生物醫(yī)學多文檔自動文摘系統(tǒng)設計與實現(xiàn).pdf

1、生物醫(yī)學研究是二十一世紀最受關注的研究領域之一，尤其隨著生物醫(yī)學研究在分子層面的展開，人類基因組計劃的實施完成，產生了海量的生物醫(yī)學數(shù)據(jù)，并形成了數(shù)以百計的生物醫(yī)學數(shù)據(jù)庫。這些醫(yī)學數(shù)據(jù)后面隱藏著大量的生物醫(yī)學知識，對研究人員和醫(yī)療工作者來說，如何方便、快捷、準確的查詢與檢索這些知識，并從這些繁雜的數(shù)據(jù)中找到有用的信息對他們的工作有著至關重要的作用。
　　本文從當前醫(yī)學研究人員和醫(yī)療工作者面臨的實際問題出發(fā)，將多文檔自動文摘技術應用

2、到生物醫(yī)學領域，重點研究了生物醫(yī)學多文檔自動文摘系統(tǒng)的設計與實現(xiàn)。
　　首先，根據(jù)PubMed上查詢結果的特點，利用爬蟲程序將用戶在PubMed上的查詢結果保存到本機計算機中，并針對原始原料的特點，提出語料庫建立的方法，建立語料庫。
　　其次，在建立語料庫的基礎上，為了規(guī)范數(shù)據(jù)格式，對語料庫進行預處理，重點研究對語料的詞性標注和命名實體識別，并最終選取標記效果更好、速度更快的雙向推理算法，最簡優(yōu)先策略，確保了對語料詞的準確標

3、記的同時，克服了傳統(tǒng)算法的缺陷。
　　最后，對規(guī)范化的數(shù)據(jù)進行主題識別，主題識別是本文的關鍵，本文在根據(jù)醫(yī)學文獻的數(shù)據(jù)量大的特點，采用K-means聚類算法進行主題聚類的同時，對傳統(tǒng)的算法進行改進，使其在聚類的同時可以動態(tài)的增加類別，克服了傳統(tǒng) K-means聚類算法初始聚類數(shù)固定，難發(fā)現(xiàn)潛在主題的缺點。并首次提出交替增強策略，將其應用于文摘句的抽取，最終對抽取的文摘句排序，生成文摘，并對生產文摘采用兩種內部評測方法評測，取得了很