药品安全话题发现技术研究

• 作者: 张文学 徐静
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 医药新闻 k-means LDA 话题发现
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 151-154
• 页数: 4页
• 分类号: TP319
• 字数: 4269字
• 语种: 中文
• DOI: 10.11907/rjdk.182740

摘要

运用中文信息处理方法,从大量医药新闻报道中进行有价值话题挖掘,为后续话题跟踪提供训练测试文本.从医药新闻特点入手,使用轮廓系数评价法对k-means的聚类性能进行评估,选取最佳聚类中心数.利用LDA对选取的最佳主题进行提取,从而得到相应的话题.轮廓系数评价法与k-means方法相结合,有助于从海量信息中筛选出有价值的话题.当样本量足够大、聚类效果不好时,人工标记可在一定程度上改善聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张文学	宁夏医科大学理学院	23	105	7.0	9.0
2	徐静	宁夏医科大学公共管理研究中心	11	13	3.0	3.0