基于中醫(yī)藥非相關文獻知識發(fā)現的研究.pdf

1、文本挖掘是人工智能、機器學習、自然語言處理、數據挖掘及相關自動文本處理如信息抽取、信息檢索、文本分類等理論和技術相結合的產物，它得到了越來越多研究人員的關注。中醫(yī)藥作為傳統(tǒng)醫(yī)學組成部分，包含著豐富的知識。幾千年的醫(yī)學實踐積累獲得了大量的數據，特別是在中醫(yī)藥文獻領域有著許多未知的知識。本文依據Swanson教授的非相關文獻知識發(fā)現的思想，在中醫(yī)藥文獻領域進行文本挖掘。本文在多個方面如中醫(yī)術語、關聯(lián)關系以及文本分類等進行了研究。本文研究內容

2、如下： 首先從理論上介紹了文本挖掘的建立過程，指出了本文基于空間向量模型作為文本特征值的研究方法，并對特征值的選取、提取和權重給予了說明，并依據此闡述了本文建立文本數據庫的流程。 其次研究了非相關文獻的知識發(fā)現方法如Swanson的隱含知識發(fā)現方法，提出了本文的工作模型和系統(tǒng)結構最后從理論上研究了挖掘關聯(lián)規(guī)則方法中經典的Apriori算法和Max-Miner算法，指出了它們的不足，提出了一種基于集合枚舉樹的改進的Max-