本文關(guān)鍵詞： 支持度閾值 序列模式挖掘 加權(quán)序列規(guī)則 推薦 高血壓　出處：《太原理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：在海量的醫(yī)療數(shù)據(jù)中發(fā)現(xiàn)潛在的有趣的及有價(jià)值的知識(shí),已成為當(dāng)前研究的熱點(diǎn)。針對(duì)高血壓的藥物治療方案進(jìn)行挖掘,發(fā)現(xiàn)其中隱藏的有價(jià)值的知識(shí),為臨床診療提供科學(xué)合理的輔助和推薦,避免醫(yī)療異常行為的發(fā)生具有重要的意義。針對(duì)以上提出的問題,本文在高血壓藥物治療,序列模式挖掘,推薦算法等方面做了大量深入的研究,主要完成了以下工作:(1)首先,針對(duì)傳統(tǒng)序列模式挖掘算法對(duì)支持度閾值靜態(tài)指定的問題,提出了基于支持度閾值動(dòng)態(tài)選擇的序列模式挖掘算法。該算法根據(jù)頻繁序列數(shù)目與支持度閾值之間的關(guān)系,采用曲線擬合的統(tǒng)計(jì)方法,構(gòu)建了支持度閾值隨頻繁序列數(shù)目變化的關(guān)系模型,用于確定支持度閾值的范圍,在此范圍內(nèi)動(dòng)態(tài)選擇支持度閾值。用Sign Language、BIBLE、MSNBC三個(gè)數(shù)據(jù)集進(jìn)行了測(cè)試,結(jié)果表明該算法是合理有效的。(2)針對(duì)基于規(guī)則的推薦算法在高血壓藥物的推薦中,只考慮藥物之間的相關(guān)性,而不考慮患者的其它身體指標(biāo),缺乏科學(xué)性的問題,本文提出來一種針對(duì)高血壓藥物治療的加權(quán)序列規(guī)則推薦算法。該算法依據(jù)高血壓危險(xiǎn)分層對(duì)患者的處方進(jìn)行加權(quán),將挖掘得到的帶有權(quán)值的序列規(guī)則用于推薦。(3)結(jié)合高血壓患者的電子病歷數(shù)據(jù),基于以上兩個(gè)算法,對(duì)藥物治療頻繁序列及推薦進(jìn)行了研究。將預(yù)處理后的加權(quán)數(shù)據(jù)進(jìn)行訓(xùn)練,得到支持度閾值和頻繁序列數(shù)目的關(guān)系模型的參數(shù)。因?yàn)橥诰虻慕Y(jié)果將作為推薦的知識(shí)庫(kù),所以這里選擇支持度為0.0024,挖掘得到帶有權(quán)值的頻繁序列。再將頻繁序列轉(zhuǎn)換為帶有權(quán)值的序列規(guī)則,并用于推薦。通過支持度閾值的確定和基于加權(quán)序列規(guī)則的推薦,很好的提高了高血壓藥物推薦的科學(xué)性和合理性,下一步工作將是推薦系統(tǒng)的實(shí)現(xiàn)。
[Abstract]:The discovery of potentially interesting and valuable knowledge in vast amounts of medical data has become a hot topic of current research. It is of great significance to provide scientific and reasonable assistance and recommendation for clinical diagnosis and treatment and to avoid the occurrence of abnormal medical behavior. The following work has been done: firstly, aiming at the problem of static specifying the support threshold of the traditional sequential pattern mining algorithm, we have done a lot of research on the recommendation algorithm. This paper presents a sequential pattern mining algorithm based on dynamic selection of support threshold, which adopts the statistical method of curve fitting according to the relationship between the number of frequent sequences and the support threshold. A relational model of support threshold varying with the number of frequent sequences is constructed, which is used to determine the range of support threshold, in which the support threshold is dynamically selected. The results show that the proposed algorithm is reasonable and effective. (2) in the recommendation of hypertension drugs, the rule-based recommendation algorithm only considers the correlation between the drugs, but does not consider the other physical indicators of the patients, which is lack of scientific problem. In this paper, a weighted sequence rule recommendation algorithm for the treatment of hypertension drugs is proposed, in which the prescriptions of patients are weighted according to the risk stratification of hypertension. The weighted sequence rule is used to recommend the EMR data of hypertension patients. Based on the above two algorithms, the frequent sequence and recommendation of drug treatment are studied. The weighted data after preprocessing are trained. The parameters of the relational model of the support threshold and the number of frequent sequences are obtained, because the results of the mining will be used as the recommended knowledge base, So the support degree is 0.0024, the frequent sequence with weight is mined, and then the frequent sequence is converted into sequence rule with weighted value, which is used for recommendation. Through the determination of support threshold and the recommendation based on weighted sequence rule, It improves the science and rationality of the recommendation of hypertension drugs, the next step will be the realization of the recommendation system.
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP311.13;TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 姚彬修;倪建成;于蘋蘋;李淋淋;曹博;;基于多源信息相似度的微博用戶推薦算法[J];計(jì)算機(jī)應(yīng)用;2017年05期

