基于机器学习的病案隐性知识发现模型研究及临床应用实践

目的为提高海量病案隐性知识的感知效率与深度,改善病案信息化机制存在的不足,提出一种基于机器学习的病案隐性知识发现模型。方法首先形成融合前置训练集和后置测试集的海量病案隐性知识特征数据池;然后构建时间正序下的海量病案隐性知识特征全息感知机制;最后构建特征集之间隐性映射自主识别决策机制,进而识别特定疾病与其他协同疾病之间的隐性对应关系。结果选取海南省儋州市人民医院病案科为临床应用实践评估载体,对模型开展工程实践评估与临床统计学分析,结果表明,病案隐性知识感知精确率达98.62%,疾病隐性协同精确率达97.71%,差异有统计学意义(P<0.05)。结论本文模型在病案隐性知识感知效率、感知精度、感知深度、临床实用性等具有明显优势,为病案领域的非结构化数据挖掘提供了案例数据集。

基于粗糙集的转炉炼钢知识发现模型

针对转炉炼钢知识发现的特点,采用粗糙集理论进行分析,应用数据清洗、标准化及离散等方式对转炉炼钢生产数据进行预处理,以炼钢生产的主要影响因素作为知识发现的条件属性,以转炉冶炼终点控制目标作为知识发现的决策属性,建立了基于粗糙集方法的转炉炼钢知识发现模型,实现转炉炼钢生产知识的自动发现、获取和规则提取。以转炉冶炼终点钢水温度的变化规律做为知识发现的决策属性,采用210t转炉炼钢实际生产数据进行模型的应用测试,结果表明提取出的铁水硅含量、铁矿石质量、氧气消耗量等影响因素对转炉冶炼钢水终点温度存在重要影响,且模型提取出的转炉炼钢终点钢水温度知识规则与现行转炉炼钢现场的变化规律一致,证明基于粗糙集方法的转炉炼钢知识发现模型的有效性。

语义Web和知识发现系统模型

文章介绍了语义Web的体系结构和语义Web的关键组成部分及技术,包括:XML,RDF,RDFS和OWL.文章给出了本体描述语言OWL的规范化语法和基于本体的语义Web知识发现系统的模型,并讨论了进一步的研究工作.

基于语义Web的常用软件领域知识发现系统研究

当前,在语义Web中,基于OWL的知识表示、知识推理成为了研究和应用的热点。给出了常用软件本体的设计方法、规则定义和谓词扩展,并介绍了常用软件领域知识发现系统的总体模型。

基于关联数据的数字图书馆知识发现系统研究

文章介绍了数字图书馆知识发现系统的现实意义和基于关联数据的知识发现过程,阐述了基于关联数据的知识发现系统模型的功能要素、构建过程和模型特征,归纳了基于关联数据的数字图书馆知识发现系统的创新之处。

虚拟健康社区文本数据知识发现策略与模型

[目的／意义]分析并提出虚拟健康社区文本数据的知识发现策略，构建虚拟健康社区文本数据知识发现模型。[方法／过程]通过总结分析虚拟健康社区文本数据特点，针对其特点带来的数据挖掘困难制定相应的知识发现策略，并在DIKW体系指导下，依据提出的知识发现策略构建虚拟健康社区文本数据知识发现模型。通过应用计算机编码、自然语言处理技术、句法分析、制定推理规则等方法实现从自由文本数据到药物不良反应智慧的数据价值升华过程。[结果／结论]通过实证研究验证提出的知识发现策略和知识发现模型的有效性和可操作性，为后续虚拟健康社区文本数据知识发现的相关理论与实证研究提供参考。