基于MeSH的医学文献主题分类与可视化研究

发布时间：2021-10-30 23:07

　　医学文献数量爆炸式的增长,医生和研究人员如何快速分析大规模文献数据、迅速有效地获得有用信息是一个巨大的挑战。本文研究文献自动分类与文献主题可视化技术,能够将传统的数据分析方法与文献信息数据的处理算法相结合,帮助研究人员获取研究信息。文献自动分类技术可以在文献探究的初步阶段作为知识发现、分析的启发式方法,进行有意义的经验聚集与内容比较。我们提出一种基于组合特征的医学领域文献主题分类算法,用于解决医学文献中由于医学文献术语复杂,数量多引起的分类问题。本文的算法首先提取文献信息构建基于MeSH（Medical Subject Headings）主题词与LDA（Latent Dirichlet allocation）潜在概率的组合特征向量,可以进入语义层面提取文献特征;然后采用支持向量机（Support Vector Machine）作为算法的分类模型,在组合特征向量空间中构建可以将文献进行分类的最优超平面。本文使用TREC-2005中的文献集进行文献主题多分类实验,本文算法的准确率达到72%,相比于传统的基于MeSH分类算法65%、MeSH主题词加权的分类算法53%的准确率,有效地提高了医学... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 医学文献国内外研究历史与现状
        1.2.1 文献主题分类的研究
        1.2.2 主题可视化研究
    1.3 本文的主要贡献与创新
    1.4 本文结构安排
第二章 基于组合特征向量的医学文献主题分类算法研究
    2.1 算法主要解决问题
    2.2 算法主要思想与原理
    2.3 算法设计与实现
        2.3.1 文献预处理阶段
        2.3.2 特征构建阶段
        2.3.3 文献主题分类模型构建
    2.4 分类实验与结果分析
        2.4.1 实验环境
        2.4.2 文献数据集
        2.4.3 特征构建与分类模型参数设置
        2.4.4 评估标准与分类结果
    2.5 结果讨论
    2.6 本章小结
第三章 基于MeSH的医学文献主题可视化方法研究
    3.1 文献主题研究进展与可视化问题分析
    3.2 基于MeSH共现的文献主题可视化方法设计
        3.2.1 方法原理
        3.2.2 实现流程
    3.3医学文献主题可视化实验
        3.3.1 实验环境
        3.3.2 实验数据来源
        3.3.3 主题交叉分析可视化实验验证
        3.3.4 主题趋势可视化实验验证
    3.4 结果分析
        3.4.1 结构图图示说明
        3.4.2 两种主题交叉可视化方法比较
        3.4.3 趋势图图示说明
        3.4.4 两种趋势图可视化方法比较
    3.5 本章小结
第四章 总结与展望
致谢
参考文献


【参考文献】：
期刊论文
[1]基于上下文特征的领域文献实体消歧算法[J]. 王静,谭绍峰,贺东东,陈建辉,闫健卓.  北京生物医学工程. 2018(04)
[2]多维主题演化分析模型构建与实证研究[J]. 刘自强,王效岳,白如江.  情报理论与实践. 2017(03)
[3]生物医学文献中的术语分类和术语映射研究[J]. 周玉新.  智能城市. 2016(09)
[4]基于Citespace Ⅲ的大数据研究的可视化分析[J]. 姜俊锋,丁香乾,侯瑞春,曲丽君.  计算机与数字工程. 2016(02)
[5]基于LDA模型的研究领域热点及趋势分析[J]. 杨星,李保利,金明举.  计算机技术与发展. 2012(10)
[6]数据挖掘和知识发现领域热点主题分析[J]. 吴思竹.  情报杂志. 2010(07)
[7]MeSH词表的语义相似度计算研究[J]. 孙海霞,钱庆,吴英杰,李军莲.  现代图书情报技术. 2010(06)
[8]PubMed主题词检索与自由词检索的检索效率比较研究[J]. 胡德华,梁丽明.  情报科学. 2006(05)

硕士论文
[1]两种探测研究热点趋势的时间线方法比较[D]. 阮文静.大连理工大学 2017
[2]基于领域本体的生物医学文献挖掘算法研究及其系统实现[D]. 杨开欣.北京交通大学 2016



本文编号：3467592