發(fā)布時間：2017-08-25 09:32

  本文關鍵詞：基于條件隨機場的癥狀信息抽取研究與應用

  更多相關文章： 癥狀信息抽取 命名實體識別 條件隨機場 藥品推薦

【摘要】：隨著信息化社會的快速發(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)新的浪潮當中�！盎ヂ�(lián)網(wǎng)+醫(yī)療”已成為了當今社會對醫(yī)療體驗的迫切需求。癥狀信息抽取是醫(yī)療信息整合及藥品推薦系統(tǒng)等多種應用的技術支撐之一。本文對癥狀信息抽取進行了分析研究。研究內(nèi)容包括：1、研究基于條件隨機場的癥狀信息自動抽取方法。對藥品說明書文本結構及表達方式進行分析,在此基礎上提取癥狀信息的關鍵特征：癥狀主體及癥狀表達形式特征；利用條件隨機場模型結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標注結果的癥狀信息交叉匹配算法。通過分析癥狀主體和癥狀表現(xiàn)形式的自動標注結果與癥狀信息識別結果的關聯(lián)性,提出了癥狀信息交叉匹配方法,根據(jù)后期識別的癥狀信息交叉驗證癥狀主體及癥狀表現(xiàn)形式識別的結果。3、研究基于藥品適應癥癥狀庫的藥品推薦方法。分析了適應癥與藥品的相關關系以及用戶輸入文本與推薦藥品間的關系。依據(jù)TF-IDF權重計算方法提出了癥狀權重量化方法,并以此為基礎結合癥狀集最大覆蓋原則推導了相關藥品排名算法。4、設計多組對照實驗研究了基于條件隨機場的癥狀信息抽取方法的有效性。實驗結果表明,基于條件隨機場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場模型和基于隱馬爾科夫模型的癥狀信息抽取能達到更高的準確率及召回率。實驗證明,基于條件隨機場的癥狀信息抽取方法能夠提高癥狀信息抽取的準確率及召回率,且能較準確地識別出癥狀主體與癥狀表現(xiàn)形式。藥品推薦有效性實驗證明本文提出的癥狀權重量化算法方法對相關推薦藥品的排名結果是合理的,可解釋的。
【關鍵詞】：癥狀信息抽取 命名實體識別 條件隨機場 藥品推薦
【學位授予單位】：北京化工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：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18-19
• 1.3.1 主要研究工作18-19
• 1.3.2 創(chuàng)新點19
• 1.4 本文章節(jié)安排19-21
• 第二章 相關理論21-29
• 2.1 信息抽取相關技術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 條件隨機場23-24
• 2.1.4 有監(jiān)督的實體關系抽取24
• 2.1.5 半監(jiān)督的實體關系抽取24
• 2.2 加權方法24-26
• 2.2.1 布爾函數(shù)25
• 2.2.2 TF-IDF權重25-26
• 2.3 推薦技術26-27
• 2.3.1 推薦技術概述26
• 2.3.2 基于內(nèi)容的推薦26
• 2.3.3 基于協(xié)同過濾的推薦26-27
• 2.3.4 基于知識的推薦27
• 2.4 本章小結27-29
• 第三章 基于條件隨機場的醫(yī)藥領域癥狀信息抽取29-37
• 3.1 癥狀信息抽取流程29-30
• 3.2 標注集選擇及標注方案30-32
• 3.2.1 標注集選擇30-31
• 3.2.2 標注方案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 自動標注產(chǎn)生的問題33-34
• 3.4.2 癥狀信息交叉匹配方法34-35
• 3.5 本章小結35-37
• 第四章 藥品推薦系統(tǒng)37-49
• 4.1 系統(tǒng)總體設計37-38
• 4.2 癥狀庫設計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練39-41
• 4.3.2 癥狀信息抽取41-43
• 4.4 癥狀權重計算模塊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47-49
• 第五章 實驗分析49-59
• 5.1 實驗數(shù)據(jù)采集49-50
• 5.2 癥狀信息抽取有效性驗證實驗50-56
• 5.2.1 實驗方案50-52
• 5.2.2 實驗評價方法52-53
• 5.2.3 實驗結果及分析53-56
• 5.3 藥品推薦系統(tǒng)效果驗證實驗56-57
• 5.4 本章小結57-59
• 第六章 總結與展望59-61
• 6.1 總結59
• 6.2 展望59-61
• 參考文獻61-65
• 致謝65-67
• 研究成果及發(fā)表的學術論文67-69
• 作者及導師介紹69-71
• 附件71-72

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王巍;趙鐵軍;辛國棟;徐永東;;基于條件隨機域模型的比較要素抽取研究[J];自動化學報;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性化推薦[J];計算機科學;2015年05期

3 劉凱;周雪忠;于劍;張潤順;;基于條件隨機場的中醫(yī)臨床病歷命名實體抽取[J];計算機工程;2014年09期

4 劉建偉;黎海恩;羅雄麟;;概率圖模型表示理論[J];計算機科學;2014年09期

5 胡勛;孟祥武;張玉潔;史艷翠;;一種融合項目特征和移動用戶信任關系的推薦算法[J];軟件學報;2014年08期

6 孫光福;吳樂;劉淇;朱琛;陳恩紅;;基于時序行為的協(xié)同過濾推薦算法[J];軟件學報;2013年11期

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

8 葉楓;陳鶯鶯;周根貴;李昊e，

本文編號：736341