生物醫(yī)學文本聚類算法研究與應用.pdf

1、生物醫(yī)學研究是二十一世紀最受關(guān)注的研究領(lǐng)域之一,該領(lǐng)域發(fā)表了大量的研究論文,已經(jīng)達到年平均幾十萬篇以上。如何在如此規(guī)模龐大的研究文獻中有效地獲取相關(guān)知識,是該領(lǐng)域研究者所面臨的巨大挑戰(zhàn)。作為生物信息學分支之一的生物醫(yī)學文本挖掘技術(shù)就是一項高效自動地獲取相關(guān)知識的新探索,近年來取得了較大進展。如何才能有效地利用這些文本中所蘊含的生物醫(yī)學知識無疑對分析海量的生物醫(yī)學數(shù)據(jù)是非常重要的。常用方法是通過關(guān)鍵詞在MEDLINE中或者互聯(lián)網(wǎng)上進行檢索

2、,但是這只能從大量文檔集合中找到與用戶需求相關(guān)的文件列表,而不能從文本中直接獲取用戶感興趣的有用信息。因此,提供從大規(guī)模生物醫(yī)學文獻中自動獲取相關(guān)知識的有效工具是一項緊迫的任務。
　　 本文以生物醫(yī)學文本為主要研究對象,提出了基于聚類融合的方法并且應用于生物醫(yī)學文本的聚類研究。同時針對醫(yī)學文本的特性,提出了基于距離學習的生物醫(yī)學文本聚類方法,實驗表明該方法改進了生物醫(yī)學文本的聚類效果。
　　 本文的具體內(nèi)容包括:

3、　　 1)介紹了生物醫(yī)學文本挖掘當前的研究進展,回顧了各種聚類算法的概念、具體思想及其在生物醫(yī)學文本方面的研究進展。此外,從算法穩(wěn)定性,參數(shù)設(shè)置等方面描述了現(xiàn)有的聚類分析算法存在的不足,隨后提出了解決的方法:聚類融合算法。
　　 2)在深入了解聚類融合算法的基礎(chǔ)上,提出了一種改進算法以提高聚類融合的精確度。首先,根據(jù)聚類成員之間存在差異度的思想,定義了差異度計算公式;其次,通過實驗考察了基礎(chǔ)類的選擇對融合結(jié)果的影響,提出了尋找

4、具有差異度的基礎(chǔ)類作為最后的基礎(chǔ)類。實驗結(jié)果證明,改進算法在結(jié)果方面優(yōu)于一般算法。
　　 3)利用基于生物醫(yī)學文本本體的方法來改進聚類算法。生物醫(yī)學主題詞表(MedicalSubjectHeadings,簡稱MeSH)是美國國家醫(yī)學圖書館用以分析生物醫(yī)學期刊文獻等資源的主題內(nèi)容的語匯表,也是美國國家醫(yī)學圖書館出版的MEDLINE數(shù)據(jù)庫主題檢索的索引詞典,而且它的層次結(jié)構(gòu)蘊涵著豐富的生物知識。因此本文提出了基于的MeSH的距離學習