基于Nutch的醫(yī)學信息搜索推薦系統(tǒng)研究與應用.pdf

1、隨著互聯(lián)網(wǎng)技術快速發(fā)展，醫(yī)學行業(yè)大量的文獻資料、數(shù)據(jù)庫等資源被分享到互聯(lián)網(wǎng)上，而這些資源需要通過搜索引擎進行搜索才能找到。通用的搜索引擎使用人群較廣，覆蓋領域較寬，雖然在用戶查詢的時候也會給出推薦詞，但是這些推薦詞都是跟查詢詞語義相關的詞。實際上搜索不僅是找到用戶查詢詞語義相關的信息，而且要滿足用戶多方面的搜索意圖。查詢推薦技術會提供更加準確的推薦詞，幫助用戶確定搜索意圖，提高搜索的準確度。
　　本文的工作主要有以下三個方面：

2、r>　?。?）基于改進LDA主題模型的查詢推薦。傳統(tǒng)方式通過詞語重復度來判斷兩篇文檔是否相關，從而給出相關的推薦詞，無法了解到文字背后隱含的關聯(lián)關系。主題表示為一個概念或者一個方面，由一系列相關詞語組成。LDA主題模型是一種效果較好的語義挖掘模型，其克服了向量空間模型的不足，但是醫(yī)學信息中存在大量無法過濾的高頻詞，例如“口干”、“舌燥”等等，原始LDA主模型容易受到高頻詞的影響，導致主題間區(qū)分度較小，因此本文提出對LDA主題模型進行高斯

3、加權改進，實驗表明基于改進LDA主題模型的查詢推薦算法在查全率、多樣性等方面效果都好于原始LDA主題模型的查詢推薦算法。
　?。?）基于查詢詞語義和查詢點擊文檔聚類的查詢推薦。分析用戶搜索日志可知，用戶在搜索醫(yī)學信息時使用的查詢詞重復率遠遠高于其他信息，用戶關注點較為集中，大部分人點擊的網(wǎng)頁集中在熱點領域，例如醫(yī)療、健康、疾病等等，因此計算查詢詞相似度需要考慮查詢詞的語義和點擊的文檔內(nèi)容這兩方面因素的影響。根據(jù)醫(yī)學信息上述特點，本

4、文提出了一種新的查詢詞相似度計算方法，它線性組合了查詢詞語義相似度和查詢點擊文檔內(nèi)容相似度。層次聚類劃分的類簇效果較好，但運算復雜度較大，因此本文提出改進的層次聚類，對類簇間的相似度預先排序，從而達到降低算法的計算復雜度。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，從多個與用戶查詢詞相似度較高的候選類簇中，按照預定的規(guī)則選取推薦詞，然后按照相似度大小排序返回給用戶推薦詞。
　　（3）系統(tǒng)設計與實現(xiàn)。本文實現(xiàn)了一個分