论文部分内容阅读
中医是我国劳动人民数千年以来在与疾病斗争中形成的丰富诊疗经验的总结,在长期发展过程形成了一种以阴阳五行作为理论基础的独具特色的诊疗体系,留下了大量对中医临床决策有指导价值的文献资料,这些“海量”中医医案文献资料是中医临床诊疗的宝贵资源。目前,应用不同的文本挖掘方法,致力于从“海量”的文献资料中获取可理解的、可用的知识,用于分析中医诊疗的用药规律,以指导中医临床科研、教学及新药研发,已愈来愈成为该领域的研究热点。然而,中医医案文本信息尚未得以有效挖掘和利用,原因在于:构建统一的中医医案本体存在一定的困难;命名实体识别效率不高;文本向量空间表示模型忽略了词间的关联性,不能很好地表示潜在语义信息;传统文本聚类算法在处理数据时存在着对初始值的依赖性过强、易获得局部最优的弊端。针对上述问题,在前期研究基础上,提出基于本体的命名实体识别算法和基于萤火虫算法的中医医案文本聚类方法。本文的研究得到了山东省科技发展计划:“基于医用酶语义的文献数据检索挖掘算法的设计与实现(编号:2010G0020121)”、山东省电子专项工程:“山东省名老中医诊疗辅助决策支持系统的开发与推广(编号:2150511)”及山东省中医药科技发展计划:“基于仿生智能算法的心力衰竭综合防治方案研究(编号:2013-230)”的支持。本文数据来源为全国名老中医、山东省名老中医丁书文教授自2013年6月至2015年6月在山东中医药大学附属医院门诊收集的2400份医案,患者共757例,所用中药共251种。本文的主要研究内容和研究成果总结如下:1.把人工蜂群算法应用于中医医案本体库的构建。设计基于人工蜂群算法的本体学习技术,通过中文分词技术、互信息及规则过滤等策略,以医案中的中医四诊、中医诊断、西医诊断、证型、治法为信息语料进行分析、验证,设计概念提取方法,同时利用小生境技术的融合、演化算法丰富种群的多样性,结合人工蜂群算法寻优速度快的优势抽取非分类关系,构建本体。实验证明,组合的人工蜂群算法在中医医案非分类关系抽取过程中、在个体多样性及平均适应度上均优于普通的人工蜂群算法。2.提出一种基于本体的中医医案命名实体识别方法。应用条件随机场、基于本体的修正及特征模板的修正方法对中医医案命名实体进行识别,构建基于本体的中医医案命名实体识别算法,通过检验性测试,获得中医四诊、中医诊断、西医诊断、证型、治法的最优实验结果。实验表明,基于本体的命名实体识别算法在中医医案命名实体识别时能取得较好效果。3.设计了一种基于词共现组合的中医医案向量空间模型。利用关联规则算法抽取出中医医案的二阶词共现组合,定义词共现的度量方法,构建基于词共现组合的向量空间模型。实验表明,该方法在中医医案知识获取及分类上比经典的向量空间模型具有更高的区分能力,并验证了中医医案辨证诊疗主题与二阶词共现的关联性。4.提出一种基于萤火虫算法的中医医案文本聚类算法。引入粒计算思想,通过适应度变化情况动态确定萤火虫算法的迭代和模拟退火算法的抽样,扩大模拟退火的扰动增加种群的选择范围,并在实验数据上进行验证。实验表明,相对于传统的K-medoids聚类方法,该方法个体多样性表现良好,能够解决较难得到全局最优的问题,文本聚类结果得到了专家的认可,具有一定的临床参考价值。综上所述,本文对中医医案文本挖掘的若干关键技术进行了分析,对适合中医医案文本挖掘的算法进行了设计,并通过文本挖掘系统对算法进行了整合、验证,实验表明,本文提出的设计方案具有有效性和先进性,可为中医临床、科研、教学和新药研发提供参考。