基于LDA模型和语义网络的线上文本挖掘方法

传统线上文本挖掘方法在克服相似性干扰时,需要加入大量约束条件,降低了挖掘准确率。为此,本文提出基于LDA模型和语义网络的线上文本挖掘方法。采用滤波处理法对线上文本信息进行滤波处理,获得线上文本的抗干扰向量,提取线上文本信息的频谱特征。利用语义网络构建线上文本的语义网络挖掘模型,计算线上文本挖掘信息的相似度。基于LDA模型对获取的线上文本阈值进行分类,得到线上文本挖掘权值,将挖掘到的关系词带入到概念属性内,实现线上文本的挖掘。实验结果表明,基于LDA模型和语义网络的线上文本挖掘方法不仅可以提高挖掘精度,还具有更强的收敛性。

共词分析及网络分析法探测乳腺癌转移相关基因

目的:探测乳腺癌转移相关的基因,为乳腺癌转移的早期诊断和个性治疗提供参考。方法:检索Pub Med数据库获取文献,利用Meta Map进行概念匹配,下载匹配结果,并导入到数据分析软件,得到乳腺癌转移相关基因和基因-基因矩阵;使用Ucinet6建立乳腺癌转移相关基因的相互作用网络,分析网络的相关指标。结果:tp53、thra、erbb2、esr1、cdh1、egfr、nr4a1、cd69等是乳腺癌转移核心基因。结论:基于共词分析法能获得乳腺癌转移相关基因,但cd69对于乳腺癌转移的具体过程尚不明确,需要进一步验证。