Web醫(yī)療咨詢(xún)數(shù)據(jù)的檢索技術(shù)研究與實(shí)現(xiàn).pdf

1、Web已成為世界上最大的信息數(shù)據(jù)源，如何從海量 Web數(shù)據(jù)中檢索用戶(hù)感興趣的信息已成為工業(yè)界和學(xué)術(shù)界日益關(guān)注的熱點(diǎn)問(wèn)題之一。醫(yī)療一直是人們關(guān)注的熱點(diǎn)話(huà)題，與人們的生活緊密相關(guān)，人們利用互聯(lián)網(wǎng)檢索和咨詢(xún)病情也愈加頻繁。研究大規(guī)模醫(yī)療咨詢(xún)數(shù)據(jù)的查詢(xún)檢索技術(shù)具有重要的應(yīng)用價(jià)值和實(shí)際意義。
　　本文研究了信息檢索領(lǐng)域中的文本檢索方法，尤其是向量空間模型和 TFIDF算法。向量空間模型用向量表示文本，用向量間的余弦相似度表示文本間的相似度，

2、模型方法簡(jiǎn)單、直觀。TFIDF算法是計(jì)算文本中特征項(xiàng)權(quán)重的經(jīng)典算法，算法簡(jiǎn)單、有效，但該算法統(tǒng)一根據(jù)特征項(xiàng)在文本和文本集中的出現(xiàn)頻率來(lái)計(jì)算其權(quán)重。然而，Web醫(yī)療咨詢(xún)數(shù)據(jù)具有明顯的語(yǔ)義分段結(jié)構(gòu)特點(diǎn)，且咨詢(xún)文本中的部分特征項(xiàng)具有明確的專(zhuān)業(yè)領(lǐng)域意義，不適合用向量空間模型和 TFIDF算法來(lái)處理。針對(duì)上述問(wèn)題，本文首先提出了一個(gè)分段向量空間模型，接著將其應(yīng)用于 Web醫(yī)療咨詢(xún)數(shù)據(jù)的檢索中，最后從不同的視角對(duì)Web醫(yī)療咨詢(xún)數(shù)據(jù)進(jìn)行了分析。本文主

3、要做了以下幾方面的工作：
　　(1)研究了文本檢索領(lǐng)域中的向量空間模型及TFIDF算法，提出了一個(gè)分段向量空間模型。根據(jù)文本固有的語(yǔ)義分段結(jié)構(gòu)特點(diǎn)，將文本表示成分段向量，分段向量的各部分可以用不同的方法分別計(jì)算分量值和相似度，最后計(jì)算各部分相似度的加權(quán)和作為兩向量的總相似度。分段向量空間模型具有表示靈活性，從而提高檢索結(jié)果的準(zhǔn)確率和時(shí)空效率。
　　(2)研究了Web醫(yī)療咨詢(xún)數(shù)據(jù)的特點(diǎn)，接著對(duì)Web醫(yī)療咨詢(xún)數(shù)據(jù)進(jìn)行預(yù)處理，然后

4、將SVSM模型應(yīng)用于Web醫(yī)療咨詢(xún)數(shù)據(jù)的檢索中，在真實(shí) Web醫(yī)療咨詢(xún)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果驗(yàn)證了本文所提出的分段向量空間模型在提升檢索結(jié)果準(zhǔn)確率方面的有效性。
　　(3)從不同的視角對(duì)Web醫(yī)療咨詢(xún)數(shù)據(jù)進(jìn)行了分析。一是從用戶(hù)的基本信息的視角，其中又包括用戶(hù)性別、年齡和地區(qū)的分析，分析目標(biāo)是探究疾病在性別、年齡和地區(qū)上的分布情況，分析工具采用SAP HANA內(nèi)存數(shù)據(jù)庫(kù)；二是從病情描述的視角，其中又包括病癥和藥物的分析，分析目標(biāo)是探究與