文献类型：期刊文章

作　　者：胡婧[1] 刘伟[1] 马凯[1]

HU Jing;LIU Wei;MA Kai(School of Medical Information,Xuzhou Medical University,Xuzhou 221004,China)

机构地区：[1]徐州医科大学医学信息学院

出　　处：《科学技术与工程》

基　　金：国家自然科学基金(81471330);江苏省教育厅高等教育研究课题(2015JSJG261);江苏省大学生创新创业项目(201810313047Y)资助

年　　份：2019

卷　　号：19

期　　号：33

起止页码：296-301

语　　种：中文

收录情况：BDHX、BDHX2017、RCCSE、ZGKJHX、核心刊

摘　　要：为了探讨中文病历文本预处理后高维稀疏性的特点,导致文本分类精度低、算法模型收敛速度慢等性能问题,提出一种基于粗糙集的词袋(BOW)模型结合支持向量机(SVM)的文本分类算法(BOW+SVM)。该算法首先采用BOW模型对特征词提取构建高维度文本空间向量,然后利用粗糙集的属性约简算法对文本特征处理,把模糊的、冗余的属性从决策规则中清除,降低空间向量维数,最后利用所提纯的特征与SVM分类器交叉结合进行文本分类。在Python+TensorFlow环境中设计六种交叉结合的算法仿真对比实验,结果表明:基于BOW+SVM高血压病历文本分类模型精准度可达97%。可见改进后的模型,能够解决样本分部不均,克服高维度稀疏特征空间的问题,有效改善病案管理工作流程。

关 键 词：文本分类 自然语言处理 粗糙集 词袋模型  支持向量机

分 类 号：TP391.45]