数据挖掘在中文病历分类中的应用.pdfVIP

总第 257期 计算机与数字工程 V01．39No．3 201i年第 3期 Computer＆ DigitalEngineering 16O 数据挖掘在 中文病历分类 中的应用 崔 园 (成都医学院人文信息管理学院计算机教研室 成都 610083) 摘 要 文中展示了一种新的基于短语匹配的中文电子病历分类算法。这种方法能够充分地运用信息量更大的短语 匹配而不是独立的字词匹配，并且它能够保留文档结构信息。通过用向量空间表示匹配的短语 ，每个病历记录被表示为一 个向量，向量中每个元素表示一个短语在记录中出现的次数。所有的向量组成了病例数据集，并把它作为 自组织神经网络 的输入数据。实验表示，将这种方法应用在不同病种的数据集分类上具有较高的正确率，分类正确率平均值为95．417 。分 类结果能够有效地辅助医务工作者诊断疾病，帮助他们总结出不同病种问以前从未发现的重要表现特征。 关键词 DIG算法；电子病历；文本分类 中图分类号 R3 DataM iningMethodwith itsApplication totheCategorization oftheChineseM edicalRecords CUiYuan (DepartmentofComputer，ChengduMedicalCollege，Chengdu 610083) Abstract Thispaperdevelopsaphrase-basedmethodforclassificationoftheChinesemedica1caserecords．Thismeth— odmakesgooduseofmoreinformativephrasematchingratherthanindividualwordsmatching，andthedocumentstructureis maintained．Byusingvectorspacemodelwithphrasematching，eachmedicalcaserecordcanbetransformedintoavector， eachelementofthevectorcorrespondstoafeaturewiththeDumberofthephraseappeartimesintherecordasitsvalue．A1l ofsuchvectorscomposethemedicalcaserecordsdataset，whichisusedastheinputoftheSelf_organizingMappingNeural Networks(S()M NN)．Experimentsshow thatthismethodcanhavehighperformanceintermsofclassificationofmedical caserecordscoveringdifferentkindsofdiseases．Theaverageclassificationaccuracyis95．417％．Suchresultscanhelpthe medicalstaffdiagnosediseasesandinvestigatethefeaturesofdifferentdiseases，whichmaynothavebeendiscoveredbefore． KeyW ords DIG，electronicmedicalcaserecords，categorizationoftext ClassNumber R3 样能很好地帮助医务工作人员诊断疾病 ，并且总结 1 引言 出不同病种间有哪些 以前从未发现的不同的表现 电子病历是临床医学常见的文本数据 ，不同病 特征。另外，在实验中所用到的数据集是取 自于成