中醫(yī)藥信息語義集成與知識發(fā)現(xiàn)若干問題研究.pdf

1、中醫(yī)藥文化源遠流長，至今已有五千多年的歷史。中醫(yī)藥理論博大精深，積累了海量數(shù)據(jù)，卻分散龐雜，且往往數(shù)據(jù)豐富但知識貧乏，這對中醫(yī)藥信息的充分利用、中醫(yī)藥診療經(jīng)驗的總結(jié)、中醫(yī)藥知識體系的豐富和發(fā)展形成了重重障礙。因此，如何集成大量散在的中醫(yī)藥信息和設計適應中醫(yī)藥特色的知識發(fā)現(xiàn)算法便成為迫切需要解決的問題。并逐步演化為中醫(yī)藥學結(jié)合計算機技術(shù)開展跨學科研究的熱點。主要內(nèi)容包括： (1)中醫(yī)藥信息語義集成體系研究：針對中醫(yī)藥信息集成需求，

2、提出一個融合網(wǎng)格、本體、數(shù)據(jù)倉庫、知識發(fā)現(xiàn)、信息抽取和數(shù)據(jù)流監(jiān)測等技術(shù)的三層語義集成體系，并采用GT3.2實現(xiàn)了一個基于網(wǎng)格的中醫(yī)藥信息語義集成系統(tǒng)TCM-SGrid(TraditionalChineseMedicineinformationSemanticintegrationsystembasedonGrid)。 (2)中醫(yī)藥信息語義集成方法研究：引入語義相似性棧，并按其自底向上順序分層探討了計算實體(本文指概念和屬性)間相

3、似性的啟發(fā)規(guī)則，在此基礎上分別設計了一個領(lǐng)域本體間自動映射算法及一個綜合考察“服務本體語義相似性”和“動態(tài)服務質(zhì)量滿足程度”兩項指標的網(wǎng)格服務發(fā)現(xiàn)算法，解決了TCM-SGrid系統(tǒng)中領(lǐng)域本體的異構(gòu)和基于語義模型的網(wǎng)格服務發(fā)現(xiàn)等語義集成方法問題。 (3)中醫(yī)藥概念識別研究：為加速TCM-SGrid所集成的中醫(yī)藥文本信息的整理和結(jié)構(gòu)化，中醫(yī)藥領(lǐng)域概念的自動有效識別變得尤為重要。為了克服中醫(yī)藥領(lǐng)域訓練樣例少和CRF(Condition

4、alRandomField)模型過度擬合等缺點，本研究采用不確定性、樣例代表性、批量樣例多樣性三項指標作為訓練樣例的選擇標準，設計了基于2-pool多標準主動學習的CRF算法，實現(xiàn)了文本信息中中醫(yī)藥領(lǐng)域概念的有效識別。 (4)中醫(yī)方劑數(shù)據(jù)挖掘研究：選擇TCM-SGrid系統(tǒng)中集成的方劑作為數(shù)據(jù)集，將基于互信息的特征選擇遺傳算法融入CMAR(ClassificationbasedonMultipleAssociationRules

5、)算法，通過規(guī)則組強度來構(gòu)建多關(guān)聯(lián)分類模型，設計了面向中醫(yī)方劑高維數(shù)據(jù)集的多關(guān)聯(lián)分類算法I-CMAR，該算法在內(nèi)存占用、運行時間、分類精度等指標上均優(yōu)于其他同類算法。 (5)中西醫(yī)病理、生理因素在線相關(guān)性研究：引入基于醫(yī)療傳感器網(wǎng)絡的數(shù)據(jù)流管理模型，提出一種面向高維數(shù)據(jù)的在線典型相關(guān)性(CCA)分析算法QuickCCA，針對傳統(tǒng)CCA計算中的性能瓶頸，在系統(tǒng)內(nèi)存資源受限情況下，采用不等概率的列采樣技術(shù)實現(xiàn)實時流數(shù)據(jù)約減，形成概要