基于改进TextRank算法的中文文本摘要提取

为提高中文文本摘要提取的准确度,融合Doc2Vec模型、K-means算法和TextRank算法,提出一种中文文本摘要自动提取算法(DK-TextRank)。使用Doc2Vec模型进行文本向量化,采用改进的K-means算法实现相似文本聚类,在每个聚类簇中应用加入权重影响因子的TextRank算法对文本语句进行排序,并提取主题句生成摘要。实验结果表明,DK-TextRank算法在摘要语句数量为7时F值达到79.36%,相比传统TF-IDF、TextRank算法提取的摘要质量更高。

基于TF-IDF和互信息的推荐算法研究

本文提出一种基于TF-IDF和互信息的方剂推荐算法。其核心思想是根据TF-IDF算法的原理,确定核心药物;再计算核心药物和方剂间的互信息来确定二者相关性,以此确定最有效的方剂。对名老中医治疗肺癌的542首方剂,共计342味药物进行数据挖掘,通过该算法获得核心药物71味,推荐方剂126首。采用该算法获得名老中医治疗肺癌的核心方剂的结果表明,该算法通用性强,效率高。由于不仅探索了药物层面的规律,还挖掘了方剂层面的信息,故该算法有较高的实用价值。