2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩81頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、近些年來,醫(yī)學(xué)病歷數(shù)據(jù)的爆炸式增長給信息檢索技術(shù)帶來了巨大挑戰(zhàn)。在目前使用最多的傳統(tǒng)檢索模型中,往往忽略了文本信息中隱藏的語義結(jié)構(gòu),而醫(yī)學(xué)病歷數(shù)據(jù)中存在的同義詞、多義詞等不確定因素的存在,使得用戶很難快速并準(zhǔn)確的檢索到相關(guān)信息。本文鑒于醫(yī)學(xué)病歷數(shù)據(jù)存在的特點(diǎn)及其所帶來的問題,主要對LSA(Latent Semantic Analysis)和LDA(Latent Dirichlet Allocation)兩種語義檢索模型進(jìn)行研究。

2、  LSA和LDA兩種模型有效克服了傳統(tǒng)檢索模型無法處理多義詞和同義詞的問題,對文本的潛在語義進(jìn)行挖掘,根據(jù)詞匯、文本、偽文本三者在語義上的關(guān)聯(lián)產(chǎn)生檢索結(jié)果,達(dá)到優(yōu)化檢索結(jié)果的目的。本文的研究在構(gòu)建的醫(yī)學(xué)領(lǐng)域中的語料庫基礎(chǔ)上主要包括以下幾個方面:
  1.針對LSA模型中傳統(tǒng)的TF-IDF權(quán)重計算方法仍舊基于線性的處理并且未體現(xiàn)特證詞出現(xiàn)的位置信息對其產(chǎn)生的重要影響問題,提出并實(shí)現(xiàn)了一種基于LSA改進(jìn)模型的醫(yī)學(xué)病歷語義檢索算法。L

3、SA改進(jìn)模型在計算權(quán)重時加入非線性處理及位置權(quán)重因子,通過截斷的奇異值分解建立潛在語義空間,并將詞匯和文本投影在該空間中,進(jìn)而提取詞匯間深層次的語義關(guān)系。同時,本文提出一種基于查準(zhǔn)率的確定最優(yōu)K值的方法。實(shí)驗(yàn)結(jié)果表明,改進(jìn)的LSA模型可以有效解決同義詞的問題,提高醫(yī)學(xué)病歷的檢索性能。
  2.針對傳統(tǒng)的檢索算法不能很好地處理大規(guī)模醫(yī)學(xué)病歷數(shù)據(jù)的問題,本文用LDA模型進(jìn)行主題建模,利用Gibbs抽樣進(jìn)行參數(shù)推理,間接計算模型參數(shù),獲

4、取文本在主題集上的概率分布。同時,本文提出一種確定最優(yōu)主題數(shù)目T的有效方法。最后,對實(shí)驗(yàn)結(jié)果數(shù)據(jù)進(jìn)行對比分析,驗(yàn)證了將LDA模型用于文本病歷語義檢索方面的可行性。
  3.針對LSA改進(jìn)模型采用的奇異值分解運(yùn)算時間復(fù)雜度較高并且不太適合處理動態(tài)變化的文本集及LDA模型未考慮特征詞權(quán)重影響的問題,提出并實(shí)現(xiàn)了一種基于組合模型的醫(yī)學(xué)病歷語義檢索算法。實(shí)驗(yàn)結(jié)果表明,該算法在保證召回率的前提下,可以相對提高醫(yī)學(xué)病歷檢索的準(zhǔn)確度,驗(yàn)證了提出

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論