原创力文档- 1、本文档共26页，其中可免费阅读25页，需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提供的半监督自学习驱动的医学文本病症辨识方法，主要实现对医学文本的特征分类，特征包括患病对象类型、病情进展、是否发生疾病、病症严重程度、病症的条件性和病症的不确定性等，通过对这些特征的辨识和分类，使这些非结构化的医学文本结构化并在进一步的信息挖掘中可直接处理使用；本发明立足于医学文本标注文本较少，未标注文本多的特点，从特征抽取、优化分类模型方面展开；实验结果表明，本发明较好的弥补了标注文本较少的缺陷和不足，由于自学习方法易引入相似数据和错误分类数据，相比之下半监督SVM在利用未标注数据方面
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112735597 A
(43)申请公布日 2021.04.30
(21)申请号 202011641493.9
(22)申请日 2020.12.31
(71)申请人 荆门汇易佳信息科技有限公司
文档评论（0）