典型文献
基于多特征融合的医疗社区问题文本聚类研究
文献摘要：
目的:医学问题文本数据存在上下文语义缺失且特征稀疏高维等特点,为提高其聚类效果,提出将文本语义特征和主题特征相融合的文本表示方法用于文本聚类.方法:以医疗社区中的问题文本为数据源,将加权fastText词汇语义特征和LDA文档主题特征融合对问题文本进行表示,构建融合特征用于问题文本聚类,聚类效果评估采用聚类准确度(ACC)和标准互信息(NMI).结果:与其他方法相比,特征融合的聚类模型表现最佳,其聚类准确度和标准互信息为0.577和0.429,高于其他相关基线模型.结论:实验表明,将特征进行融合能够更加全面准确有效地表征医学问题文本,为医学问题文本特征表示和聚类知识发现提供参考.
文献关键词：
LDA;fastText模型;特征融合;聚类;问题文本
中图分类号：
作者姓名：
申喜凤;李美婷;张维宁;南嘉乐;孙媛媛;付玉伟;高东平
作者机构：
100020北京,中国医学科学院/北京协和医学院医学信息研究所;中国医学科学院/北京协和医学院北京协和医院
文献出处：
引用格式：
[1]申喜凤;李美婷;张维宁;南嘉乐;孙媛媛;付玉伟;高东平-.基于多特征融合的医疗社区问题文本聚类研究)[J].中国数字医学,2022(12):28-34
A类：
B类：
多特征融合,问题文本,文本聚类,聚类研究,文本数据,上下文语义,语义缺失,特征稀疏,高维,文本语义特征,主题特征,文本表示,表示方法,数据源,fastText,词汇语义特征,LDA,文档,融合特征,征用,效果评估,ACC,互信息,NMI,其他方法,聚类模型,基线模型,确有,文本特征表示,知识发现
AB值：
0.391995
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
