本文關(guān)鍵詞：基于條件隨機(jī)場(chǎng)的癥狀信息抽取研究與應(yīng)用

  更多相關(guān)文章： 癥狀信息抽取 命名實(shí)體識(shí)別 條件隨機(jī)場(chǎng) 藥品推薦

【摘要】：隨著信息化社會(huì)的快速發(fā)展,“互聯(lián)網(wǎng)+”的思想已經(jīng)逐步滲入到各行各業(yè)改革創(chuàng)新的浪潮當(dāng)中�！盎ヂ�(lián)網(wǎng)+醫(yī)療”已成為了當(dāng)今社會(huì)對(duì)醫(yī)療體驗(yàn)的迫切需求。癥狀信息抽取是醫(yī)療信息整合及藥品推薦系統(tǒng)等多種應(yīng)用的技術(shù)支撐之一。本文對(duì)癥狀信息抽取進(jìn)行了分析研究。研究?jī)?nèi)容包括：1、研究基于條件隨機(jī)場(chǎng)的癥狀信息自動(dòng)抽取方法。對(duì)藥品說(shuō)明書(shū)文本結(jié)構(gòu)及表達(dá)方式進(jìn)行分析,在此基礎(chǔ)上提取癥狀信息的關(guān)鍵特征：癥狀主體及癥狀表達(dá)形式特征；利用條件隨機(jī)場(chǎng)模型結(jié)合其他基本本文特征建立癥狀信息抽取模型。2、研究并提出了基于癥狀信息文本自動(dòng)標(biāo)注結(jié)果的癥狀信息交叉匹配算法。通過(guò)分析癥狀主體和癥狀表現(xiàn)形式的自動(dòng)標(biāo)注結(jié)果與癥狀信息識(shí)別結(jié)果的關(guān)聯(lián)性,提出了癥狀信息交叉匹配方法,根據(jù)后期識(shí)別的癥狀信息交叉驗(yàn)證癥狀主體及癥狀表現(xiàn)形式識(shí)別的結(jié)果。3、研究基于藥品適應(yīng)癥癥狀庫(kù)的藥品推薦方法。分析了適應(yīng)癥與藥品的相關(guān)關(guān)系以及用戶輸入文本與推薦藥品間的關(guān)系。依據(jù)TF-IDF權(quán)重計(jì)算方法提出了癥狀權(quán)重量化方法,并以此為基礎(chǔ)結(jié)合癥狀集最大覆蓋原則推導(dǎo)了相關(guān)藥品排名算法。4、設(shè)計(jì)多組對(duì)照實(shí)驗(yàn)研究了基于條件隨機(jī)場(chǎng)的癥狀信息抽取方法的有效性。實(shí)驗(yàn)結(jié)果表明,基于條件隨機(jī)場(chǎng)的分步癥狀抽取方法可以獲取癥狀的分解信息,并相較于單純的基于條件隨機(jī)場(chǎng)模型和基于隱馬爾科夫模型的癥狀信息抽取能達(dá)到更高的準(zhǔn)確率及召回率。實(shí)驗(yàn)證明,基于條件隨機(jī)場(chǎng)的癥狀信息抽取方法能夠提高癥狀信息抽取的準(zhǔn)確率及召回率,且能較準(zhǔn)確地識(shí)別出癥狀主體與癥狀表現(xiàn)形式。藥品推薦有效性實(shí)驗(yàn)證明本文提出的癥狀權(quán)重量化算法方法對(duì)相關(guān)推薦藥品的排名結(jié)果是合理的,可解釋的。
【關(guān)鍵詞】：癥狀信息抽取 命名實(shí)體識(shí)別 條件隨機(jī)場(chǎng) 藥品推薦
【學(xué)位授予單位】：北京化工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R-05;TP391.1
【目錄】：

