半結(jié)構(gòu)化藥物數(shù)據(jù)智能分類技術(shù)研究與系統(tǒng)實(shí)現(xiàn)(全日制專業(yè)學(xué)位).pdf_第1頁
已閱讀1頁,還剩71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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著信息存儲(chǔ)技術(shù)和通訊技術(shù)的發(fā)展,各行業(yè)的信息量呈爆炸式增長,作為已有幾千年歷史的醫(yī)藥行業(yè)更是具有龐大的數(shù)據(jù)量。信息自動(dòng)分類技術(shù)已成為人們獲取有用信息不可或缺的工具,文本分類、郵件分類、網(wǎng)頁分類等已取得顯著成效,為很多行業(yè)的數(shù)據(jù)管理帶來了極大的方便。為了實(shí)現(xiàn)藥物數(shù)據(jù)的智能化管理,提高管理效率,本課題研究了如何把智能分類技術(shù)用于半結(jié)構(gòu)化的藥物數(shù)據(jù)處理,最后并設(shè)計(jì)實(shí)現(xiàn)了半結(jié)構(gòu)化藥物數(shù)據(jù)智能分類系統(tǒng)。
   通過對(duì)各種分詞技術(shù)和分類技

2、術(shù)的研究,并結(jié)合藥物數(shù)據(jù)的特點(diǎn),本課題借助IK分詞思想,采用自動(dòng)增量學(xué)習(xí)和人工增量學(xué)習(xí)相結(jié)合的增量式樸素貝葉斯分類模型實(shí)現(xiàn)了半結(jié)構(gòu)化藥物數(shù)據(jù)分類任務(wù)。本文的主要內(nèi)容如下:
   借鑒一般的文本分類流程,本文首先給出了系統(tǒng)的總體分類架構(gòu),并對(duì)每個(gè)環(huán)節(jié)給予了理論及技術(shù)介紹。通過對(duì)各種分詞方法的比較研究,結(jié)合藥物數(shù)據(jù)的特點(diǎn),本文在IK分詞思想的基礎(chǔ)上完成了中文藥物名稱分詞,并對(duì)分詞步驟、詞典庫的建立、算法時(shí)間復(fù)雜度給予了詳細(xì)描述。

3、r>   通過對(duì)特征選擇算法的深入分析,本文提出了一種既考慮類不相關(guān)詞匯對(duì)分類的貢獻(xiàn)又考慮特征項(xiàng)在類間分布情況的改進(jìn)的期望交叉熵算法,實(shí)驗(yàn)證明改進(jìn)的特征選擇算法具有更好的選擇效果。
   針對(duì)樸素貝葉斯模型不具有學(xué)習(xí)新實(shí)例的缺陷,并結(jié)合特征項(xiàng)在藥物名稱中的權(quán)重,本文提出了自動(dòng)增量學(xué)習(xí)和人工增量學(xué)習(xí)相結(jié)合的加權(quán)增量式樸素貝葉斯模型。并闡述了具體的修正算法,包括分類器修正和特征項(xiàng)集合修正。
   最后本文實(shí)現(xiàn)了半結(jié)構(gòu)化藥物

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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論