應用研究.pdf

1、分類號UDC密級單位代碼」衛(wèi)1創(chuàng)二一一一循證醫(yī)學網絡文獻的分類方法及其應用研究甘新玲指導教師魯明羽職稱教授學位授予單位大連海事大學申請學位級別工學碩士學科與專業(yè)計算機軟件與理論論文完成日期2008年5月論文答辯日期2008年6月答辯委員會主席了冬拆7、中文摘要摘要循證醫(yī)學(EBM)已成為國際醫(yī)學界主流醫(yī)療模式，它實施的關鍵是獲取和篩選最佳證據，形成EBM系統評價和實踐指南。隨著互聯網的迅速發(fā)展，目前有海量的醫(yī)學文獻以網頁的形式出現，面對

2、如此之多的信息，僅靠人工進行分類和管理已經力所不及。因此，急需得到有效的網頁分類方法以及其它智能信息處理技術的支持。本文在總結己有研究成果的基礎上，重點對網頁分類中的一些較為關鍵的技術進行了研究，并提出了一些自己的觀點和解決方法。本文主要工作包括以下幾個方面:(l)對網頁預處理和網頁分類方法進行了學習和研究。特別是在對英文網頁的預處理方面，找到了一些有效的方法，如網頁標題內容提取法、英文詞干提取技術等。(2)提出了一種基于網頁摘要的加權

3、NaiveBayesian分類方法。首先利用LUHN和LSA兩種網頁摘要方法從網頁中抽取關鍵信息，并根據特征評估函數進行權重調整，然后構造加權NaiveBayesian分類器。實驗結果證明，基于網頁摘要的加權NaiveBayesian分類方法可使分類精度提高6%至9%。(3)對組合分類模型進行了研究，提出了一種使用Boosting組合學習算法提升SVM分類器的方法，訓練文本的內容為抽取的網頁摘要信息。實驗結果表明使用Boosting算法