生物医学文本分类方法比较研究

• 作者: 倪茂树 林鸿飞 赵晶
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 文本分类 支持向量机 简单向量距离分类 命名实体识别
• 年，卷（期）: 2007,（12）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 147-149,172
• 页数: 4页
• 分类号: TP39
• 字数: 5098字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2007.12.047

摘要

文本分类技术对处理海量的生物医学文献起着重要的作用.TREC(The Text Retrieval Conference)2005 Genomics Track 的测评结果显示,支持向量机(Surport Vector Machine,SVM)在生物医学文本分类问题上,比其他模型具有明显的优势.在TREC的测评语料上,使用简单向量距离分类法与SVM进行比较,同时讨论了使用命名实体识别的预处理对不同算法的影响.得出结论:简单向量距离分类法在该领域的效果与SVM不相上下,并且命名实体识别会使结果有一定提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林鸿飞	大连理工大学计算机科学与工程系	214	3759	31.0	55.0
2	倪茂树	大连理工大学计算机科学与工程系	3	18	3.0	3.0
3	赵晶	大连理工大学计算机科学与工程系	36	817	14.0	28.0