[发明专利]基于MeSH的医学文献集相似性度量方法

权利要求书

1.基于MeSH的医学文献集相似性度量方法，其特征在于，包括：

获取与疾病或基因相关的搜索主题词；

检索与所述搜索主题词相关的文献，并采用同一搜索主题词检索得到的所有文献形成主题词文献集：

采用文献ID检索接口从Pubmed生物医学文献库中获取包含搜索主题词的文献的ID；

根据所述文献的ID，采用文献详细信息接口和文献引用关系接口从Pubmed生物医学文献库中获取与ID对应的文献的详细信息；

将同一搜索主题词检索得到的所有文献及每篇文献对应的ID和详细信息归类在一起形成主题词文献集；

采用主题词文献集中每篇文献在其内包含的医学主题词的权重值，将文献映射到向量空间构建成MeSH空间矩阵：

提取主题词文献集中每篇文献的医学主题词及所有主题词文献集中的所有医学主题词，并采用所有医学主题词构成主题词集；

当文献中存在主题词集中的医学主题词时，则采用1标记该医学主题词，否则采用0标记该医学主题词；

当所有主题词文献集中的文献的医学主题词采用1或0标记完成后，采用标记完成后的所有文献形成文献与医学主题词矩阵；

计算文献在其内被标记为1的医学主题词的权重值，并根据同一文献在其内所有被标记为1的医学主题词的权重值将文献映射到向量空间：

d_i＝(W_i1，W_i2，...，W_ix)

其中，d_i为主题词文献集d中的第i篇文献；W_ix为d_i在其包含的医学主题词x的权重值，x为d_i中的医学主题词的总数量；

采用所有被映射到向量空间的文献形成MeSH空间矩阵；

计算主题词文献集A在MeSH空间矩阵中医学主题词g的权重值W_Am：

其中，f是指含搜索主题词A的文献总数；n_Aj为与搜索主题词A相关的文章中，第j篇文章对应的MeSH主题词的个数；e_j为第j篇文献被引用的次数；k为f篇文献中包含医学主题词g的篇数，1≤g≤m，m为医学主题的总个数；e_i为第i篇文献被引用的次数；f’为搜索主题词B对应的文献集与搜索主题词A的文献集交集的数量；q_g为包含医学主题词g的文章数量；

根据主题词文献集A在所有医学主题词的权重值，构建主题词文献集A的矢量式：W_A＝(w_A1,w_A2,…,w_Am)；

计算MeSH空间矩阵中主题词文献集A与主题词文献集B的余弦相似度：

其中，W_Bg为主题词文献集B在MeSH空间矩阵中医学主题词g的权重值。

2.根据权利要求1所述的基于MeSH的医学文献集相似性度量方法，其特征在于，所述详细信息包括标题、摘要、发表年份、被引用文章ID、引用文章ID、MeSH主题词、期刊信息和作者信息。