• 摘要4-6
• ABSTRACT6-15
• 第一章 緒論15-21
• 1.1 研究背景和意義15-16
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀16-18
• 1.2.1 信息抽取研究現(xiàn)狀16-17
• 1.2.2 推薦系統(tǒng)研究現(xiàn)狀17-18
• 1.3 主要研究工作及創(chuàng)新點(diǎn)18-19
• 1.3.1 主要研究工作18-19
• 1.3.2 創(chuàng)新點(diǎn)19
• 1.4 本文章節(jié)安排19-21
• 第二章 相關(guān)理論21-29
• 2.1 信息抽取相關(guān)技術(shù)21-24
• 2.1.1 信息抽取概述21
• 2.1.2 隱馬爾科夫21-23
• 2.1.3 條件隨機(jī)場(chǎng)23-24
• 2.1.4 有監(jiān)督的實(shí)體關(guān)系抽取24
• 2.1.5 半監(jiān)督的實(shí)體關(guān)系抽取24
• 2.2 加權(quán)方法24-26
• 2.2.1 布爾函數(shù)25
• 2.2.2 TF-IDF權(quán)重25-26
• 2.3 推薦技術(shù)26-27
• 2.3.1 推薦技術(shù)概述26
• 2.3.2 基于內(nèi)容的推薦26
• 2.3.3 基于協(xié)同過(guò)濾的推薦26-27
• 2.3.4 基于知識(shí)的推薦27
• 2.4 本章小結(jié)27-29
• 第三章 基于條件隨機(jī)場(chǎng)的醫(yī)藥領(lǐng)域癥狀信息抽取29-37
• 3.1 癥狀信息抽取流程29-30
• 3.2 標(biāo)注集選擇及標(biāo)注方案30-32
• 3.2.1 標(biāo)注集選擇30-31
• 3.2.2 標(biāo)注方案31-32
• 3.3 特征選擇32-33
• 3.3.1 詞性特征32-33
• 3.3.2 上下文窗口特征33
• 3.3.3 癥狀主體特征和癥狀表現(xiàn)形式特征33
• 3.4 癥狀信息交叉匹配33-35
• 3.4.1 自動(dòng)標(biāo)注產(chǎn)生的問(wèn)題33-34
• 3.4.2 癥狀信息交叉匹配方法34-35
• 3.5 本章小結(jié)35-37
• 第四章 藥品推薦系統(tǒng)37-49
• 4.1 系統(tǒng)總體設(shè)計(jì)37-38
• 4.2 癥狀庫(kù)設(shè)計(jì)38-39
• 4.3 癥狀信息抽取模塊39-43
• 4.3.1 癥狀信息抽取模型訓(xùn)練39-41
• 4.3.2 癥狀信息抽取41-43
• 4.4 癥狀權(quán)重計(jì)算模塊43-44
• 4.5 癥狀匹配模塊44-45
• 4.6 藥品推薦模塊45-47
• 4.6.1 藥品排名算法45-46
• 4.6.2 藥品推薦46-47
• 4.7 本章小結(jié)47-49
• 第五章 實(shí)驗(yàn)分析49-59
• 5.1 實(shí)驗(yàn)數(shù)據(jù)采集49-50
• 5.2 癥狀信息抽取有效性驗(yàn)證實(shí)驗(yàn)50-56
• 5.2.1 實(shí)驗(yàn)方案50-52
• 5.2.2 實(shí)驗(yàn)評(píng)價(jià)方法52-53
• 5.2.3 實(shí)驗(yàn)結(jié)果及分析53-56
• 5.3 藥品推薦系統(tǒng)效果驗(yàn)證實(shí)驗(yàn)56-57
• 5.4 本章小結(jié)57-59
• 第六章 總結(jié)與展望59-61
• 6.1 總結(jié)59
• 6.2 展望59-61
• 參考文獻(xiàn)61-65
• 致謝65-67
• 研究成果及發(fā)表的學(xué)術(shù)論文67-69
• 作者及導(dǎo)師介紹69-71
• 附件71-72

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王巍;趙鐵軍;辛國(guó)棟;徐永東;;基于條件隨機(jī)域模型的比較要素抽取研究[J];自動(dòng)化學(xué)報(bào);2015年08期

2 王龍;王嘉倫;程轉(zhuǎn)麗;李然;張引;;基于張量分解的藥品個(gè)性化推薦[J];計(jì)算機(jī)科學(xué);2015年05期

3 劉凱;周雪忠;于劍;張潤(rùn)順;;基于條件隨機(jī)場(chǎng)的中醫(yī)臨床病歷命名實(shí)體抽取[J];計(jì)算機(jī)工程;2014年09期

4 劉建偉;黎海恩;羅雄麟;;概率圖模型表示理論[J];計(jì)算機(jī)科學(xué);2014年09期

5 胡勛;孟祥武;張玉潔;史艷翠;;一種融合項(xiàng)目特征和移動(dòng)用戶信任關(guān)系的推薦算法[J];軟件學(xué)報(bào);2014年08期

6 孫光福;吳樂(lè);劉淇;朱琛;陳恩紅;;基于時(shí)序行為的協(xié)同過(guò)濾推薦算法[J];軟件學(xué)報(bào);2013年11期

7 顧進(jìn)廣;羅超;黃智生;;基于中文自然語(yǔ)言的合理用藥查詢[J];工業(yè)控制計(jì)算機(jī);2013年08期

8 葉楓;陳鶯鶯;周根貴;李昊e，

本文編號(hào)：736341