漢語非相關(guān)文獻知識發(fā)現(xiàn)的研究與系統(tǒng)實現(xiàn).pdf

1、隨著科學(xué)技術(shù)的快速發(fā)展，學(xué)科分工愈來愈細。不同學(xué)科間表面上沒有任何聯(lián)系的文獻中，可能隱含著未被發(fā)現(xiàn)的有價值的關(guān)聯(lián)。挖掘文獻之間的這些隱含的聯(lián)系對科學(xué)發(fā)展具有重要推動作用。近20年來，情報工作者對這一領(lǐng)域展開了積極探討，美國芝加哥大學(xué)的情報學(xué)教授Don R．Swanson，首先以充分的文獻證據(jù)論證了基于非相關(guān)丈獻的知識發(fā)現(xiàn)思想。隨后，各國科學(xué)家都紛紛用不同的方法來測試和驗證Swanson的思想和結(jié)論，分析所采用的數(shù)據(jù)源皆為Medline記

2、錄。 本文繼承了Swanson的思想，以中國期刊網(wǎng)1979年到2006年全文數(shù)據(jù)庫生物醫(yī)藥衛(wèi)生領(lǐng)域的文獻為數(shù)據(jù)源，分別研究開放式和閉合式非相關(guān)文獻的知識發(fā)現(xiàn)算法，并實現(xiàn)基于漢語的非相關(guān)文獻知識發(fā)現(xiàn)系統(tǒng)。Swanson算法只對標題進行了處理，而本文將其算法進行了延伸，分別對標題和摘要都進行了處理。并且解決了處理漢語文獻過程遇到的許多實際問題，如漢語分詞、語詞多義性等等。 在研究開放式知識發(fā)現(xiàn)過程中，通過驗證“偏頭痛/鎂”這

3、對假設(shè)在漢語文獻中是否存在關(guān)聯(lián)，來判斷本文采用的開放式知識發(fā)現(xiàn)算法的可行性。開放式知識發(fā)現(xiàn)系統(tǒng)對標題和摘要分別進行了處理，算法都是模擬Swanson的思想。但是因為每個詞在每篇標題中只出現(xiàn)一次(大于一次的忽略)，而在摘要中可能出現(xiàn)大于一次的現(xiàn)象，所以在處理標題和摘要時，具體的算法公式略有區(qū)別。結(jié)論是，無論處理標題還是摘要，通過開始文獻，中間詞，目標詞的步驟都能從“偏頭痛”找到“鎂”。使用標題計算與使用摘要計算相比，優(yōu)點是速度快，缺點是找

4、到的中間詞不如以摘要計算多，而且找到的目標詞“鎂”的排列位置不如以摘要計算靠前。 閉合式知識發(fā)現(xiàn)過程，目的是通過書目不相關(guān)聯(lián)的“雷諾氏病/魚油”、“偏頭痛/鎂”之間的邏輯關(guān)聯(lián)的存在性，驗證本文采用的閉合式知識發(fā)現(xiàn)算法在漢語文獻中的可行性，若可行，則閉合式知識發(fā)現(xiàn)系統(tǒng)可以用來驗證開放式知識發(fā)現(xiàn)系統(tǒng)提出的假設(shè)是否準確。系統(tǒng)采用的是Swanson教授本人的閉合式知識發(fā)現(xiàn)算法，同樣對標題和摘要都進行了處理，結(jié)果發(fā)現(xiàn)用標題計算僅能求得部分