基于互信息的二阶共现概念相关度研究.PDF

＞＞ 第 卷 第 期　２００９年９月　　 ﹨ ﹣ 基于互信息的二阶共现概念相关度研究 １，２ １ １ 刘菊红 　缪有刚　于建荣 １ ２ 中国科学院上海生命科学信息中心　上海２０００３１　 中国科学院国家科学图书馆　北京 １００１９０ 〔摘要〕中间集和目标集的膨胀，导致基于非相关文献知识发现的准确率低；基于排序的方法存在缺陷，且过度关 注Ｂ集的排序是对发现有趣的Ａ、Ｃ的偏离。直接计算二阶共现概念相关度是基于非相关文献知识发现的薄弱 环节，以互信息方法和回归分析方法为基础，构造算法计算二阶共现概念之间的相关度。以ＰｕｂＭｅｄ收录的２型 糖尿病领域文献为样本，对算法的可行性进行实证研究。模型取得较好的效果，为二阶共现概念之间的关系提取 和评价提供新的方法。 〔关键词〕互信息　二阶共现　相关度　２型糖尿病　基于非相关文献的知识发现 〔分类号〕Ｇ３５３ ＲｅｓｅａｒｃｈｏｆＣｏｒｒｅｌａｔｉｏｎＳｔｒｅｎｇｔｈｏｆＳｅｃｏｎｄＯｒｄｅｒＣｏＯｃｃｕｒｒｅｎｃｅＣｏｎｃｅｐｔｓＢａｓｅｄｏｎＭｕｔｕａｌＩｎｆｏｒｍａｔｉｏｎ １，２ １ ２ ＬｉｕＪｕｈｏｎｇ 　ＭｉａｏＹｏｕｇａｎｇ　ＹｕＪｉａｎｒｏｎｇ １ＳｈａｎｇｈａｉＩｎｆｏｒｍａｔｉｏｎＣｅｎｔｅｒｆｏｒＬｉｆｅＳｃｉｅｎｃｅｓ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｓｈａｎｇｈａｉ２０００３１ ２ＮａｔｉｏｎａｌＳｃｉｅｎｃｅＬｉｂｒａｒｙ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１００１９０ 〔Ａｂｓｔｒａｃｔ〕Ｅｘｐｌｏｓｉｏｎｏｆｉｎｔｅｒｍｅｄｉａｔｅｃｏｎｃｅｐｔｓ（Ｂｔｅｒｍｓ）ａｎｄａｉｍｃｏｎｃｅｐｔｓ（Ｃｔｅｒｍｓ）ｒｅｓｕｌｔｓｉｎｌｏｗｃｏｒｒｅｃｔｎｅｓｓｏｆｄｉｓｊｏｉｎｔｌｉｔｅｒａｔｕｒｅ ｂａｓｅｄｄｉｓｃｏｖｅｒｙ．ＴｈｅｍｅｔｈｏｄｏｆｒａｎｋｉｎｇｈａｓｄｒａｗｂａｃｋｓａｎｄｆｏｃｕｓｏｎｒａｎｋｉｎｇｏｆＢｔｅｒｍｓｉｓａｄｅｐａｒｔｕｒｅｏｆｄｉｓｃｏｖｅｒｉｎｇｉｎｔｅｒｅｓｔｉｎｇｒｅｌａ ｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎＡｔｅｒｍｓａｎｄＣｔｅｒｍｓ．Ｔｈｅｐａｐｅｒｄｅｓｉｇｎｓａｍｏｄｅｌｔｏｃａｌｃｕｌａｔｅｃｏｒｒｅｌａｔｉｏｎｓｔｒｅｎｇｔｈｏｆｓｅｃｏｎｄｏｒｄｅｒｃｏｏｃｃｕｒｒｅｎｃｅｃｏｎ ｃｅｐｔｓｄｉｒｅｃｔｌｙｂａｓｅｄｏｎｍｕｔｕａｌｉｎｆｏｒｍａｔｉｏｎｍｅａｓｕｒｅａｎｄｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌ．Ｔａｋｉｎｇｃｏｎｃｅｐｔｓｆｒｏｍｄｉａｂｅｔｅｓｍｅｌｌｉｔｕｓ，ｔｙｐｅ２ｆｒｏｍＰｕｂＭｅｄ ａｓａｎｅｘａｍｐｌｅｔｏｔｅｓｔｆｅａｓｉｂｉｌｉｔｙｏｆｔｈｅｍｏｄｅｌａｎｄｇａｉｎｇｏｏｄｅｆｆｅｃｔｓ．ＴｈｅｍｏｄｅｌｐｒｏｖｉｄｅｓａｎｅｗｍｅｔｈｏｄｔｏｔｈｅｒｅｌａｔｉｏｎｅｘｔｒａｃｔｉｏｎｏｆＳｅｃ ｏｎｄＯｒｄｅｒＣｏＯｃｃｕｒｒｅｎｃｅＣｏｎｃｅｐｔｓ． 〔Ｋｅｙｗｏｒｄｓ〕ｍｕｔｕａｌｉｎｆｏｒｍａｔｉｏｎ　ｓｅｃｏｎｄｏｒｄｅｒｃｏｏｃｃｕｒｒｅｎｃｅ　ｃｏｒｒｅｌａｔｉｏｎｓｔｒｅｎｇｔｈ　ｄｉａｂｅｔｅｓｍｅｌｌｉｔｕｓｔｙｐｅ２　ｄｉｓｊｏｉｎｔｌｉｔｅｒａｔｕｒｅ ｂａｓｅｄｄｉｓｃｏｖｅｒｙ 排序，早期的中间集或目标集排序技术主要是基于词 １　引　言 频的排序技术。从基于单词的排序过渡到基于短语的 ［１］ ［２］ 排序 ，再上升到基于概念的排序 ，从绝对词频排序 　　自Ｓｗａｎｓｏｎ提出基于非相关文献知识发