数据挖掘在中文病历分类中的应用

文中展示了一种新的基于短语匹配的中文电子病历分类算法。这种方法能够充分地运用信息量更大的短语匹配而不是独立的字词匹配,并且它能够保留文档结构信息。通过用向量空间表示匹配的短语,每个病历记录被表示为一个向量,向量中每个元素表示一个短语在记录中出现的次数。所有的向量组成了病例数据集,并把它作为自组织神经网络的输入数据。实验表示,将这种方法应用在不同病种的数据集分类上具有较高的正确率,分类正确率平均值为95.417%。分类结果能够有效地辅助医务工作者诊断疾病,帮助他们总结出不同病种间以前从未发现的重要表现特征。