基于语义资源的生物医学文献知识发现

来源 :情报学报 | 被引量 : 0次 | 上传用户:wintertear0704
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
生物医学文献的数量正在以爆炸性的速度增长,这些文献中隐含着大量有用的信息,挖掘这些文献可以形成医学假设。挖掘UMLS语义资源进行计算逐渐成为基于文献的知识发现的热点。Miyanishi等通过概念的语义相似度计算事件相似度取得了比统计方法如tf·idf更好的结果。本文在概念的语义相似度的基础上,加入了概念的语义关联度,避免了事件之间语义相似度高而缺乏语义关联度并导致发现的假设不合理的弊端。本文的方法充分挖掘了UMLS中的语义资源,合理地计算了事件之间的相似度。通过雷诺氏病和鱼油以及偏头痛和镁的实验
其他文献
随着世界经济贸易的一体化特别是随着我国经济和国际贸易的迅猛发展,(目前我国外贸进出口总额达到14221亿美元,已成为世界第三大贸易国和第二大出口国)我国的制造商或供货商
针对某一领域的文献,如果两个研究对象同现的频率越高,则通常假设二者存在联系的可能性越大。从而促使共词分析、文献共引分析以及文献作者共著分析等共现分析方法的流行。然而
1 资料与方法    1.1 一般资料 本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文
险资举牌概念是2015年至2016年A股市场最热的题材,其中二级市场举牌上市公司最活跃的分别是“宝能系(前海人寿)”、“安邦系”、“恒大系”、“生命系”和“华夏系”五大寿险