2 鄒凌君;陳];李娟;;時(shí)間加權(quán)的混合推薦算法[J];計(jì)算機(jī)科學(xué);2016年S2期

3 孫永山;趙海峰;湯振宇;李旦;馬猛;陳榮;;基于序列模式挖掘的基因剪接位點(diǎn)[J];數(shù)據(jù)采集與處理;2016年05期

4 王鑫;劉方愛;;改進(jìn)的多數(shù)據(jù)流協(xié)同頻繁項(xiàng)集挖掘算法[J];計(jì)算機(jī)應(yīng)用;2016年07期

5 鄭誠(chéng);沈磊;代寧;;基于類序列規(guī)則的中文微博情感分類[J];計(jì)算機(jī)工程;2016年02期

6 程思遠(yuǎn);馬超;李聰聰;;基于MapReduce的高效用序列模式挖掘算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2015年12期

7 楊皓;段磊;胡斌;鄧松;王文韜;秦攀;;帶間隔約束的Top-k對(duì)比序列模式挖掘[J];軟件學(xué)報(bào);2015年11期

8 劉端陽;馮建;李曉粉;;一種基于邏輯的頻繁序列模式挖掘算法[J];計(jì)算機(jī)科學(xué);2015年05期

9 康晨;宋幸幸;田會(huì)玲;付先軍;;基于知識(shí)發(fā)現(xiàn)的催乳方劑及中藥配伍規(guī)律挖掘[J];中國(guó)中醫(yī)藥圖書情報(bào)雜志;2015年01期

10 江周峰;楊俊;鄂海紅;;結(jié)合社會(huì)化標(biāo)簽的基于內(nèi)容的推薦算法[J];軟件;2015年01期

相關(guān)博士學(xué)位論文 前1條

1 夏培勇;個(gè)性化推薦技術(shù)中的協(xié)同過濾算法研究[D];中國(guó)海洋大學(xué);2011年

相關(guān)碩士學(xué)位論文 前9條

1 李富義;人類蛋白質(zhì)糖基化位點(diǎn)預(yù)測(cè)的數(shù)據(jù)挖掘技術(shù)研究[D];西北農(nóng)林科技大學(xué);2016年

2 張傳玉;基于序列模式挖掘的臨床異常行為檢測(cè)[D];江蘇大學(xué);2016年

3 張拭瑜;醫(yī)院管理系統(tǒng)中數(shù)據(jù)挖掘的應(yīng)用研究[D];吉林大學(xué);2015年

4 徐田田;基于多支持度的負(fù)頻繁模式挖掘關(guān)鍵技術(shù)研究[D];齊魯工業(yè)大學(xué);2015年

5 張凱;數(shù)據(jù)挖掘技術(shù)在醫(yī)療費(fèi)用數(shù)據(jù)中的應(yīng)用研究[D];北京郵電大學(xué);2015年

6 沈嫻;數(shù)據(jù)挖掘在電子病歷上的應(yīng)用[D];河北科技大學(xué);2014年

7 馮建;基于命題邏輯的頻繁序列模式挖掘算法的研究[D];浙江工業(yè)大學(xué);2014年

8 呂春陽;面向數(shù)據(jù)流的Top-k頻繁閉項(xiàng)集挖掘算法研究[D];哈爾濱工程大學(xué);2012年

9 常帥;序列模式挖掘在醫(yī)療保險(xiǎn)上的應(yīng)用[D];鄭州大學(xué);2011年

，

本文編號(hào)：1508056