Web醫(yī)療咨詢數(shù)據(jù)的檢索技術研究與實現(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)中檢索用戶感興趣的信息已成為工業(yè)界和學術界日益關注的熱點問題之一。醫(yī)療一直是人們關注的熱點話題，與人們的生活緊密相關，人們利用互聯(lián)網(wǎng)檢索和咨詢病情也愈加頻繁。研究大規(guī)模醫(yī)療咨詢數(shù)據(jù)的查詢檢索技術具有重要的應用價值和實際意義。
　　本文研究了信息檢索領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、模型方法簡單、直觀。TFIDF算法是計算文本中特征項權重的經(jīng)典算法，算法簡單、有效，但該算法統(tǒng)一根據(jù)特征項在文本和文本集中的出現(xiàn)頻率來計算其權重。然而，Web醫(yī)療咨詢數(shù)據(jù)具有明顯的語義分段結(jié)構(gòu)特點，且咨詢文本中的部分特征項具有明確的專業(yè)領域意義，不適合用向量空間模型和 TFIDF算法來處理。針對上述問題，本文首先提出了一個分段向量空間模型，接著將其應用于 Web醫(yī)療咨詢數(shù)據(jù)的檢索中，最后從不同的視角對Web醫(yī)療咨詢數(shù)據(jù)進行了分析。本文主

3、要做了以下幾方面的工作：
　　(1)研究了文本檢索領域中的向量空間模型及TFIDF算法，提出了一個分段向量空間模型。根據(jù)文本固有的語義分段結(jié)構(gòu)特點，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算分量值和相似度，最后計算各部分相似度的加權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)果的準確率和時空效率。
　　(2)研究了Web醫(yī)療咨詢數(shù)據(jù)的特點，接著對Web醫(yī)療咨詢數(shù)據(jù)進行預處理，然后

4、將SVSM模型應用于Web醫(yī)療咨詢數(shù)據(jù)的檢索中，在真實 Web醫(yī)療咨詢數(shù)據(jù)集上的實驗結(jié)果驗證了本文所提出的分段向量空間模型在提升檢索結(jié)果準確率方面的有效性。
　　(3)從不同的視角對Web醫(yī)療咨詢數(shù)據(jù)進行了分析。一是從用戶的基本信息的視角，其中又包括用戶性別、年齡和地區(qū)的分析，分析目標是探究疾病在性別、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；二是從病情描述的視角，其中又包括病癥和藥物的分析，分析目標是探究與