生物醫(yī)學(xué)文本聚類算法研究與應(yīng)用.pdf

1、生物醫(yī)學(xué)研究是二十一世紀(jì)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(dá)到年平均幾十萬(wàn)篇以上。如何在如此規(guī)模龐大的研究文獻(xiàn)中有效地獲取相關(guān)知識(shí),是該領(lǐng)域研究者所面臨的巨大挑戰(zhàn)。作為生物信息學(xué)分支之一的生物醫(yī)學(xué)文本挖掘技術(shù)就是一項(xiàng)高效自動(dòng)地獲取相關(guān)知識(shí)的新探索,近年來(lái)取得了較大進(jìn)展。如何才能有效地利用這些文本中所蘊(yùn)含的生物醫(yī)學(xué)知識(shí)無(wú)疑對(duì)分析海量的生物醫(yī)學(xué)數(shù)據(jù)是非常重要的。常用方法是通過(guò)關(guān)鍵詞在MEDLINE中或者互聯(lián)網(wǎng)上進(jìn)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(xué)文獻(xiàn)中自動(dòng)獲取相關(guān)知識(shí)的有效工具是一項(xiàng)緊迫的任務(wù)。
　　 本文以生物醫(yī)學(xué)文本為主要研究對(duì)象,提出了基于聚類融合的方法并且應(yīng)用于生物醫(yī)學(xué)文本的聚類研究。同時(shí)針對(duì)醫(yī)學(xué)文本的特性,提出了基于距離學(xué)習(xí)的生物醫(yī)學(xué)文本聚類方法,實(shí)驗(yàn)表明該方法改進(jìn)了生物醫(yī)學(xué)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(xué)文本挖掘當(dāng)前的研究進(jìn)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(xué)文本方面的研究進(jìn)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(jìn)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(jì)算公式;其次,通過(guò)實(shí)驗(yàn)考察了基礎(chǔ)類的選擇對(duì)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(shí)驗(yàn)結(jié)果證明,改進(jìn)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(xué)文本本體的方法來(lái)改進(jìn)聚類算法。生物醫(yī)學(xué)主題詞表(MedicalSubjectHeadings,簡(jiǎn)稱MeSH)是美國(guó)國(guó)家醫(yī)學(xué)圖書(shū)館用以分析生物醫(yī)學(xué)期刊文獻(xiàn)等資源的主題內(nèi)容的語(yǔ)匯表,也是美國(guó)國(guó)家醫(yī)學(xué)圖書(shū)館出版的MEDLINE數(shù)據(jù)庫(kù)主題檢索的索引詞典,而且它的層次結(jié)構(gòu)蘊(yùn)涵著豐富的生物知識(shí)。因此本文提出了基于的MeSH的距離學(xué)習(xí)