基于全文索引及余弦公式医学文本相似性分析.pdfVIP

V01．30，No．1，2014 研究与设计 微型电脑应用 2014年第30卷第1期 MicrocomputerApplications 文章编号：1007—757X(2014)01—0025-03 基于全文索引与余弦公式医学文本相似性分析 谢翠萍，陈家益，白金山 摘要：医学文本相似性问题是医学文本挖掘中的重要内容，如何能够快速计算出大数据量下的医学文本的相似性情况是医 学文本相似性计算的重点。针对基于传统余弦公式医学文本相似性分析算法在性能上的缺陷，提出了一种基于全文索引技术 与余弦公式医学文本相似性分析算法，对医学文本相似性进行分析。采用全文索引技术对医学文本数据相关关键词进行索引， 并根据若干关键词在索引中检索出部分数据，从而减少计算复杂度，提高效率。实验表明，该方法比基于传统余弦公式医学 文本相似性分析算法具有更优的性能。 关键词：医学文本相似性；余弦公式；全文索引；文本挖掘；向量空间模型 中图分类号：TP393 文献标志码：A ofMedicalTextBasedonFull—text Similarity IndexingTechnology Analysis andCosineFormul Xie Jinshan Cuiping，ChenJiayi，Bai ofInformation Medical (School Engineering，GuangdongCollege，Dongguan523808，China) Abstract：Medicaltext isan contentofmedicaltext to calculatethe froma mining，how similaritylarge similarityimportant quickly numberofmedicaltextdataisa ofmedicaltext calculation．Formedicaltext basedOil keyproblem similarity similarityanalysis traditionalcosineformula onthe of a ofmedicaltext algorithm defects，thispaperproposesalgorithm similarityanalysis performance full-text whichbasedonfull．textindexandcosine canbe inthe ofmedicaltext．Ituses formula，Itanalyzedsimilarity indexing toindexmedicaltextdatarelevant tothenumberof retrieveofthedatafrom technology keywords，andaccording keywordspart the astoreducethe and show methodof index，SO