[发明专利]一种基于数据挖掘的中医医学文献分类及存储方法

摘要

本发明提供了一种基于数据挖掘的中医医学文献分类及存储方法，其包括步骤获取中医医学文献基础数据库；分别按照下载的先后顺序,以特定的编码格式保存；对下载的非结构化的文本数据进行关键信息提取,建立中医医学文献的关键信息的编码表；将核心数据对应的所有关键词划分到若干核心数据群中；同时将非核心数据对应的所有关键词划分到若干非核心数据群中；获取到中医文献关键词组合，并根据中医文献关键词组合作为检索关键词获取到相应的中医文献作为中医医学文献，将所述中医医学文献进行存储，并将所述中医文献关键词组合作为所述中医医学文献存储标识。本发明实现了高效与准确的获取中医学文献数据，完成了中医医学文献的精确分类存储。

主权项

一种基于数据挖掘的中医医学文献分类及存储方法，其特征在于，包括以下步骤：在特定知识数据库中通过中医检索关键词进行检索，获取到若干与所述中医检索关键词匹配的中医文献作为中医医学文献基础数据库；分别按照下载的先后顺序,整合到一个平面文件里面,以特定的编码格式保存；然后对下载的非结构化的文本数据进行关键信息提取,保存成特定的数据格式,建立中医医学文献的关键信息的编码表，所述关键信息分别对应一个二进制编码；所述关键信息包括核心数据和非核心数据两种类型,提取出来的数据,首先存入相应数据库,作为下一步数据处理的基础数据,然后导入SQL中进行下一步的挖掘分析；所述核心数据为下载的文本数据中超过设定阈值频率的关键词，所述非核心数据为下载的文本数据中出现过至少一次并低于设定阈值的关键词；核心数据对应的关键词i的数据模式可以表示为一个关系表Hi(B1,B2,...,Bmi),其中B为该关键词的属性值，各关键词的属性值根据关键词所在中医的具体领域进行预先设定；关键词对应的数据库{D1,D2,...,Dni}的数据模式都可以对应到Hi上；其中非核心数据对应的关键词j的数据模式可以表示为一个关系表Hj(B1,B2,...,Bmj),其中B为该关键词的属性,关键词对应的数据库{D1,D2,...,Dnj}的数据模式都可以对应到Hj上；具体各关键词的关联度量化值为K(Bmi，Dni)＝ρdist(Bmi,Dni)‑1，K(Bmj，Dnj)＝ρdist(Bmj,Dnj)‑1，dist(Bmi,Dni)为Bmi、Dni之间的欧式距离，dist(Bmj,Dnj)为Bmj、Dnj之间的欧式距离，ρ＞1为伸缩因子；其中K(Bmi，Dni)、K(Bmj，Dnj)表示核心数据对应的关键词i、非核心数据对应的关键词 j的关联度量化值,将关联度量化值在给定阈值范围内的所有关键词作为一个关键词数据群，将核心数据对应的所有关键词划分到若干核心数据群中；同时将非核心数据对应的所有关键词划分到若干非核心数据群中；对所述核心数据群中对应的关键词与所述非核心数据群中对应的关键词进行随机两两组合，获取到中医文献关键词组合，并根据所述中医文献关键词组合作为检索关键词获取到相应的中医文献作为中医医学文献，将所述中医医学文献进行存储，并将所述中医文献关键词组合作为所述中医医学文献存储标识。