基于Nutch的醫(yī)學(xué)信息搜索推薦系統(tǒng)研究與應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)快速發(fā)展，醫(yī)學(xué)行業(yè)大量的文獻(xiàn)資料、數(shù)據(jù)庫(kù)等資源被分享到互聯(lián)網(wǎng)上，而這些資源需要通過(guò)搜索引擎進(jìn)行搜索才能找到。通用的搜索引擎使用人群較廣，覆蓋領(lǐng)域較寬，雖然在用戶(hù)查詢(xún)的時(shí)候也會(huì)給出推薦詞，但是這些推薦詞都是跟查詢(xún)?cè)~語(yǔ)義相關(guān)的詞。實(shí)際上搜索不僅是找到用戶(hù)查詢(xún)?cè)~語(yǔ)義相關(guān)的信息，而且要滿(mǎn)足用戶(hù)多方面的搜索意圖。查詢(xún)推薦技術(shù)會(huì)提供更加準(zhǔn)確的推薦詞，幫助用戶(hù)確定搜索意圖，提高搜索的準(zhǔn)確度。
　　本文的工作主要有以下三個(gè)方面：

2、r>　?。?）基于改進(jìn)LDA主題模型的查詢(xún)推薦。傳統(tǒng)方式通過(guò)詞語(yǔ)重復(fù)度來(lái)判斷兩篇文檔是否相關(guān)，從而給出相關(guān)的推薦詞，無(wú)法了解到文字背后隱含的關(guān)聯(lián)關(guān)系。主題表示為一個(gè)概念或者一個(gè)方面，由一系列相關(guān)詞語(yǔ)組成。LDA主題模型是一種效果較好的語(yǔ)義挖掘模型，其克服了向量空間模型的不足，但是醫(yī)學(xué)信息中存在大量無(wú)法過(guò)濾的高頻詞，例如“口干”、“舌燥”等等，原始LDA主模型容易受到高頻詞的影響，導(dǎo)致主題間區(qū)分度較小，因此本文提出對(duì)LDA主題模型進(jìn)行高斯

3、加權(quán)改進(jìn)，實(shí)驗(yàn)表明基于改進(jìn)LDA主題模型的查詢(xún)推薦算法在查全率、多樣性等方面效果都好于原始LDA主題模型的查詢(xún)推薦算法。
　?。?）基于查詢(xún)?cè)~語(yǔ)義和查詢(xún)點(diǎn)擊文檔聚類(lèi)的查詢(xún)推薦。分析用戶(hù)搜索日志可知，用戶(hù)在搜索醫(yī)學(xué)信息時(shí)使用的查詢(xún)?cè)~重復(fù)率遠(yuǎn)遠(yuǎn)高于其他信息，用戶(hù)關(guān)注點(diǎn)較為集中，大部分人點(diǎn)擊的網(wǎng)頁(yè)集中在熱點(diǎn)領(lǐng)域，例如醫(yī)療、健康、疾病等等，因此計(jì)算查詢(xún)?cè)~相似度需要考慮查詢(xún)?cè)~的語(yǔ)義和點(diǎn)擊的文檔內(nèi)容這兩方面因素的影響。根據(jù)醫(yī)學(xué)信息上述特點(diǎn)，本

4、文提出了一種新的查詢(xún)?cè)~相似度計(jì)算方法，它線(xiàn)性組合了查詢(xún)?cè)~語(yǔ)義相似度和查詢(xún)點(diǎn)擊文檔內(nèi)容相似度。層次聚類(lèi)劃分的類(lèi)簇效果較好，但運(yùn)算復(fù)雜度較大，因此本文提出改進(jìn)的層次聚類(lèi)，對(duì)類(lèi)簇間的相似度預(yù)先排序，從而達(dá)到降低算法的計(jì)算復(fù)雜度。不同與傳統(tǒng)基于相似度排名的推薦策略，采用基于模型的推薦策略，從多個(gè)與用戶(hù)查詢(xún)?cè)~相似度較高的候選類(lèi)簇中，按照預(yù)定的規(guī)則選取推薦詞，然后按照相似度大小排序返回給用戶(hù)推薦詞。
　?。?）系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)。本文實(shí)現(xiàn)了一個(gè)分